# AIの種類とは？生成AI・AIエージェント・特化型を用途で整理

- URL: https://www.waltsu.co.jp/magazine/ai/ai-types/
- カテゴリ: AI活用 > 生成AIの基本
- 執筆: 藤井 俊輔（代表取締役） / 監修: 小洞 映（システムエンジニア）
- 公開日: 2026-10-01 / 最終更新日: 2026-10-29
- 発行: waltsu株式会社（waltsu MAGAZINE）

## こんな人におすすめ

- AIの種類が増えすぎて全体像がつかめない
- 生成AI・AIエージェント・特化型の位置関係を整理したい
- 自社の目的にどの種類が合うか判断したい

生成AI、AIエージェント、フィジカルAI、ソブリンAI。ここ一年ほどでAIの呼び名は一気に増え、どれとどれが同じ話で、どれが別物なのかが見えにくくなりました。用語を追うほど、自社の仕事とどう結びつくのかが分からなくなる、という声をよく聞きます。 AIの種類とは、AIを分ける複数の軸ごとに整理されたグループのことです。種類は暗記するものではなく、自社の用途から逆算して選ぶための地図です。本記事では「用途・形態」を主軸に、能力・技術という別の分け方も添えながら、それぞれが1枚の地図のどこに位置するか、自社の目的からどう選ぶかを整理します。

**この記事のゴール（読了目安 約10分）**：AIの分け方には「用途・形態」「能力」「技術」の複数の軸があると理解し、生成AI・AIエージェント・特化型などが地図のどこに位置するかを説明できるようになる。そのうえで、自社の目的から使う種類を選ぶ入口をつかむ。

## この記事の結論

- AIの種類は「用途・形態」「能力」「技術」の複数の軸で分けられる
- 選ぶなら「作る・進める・絞る・動かす」の用途・形態軸で見る
- 現状の実用AIはすべて特化型で、汎用型・超知能は研究段階
- 種類名を暗記せず、用途に対してどれが強いかを試して見極める

## AIの種類は1つの軸では分けられない

AIの種類は用途・形態、能力、技術の3つの軸で分けられます。この記事は、導入の判断につながる用途・形態を主軸にします。

### 分け方には3つの軸がある

AIの種類を並べた記事はたくさんありますが、実は分け方が1つではありません。大きく分けて、何に使うかで見る「用途・形態」、どこまで賢いかで見る「能力」、どう作られているかで見る「技術」の3つの軸があります。

同じAIでも、どの軸で見るかによって呼び名が変わります。混乱の多くは、**別々の軸の言葉を同じ列に並べてしまう**ことが原因です。

### この記事は用途・形態を主軸にする

3つの軸のうち、本記事は「用途・形態」を地図の主軸に置きます。理由は単純で、この軸だけが「自社は何をしたいか」から逆算できるからです。能力や技術は仕組みを理解するには役立ちますが、どれを導入するかの判断には直結しません。

能力軸と技術軸は「もう一つの分け方」として先に手短に触れ、そのうえで本題の用途・形態へ進みます。**選ぶための軸は用途・形態**、と覚えておいてください。

![AIの種類は用途・形態／能力／技術の3つの軸で分けられ、選ぶなら用途・形態軸で見ることを示す図](https://www.waltsu.co.jp/wp-content/uploads/2026/09/ai-types01.png)

## まず能力で見る｜特化型・汎用型・超知能

能力では特化型・汎用型・超知能の3段階に分かれますが、いま実用化されているAIはすべて特化型です。

### ANI・AGI・ASIの3段階

能力軸は、AIがどこまで人間に近い知能を持つかで3段階に分けます。特定の作業に絞って力を発揮する特化型（ANI）、人間並みに幅広くこなす汎用型（AGI）、人間を超えるとされる超知能（ASI）です。

**現在実用化されているAIはすべて特化型（ANI）**です。生成AIもAIエージェントも、幅広く見えて実際は「与えられた範囲で力を発揮する特化型」に含まれます。

### 汎用型・超知能は研究段階

汎用型や超知能は、実現時期も定義も定まっておらず、現時点では研究や議論の段階にあるとされています。ニュースで華やかに語られますが、明日の業務に導入する対象ではありません。

この能力軸をもう少し深く知りたい場合は、[超知能と汎用型の違い](https://www.waltsu.co.jp/magazine/ai/asi-agi/)を扱った関連記事で整理しています。導入判断の前段として仕組みを理解したいときに読むと、ニュースの内容がつかみやすくなります。

## 次に技術で見る｜機械学習と生成AIの関係

技術で見ると、機械学習の中に深層学習があり、その中に生成AIがある入れ子の関係です。導入の判断より、仕組みの理解に使います。

### 包含関係で捉える

技術軸は、AIがどう学習しているかで見る分け方です。ここは並列ではなく、大きな箱の中に小さな箱が入る包含関係で捉えると整理できます。機械学習という大きな枠の中に深層学習があり、その中に生成AIがある、という入れ子構造です。

| 技術の層 | 位置づけ | できること |
|---|---|---|
| 機械学習 | 一番外の枠 | データから規則を学ぶ全般 |
| 深層学習 | 機械学習の一部 | 複雑なパターンを自動で抽出 |
| 生成AI | 深層学習の応用 | 文章・画像などを新しく作る |

**生成AIは機械学習の外側にある別物ではない**、という関係だけ押さえておけば十分です（[総務省「令和6年版 情報通信白書」](https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r06/html/nd131210.html)）。この積み重なりがどう発展してきたかは、[AIの歴史](https://www.waltsu.co.jp/magazine/ai/ai-history/)をたどった関連記事で流れを追えます。

### 技術軸は「仕組みの理解」に使う

技術軸は、ベンダーの説明を読み解いたり、なぜこのAIが得意・不得意なのかを理解したりするのに役立ちます。ただし導入の判断そのものは、次に見る用途・形態の軸で行うほうが早道です。

## 本題｜用途・形態で見るAIの6タイプ

ここからが地図の本体です。用途・形態で見ると、AIは大きく6つのタイプに分けられます。それぞれ「何をするAIか」を一言で押さえ、詳しい違いは関連記事へ進める形にします。

### 生成AI｜文章や画像を「作る」

生成AIは、求めに応じて文章、画像、音声、動画、コードなどの成果物を新しく作り出すAIです。資料のたたき台、記事、デザイン案、要約など、ゼロから何かを生み出す用途に向きます。マーケティングでの具体的な使い方は、[生成AIマーケティング](https://www.waltsu.co.jp/magazine/marketing/generative-ai-marketing/)を扱った関連記事で詳しく解説しています。

### AIエージェント｜タスクを「進める」

AIエージェントは、与えた目標に向けて手順を自分で組み立て、複数の処理を自律的に進めるAIです。生成AIが「作る」のに対し、こちらは「段取りして動かす」のが役割です。基礎は[AIエージェントの入門記事](https://www.waltsu.co.jp/magazine/ai/about-ai-agent/)、より自律性の高いものは[エージェンティックAI](https://www.waltsu.co.jp/magazine/ai/agentic-ai/)の関連記事に分けて説明しています。

### 特化型・業界特化AI｜業務に「絞る」

特化型AIは、特定の業務や業界に用途を絞り込んだAIです。医療、法務、建設のように専門領域へ最適化したものはバーティカルAIとも呼ばれます。範囲を絞るほど精度と実用性が上がるのが強みで、詳しくは[バーティカルAI](https://www.waltsu.co.jp/magazine/ai/vertical-ai/)の関連記事で扱っています。

### フィジカルAI｜現実世界を「動かす」

フィジカルAIは、ロボットや設備を通じて現実世界の物を実際に動かすAIです。画面の中で完結する他のタイプと違い、身体を持って物理的に作用する点が特徴です。位置づけや事例は[フィジカルAI](https://www.waltsu.co.jp/magazine/ai/physical-ai/)の関連記事にまとめています。残る2つ、提供形態（クラウド・ローカル・ソブリン）と導入形態（AI SaaS）は、次章以降で扱います。

| タイプ | 用途の一言 | 主な使いどころ |
|---|---|---|
| 生成AI | 作る | 文章・画像・要約・案出し |
| AIエージェント | 進める | 調査・手続き・自動処理 |
| 特化型・業界特化 | 絞る | 専門業務への最適化 |
| フィジカルAI | 動かす | ロボット・製造・物流 |
| 提供形態 | 置き場所 | クラウド／ローカル／主権 |
| AI SaaS | サービスで使う | 自作せず契約して利用 |

![用途・形態で見たAIの6タイプ（生成AI・AIエージェント・特化型・フィジカルAI・提供形態・AI SaaS）を用途ラベル付きで並べた地図](https://www.waltsu.co.jp/wp-content/uploads/2026/09/ai-types02.png)

## 入力と出力で見る｜マルチモーダルの広がり

同じ生成AIでも、扱える情報の種類で得意分野が変わります。文字・画像・音声をまたいで扱えるものがマルチモーダルです。

### 扱える情報の種類で見る

同じ生成AIでも、テキストだけを扱うのか、画像・音声・動画までまとめて扱えるのかで得意分野は同じではありません。文字も画像も音声も横断して理解し出力できるものをマルチモーダルと呼びます。

**複数の種類の情報を一度に扱えるほど用途は広がります**。写真を見せて説明させる、図表を読ませて要約させるといった使い方は、この広がりから生まれます。仕組みや活用の詳細は、[マルチモーダルLLM](https://www.waltsu.co.jp/magazine/ai/multimodal-llm/)の関連記事で解説しています。

## 動かす場所で見る｜クラウド・ローカル・ソブリン

どこで動かすかは、データをどこで処理するかの問題です。クラウド、ローカル、ソブリンの3つを順に見ます。

### データをどこで処理するか

AIをどこで動かすかも、種類を分ける大事な軸です。これはデータをどこで処理するか、つまりセキュリティや主権に直結する話です。

- **クラウド**: 事業者のサーバーで動かす。手軽だがデータは外に出る
- **ローカル**: 自社の環境内で動かす。機密を外に出さずに使える
- **ソブリン**: 国や組織が主権を保った基盤で動かす

自社の環境でモデルを動かすローカルLLMは、[ローカルLLM](https://www.waltsu.co.jp/magazine/ai/local-llm/)の関連記事で扱っています。国内でデータと基盤を管理するソブリンAIについては、政府が2026年7月に閣議決定したAI基本計画でも「AI主権」を柱の一つに掲げており（[内閣府「人工知能基本計画（第Ⅱ期）」令和8年7月14日閣議決定](https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf)）、[ソブリンAI](https://www.waltsu.co.jp/magazine/ai/sovereign-ai/)の関連記事で位置づけを整理しています。

## 使い方の形で見る｜自作かAI SaaSか

AIを自前で作るか、サービスとして契約して使うかの違いです。中小企業の入口は、多くの場合AI SaaSになります。

### モデルを持つか、サービスで使うか

最後の軸は、AIを自前で構築するか、できあがったサービスとして契約して使うかです。前者はモデルやデータを自社で抱え、後者は月額などで提供される機能を使います。

**中小企業の現実的な入口は、多くの場合AI SaaS**です。開発の負担なく必要な機能だけ使い始められるため、まず試すには向いています。サービスとして使うAIの選び方は、[AI SaaS](https://www.waltsu.co.jp/magazine/ai/ai-saas/)の関連記事にまとめています。

## 種類ごとの向き・不向き早見

どの種類にもAIが強い領域と人が判断すべき領域があります。生成AIから順に、4つのタイプで並べます。

### 強い所と人が判断する所

種類を知る目的は、優劣を付けることではなく、用途への向き・不向きを見極めることです。どのタイプにも、AIが強い領域と、人が判断すべき領域があります。

- **生成AI**: たたき台づくりに強い。事実確認と仕上げは人が担う
- **AIエージェント**: 定型の段取りに強い。最終承認は人が握る
- **特化型AI**: 絞った業務で高精度。範囲外は苦手
- **フィジカルAI**: 反復作業に強い。安全管理は人の責任

AIを万能扱いせず、**苦手なことと人が握るべき点をセットで把握する**のが、選び方を誤らないコツです。

## 自社に合う種類の選び方

種類名から入らず、目的、用途、形態の順に3ステップで絞ります。

### 目的から3ステップで絞る

種類名から入ると迷子になります。順番は逆で、目的から用途、形態へと絞っていくのが確実です。

- **STEP1 目的を言語化**: 一番困っている業務と、達成したい状態を書き出す
- **STEP2 用途を特定**: 作る・進める・絞る・動かす、のどれに当たるか決める
- **STEP3 形態を確認**: クラウドかローカルか、扱うデータの制約はあるか確認する

大切なのは、ツールや流行の種類名から入らないことです。**施策から入ると、目的に合わない種類を選んでしまいます**。困りごとを起点にすれば、必要なAIの種類は自然と絞られます。

## 【プロの視点】暗記より「どれが強いか」を試す

AIの種類を語るとき、分類名を正確に覚えることに関心が向きがちです。しかし本当に役立つのは、名前を覚えることではなく、自社の用途に対してどのAIが実際に強かったかを確かめることです。

同じ「作る」AIでも、何を・どんな形で作らせるかで実用性は大きく変わります。実案件で生成AIの動画を試したときは、人物の顔や手、一貫した人物表現には違和感が残った一方、人物を含まない映像や実写素材を動かす用途、短い尺の動画では十分に使えました。デザインでも同じことが起きます。たたき台となる初稿を素早く出す用途ではAIが強かったものの、余白やフォント、ブランドらしさといった仕上げの部分には人の手が残りました。

つまり「AI動画は使えるか」「AIデザインは使えるか」と種類の名前で問うのではなく、その種類を**どの用途に当てるかで向き不向きが決まる**ということです。だから見るべきは分類名ではなく、自社の用途に対してどのAIが実際に強かったか、という一点になります。

![用途（作る・進める・絞る・動かす）ごとにAIが強い所と人が判断する所を対比し、種類名でなく用途で向き不向きが決まることを示す図](https://www.waltsu.co.jp/wp-content/uploads/2026/09/ai-types03.png)

## 【waltsu視点】種類は道具、価値は試行回数

種類を分ける本当の目的は何か。それは「どれが正解か」を当てることではなく、安全に試せる範囲を絞り込み、試行回数を増やすことにあります。

種類ごとの向き不向きは、机上で分類を眺めていても分かりませんでした。生成AIの動画も、AIによるデザインも、実際に一度作らせてみて初めて、どこまでは任せられて、どこからは人が入るかの線が見えます。**試すまで、向き不向きは分からない**のです。だからこそ、用途を絞って小さく試せる状態を作ることに価値があります。

中小企業が明日から踏み出す一歩は、シンプルです。一番困っている1つの業務を選び、その用途に合うAIを1つだけ試してみることです。全部を一度に検討する必要はありません。**1業務・1種類から始めれば、失敗も学びも小さく回せます**。種類はそのための道具であって、目的ではありません。

![課題から用途で種類を選び、小さく試して学び、また試すという試行回数の循環を示す図](https://www.waltsu.co.jp/wp-content/uploads/2026/09/ai-types04.png)

## よくある種類の取り違え

つまずきやすいのは4つの取り違えです。そのまま進むと、合わない種類へ過剰に投資したり、機密データを外に出したりします。

### 混同しやすい4つの誤解

種類選びで実際につまずくのは、次のような取り違えです。

- **生成AIとAIエージェントを同じと思う**: 作ると進めるで役割が違う
- **特化型を劣った旧世代と思う**: 絞るからこそ精度が出る
- **全部AIに任せられると思う**: 最終判断は人が握る前提
- **古い分類だけで見る**: 新しい形態を見落とす

取り違えたまま進むと、目的に合わない種類へ過剰に投資したり、機密データを外に出してしまったりします。**種類選びの誤りは、そのままコストと情報漏洩のリスクになる**ため、最初の見極めが大切です。

## まとめ

AIの種類は、能力・技術・用途というように複数の軸で分けられます。ニュースで次々に増える呼び名も、能力や技術ではなく「何をするAIか」という用途・形態の軸に置き直せば、生成AI・AIエージェント・特化型・フィジカルAIとして1枚の地図に収まります。

大切なのは、種類名を暗記することではなく、自社の目的から逆算して選ぶことです。困っている業務を起点に用途を特定し、形態とデータの制約を確認する。この順番で見れば、増え続ける用語に振り回されずに、自社に必要なAIへたどり着けます。

まずは一番困っている1つの業務を選び、その用途に合う種類を1つだけ試すところから始めてみてください。そのうえで、自社のどの業務にどの種類のAIが合うか迷う場面が出てきたら、waltsuが用途からの選定と検証をご支援します。

## よくある質問

**Q. AIの種類は結局いくつある？**  
A. 分け方の軸によって変わります。用途・形態なら6タイプ前後、能力なら3つ（ANI・AGI・ASI）、技術なら機械学習・深層学習・生成AIの包含関係で見ます。数を数えるより、どの軸で見るかを決めるのが先です。

**Q. 生成AIとエージェントの違いは？**  
A. 生成AIは求めに応じて成果物を「作る」もの、AIエージェントは目標に向けて処理を自律的に「進める」ものです。作ると進めるで役割が分かれます。詳しくはAIエージェントやエージェンティックAIの関連記事をご覧ください。

**Q. 特化型は汎用型より劣る？**  
A. 劣っているのではなく役割が違います。現状の実用AIはほぼすべて特化型で、業務に絞るほど精度と実用性が上がります。汎用型（AGI）はまだ研究段階です。

**Q. 中小企業はどこから始める？**  
A. 一番困っている1業務に、用途の合うAIを1つだけ試すのが現実的です。多くはAI SaaSから小さく始められ、開発の負担なく効果を確かめられます。

**Q. 選ぶ基準は何にすべき？**  
A. 種類名ではなく、何をしたいか（用途）、どこで動かすか（形態）、扱うデータの制約、の3点から逆算します。選び方の具体的な手順は本文の3ステップを参照してください。

## 執筆者

**藤井 俊輔**（代表取締役）ベンチャー企業の外部CMOや水族館のマーケティング担当などに従事。オンライン/オフライン問わず集客を中心としたマーケティング施策に強み。

プロフィール: https://www.waltsu.co.jp/magazine/supervisor/shunsuke-fujii/

この記事は waltsu 公式ブログの記事（https://www.waltsu.co.jp/blog/ai-types/）をもとに再編集したものです。