AIの種類一覧｜能力と機能でわかる分け方と4つのレベルをやさしく解説

「AIといっても、いろいろな種類があるらしい。生成AI、機械学習、ディープラーニング……結局どう違って、うちの会社ではどれを見ればいいのか」。そう感じて「ai 種類」と検索したあなたに向けて、この記事ではAIの種類を”分類の地図”として整理します。比較・優劣には踏み込まず、入口だけを示しながら「どんな軸で分けられるのか」を先に押さえることで、はじめての方でも全体像を一覧でつかめるようにしました。

最終更新日: 2026年7月23日（内容確認日）。AIの分類は研究者や解説によって呼び方が少しずつ異なるため、本記事では公的機関（NEDO・総務省系資料）や広く定着した分類を基準に、やさしい言葉でそろえています。

この記事でわかること

この記事は、AIの種類を体系立てて知りたい中小企業の経営者・担当者に向けて、次の内容を整理します。専門知識がなくても、読み終えたときに「AIはこう分けられるのか」と人に説明できる状態を目指します。

• AIの種類を分ける「2つの軸（能力で分ける／機能で分ける）」
• AIの4つのレベル（レベル1〜レベル4）でわかる仕組み・実装レベル
• 特化型AI・汎用型AI・人工超知能の違い
• 何が得意かで分ける5つのタイプ（識別・予測・会話・実行・生成）
• 能力×機能をまとめたAIの種類一覧表
• 機械学習・ディープラーニング・生成AIが「種類」のどこに位置するか
• 自社の業務では、どのAIの種類から見ればよいか

先に結論を言うと、AIの種類は「能力で分ける」「機能で分ける」という2つのモノサシで見ると、迷わず整理できます。この2軸を地図として持っておくと、新しいAIサービスが出てきても「これは機能でいう生成系だな」と自分で位置づけられるようになります。

AIの種類をわかりやすく｜まず”2つの分け方”を押さえる

AIの種類がわかりにくく感じる一番の理由は、分け方が何種類も混在しているからです。あるサイトは「特化型と汎用型」で分け、別のサイトは「画像認識・音声認識・生成」で分け、また別のサイトは「レベル1〜4」で分けます。どれも間違いではなく、見ている角度が違うだけです。

そこで本記事では、AIの種類を次の2つの軸で整理します。この2軸さえ押さえれば、世の中の分類のほとんどはどちらかに当てはまります。

• 能力で分ける：そのAIが「どこまで賢いか・どこまで広く対応できるか」で分ける見方です。特化型AI・汎用型AI・人工超知能や、後で紹介する「4つのレベル」がこの軸に当たります。いわば”AIの仕組み・実装レベル”の地図です。
• 機能で分ける：そのAIが「何が得意か・何をする道具か」で分ける見方です。画像を見分ける、数値を予測する、会話する、作業を実行する、文章や画像を生み出す——といった役割で分けます。いわば”AIの職種”の地図です。

あなたの会社で「どのAIを使うか」を考えるときに直接役立つのは、後者の「機能で分ける」軸です。一方で「AGIって何？」「シンギュラリティは？」といったニュースの話題を理解したいときは、前者の「能力で分ける」軸が効きます。この記事では両方を一覧表にまとめるので、目的に合わせて使い分けてください。

AIの4つのレベル｜レベル1〜4でわかる仕組み・実装レベル

「能力で分ける」軸の入り口としてわかりやすいのが、AIの4つのレベルです。これは東京大学の松尾豊氏が示した分類として広く知られており、AIを賢さ・学習のしかたで4段階に整理したものです。身近な家電から最新のAIまで、同じ「AI」という言葉がどれだけ幅広いかが見えてきます。

レベル	呼び名	どんな仕組みか	身近な例
レベル1	単純な制御プログラム	あらかじめ決めた条件どおりに動く。自分では学習しない	温度で自動オンオフするエアコン、設定どおり動く家電
レベル2	古典的な人工知能	決められたルールの中で探索・推論する。パターンは多いが自ら学習はしない	将棋・オセロのプログラム、経路を探す掃除ロボット、質問応答
レベル3	機械学習を取り入れたAI	大量のデータからルールや規則性を自分で学ぶ	検索エンジン、迷惑メール判定、需要予測
レベル4	ディープラーニングを取り入れたAI	注目すべき特徴（特徴量）そのものまで自分で見つけて学ぶ	画像認識、音声認識、生成AI

ポイントは、レベルが上がるほど「人間がルールを教える」から「AIが自分で学ぶ」へと主役が移ることです。レベル1・2は人間が手順を書き込みますが、レベル3以降はデータを与えると自分で規則を見つけます。とくにレベル4のディープラーニングは、「どこに注目すべきか」という判断材料（特徴量）まで自動で見つけ出せる点が画期的で、今の生成AIブームの土台になっています。

なお、「レベルが高い＝いつも優れている」という意味ではありません。エアコンの温度制御にディープラーニングは要りませんし、目的に対して過剰な仕組みはコストと運用の負担になります。あなたの会社でも、業務に必要なレベルを見極めることが大切です。

また、このレベル1〜4は「時系列でこの順に発展してきた」という発展史や、絶対的な優劣を表すものではありません。あくまでAIの仕組み・実装のレベル（どこまで自分で学ぶか）を見るための整理であり、実際にはレベル1〜4のAIが今も並行して使われています。

能力で分けるAIの種類｜特化型・汎用型・超知能

「どこまで広く対応できるか」という能力で分けると、AIは大きく3種類に整理されます。今わたしたちが使っているAIがどの段階にあるのか、そしてニュースで話題になる「AGI」「シンギュラリティ」がどこを指すのかが、この分類でクリアになります。

特化型AI（ANI／弱いAI）＝いま実用されているAIのほぼ全部

特化型AI（ANI：Artificial Narrow Intelligence）は、決められた特定の仕事に特化したAIです。「弱いAI」とも呼ばれます。画像を見分ける、音声を文字にする、文章を作る、といった定められた範囲では高い性能を発揮しますが、その範囲を超えたことはできません。

重要なのは、ChatGPTのような生成AIも、自動運転も、顔認証も、いま実用化されているAIのほぼすべてがこの特化型に含まれるという点です。とても賢く見えても、あくまで「与えられた種類の課題」を解く道具であり、人間のように何でも自分で考えて動くわけではありません。あなたの会社の業務で検討するAIも、基本的にこの特化型だと考えて差し支えありません。

汎用型AI（AGI／強いAI）＝人間のように何でもこなすAI

汎用型AI（AGI：Artificial General Intelligence）は、特定の仕事に限らず、人間のようにさまざまな課題へ柔軟に対応できるAIです。「強いAI」とも呼ばれます。一つのAIが、経理も、接客も、企画も、はじめて出会う問題も自分で考えて対応できる——そんなイメージです。

ただし、2026年時点でこの汎用型AIは実現していません。研究・開発が進められている段階であり、「もうすぐ実現する」という見方から「まだ遠い」という見方まで、専門家の意見も分かれています。ニュースで「AGI」という言葉を見かけたら、この”人間並みに何でもこなすAI”を指していると理解しておけば十分です。

なお、用語の背景を一つ補足します。「特化型／汎用型（ANI／AGI）」は”どこまで広く対応できるか”という対応範囲による分類で、公的機関であるNEDO（新エネルギー・産業技術総合開発機構）の解説でもこの呼び方が使われています。一方、「弱いAI／強いAI」はもともと哲学者ジョン・サールが提起した”AIが本当に心や理解を持つのか”をめぐる区分で、対応範囲の分類とは出発点が異なります。実務では「ANI＝弱いAI」「AGI＝強いAI」と対応づけて呼ばれることが多いため本記事でも併記していますが、厳密には完全な同義語ではない、と押さえておくとより正確です。

人工超知能（ASI）＝人間を超える段階

人工超知能（ASI：Artificial Super Intelligence）は、あらゆる面で人間の知能を超えるとされる、さらに先の段階です。AIが人間の知能を追い越す転換点は「技術的特異点（シンギュラリティ）」と呼ばれ、2045年ごろに訪れると予測する研究者もいますが、現時点ではあくまで理論上・仮説上の概念です。

経営判断の観点では、汎用型AIや超知能は「将来の話題」として押さえておけば十分です。今日のAI導入で実際に扱うのは、次に説明する「機能で分けた特化型AI」だと考えてください。

機能で分けるAIの種類｜何が得意かで見る5タイプ

ここからは、実際の業務検討に直結する「機能で分ける」軸です。AIを「何が得意か」で見ると、大きく5つのタイプに整理できます。あなたの会社で「この作業をAIに任せたい」と考えたとき、それがどのタイプに当たるかを知っておくと、探すサービスの見当がつきます。

なお、この5つのタイプは、世界共通の唯一の標準分類が決まっているわけではありません。本記事が業務選定のしやすさを優先して実務上整理したもので、解説によっては4分類や6分類で示されることもあります。数の正しさを競うものではなく、「自社の作業がどのタイプに当たるか」を見当づける道具として使ってください。

タイプ	得意なこと	身近な使われ方の例
識別系AI	画像・音声・データを見分ける、分類する	顔認証、不良品検査、音声の文字起こし、異常検知
予測系AI	過去のデータから数値や結果を予測する	需要予測、売上予測、故障予知、おすすめ表示
会話系AI	言葉を理解して受け答えする	チャットボット、問い合わせ対応、社内ヘルプデスク
実行系AI	状況に応じて作業や操作を実行する	自動運転、ロボット制御、業務の自動処理
生成系AI	文章・画像・音声・動画などを新しく作り出す	文章作成、画像生成、要約、企画のたたき台づくり

この5タイプのうち、近年とくに注目されているのが生成系AI（生成AI）です。文章や画像をゼロから作り出せるため、資料作成・メール文面・アイデア出しなど、事務作業の幅広い場面で使われています。生成AIが具体的に何をできるのか、ビジネスでどう活用するのかは、生成AIとは何かを経営者にやさしく解説した記事で詳しく扱っています。

また、実行系AIをさらに発展させ、目標を伝えると自分で段取りを考えて複数の作業をこなす仕組みは「AIエージェント」と呼ばれます。導入を検討する際の料金の考え方は、AIエージェントの料金・相場を整理した記事が参考になります。

AIの種類 一覧｜能力×機能でまとめて比較

ここまで見てきた「能力で分ける」「機能で分ける」の2軸を、1枚の一覧にまとめます。AIの種類を俯瞰したいときは、まずこの表に立ち返ってください。左側が”AIの仕組み・実装レベル（能力）”、右側が”AIの職種（機能）”です。

分け方（軸）	種類	ひとことで言うと	具体例	出典・位置づけ
能力（仕組み・実装レベル）	レベル1 単純な制御	決めた条件どおりに動く	自動オンオフ家電	松尾豊氏の4レベル（実装レベル）
能力（仕組み・実装レベル）	レベル2 古典的AI	ルール内で探索・推論する	将棋AI、掃除ロボット	松尾豊氏の4レベル（実装レベル）
能力（仕組み・実装レベル）	レベル3 機械学習	データから自分で規則を学ぶ	迷惑メール判定、予測	松尾豊氏の4レベル（実装レベル）
能力（仕組み・実装レベル）	レベル4 ディープラーニング	特徴量まで自分で見つける	画像認識、生成AI	松尾豊氏の4レベル（実装レベル）
能力（対応範囲）	特化型AI（ANI・弱いAI）	特定の仕事に特化。今の実用AIの主役	ChatGPT、顔認証、自動運転	対応範囲の分類（NEDO等）
能力（対応範囲）	汎用型AI（AGI・強いAI）	人間のように何でも柔軟に対応（未実現）	研究開発段階	対応範囲の分類（NEDO等）
能力（対応範囲）	人工超知能（ASI）	人間をあらゆる面で超える（理論上）	シンギュラリティ後の概念	将来概念（理論上）
機能（得意分野）	識別系AI	見分ける・分類する	検査、認証、文字起こし	本記事の実務整理
機能（得意分野）	予測系AI	数値・結果を予測する	需要予測、故障予知	本記事の実務整理
機能（得意分野）	会話系AI	言葉で受け答えする	チャットボット	本記事の実務整理
機能（得意分野）	実行系AI	作業や操作を実行する	自動運転、AIエージェント	本記事の実務整理
機能（得意分野）	生成系AI	文章・画像などを作り出す	文章作成、画像生成	本記事の実務整理

使い分けのコツは、「能力の分類」はAIの全体像やニュースを理解するため、「機能の分類」は自社で使うAIを選ぶため、と役割を分けて見ることです。たとえば「議事録を自動で作りたい」なら機能でいう会話系・生成系、「不良品を見つけたい」なら識別系、というように、まず機能から当たりを付けると探しやすくなります。

目的別｜代表的なAIサービスの入口

「種類はわかったけれど、では実際にどのサービスから触ればいいのか」という方に向けて、やりたいこと（目的）ごとに代表的なサービスの入口を示します。ここでは料金や優劣の比較はせず、”まずどの入口から見ればよいか”の当たりを付けることに絞ります。詳しい比較や使い方は、各リンク先の記事で扱います。

やりたいこと	機能タイプ	代表的なサービス例	詳しくは
文章づくり・調べ物・対話	生成系・会話系	ChatGPT、Gemini、Claude など	生成AIの入門記事（本文中のリンク参照）
画像を作る	生成系	画像生成AI（Midjourney、Stable Diffusion など）	生成AIの入門記事（本文中のリンク参照）
音声を文字にする	識別系	文字起こし・音声認識サービス	—
需要予測・検品・異常検知	予測系・識別系	業務システムに組み込むタイプが中心	—
作業を任せて自動でこなす	実行系（AIエージェント）	AIエージェント型のサービス	AIエージェントの料金記事（本文中のリンク参照）

ここに挙げたサービス名はあくまで代表例で、各社の機能や料金は変わることがあります。「ChatGPT以外にどんなAIがあるのか」を探しているときも、まずは前の章の「機能タイプ」で当たりを付け、そのうえで各サービスの最新情報を確認するのが確実です。

機械学習・ディープラーニング・生成AIは種類の中でどこにある？

AIの種類を調べていると必ず出てくるのが、機械学習・ディープラーニング・生成AIという言葉です。これらは「AIと並ぶ別の種類」ではなく、AIという大きな箱の中の”入れ子”の関係になっています。ここを取り違えると混乱するので、正しい包含関係を押さえておきましょう。

• AI（人工知能）：いちばん大きな箱。人間の知的な作業をコンピュータで実現しようとする技術全体を指します。
• 機械学習：AIの中の一分野。データから規則性を自分で学ぶ手法で、先ほどのレベル3に当たります。
• ディープラーニング（深層学習）：機械学習の中の一手法。人間の脳の神経回路をまねた仕組みで、特徴量まで自動で学びます。レベル4に当たります。
• 生成AI：現在主流の生成AIの多くはディープラーニングの技術を土台に、文章や画像などを新しく作り出すAIです。機能でいう「生成系AI」です。

つまり関係は「AI ⊃ 機械学習 ⊃ ディープラーニング、そしてその応用として生成AI」という入れ子です。生成AIは”AIとは別物”ではなく、現在主流の生成AIの多くはこのディープラーニングを土台にした一種、と理解すると全体像がぶれません。それぞれの詳しい違いは個別の入門記事で扱いますが、まずは「大きい箱の中に小さい箱が入っている」というイメージを持っておけば十分です。

経営者はどのAIの種類から見ればいい？｜使い分けの考え方

AIの種類を一覧で理解したうえで、次に気になるのは「では、うちの会社はどの種類から見ればいいのか」でしょう。ここは分類の知識よりも、経営の判断が主役になる部分です。

結論から言えば、能力の分類（特化型・汎用型）から入るのではなく、機能の分類から入るのが実務的です。「AGIはまだか」と考えるより、「自社のどの業務の、どの作業を、どのタイプのAIに任せたいか」から逆算するほうが、導入の判断が具体的になります。次のように、業務課題から機能タイプへ当たりを付けてみてください。

• 書類作成・メール文面・企画のたたき台に時間がかかる → 生成系AI
• 問い合わせ対応や社内からの質問に人手を取られている → 会話系AI
• 検品・チェック・仕分けに人の目が必要 → 識別系AI
• 需要や在庫、故障の予測を勘に頼っている → 予測系AI
• 定型の操作や現場作業をまるごと自動化したい → 実行系AI・AIエージェント

この当たりを付けたうえで、はじめて具体的なサービスの比較に進みます。順番を逆にして「話題の生成AIを入れよう」から始めると、自社の課題と噛み合わず、導入したのに使われないという結果になりがちです。

「どのAIを入れるか」より先に、私は任せたい仕事を切り分けます

経営者からAI導入の相談を受けると、最初に「どのAIを入れればよいですか」と聞かれることがあります。

ChatGPT、Claude、Geminiのような具体的なサービス名が挙がることもあれば、「生成AIと従来のAIはどう違うのか」「どの種類が自社に向いているのか」と質問されることもあります。

AIの種類や特徴を理解することは大切です。ですが、私は最初から技術分類の説明に深入りしません。

その前に、次の三つを一緒に整理します。

• どの業務で使うのか
• その業務のどの作業を任せるのか
• 誰が使い、誰が確認するのか

たとえば、「営業にAIを使いたい」という要望だけでは、必要な機能を決められません。

営業という業務の中にも、次のような異なる作業があります。

• 見込み顧客の情報を整理する
• 商談前の質問項目を作る
• 営業メールの下書きを作る
• 面談記録を要約する
• 提案書を作る
• 受注可能性を予測する
• 顧客からの問い合わせに回答する

文章の下書きを作りたいなら、生成系AIが候補になります。過去の受注データから受注しやすい案件の傾向を見たいなら、分類や予測を行う仕組みが必要です。

顧客からの質問に自社資料をもとに答えさせたい場合は、文章生成の能力だけでなく、社内文書を参照する機能や、答えられない質問を人へ引き継ぐ仕組みも必要になります。

同じ「営業へのAI導入」でも、任せる作業によって選ぶ道具は変わります。

さらに、誰が使うかも確認します。社長が企画の壁打ちに使うのか、営業担当者が毎日のメール作成に使うのか、事務担当者が定型書類を処理するのかによって、必要な操作性、権限、教育内容が変わるからです。

AIの結果を誰が確認するかも重要です。社内会議の要約なら多少の表現修正で済むかもしれませんが、顧客への見積書、契約に関する回答、採用の合否判断などは、間違えたときの影響が大きくなります。

そのため私は、業務を次のような機能タイプに分けて考えます。

• 文章や企画のたたき台を作る
• 情報を検索・整理する
• 内容を分類する
• 数値や結果を予測する
• 画像や音声を認識する
• 画像、音声、動画を生成する
• 決めた手順を自動で実行する
• 人間の判断を支援する

この切り分けをすると、「高性能だから導入する」という選び方から、「この作業に必要だから選ぶ」という考え方へ変わります。

たとえば、営業メールの下書きが目的なのに、高度な予測システムを導入する必要はありません。反対に、過去データから需要を予測したいのに、チャット型AIを契約するだけでは目的を達成できないこともあります。

候補を絞ったあとは、最初から全社導入せず、一つの業務で試します。実際の資料を使い、作業時間、修正量、誤りの種類、利用者の負担を確認し、その結果を見て、続けるか、別のAIへ変えるか、対象業務を広げるかを判断します。

AIの種類を学ぶことは、道具の特徴を知るために役立ちます。ですが、種類を詳しく覚えることが導入の目的ではありません。

どの業務の、どの作業を、誰に使わせるのか。

この三つを先に決めることで、必要な機能が見え、過剰なツールを契約したり、導入したのに使われなくなったりする失敗を減らせます。

私は、AIの名前や分類から選ぶのではなく、任せたい仕事から逆算して選ぶよう勧めています。

私自身の自社メディア運用でも、AIの種類を用途で使い分けています。すべてを1つのAIでまかなおうとせず、作業ごとに向いた種類を割り当てるほうが、結果として速く・安定します。

私は「万能な1つ」を探さず、作業ごとに種類を使い分けています

自社メディアの運用では、文章、画像、データ整理、品質チェックなど、さまざまな作業にAIを使っています。

以前は、できるだけ多くの業務を一つのAIで処理できたほうが効率的ではないか、と考えていました。新しいAIが登場すると、「これに乗り換えれば全部まとめて任せられるのではないか」と比較することもありました。

しかし実際に運用すると、一つのAIですべてを行うより、作業の性質に応じて道具を分けたほうが、品質も安定しやすいと分かりました。

たとえば、記事の構成案や本文のたたき台を作る作業には、生成系AIを使います。

想定読者、検索意図、参考資料、盛り込む内容を渡し、見出しや文章を生成させます。SNS投稿文、動画説明文、FAQなど、既存の内容を別の形式へ展開するときにも生成系AIが役立ちます。

一方、画像に関する業務は、一つの種類だけでは完結しません。

既存画像の内容を確認したり、文字や人物、構図を判別したりする作業では、画像を認識・識別する機能を使います。たとえば、次のような作業です。

• 画像内にどのような文字があるか確認する
• サムネイルの文字が小さすぎないか確認する
• 人物や書籍の縦横比が崩れていないか確認する
• 画像が記事内容と一致しているか判定する
• 複数の画像をテーマ別に分類する

新しいアイキャッチやサムネイルを作る場合は、画像生成AIを使います。背景、構図、雰囲気、色、入れたい文字などを指定して複数案を作らせ、そのあと文字の正確さ、スマートフォンでの見やすさ、ブランドとの整合性を人間が確認します。

つまり、画像業務の中でも、既存画像を「見る・判断する」仕事と、新しい画像を「作る」仕事では、必要なAIの役割が異なります。

自社では、ほかの業務についても、次のように使い分けています。

• 事業や記事企画の壁打ち：チャット型の生成AI
• 記事構成や本文の下書き：文章生成AI
• 画像内容の確認や分類：画像認識・識別機能
• アイキャッチやサムネイル制作：画像生成AI
• 音声の文字起こし：音声認識AI
• ナレーション作成：音声生成AI
• 複数ファイルの整理や品質チェック：Claude Codeなどのエージェント型AI
• 公開後の数値整理：集計・分析の仕組み
• 公開や重要な変更の最終判断：人間

このように分けると、AI同士を単純に順位付けする必要がなくなります。

文章作成が得意なAIと、画像生成が得意なAIを比較して、どちらが優れているかを決めても意味がありません。包丁と電卓の、どちらが優れているかを比べるようなものです。

見るべきなのは、その作業に必要な能力を備えているかどうかです。

また、同じ生成系AIでも、目的によって使い方を変えています。事業の方向性を考えるときは、曖昧な悩みを投げ、質問や反論を返してもらいます。記事制作では、読者、構成、参考資料、禁止事項を具体的に示し、決められた形式で出力させます。

前者は考えを深めるための対話、後者は成果物を作るための作業です。同じAIでも、任せる役割と指示の仕方が異なります。

この使い分けを始めてから、「万能な一つのAIを探す」ことに時間を使わなくなりました。

新しいAIを見つけたときも、いまの道具より総合的に優れているかではなく、「自社のどの作業を改善できるか」という視点で試します。既存の道具で十分なら、無理に乗り換えません。

AI活用で必要なのは、すべてを処理できる一つのサービスではありません。文章を作る、画像を見る、画像を作る、音声を扱う、複数の工程を実行する、といった仕事を分け、それぞれに合った道具を配置することです。

自社では、AIの種類を覚えるためではなく、仕事を適切に分担するために分類を使っています。

万能なAIを探すのではなく、作業に合ったAIを選び、人間が最後に確認する。この役割分担によって、複数のAIを無理なく運用できるようになりました。

AIの種類についてよくある質問

AIには何種類ありますか？

「何種類」と一つの数字で答えるのは難しく、分ける軸によって変わります。能力で分ければ「特化型AI・汎用型AI・人工超知能」の3種類、仕組み・実装レベルで分ければ「レベル1〜4」の4段階、機能（得意分野）で分ければ「識別・予測・会話・実行・生成」の5タイプが代表的です。数を覚えるより、「能力」と「機能」という2つの軸で捉えるのが実用的です。

ChatGPT以外のAIの種類にはどんなものがありますか？

ChatGPTは機能でいう「生成系AI」の代表例ですが、AIはそれだけではありません。画像から不良品を見つける識別系AI、売上を予測する予測系AI、問い合わせに答える会話系AI、自動運転のような実行系AIなど、目的ごとに多くの種類があります。生成AIの中にもさまざまなサービスがあり、その比較は生成AIとは何かを解説した記事で扱っています。

AIの種類で、無料で使えるものはありますか？

はい、生成系AIや会話系AIには無料で試せるものが多くあります。まずは無料の範囲で使い勝手を確かめ、業務で本格的に使うなら有料プランを検討する、という順番が安全です。ただし無料版は入力した情報の扱いや機能に制限がある場合があるため、社内で使う際は利用規約とセキュリティを必ず確認してください。

仕事に使えるAIの種類はどれですか？

多くの中小企業でまず効果が出やすいのは、生成系AI（資料・文面作成）と会話系AI（問い合わせ対応）です。検品や予測など現場の課題が明確なら、識別系・予測系も候補になります。大切なのは「種類の名前」から選ぶのではなく、「時間がかかっている業務」から必要な機能タイプを逆算することです。

まとめ｜AIの種類は”能力×機能”の地図で捉える

AIの種類は数が多く見えますが、「能力で分ける（仕組み・実装レベルと対応範囲）」「機能で分ける（得意分野）」の2つの軸で捉えれば、迷わず整理できます。能力の軸では、レベル1〜4の仕組み・実装レベルと、特化型AI・汎用型AI・人工超知能という対応範囲の分類がありました。機能の軸では、識別・予測・会話・実行・生成の5タイプがありました。

そして機械学習・ディープラーニング・生成AIは、AIと並ぶ別物ではなく、AIという大きな箱の中の入れ子です。この地図を持っておけば、新しいAIサービスが登場しても「これは機能でいう生成系だ」と自分で位置づけられます。

あなたの会社でAIを検討するときは、能力の分類から入るより、「どの業務の、どの作業を任せたいか」を機能タイプで考えるのが近道です。種類の知識は、その判断を助ける地図として使ってください。

関連記事と「AI戦略」に関するご案内

AIの種類を押さえたら、次は自社の経営にどう活かすかです。全体像から整理したい場合は、中小企業社長のためのAI戦略活用完全ガイドが出発点になります。

いま最も業務で使われている生成系AIをもっと知りたい場合は生成AIとは何かを経営者にやさしく解説した記事を、作業を自動でこなすAIエージェントの費用感を知りたい場合はAIエージェントの料金・相場を整理した記事を、あわせてご覧ください。

出典：NEDO公式サイト｜AIの技術体系の紹介

確認日：2026年7月23日