この記事でわかること
生成AIの設定画面や解説記事を読んでいると、「Temperature（テンパラチャー）」という言葉に出くわすことがあります。「温度」と訳されるこの設定が、いったい何を意味するのか。そう感じて検索してきたなら、この記事はちょうどよい入口です。
この記事では、生成AIのTemperatureとは何かを、数式を使わずに整理します。技術的な計算式ではなく、「この設定を動かすと、AIの答えがどう変わるのか」を、経営や実務の目線で理解することを目指します。
この記事で扱う主な内容は、次のとおりです。
- Temperatureとは何か（生成AIの何を調整する設定なのか）
- 低いとき・高いときで、AIの答えがどう変わるのか
- 数値の目安と、範囲についての注意点
- Top-pという似た設定との関係
- どこで設定できるのか、業務でどう使い分けるか
プロンプト（AIへの指示文）そのものについて先に押さえたい場合は、プロンプトとは何かもあわせて読むと、Temperatureの位置づけがつかみやすくなります。
Temperatureとは、AIの出力のランダム性を調整する設定値
先に一言でまとめます。Temperatureとは、生成AIが文章を作るときの「答えのばらつき（ランダム性）」を調整する設定値です。生成AIの動きを細かく決める「パラメータ」と呼ばれる設定の一つで、この数値を上げ下げすることで、AIの答えの傾向が変わります。
生成AIは、次にどの言葉を続けるかを、いくつもの候補の中から確率的に選びながら文章を組み立てています。Temperatureは、この「候補の選び方」に効きます。具体的には、候補となる語どうしの確率の差を広げたり縮めたりして、選ばれやすさを調整するイメージです。低く設定すると、AIは確率が高い無難な言葉を選びやすくなり、高く設定すると、確率がそれほど高くない言葉も選ばれやすくなります。
つまりTemperatureは、AIの答えを「堅実で予測しやすい方向」に寄せるか、「多様で意外性のある方向」に寄せるかを決めるつまみだと考えると分かりやすいです。同じ質問をしても、この設定によって返ってくる答えの雰囲気が変わります。
なお、この設定はすべての利用場面で自由に触れるわけではありません。どこで設定できるのかは、記事の後半で改めて説明します。
結論＝Temperatureは、AIの答えを「堅くする/自由にする」つまみ
結論から言うと、Temperatureとは、AIの答えを「堅くするか、自由にするか」を決めるつまみです。
低くすると、AIは無難で堅実な答えを返しやすくなります。ここでいう「堅実」とは答えのばらつきが小さいという意味で、内容が正確になるという意味ではありません。低Temperatureはばらつきを抑える傾向にすぎず、同じ質問に毎回同じ答えを返すことを保証するものではありません（モデルの更新やバックエンドの変更、seed、並列処理などにも左右されます）。事実の要約や翻訳のように「ぶれてほしくない作業」に向きますが、低くしても誤情報は出るため、正確性そのものは根拠資料や検索・RAG、人による検証工程で担保します。
高くすると、AIは多様で創造的な答えを返しやすくなります。表現に幅が出て、思いがけないアイデアが出てくることもあります。その代わり、ばらつきが大きくなり、話が脱線したり不自然になったりする可能性も増えます。
どちらが良い・悪いということではありません。「今日の作業では、AIに堅く答えてほしいのか、それとも自由に発想してほしいのか」。その目的に応じてつまみを回す、というのがTemperatureの本質です。
Temperatureとは わかりやすく（”温度”のたとえで理解する）
もう少しイメージしやすく説明します。Temperatureが「温度」と呼ばれるのは、料理の火加減にたとえると分かりやすいからです。
火を弱くとろ火にすると、料理は失敗が少なく、毎回だいたい同じ仕上がりになります。安定していて安心ですが、意外性はありません。一方、火を強くすると、仕上がりに変化が出て、うまくいけば新しい味わいが生まれます。ただし、焦がしてしまうリスクも高まります。
Temperatureもこれと同じです。低い温度は「とろ火」で、堅実で安定した答え。高い温度は「強火」で、多様で刺激的だが失敗もあり得る答え。AIの答えの「熱の入れ具合」を、この一つの数値で調整しているわけです。
顧問先の経営者から「Temperatureって結局なんですか」と聞かれたとき、私はまずこう答えています。「AIの答えを、堅めにするか、自由にするかを決める温度つまみです。無難な答えがほしいときは下げ、アイデアがほしいときは上げる。それだけ押さえておけば十分です」。技術用語の説明よりも、この一言のほうが実務では役に立ちます。
低いとき・高いときで何が変わるか
Temperatureを低くしたときと高くしたときで、AIの答えがどう変わるのかを整理します。「Temperatureが低いほどどうなるのか」という疑問への答えでもあります。
低いときは、確率の高い言葉が選ばれやすいため、答えが堅実になり、出力のばらつきも小さくなる傾向があります。事実を淡々とまとめる作業に向きますが、ばらつきが小さいことと内容が正確なことは別で、低くしても誤りは出ます。高いときは、確率が低めの言葉も混ざるため、表現に幅が出て創造的になりますが、その分ばらつきや脱線のリスクも増えます。
| 観点 | 低いとき（下げる） | 高いとき（上げる） |
|---|---|---|
| 答えの傾向 | 堅実・無難・予測しやすい | 多様・創造的・意外性がある |
| ばらつき | 小さい傾向（ただし同一出力の保証ではない） | 大きい（毎回変わりやすい） |
| リスク | 単調になりがち | 脱線・不自然さが増えやすい |
| 向く作業 | 事実の要約・翻訳・データ整理・定型文 | アイデア出し・キャッチコピー案・企画の発想 |
表のとおり、「安定・ばらつきの小ささ」を求める作業では低め、「発想・幅」を求める作業では高めが目安になります。どちらか一方が優れているのではなく、作業の性質に合わせて選ぶのがコツです。
数値の目安と注意点
ここで気になるのが、「では具体的にいくつに設定すればよいのか」という点でしょう。ただ、この数値には注意が必要です。
まず押さえておきたいのは、Temperatureが取れる範囲や、初期状態で設定されている値（既定値）は、使うツールやサービスによって異なるということです。0から1までのものもあれば、0から2までのものもあり、実装によって幅があります。ですから、「最大はいくつ」「この数字が正解」と一律に断定することはできません。
大まかな考え方としては、「0に近いほど堅実で安定し、上げるほど多様になる」と覚えておけば十分です。0に近づけるほど答えの振れ幅は小さくなりやすく（ただし毎回まったく同じ答えになる保証はありません）、上げていくほど振れ幅が大きくなります。
もう一つの注意点は、上げすぎると出力が不安定になることです。多様性を求めて数値を大きくしすぎると、文章が支離滅裂になったり、意味の通らない答えが返ってきたりすることがあります。「高くすれば創造的になる」からといって、際限なく上げればよいわけではありません。
実務では、多くの場合、既定値のまま使っても十分です。まずは初期設定で試し、「答えが単調すぎる」と感じたら少し上げる、「答えがぶれて使いにくい」と感じたら少し下げる。この程度の調整感覚を持っておけば、日常の業務では困りません。範囲や既定値の正確な数字は、使っているツールの公式情報で確認してください。
Top-pとの関係
Temperatureを調べていると、「Top-p（トップピー）」という言葉も一緒に出てくることがあります。これもTemperatureと似た役割を持つ、出力の多様性を調整する別のパラメータです。Top-pは「確率の高い候補を上位からどこまで採用するか」という角度で多様性を絞り込む仕組みで、Temperatureとは調整の切り口が少し異なります。両方を備えたサービスもありますが、その場合もTemperatureとTop-pの両方を同時に強く動かすのではなく、通常はどちらか一方を調整するのが一般的です。一般の実務では、まずTemperatureという「答えの堅さ・自由さを決めるつまみ」があると理解しておけば十分です。細かな違いに踏み込む必要が出てきたら、そのとき個別に確認すれば問題ありません。
どこで設定できるのか
ここで一つ、誤解しやすい点を整理しておきます。Temperatureは、いつでも誰でも自由に触れる設定ではありません。
多くの人が使っている無料のチャット画面（たとえば通常のChatGPTの画面など）では、Temperatureを直接いじる項目が用意されていないことがほとんどです。一般の利用者が普段の会話で操作する設定ではない、と考えておくとよいでしょう。
Temperatureを実際に調整するのは、主に開発者向けの環境や設定画面です。プログラムからAIを呼び出すAPIと呼ばれる仕組みや、Google AI Studioのような開発・検証用の画面でも、対応するモデルや画面であればTemperatureを数値で指定できます。自社でAIを組み込んだツールを作る場合や、専用の管理画面を使う場合に、この設定が登場します。
ただし、Temperatureを触れる環境でも、モデルによっては調整を推奨しない、あるいは指定できない場合があります。たとえばGoogleは新しいGemini系の一部モデルで、temperatureなどのサンプリング設定を利用者が調整しない案内を出しており、OpenAIでもモデルや推論設定によって対応が異なります。サービス単位だけでなく、実際に使うモデル単位で公式仕様を確認してください。
ですから、「普段のチャットでうまく答えが出ない」という悩みの多くは、Temperatureをいじることではなく、指示の出し方（プロンプト）を工夫することで解決します。プロンプトの書き方についてはプロンプトとは何かや、実践的な技法をまとめた記事もあわせて参考にしてください。なお、Temperatureが効く土台となっているのは大規模言語モデル（LLM）で、その仕組みはLLMとは何かで整理しています。
業務での使い分け
経営や実務の目線で、Temperatureをどう使い分けるとよいかを整理します。判断の軸は「その作業に、正確さと安定を求めるのか、発想と幅を求めるのか」の一点です。
低め（堅実側）が向く業務は、契約書や規程の要約、議事録の整理、翻訳、データの整形、定型的な文書の作成です。ここで答えがぶれると困りますし、事実を淡々と扱ってほしい場面です。出力のばらつきが小さいほうが扱いやすい場面と言えます。ただし低めにしても内容の正しさが保証されるわけではないため、契約書や規程のように誤りが許されない文書では、AIの出力を必ず原本と突き合わせて確認します。
高め（自由側）が向く業務は、新商品のネーミング案、キャッチコピーの候補出し、企画のアイデア出し、キャンペーンの切り口探しです。ここでは「無難な一つの正解」よりも、幅広い選択肢が欲しい。多少ばらついても、意外な発想が出てくるほうが価値があります。
大切なのは、「AIの答えが単調だ」「逆に暴走ぎみだ」と感じたときに、それがTemperatureのような設定で調整できる余地のある現象だと知っておくことです。そのうえで、事実確認が必要な数字・固有名詞・年号・料金・制度は、Temperatureの高低にかかわらず、必ず人が元資料へ戻って確認する。この役割分担は変わりません。
業務の性質に応じてAIの”堅さ”を社内でそろえる
Temperatureの考え方は、一人で理解するだけでなく、チームや社内でどうそろえるかまで踏み込むと、実務での効き目が大きく変わります。作業ごとに「堅めに使うのか、自由に使うのか」の目安を共有しておくと、AIの出力に対する認識のずれを減らせます。
顧問先でも、私は、すべての業務に同じ頼み方や確認基準を当てはめないようにしています。
企画のアイデアを広げたい場面と、顧客へ出す資料を作る場面では、AIに求めるものが違うからです。企画で出力を絞りすぎると似た案しか出ず、逆に料金や法律の文章を自由に作らせると、もっともらしい誤りが混じります。
ここでいう「堅さ」とは、Temperatureの数値だけでなく、どこまで自由に考えさせるか、参照資料や形式をどこまで固定するか、人の確認をどの段階で入れるか、という運用上の厳しさのことです。
私は、業務をおおまかに三つに分けています。
発想を広げる業務は、柔らかく使います。「正解を一つ求めるのではなく、選択肢を増やしてもらう」と伝え、実現性が低くても幅広い案を出させ、人が選びます。
議事録や日報のような定型業務は、型にはめます。「自由に考えるのではなく、決めた手順で安定して作業してもらう」と伝え、項目・形式・参考資料を固定します。
顧客へ出す資料や、法律・金銭に関わる重要業務は、いちばん堅く使います。「速く作ることより、間違ったまま外へ出さないことを優先する」と伝え、根拠資料の指定・数値の確認・人の承認を必須にします。
社内で分かりやすいのは、この三段階を青・黄・赤の三色で共有することです。青は自由に試してよい業務、黄はルールに沿って使う業務、赤は人の承認なしには使わない業務。こうすると、社員は「AIを使ってよいか」だけでなく、「どの程度自由に使ってよいか」を判断しやすくなります。
堅くすればするほど良いわけではありません。大事なのは、間違えたときの影響と、成果物の用途に応じて堅さを変えることです。私は、「どのAIを使うか」よりも、「この業務は青・黄・赤のどれか」「AIはどこまで進めてよいか」「誰の承認を得たら次へ進むか」を社内で共有するよう勧めています。
Temperatureについてよくある質問
生成AIのTemperatureはどの範囲で設定しますか？
取れる範囲は、使うツールやサービスによって異なります。0から1までのものもあれば、0から2までのものもあり、実装によって幅があります。共通して言えるのは「0に近いほど堅実で安定し、上げるほど多様になる」という点です。正確な範囲や初期値は、使っているサービスの公式情報で確認してください。
Temperatureが低いとどうなりますか？
確率の高い無難な言葉が選ばれやすくなり、答えが堅実になって、出力のばらつきが小さくなる傾向があります。事実の要約や翻訳、定型文の作成など「ぶれてほしくない作業」に向いています。ただし、ばらつきが小さいことと内容が正確なことは別で、低くしても誤情報は出ます（同じ質問に毎回同じ答えが返る保証もありません）。正確性は元資料での確認で担保してください。その代わり、表現は単調になりがちです。
Top-pとの違いは何ですか？
どちらも出力の多様性を調整するパラメータですが、切り口が異なります。Temperatureは答え全体の「ばらつきの熱量」を調整するイメージ、Top-pは「確率の高い候補を上位からどこまで採用するか」で絞り込むイメージです。一般の実務では、まずTemperatureを理解しておけば十分です。
無料のChatGPTでTemperatureは変えられますか？
通常の無料チャット画面では、Temperatureを直接いじる項目は用意されていないことがほとんどです。この設定を調整できるのは、主にAPIやGoogle AI Studioのような開発・設定向けの環境です。普段のチャットで答えを改善したいときは、Temperatureよりも指示文（プロンプト）の工夫が近道になります。
関連記事と「AI戦略」に関するご案内
Temperatureは、AIの答えを「堅くするか、自由にするか」を決める設定です。細かな数値よりも、「作業の性質に応じてつまみを回す」という発想を持っておくと、AIの出力を実務で扱いやすくなります。
AIへの指示の出し方そのものはプロンプトとは何か、Temperatureが効く土台となる言語モデルはLLMとはで、それぞれ整理しています。
AI活用を個別の設定の理解で終わらせず、経営課題や業務改善につなげたい場合は、中小企業社長のためのAI戦略活用完全ガイドで全体像を確認できます。
確認日：2026年7月24日（生成AIのパラメータに関する各社の公開情報を参照）
