ChatGPTに「これを調べて」と言えば検索してくれるし、「表にして」と言えばファイルらしきものまで作ってくれます。ここから「AIは頼めば何でも勝手にやってくれる箱」だと思ってしまいがちです。
でも、実際のところは少し違います。検索やファイル作成をしているのは、AI本体ではありません。AIは「考える」だけで、実際に手を動かしているのは、周りにつながれた別のプログラム(道具)です。
地味に聞こえるかもしれませんが、これを知っておくと得することが3つあります。AIに頼んで「できなかった」ときに、原因が分かって次の手を打てること。もっともらしい嘘に気づきやすくなること。そして、AIを「便利な相談相手」で止めず、自分の仕事を動かす道具に変えていく入口が見えること。順番に見ていきます。
AIは「考える」だけで、自分では動けない
ここでいうAIは、ChatGPTなどの中身にあるLLMという仕組みを指します。LLMは、大量の文章から言葉のつながり方を学んでいて、渡された内容に続く言葉を作っていくものです。得意なのは、文章を作る、要約する、分類する、必要な情報を抜き出す、コードを書く、といった「考えて出力する」ことです。
裏を返すと、LLMそのものにできるのは入力に対して出力することだけで、自分から何かを操作する機能はありません。ネットを見に行ったり、パソコンの中のファイルを触ったりは、LLM単体ではできないのです。
例えるなら、考える力はあるけれど手足がない、という状態です。頭の中でどうすればいいかは分かっても、自分では動けない。だから、動くための道具を周りに用意してあげる必要があります。
だから「検索」も「ファイル作成」も、周りのツールがやっている
では、なぜ実際にはできているのか。仕組みはこうです。
あらかじめ「検索するプログラム」「ファイルを作るプログラム」を用意して、AIに「こういう道具がある」と教えておきます。するとAIは、質問に答えるために「ここは検索を使えばいい」と判断して、その道具に指示を出します。道具が動いて結果を返し、AIはそれを踏まえて答えをまとめる。この連携があって初めて、検索やファイル作成が「できる」ように見えるわけです。
ChatGPTやClaude、Geminiが色々できるのは、AI本体が万能だからではなく、こうした道具がひとまとめに接続されて、1つのサービスとして提供されているからです。
「LLM」「ツール」「AIサービス」を分けて見る
混乱を避けるために、3つを分けて捉えておくと分かりやすいです。
- LLM … 考えて文章を作る部分。判断や生成はここが担う。
- ツール(プログラム) … 実際に動く部分。検索する、ファイルを読み書きする、計算する、メールを送る、外部のサービスを操作する。
- AIサービス … 上の2つに、画面や保存、権限管理などを足して、1つの製品にしたもの。ChatGPTやGeminiがこれにあたる。
「AIがすごい」と一括りに感じるものの中身は、たいていこの組み合わせです。そして何がどうつながっているかはサービスごとに違います。だから、あるサービスでできたことが、別のサービスでは同じようにできない、ということも起こります。
具体例で見る
言葉だけだと分かりにくいので、実際の頼みごとで見てみます。
AI本体(考える)だけで完結すること:
- このメールへの返信文を、丁寧なトーンで書いて
- この長い議事録を、要点3つに要約して
- この英文を日本語に訳して
- このエラーメッセージが何を言っているのか教えて
道具がつながっていないとできないこと:
- 問い合わせメールが来たら、内容に応じて返信を作り、送信まで済ませておいて
- 受け取った名刺や申し込みの情報を、顧客リストに書き加えておいて
- 毎朝、昨日の売上を集計して、決まったスプレッドシートに追記しておいて
- 社内マニュアルの中から、有給の申請方法を探して答えて
上の4つは、渡した文章の範囲で考えて作るだけなので、AIだけで完結します。下の4つは、メールを送る、データを書き換える、といった実際の操作をともないます。ここが単体のAIには足りない部分です。
もう少し具体的に、「つないだAIが実際に手を動かす」例を挙げます。たとえば、問い合わせのメールが届いたら、AIが内容を読んで返信の下書きを作り、担当者に通知する。人がOKを出したら、そのまま送信して、対応した記録を一覧に書き加えておく。あるいは、毎朝、昨日の売上を集計して、決まったスプレッドシートに自動で追記しておく。こうした「メールを送る」「データを書き換える」「記録を残す」といった動きは、AI単体ではできません。メールやスプレッドシートといった道具をAIにつないで、初めてできるようになります。ここまでつなぐと、AIは「答えてくれる相手」から「実際に作業してくれる相手」に変わります。
知っておくと、こう得をする
「AIは考える、道具が動かす」。これが分かっていると、日々の使い方でいくつか得があります。
まず、AIに向いた頼み方に寄せられます。さっきの上の4つのような「考えて作る」頼みごとに寄せると、しっかり返ってきます。逆に、下の4つのような「動く」頼みごとは、道具がないとできません。この線引きを持っているだけで、AIに無茶振りしてガッカリする、というのが減ります。
次に、「できなかった」ときに原因を切り分けられます。AIに頼んでうまくいかないと、つい「AIって使えないな」で止まりがちです。でも実は、できない理由には2種類あります。ひとつはAI本体が苦手なこと。もうひとつは、単に道具がつながっていないだけ。後者なら、道具がそろっている別のサービスを使う、あるいは自分でつなぐ、という次の手が打てます。「できない=ダメ」ではなく「どっちのできないか」を見られると、選べる手が増えます。
もうひとつ、もっともらしい嘘に気づきやすくなります。AIは「考える」だけなので、本当は調べていないのに、調べたかのようにそれっぽく答えることがあります。仕組みを知っていれば、「これは道具を使った結果なのか、それともAIが作文しただけなのか」と一歩引いて見られます。大事なところは、元の情報を確認してください。ここはAIが平気で間違ったことを言う理由も合わせて読むと、距離の取り方がつかめます。
つなぐと、できることの幅が変わる
AIをチャットで使っているうちは、相談相手どまりです。ですが、自分の事業のデータや、いつも使っているサービスに道具としてつなぐと、AIは相談に答えるだけでなく、実際の作業まで進められるようになります。同じChatGPTでも、ただ会話するのと、自分の情報や道具につないで使うのとでは、できることの幅が大きく変わります。
「できない」で止まっていた部分の多くは、AI本体の限界ではなく、道具がつながっていないだけです。そこをつなぐ側に回れると、AIの使い方が一段変わってきます。
社内のデータとつなぐには
「つなぐ」と言うと難しそうですが、やり方には段階があります。手軽なものから見ていきます。
- 資料を渡す・置いておく(プログラム不要) … 一番簡単なのは、読ませたい資料をそのまま渡すことです。ChatGPTやClaudeの「プロジェクト」、GoogleのNotebookLMといった機能に、社内マニュアルや規定、過去の資料を入れておくと、AIはその範囲を見て答えてくれます。さっきの「マニュアルから有給の申請方法を答えて」も、マニュアルをここに入れておけば実現できます。
- 既存のコネクタでつなぐ(設定するだけ) … GoogleドライブやGmail、スプレッドシートなど、よく使うサービスとAIをつなぐ機能が用意されていることがあります。決められた設定をするだけで、AIがそのサービスの情報を読めるようになります。
- API・MCPで、自社の仕組みにつなぐ(作る) … 社内システムやデータベースなど、専用のところにつなぎたいときは、プログラムを書いてつなぎます。以前はエンジニアの仕事でしたが、今はそのプログラムをAI自身に書かせることもできます。ここまでやると、毎日の集計や通知を自動で回す、といったこともできます。
大事なのは、AIが勝手に社内の全部を読むわけではない、ということです。こちらが「これを見て」と渡した範囲だけを参照します。だから、何を渡してよくて、何は渡してはいけないか(個人情報や機密、パスワードなど)を先に決めておくのが安全です。ここは会社が把握できないまま使われるシャドーAIの話も参考になります。
次の一歩
この「つなぐ」に興味が出たら、道具をあらかじめ用意して一連の作業を任せるAIエージェントの考え方や、AIに自社の前提を渡して答えの精度を上げるコンテキストの整え方に進むと、点だった知識がつながっていきます。自分の仕事のどこまでAIに任せ、どこから仕組みにするかはこの線引きの話が参考になります。
