AIにできることは？できないこと・苦手なことも具体例と一緒に解説

2025年3月31日

AIにできることとして、文章の生成や画像の解析などがあります。一方で、人によって対応を変えたり感情を理解したりするなどはまだ苦手な分野です。

本記事では、AIの概要を説明したうえで、できること・苦手なことの具体例を紹介します。

AIとは（人工知能とは）

AIとはArtificial Intelligenceを略した言葉で、人工知能を意味します。人間の脳により実現可能な認識・学習・思考などの作業を人工的に再現するテクノロジーとして、理解されることが一般的です。それに対し、人間が自然に持ちうる知能については、自然知能を意味するNI（Nature Intelligence）が使われます。

コンピューターの性能が大きく向上したことが、AI発展の主なきっかけです。現在では、政府機関や民間会社などさまざまな組織でAIの研究が進められています。

ここから、汎用型AIと特化型AIの違いや、AIがいかに学習を進めているのか確認していきましょう。

汎用型AIと特化型AIの違い

AIは汎用型AIと特化型AIに分類することがあります。主な違いとして、AIにどのような役割が与えられているかという点が挙げられます。

汎用型AIとは、役割が限定されず、プログラムのない分野の作業もできるAIのことです。それに対して、特化型AIはプログラムに従い個別の分野や領域の作業に特化します。

汎用型AIに関連する用語が、AGI（Artificial General Intelligence）やASI（Artificial Super Intelligence）です。人工汎用知能を意味するAGIは人間の能力や感情をすべて理解させるテクノロジー、人工超知能を意味するASIはAGIをさらに発展させたテクノロジーのことを指します。

現時点において、汎用型AIは発展途上にあるテクノロジーです。そのため、この記事では特化型AIを中心に解説しています。

なお、そのほか強いAI・弱いAIもAIの種類を区別する用語です。一般的に、強いAIが人間のように考えて人間のように動作するAI、弱いAIは自らの考えは持たず、素早く作業をこなすことに集中するAIを指します。

AIの学習方法

一般的に、AIの学習方法は以下の3つに分類できます。

教師あり学習
教師なし学習
強化学習

教師あり学習とは、人間がAIにデータを与える際に正解・不正解も教え込ませる手法です。トレーニングすることで、AIは新たにデータを与えた際に正しく分類したり予測したりできるようになります。

それに対して、教師なし学習とはデータのみをAIに与える手法です。AIは与えられたデータを何かしらの基準に基づいて、自ら分類していきます。大量に集められたデータを特徴が近いもの同士で分類するクラスター分析は、教師なし学習を活用する事例のひとつです。関連して、教師あり学習と教師なし学習を組み合わせた半教師あり学習という手法もあります。

強化学習とは、AIに価値を最大化する選択を学習させる手法です。AIは試行錯誤を繰り返し、最適な選択をできるようになります。

なお、AIの学習について機械学習やディープラーニング（深層学習）といった用語を使うこともあります。機械学習は人間が特徴を定義したうえで、マシンがトレーニングを繰り返して特定のタスクを実行できるようになること、ディープラーニングはマシン自ら大量のデータを学習し、自動で特徴を見つけ出すことです。

AIでできることの具体例6つ

AIによりできることの具体例は、主に以下のとおりです。

言語を理解して文章を生成する
音声データを解析してテキストにする
画像データを解析する
膨大なデータを分析して予測する
異常な動作を自動的に検出する
機械やシステムを操作する

ここから上記6つの具体例について、詳しく解説します。

1. 言語を理解して文章を生成する

AIには自然言語処理機能が備わっているため、言語を理解して文章を生成できます。

自然言語処理（NLP：Natural Language Processing）とは、人間が日ごろ使っている言葉・言語の意味を正しく理解する技術のことです。自然言語処理のうち、意味を判別することを自然言語理解（NLU：Natural Language Understanding）、人間の言語で文章を自ら生成することを自然言語生成（NLG：Natural Language Generation）と呼びます。

AIによる自然言語処理を進める流れは、以下のとおりです。

人間がAI向けに人間の言葉を理解するための辞書（機械可読辞書）を用意する
人間が文章を構造化して大規模に集積したコーパスを用意する
AIが文章を単語ごとに分割する（形態素解析）
AIが分割した単語同士の関係を解析する（構文解析）
AI構文解析による解釈のなかから、正しい意味のものを見つけ出す（意味解析）
AIが前後の文章とのつながりを分析する（文脈解析）

AIの自然言語処理のビジネスにおける活用事例は、顧客からの質問に対して自動で文章を作成して回答する、資料に基づき報告書を作成するなどです。

2. 音声データを解析してテキストにする

音声認識・音声理解の技術により、AIは人間が話した音声のデータを解析してテキストにできます。AIによる音声認識を進める際の流れは、一般的に以下のとおりです。

人間がマイクなどを使って音声を録音する
人間が入力した音声を特徴に基づき数値（特徴量）にする（音響分析）
人間が特徴量を認識デコーダに入力する
音響モデルが、特徴量がどの単語の音声に合致する可能性が高いかを示す
言語モデルが、文字列・単語列が言語として適切か評価する
音響モデル・言語モデルによる解析を通じて、最もスコアが高い文章をテキストとして生成する

AIの音声認識によるビジネスの活用事例は、会議の参加者の発言を解析して議事録を作成する、ユーザーの発言を聞き取り質問に回答したり指示に従ったりするなどです。

3. 画像データを解析する

AIは画像認識の技術を用いて、画像データを解析できます。画像認識の主な種類は、以下のとおりです。

顔認証・顔認識（顔のパーツの特徴を解析し、人間を特定する）
物体認識（画像に写っている物体が何かを理解する）
文字認識・OCR（画像に写る手書きや印刷された文字・数字を認識する）
セグメンテーション（画像をピクセル・画素に応じてグループに分割する）

また、AIによる画像認識は一般的に以下の流れで進められます。

AIが機械学習やディープラーニングにより文字などの特徴を学ぶ
人間が認識させる画像を入力する
AIが認識しやすい画像に加工する
AIが画像の特徴を抽出する
AIがほかの文字などの特徴と比較し、あてはまるものを識別する
対象のなどを認識し、出力する

AIの画像認識による活用事例は、パスワードの代わりに顔の画像データを分析して認証する（顔認証）、防犯カメラで不審な動きを検知するなどです。

なお、画像認識に関連し、AIには画像生成の技術もあります。画像生成とは、指示に従って条件を満たす画像を新たに生成する技術のことです。

4. 膨大なデータを分析して予測する

AIは、膨大なデータを分析して予測（推論）もできます。予測に使われるのは、線形回帰や決定木、ニューラルネットワークなどです。

線形回帰とは、データに直線をあてはめて傾向を分析したり、値を予測したりする手法を指します。一方、決定木とはある項目についてYesかNoで回答できる質問を続けて枝分かれさせた樹形図を使って、結果を予測する手法です。

ニューラルネットワークの場合は、人間の脳と同じような仕組みで意思決定を下します。決定木よりも大規模なデータを扱える分、複雑で処理にコストがかかる点がニューラルネットワークによる分析のデメリットです。

AIによる予測の活用事例としては、精度の高い天気予報や売上予測などがあります。

5. 異常な動作を自動的に検出する

異常検知の技術により、AIは通常のパターンから逸脱する異常な動作を自動的に検出できます。異常検知に用いる主な手法は、以下のとおりです。

外れ値検出
変化点検出
異常部位検出

外れ値検出とは、過去のデータに基づきスタンダードと定めた状態と異なる結果が生じた場合に検知する手法です。また、変化点検出とは時系列データに対して突如現れた変化を検出する手法を指します。さらに、異常部位検出とは、通常とは大きく異なる動きを検出する手法です。

AIによる異常検知の活用例として、事前に異常な値を検出して機械の故障を予測する、Webサイトへのアクセスが急激に減ったきっかけを突き止めるなどがあります。

6. 機械やシステムを操作する

制御・実行の技術により、AIは機械やシステムの操作もできます。制御・実行とは、AIがデータを理解して機械制御を実行したり、特定のタスクを遂行したりすることです。

AI制御の活用例として、センサーでデータを収集して室内温度と設定温度に乖離が生じないように空調設備を調整する、道路状況を分析して自動車を安全に走行させるなどがあります。

AIの導入がさまざまな分野で注目されている理由

AIの導入がさまざまな分野で注目されている理由は、主に以下のとおりです。

ヒューマンエラーの発生リスクを軽減できる
人手不足の課題を解消できる
業務効率化につながる
顧客満足度向上に貢献する

各理由について説明します。

ヒューマンエラーの発生リスクを軽減できる

ヒューマンエラーの発生リスクを軽減できることが、各分野においてAIが注目されている理由のひとつです。

仕事でヒューマンエラーが発生する主な要因として、以下が挙げられます。

慣れによる慢心や疲労の蓄積で注意力が低下する
現場の雰囲気が悪く、ミスを誘発する
急いで本来すべき作業を飛ばす
担当者の知識・経験不足により、判断を誤る

一方、AIはアルゴリズムに従い、淡々と必要な作業をこなしていきます。人間のように疲労が蓄積したり、現場の雰囲気に流されたりすることがないため、ミスを軽減できるでしょう。大量のデータを扱えるため、知識・経験不足の問題も解決できます。

人手不足の課題を解消できる

人手不足の課題を解消できることも、さまざまな分野でAIの導入が進められている理由です。

少子高齢化や若い働き手の価値観の変化などにより、近年各業界は人手不足の悩みを抱えています。人手不足がさらに深刻になると、従業員の労働環境が悪化して仕事へのモチベーションが低下したり、事業者が採用に従来よりも高いコストを払わなければならなくなったりするでしょう。

そこで、AIを導入して今まで人間がこなしてきた業務を自動化すれば、少ない人数でも事業を推進させられます。以前よりも人間の労働時間が減少するため、労働環境の改善や人件費の削減につながることもメリットです。

業務効率化につながる

業務効率化につながることも、各分野でAIの導入が検討されている理由です。

AIを活用してルーティンワークを自動化すれば、従業員をコア業務に集中させられます。また、AIのデータ解析や予測分析を通じて、従来よりも効率的な業務遂行方法を考えつくこともあるでしょう。

AIによる業務効率化をきっかけに、自社の生産性を向上させたり、利益率を改善させたりすることが期待できます。

顧客満足度向上に貢献する

顧客満足度（CS）の向上につながることも、AIがさまざまな分野で注目されている理由です。顧客満足度とは、顧客が商品やサービスを提供された際に得られる満足度を数値で表したものを指します。

顧客満足度を高めるためには、顧客から求められている以上のものを提供することが大切です。AIで大量のデータを処理して精度の高い予測や分析を行い、依頼を受ける前に顧客にあった商品やサービスを提案したり、顧客の好みを考慮した質の高いサービスを提供したりすれば、顧客満足度の向上につながる可能性があります。

また、AIを搭載したチャットボットを導入し、人間では難しかった24時間対応を実現することも、顧客満足度の向上につながるでしょう。

業務の効率化なら「ココナラアシスト」もおすすめ

【業界別】AIの活用事例

AIは近年さまざまな業界で注目を集めているテクノロジーです。今回は、建設業・製造業・金融業・農業・小売業におけるAIの活用事例について、解説します。

建設業

安全管理業務の改善を図ることが、建設業におけるAIの活用事例のひとつにあげられます。

たとえば、株式会社大林組（以下、大林組）が株式会社Meta Mojや独立行政法人労働者健康安全機構労働安全衛生総合研究所と共同で開発した「安全AIソリューション」は、建設現場の状況にあわせて安全管理用のチェックリストをAIが作成するシステムです。

すでに、ダム再生工事の現場であらかじめ事故事例を参照し、見落としがちなリスクを再確認することに活用している先行事例があります。

そのほか、ファサードデザインを生成して設計提案するなども、建設業におけるAIを活用した事例のひとつです。

参考：株式会社大林組「MetaMoJiが、大林組、安衛研と安全AIソリューションを共同開発、本日より先行試用企業の募集を開始」

参考：eYACHO「安全AIソリューションとは」

製造業

AIを導入して不具合の原因を特定するのが、製造業におけるAIの活用事例のひとつです。

株式会社データグリッドの「Anomaly Generator」は、製造業向け不良品画像生成ソフトウェアです。Anomaly Generatorを使えば、数枚の不良品画像を元に、AIがさまざまなタイプの不良品画像を生成します。そのため、部品や製品の外観から不良品を判定する際に「不良品画像の見本の十分なデータがない」という課題を解消できるでしょう。

なお、2024年11月26日時点で、すでに大手製造企業など累計30社以上で導入されています。

参考：株式会社データグリッド「データグリッド、製造業向け不良品画像生成ソフトウェア『Anomaly Generator』が大手製造業企業を中心に30社以上に導入」

金融業

金融業では、顧客の事故対応や資産運用などの分野でAIの導入を進めています。

たとえば、東京海上日動火災保険株式会社（以下、東京海上日動火災保険）と株式会社ELYZA（以下、ELYZA）の実証実験は、事故対応におけるお客様対応業務にAIを活用することを試みたケースです。

2023年10月31日、ELYZAは独自に開発する大規模言語モデル「ELYZA Brain」を活用し、事故発生時に東京海上日動火災保険が顧客向けに作成する応対文面の作成業務を約50％省力化したことを発表しました。

今後、実業務へのAI実装に向けて本格検討を進めていくとのことです。

参考：株式会社ELYZA「東京海上日動様との実証実験の結果、お客様応対業務において約50%の省力化に成功しました」

農業

農業では、農薬の自動散布や作物の被害確認などにAIが活用されています。

富士伊豆農業協同組合やKDDI株式会社などは、2024年5月22日に静岡県沼津市でドローンを活用した農薬散布の実証実験を実施しました。実験の結果、自動航行ドローンを使うことにより、手作業で約2時間かかる農薬散布を8分（約93％減）で終わらせられたとのことです。

なお、ICTやロボット技術を活用して作物の品質や作業効率を向上させることをスマート農業と呼びます。スマート農業で省力化を実現するためには、AIを活用することが大切です。

参考：KDDI株式会社「ドローンを活用した「スマート農業」の導入に向けた実証実験を開始生産者高齢化が進む沼津のみかん畑で農薬散布の作業時間を93%削減」

小売業

小売業では、消費行動を踏まえて顧客にあった商品やサービスを提案するなどの仕組みにAIが使われています。たとえば、Amazon社が提供するAmazon Personalizeは、データを使用してユーザーに対して商品のおすすめを生成する機械学習サービスです。

そのほか、小売業ではあらかじめ需要を予測して在庫を調整し、欠品を減らす工夫をするなどの試みにもAIが活用されています。

参考：Amazon「Amazon Personalizeとは」

今後AIの活用が期待されるビジネス分野

今後、事務作業や受付業務などの分野において、さらにAIの導入が進む可能性があります。活用が広がれば、人間が文書を作成する必要がなくなったり、受付での顧客対応をすべてチャットボットなどに任せたりするようになることもあるでしょう。

介護分野において、介護ロボットが実用化される可能性もあります。また、AIの開発が進んで汎用型AIが誕生すれば、現在士業が担っている専門的な業務までこなす可能性も否定できません。

さらに先には、AIの能力が人間の脳を超えるシンギュラリティが到来するとも言われています。ただし、本当にシンギュラリティがやって来るのか、いつやって来るのかについてはさまざまな見解があり、はっきりしていません。

AIにできないこと・苦手なことの具体例4つ

さまざまな分野で活用されているAIにも、いくつかできないことや苦手なことがあります。具体例は、以下のとおりです。

人によって対応を変える（パーソナライズ化）
人の気持ちを汲み取る
画期的な創作物を生み出す
倫理的な判断をする

ここから、上記4つについて詳しく解説します。

1. 人によって対応を変える（パーソナライズ化）

AIは一般的なパターンに基づき提案することは得意としていますが、現時点では最初から一人ひとり対応を変えることは苦手です。

すでにAIは顧客の購買履歴に基づき、その人にあった商品を提案することはできます。しかし、各個人に関するデータが不十分だと、適切な対応はとれないでしょう。

たとえば、患者が前例のない病気や事例の少ない病気にかかっている場合に、医師は長年の経験や実績からできるだけ適切な判断を下すことに努めます。一方、AIは対象のデータが蓄積されていないため、新たな病気に対して判断を下すことは難しいです。

2. 人の気持ちを汲み取る

現時点で、AIは人の気持ちを汲み取ることはできません。

ChatGPTなどの対話型AIのように、すでに人間とコミュニケーションを取れるAIは存在します。しかし、人間がはっきりと示さない限り、相手がどのような感情を持っているかをAIは把握できないでしょう。そのため、顧客の感情に配慮したきめ細やかな接客対応は、AIに期待できません。

なお、人間の表情からAIが感情を認識できるようにする研究・開発も、現在進行しています。そのため、今後AIが感情を汲み取れるようになる可能性もあるでしょう。

3. 画期的な創作物を生み出す

画期的な創作物を生み出すことも、まだAIが苦手にしている分野のひとつです。

すでに、AIは小説の執筆・音楽の作詞作曲・絵を描くなどの作業がスムーズにできるようになりました。しかし、人間のようにオリジナリティあふれる作品を制作するまでには至っていません。なぜなら、AIが過去の作品を参考にして作品を生み出しているためです。

4. 倫理的な判断をする

倫理的な判断を下すことも、AIにはできません。

倫理とは人が守るべき道のことです。AIはプライバシーを侵害したり、誰かを傷つけたりすることがあってはなりません。

しかし、人間と異なりAIには倫理観がないため、あらかじめ禁止されていない限りいつの間にか収集したデータを使ってプライバシーを侵害することがありえます。また、公平性を考慮せず、AIが持つ偏ったデータに基づいて、差別を助長するような判断を下す可能性も否定できません。

なお、EUでは2024年5月にAIを規制する法律が成立しました（2026年施行予定）。一方、日本では2025年3月時点でAI規制に関する法律は存在しません。ただし、2025年2月28日にAIの開発促進などに関する法案を閣議決定しています。

AIを導入することのデメリット

AIに作業を任せることで、責任の所在がわかりにくくなることがデメリットです。活用したAIが誰かに損害を与えたことで、思いがけず責任を追及される可能性があります。

また、リスクマネジメントが難しいことも、AIを導入することのデメリットです。AIを活用することによって、従来とは異なるルートで情報が流出したり、損害を被ったりする可能性があります。

情報漏洩などを未然に防ぐため、AIを導入する際は社内でルールを作成すること、AIに関するリスク管理を担う部門を設置することなどが大切です。そして、ビジネスにAIを導入すべきか迷った場合は、デメリットやAIが導入できないことも考慮して判断しましょう。

AIよりも人間が得意な業務を任せる方法

ここまで紹介してきたとおり、AIには苦手なことやできないことがあります。また、導入にはリスクがあることも理解しておかなければなりません。そこで、AIに依頼するのに馴染まない業務については、人間に依頼したほうがよいでしょう。人間に任せたい業務があるにもかかわらず人手不足に悩まされている場合は、オンラインアシスタントサービスを利用する方法があります。

たとえば、「ココナラアシスト」は専門スキルを持ったアシスタントを紹介するサービスです。業務経験のある人材を紹介しているため、教育コストがかからず、すぐに仕事を依頼できます。

「ココナラアシスト」は月40時間・月額8万円から！