最近「AI」という言葉が一気に増えて、自分が今どの話を聞いているのか分からなくなっていませんか。ChatGPT は触ったことがあるけれど、Claude や Gemini と何が違うのか、ローカルLLM や API と書かれている記事を開いた瞬間に距離を感じて閉じてしまう、そんな段階で止まっている人は多いはずです。この記事は、その「最初の壁」を越えるための地図を作る記事です。
「クラウドLLM」「ローカルLLM」「API」と急に並べられても、正直よく分からないですよね。ちょっと自分でも整理してみたところ、難しく見える単語が多いだけで、AI の中身は最初に 4 つくらいに分けて見ればすっきりします。つまり、AI は「ネットの向こうの AI」「自分の PC の中の AI」「AI を呼び出すための入口」のような場所と入口の違いで分けられるものです。難しく見えますが、最初に見るポイントは「どこで動くか」と「誰が使うか」の 2 軸だけで十分です。
普段 ChatGPT だけを使っている人と、今回この記事で対象になる人は同じです。違いは、ChatGPT 以外の AI がたくさん登場してきた現在、自分の仕事に取り入れるときに「どれが何の道具なのか」を 5 分類の地図で見られるようになるかどうか、というだけです。料金の細かい比較や、モデルの性能比較は、この記事では扱いません。最初に見るべき範囲を、クラウドLLM・ローカルLLM・API の 3 軸にまず分けて、そのうえで作業特化型AI を加えて 4 分類で押さえる、というところまでで一旦止めます。
専門用語の意味も、先に短く言い換えておきます。LLM は「文章を扱うのが得意な AI」、クラウドLLM は「ネットの向こうの会社のサーバーで動いている AI」、ローカルLLM は「自分の PC の中で動かす AI」、API は「自作ツールや自動化サービスから AI を呼び出すための入口」と思ってもらえれば、この記事の中では十分です。あとは、この地図ができたあとに、自分が次にどの記事を読めばよいか判断できる状態を目指します。
読み終えたあとに「自分が次に触るのはクラウドLLM だな」「ローカルLLM は当面触らなくていいな」「API は業務に組み込みたくなった段階の話だな」と判断できる状態を目指して書いています。深掘りはしないので、安心して読み進めてください。
AIという言葉で混乱する理由
最近は、どのサービスにもAIという言葉が付くようになりました。ChatGPTのように会話するAIもあれば、Claude Codeのように作業を進めるAI、ローカルLLMのように自分のPCで動かすAIもあります。ここでは、AIという言葉をひとまとめにせず、まず何を指しているのかを分けて整理します。ChatGPT は知っているけれど、Claude や Gemini と何が違うのか、ローカルLLM や API と言われると急に距離を感じる、そんな入口で止まっている人向けに、まずは AI の中身を 5 つに分けて見ます。深い話には進まず、自分が次にどれを触ればよいか判断できる地図を作るのがこの記事の目的です。
AIと聞くとChatGPTだけを思い浮かべやすい
「AI と言えば ChatGPT」と感じている人は多いですが、AI と呼ばれる仕組みは ChatGPT 以外にも複数あり、最初に「これは ChatGPT の話なのか、それとも別の AI の話なのか」を分けて聞けるだけで理解が一気に楽になります。
ニュースやSNS で「AI が〇〇できるようになった」と書かれていても、その AI が ChatGPT のことなのか、Claude のことなのか、それとも自分の PC で動く別の AI のことなのか、はっきりしないまま読んでしまうと、何が起きているのかつかみにくくなります。最初に「どの AI の話か」を見分けるクセをつけるだけで、AI 関連の情報がぐっと整理しやすくなります。
AIサービスとAIモデルとAPIが混ざって見える
「ChatGPT」と「GPT」、「Claude」と「Claude Code」、「Gemini」というサービス名とモデル名が同じに見えて、頭の中で混ざっていませんか。同じ言葉が指しているものを分けて見るだけで、AI の話がぐっと整理しやすくなります。
「サービス名と AI モデル名が混ざる」と言われても、最初は何が問題か分かりにくい言葉です。少し噛み砕くと、ChatGPT という名前は「OpenAI 社が出しているチャット画面のサービス名」で、GPT はその裏側で動いている「AI モデルの名前」です。Claude は Anthropic 社のサービス名であり、その裏側にも Claude というモデル名があります。同じ単語が「画面の名前」と「中の AI の名前」の両方を指していることが、混乱の正体です。
仕事で使うには分類して見る必要
AI を仕事で使いたいときは、「何のために使う AI なのか」を 4 つくらいに分けて見たほうが、自分に必要な道具を選びやすくなります。
具体的には、「クラウドLLM」「作業特化型AI」「ローカルLLM」「API」の 4 つに分けて見るのがおすすめです。この記事ではこのあと、それぞれを順番に見ていきます。最初から全部触る必要はなく、自分の作業がどれに当てはまるかが見えれば十分です。
クラウドLLMという身近なAI
「クラウドLLM」と急に言われても、ピンとこないですよね。ちょっと整理すると、提供元の会社のサーバーで動いていて、自分はブラウザやアプリを開くだけで使える AI のことです。ChatGPT を使ったことがあるなら、それがすでにクラウドLLMの典型例です。
ブラウザやアプリから使うAI
クラウドLLM の大きな特徴は、自分の PC にソフトを入れる必要がなく、ウェブブラウザかスマホアプリを開くだけで使える点です。
裏側では、提供元の会社のサーバーで AI が動いていて、自分の入力した文章はインターネット越しにそのサーバーへ送られ、返答が画面に戻ってきます。自分の PC 側で AI を動かしているわけではないので、PC のスペックを気にする必要がなく、スマートフォンからでも同じように使えます。
ChatGPT・Claude・Gemini・Grok・Kimiの位置づけ
ChatGPT 以外にも、Claude (Anthropic 社)、Gemini (Google)、Grok (xAI)、Kimi (Moonshot AI) などのクラウドLLM があり、それぞれ提供元と得意分野が少しずつ違います。
ざっくり位置づけを並べると、ChatGPT は最も知名度が高い入口、Claude は文章のニュアンスを丁寧に扱う方向、Gemini は Google のサービス群とつながりやすい方向、Grok は X (旧 Twitter) と連携した方向、Kimi は長文の取り扱いに強みを出している方向、というイメージで十分です。最初に全サービスを触る必要はなく、ChatGPT を入口にして、そのあと用途が増えたら他を試すという順番で問題ありません。
文章作成・要約・相談・調査補助への使いどころ
クラウドLLM はどれも、文章を書く・長文を要約する・相談する・調べものの下準備をするなど、文章まわりの作業の入口として使えます。詳しい使い分けは次の記事で扱います。
料金軸で「月額プラン・API・ローカルLLM」の 3 形態を比較したい場合は、関連解説として ChatGPT月額・APIとローカルLLM、何が違うのか：AIの使い方は3種類ある を参照してください。分類軸の入口記事である本記事と、料金軸の続編記事は補完関係になっています。
作業特化型AIという使い方
「作業特化型AI」という言葉も、いきなり並ぶと何の話か掴みづらいです。会話で答えるだけではなく、コードを書いたりファイルを直接編集したりと、作業そのものを進める方向に振った AI のことです。Codex (OpenAI) や Claude Code (Anthropic) が代表例で、主に開発者向けの道具です。
会話だけではなく作業を進めるAI
普通のチャットAI は「答えをくれる相手」ですが、作業特化型AI は「手を動かして作業を進める相棒」に近い使い方になります。
たとえば「このコードを直してほしい」と頼んだとき、チャットAI は修正後のコードを文章として返してくれます。作業特化型AI は、自分の PC 内のファイルを直接書き換えたり、テストを走らせたりと、作業そのものを進める動き方になります。返事をもらう道具と、作業を進める道具、というくらいの違いで一旦押さえれば十分です。
CodexとClaude Codeの位置づけ
Codex は ChatGPT に統合されているクラウド版と、ターミナルで動かす CLI 版の 2 つの形があり、Claude Code はターミナルや VS Code 拡張から使う Anthropic 社のツールです。
どちらも開発者向けに設計されている道具で、ライト層がまず触る対象ではありません。ChatGPT や Claude などの会話AI に慣れて、「コードを直接書き換えてくれる道具がほしい」と感じる段階になってから検討すれば十分です。
開発作業で使われる理由
コードを複数ファイルにまたがって読んで直したり、テストを走らせたり、git 操作までこなせるため、開発者にとっては作業時間を大きく節約できる道具になります。ライト層が今日明日に触る対象ではなく、ChatGPT などに慣れてから検討する位置づけです。
開発者でない場合は、「ChatGPT などのチャットAI とは別に、作業を直接進めるタイプの AI もある」とだけ覚えておけば、この段階では十分です。
ローカルLLMという手元で動かすAI
「ローカルLLM」と言われても、自分に関係ある話かどうか判断しにくい言葉です。クラウドLLM が提供元のサーバーで動くのに対して、ローカルLLM は自分の PC やサーバーの中で動かす AI を指します。最初に触る対象としては少し重いので、まずは「そういう選択肢もある」と知っておく位置づけで大丈夫です。
自分のPCやサーバーで動かすAI
ローカルLLM は、モデルのデータを自分の PC やサーバーに置いて、その場で動かす仕組みです。インターネット越しに外へ送らずに処理できる点が特徴です。
入力した文章を社外のサーバーへ送らずに済むため、社内情報の取り扱いに気を使う場面で選ばれることがあります。一方で、AI 本体を自分の PC 上で動かすので、PC の性能 (特に GPU) が直接効いてくる点が、クラウドLLM と大きく違うところです。
GPT-OSS・Qwen・Gemmaの位置づけ
代表例として GPT-OSS (OpenAI)、Qwen (Alibaba)、Gemma (Google) があり、Ollama や LM Studio といったソフトを使って動かします。
これらは「クラウドLLM を出している会社が、自分の PC で動かせる版として公開しているモデル」と捉えると分かりやすいです。Ollama や LM Studio は、こうしたモデルを自分の PC 上で動かすための入口になるソフトです。
初心者が最初から主役にしにくい理由
動かすには性能の高い GPU や Apple Silicon Mac、モデル選定の知識が必要になるため、AI を触り始めたばかりの段階では主役にしにくい使い方です。現実的な使いどころは別記事で扱います。
ローカルLLM を実際に触り始めた人の感覚として、クラウドLLM との知能差や、API のコスト感とどう違うのかをまとめた関連解説として、個人開発でローカルLLMを主役にしなかった理由──クラウドLLMとの知能差・APIコストの誤解 を用意しています。ローカルLLM を本気で検討する段階に進む読者は、こちらに進んでください。あわせて、料金軸でクラウドLLM・API・ローカルLLM を 3 形態として比較する場合は ChatGPT月額・APIとローカルLLM、何が違うのか：AIの使い方は3種類ある も参考になります。
APIというシステムからAIを呼び出す入口
「API」と聞くと急に難しく感じる人も多いですよね。難しい話を抜きにすると、API は「AI そのもの」ではなく「AI を呼び出すための入口」のことで、画面ではなく自作ツールや n8n のような自動化サービスから AI に話しかける窓口だと考えれば十分です。ライト層が最初に触る対象ではなく、AI を業務に組み込みたくなった段階で初めて出てきます。
画面で使うAIとAPIで呼び出すAIの違い
画面で使う AI は人間が文字を打ち込んで返答を受け取りますが、API で使う AI はプログラムや自動化ツールが裏側で AI に質問して返答を受け取ります。
同じ ChatGPT や Claude でも、人間が画面から使うか、プログラムが API から呼び出すかで、入口だけが違うイメージです。AI 本体は同じでも、操作する側が人間かプログラムかで使い方が変わる、という見方で十分です。
n8nや自作ツールとつなげる使い方
n8n のような自動化ツールや、自作のスクリプトから AI を呼び出してメール処理や記事生成を自動化する場面で API が出てきます。
たとえば「届いたメールを AI に要約させて Slack に流す」「定期的に集めた情報を AI に整理させてレポートにする」といった自動化を組みたくなった段階で、API という入口を使うことになります。逆に言えば、自動化を組まないうちは API を直接触る必要はなく、ChatGPT などの画面で十分です。
従量課金として考える必要
API は使った量 (やり取りした文章の長さ) に応じて課金される仕組みが基本で、ChatGPT Plus や Claude Pro などの月額プランとは別の財布として扱う必要があります。
月額プランは「いくら使っても定額」、API は「使った分だけ課金」、という形の違いがあります。「同じ会社の AI なのだから月額に含まれるはず」と感じやすいところですが、入口が違うため料金体系も別になっている、と理解しておけば最初は十分です。
画面利用と API 呼び出しの違いをさらに掘り下げた関連解説として AIはChatで使うだけではない｜手で使うAIと自動で動くAIの違い を用意しています。本記事で API の位置づけを押さえたら、呼び出し方の続編としてこちらに進んでください。
AIでできることとできないこと
AI が何でもできるように見える話を聞くと、自分の判断まで任せていいのか不安になりませんか。実際は、文章作成・要約・整理・コード補助のように、人間の作業の下準備をするのは得意ですが、最終的に何を選ぶかという判断を丸ごと任せるのは危ない領域です。AI に任せる範囲と、自分が残す判断を分けて考える視点が、最初に持っておきたい線引きです。
文章・要約・整理・コード補助に使える
文章を作る、長文を要約する、情報を整理する、コードの下書きを手伝う、こうした下準備系の作業は AI が得意な領域です。
たとえば「会議メモを箇条書きにまとめてほしい」「長文記事の要点を 5 行で出してほしい」「メールの下書きを丁寧な調子で書いてほしい」といった作業は、AI に渡してから自分が確認するというフローで使いやすい領域です。最初の一歩としては、ここから入るのがおすすめです。
判断材料を並べる用途に向いている
「どちらがいいか」を一発で決めるのは AI には任せられませんが、判断材料を複数並べて整理してもらう使い方は実用的です。
「A 案と B 案のメリット・デメリットを並べてほしい」「この内容を判断するときに見るべき観点を出してほしい」といった依頼は、AI が得意な範囲に入ります。最終的にどちらを選ぶかは自分で決め、AI には判断材料を整理してもらう、という分業が現実的です。
最終判断を丸投げする使い方は危ない
AI の出力をそのまま採用すると、事実誤認や不適切な内容を見落とすことがあるため、最終的な判断は必ず人間側で行う前提を崩さないことが大切です。
AI の出力にはもっともらしい誤りが含まれることがあり、特に固有名詞・数値・最新の制度情報・法的な内容で起こりがちです。出力を一次資料として扱わず、必ず人間が確認したうえで採否を判断する、という運用を最初に決めておくと安全です。
まとめ
AI = ChatGPT という思い込みを外し、最初に AI 全体を 4つの分類で見られるようにする、というのがこの記事の目的でした。最後にもう一度、地図として整理しておきます。
AIはChatGPTだけではない
ChatGPT は AI の中の一例で、Claude・Gemini・Grok・Kimi などのクラウドLLM、Codex や Claude Code のような作業特化型AI、ローカルLLM、API の使い方があります。
「AI と言えば ChatGPT」という見方から、「AI にはいくつかの分類があって、ChatGPT はそのうちのクラウドLLM の一例」という見方に切り替えるだけで、AI 関連の情報が読みやすくなります。
まずクラウドLLM・ローカルLLM・APIに分ける
最初にやるのは、AI を「画面で使うクラウドLLM」「自分のPCで動かすローカルLLM」「裏側から呼び出す API」の 3 軸に分けて見ることです。
この 3 軸が見えていれば、新しい AI サービスが出てきたときも「これはクラウドLLM の話か、ローカルLLM の話か、API の話か」を見分けられるようになります。
次はクラウドLLMの使いどころへ進む
全体の地図ができたら、次は一番触りやすい「クラウドLLM」の使いどころに進みます。続けて「クラウドLLMでできること｜ChatGPT・Claude・Geminiの使いどころ」へ進んでください。
次に読む記事
シリーズ次記事として クラウドLLMでできること｜ChatGPT・Claude・Geminiの使いどころ を準備中です。クラウドLLM 5 サービスを「文章作成・要約・相談・調査補助」の作業別にどう使い分けるか、ライト層向けに整理する続編記事になります。
