AIの「学習」と「推論」は何が違う？

学習はAIを作る作業、推論はAIを使う作業

AIの説明や提案書には、「学習データ」「学習済みモデル」「推論」といった言葉がよく出てきます。総務省と経済産業省のAI事業者ガイドライン（第1.2版）（令和8年3月31日）は、本編の用語の定義で2つを次のように説明しています（2026年10月29日に確認）。

式で見ると、数値を決めるのが学習、当てはめるのが推論

同じガイドラインは、AIモデルの参考の定義としてJIS X 22989:2023を引き、xに一定の数を掛けて、別の一定の数を足す形の式（単変量の線形関数）を過去のデータで訓練した結果、「y=3+7x」になるという例を挙げています。

この例でいえば、過去のデータから3と7という数値を決める作業が学習です。決まった式に新しいxを入れてyを出す作業が推論です。実際のAIは数値の数も式の形もずっと複雑ですが、作る段階と使う段階が分かれている点は同じです。

次は当社が想定した例で、実際の相談事例ではありません。飲食店の来客数を予測するAIなら、2つの作業は次のように分かれます。

学習に使う記録と、推論に入れるデータは別に用意する

ガイドラインは、学習で用いるデータを、AIモデルの構築・評価に使う訓練データ、検証データ、テストデータに分けると説明しています。学習に使っていない期間で成績を確かめる考え方はAIの「精度95%」は何を表している？で紹介しています。

推論で使うデータについては、利用者が入力するプロンプトやセンサーから取ったデータに加え、RAGなどを通じて外から補った情報が使われると書かれています。

当社は、学習で手がかりにした項目を、AIを使う日にも同じ形で揃えられるかを先に確かめます。上の例で予約の数を使うなら、毎朝その数を誰かが入れるか、予約の仕組みから取り込む必要があります。学習では実際の天気の記録を使えても、使う日の朝に手に入るのは天気予報です。過去の記録にあっても使う日に手に入らない項目は、推論では使えません。どの項目を入れるかの考え方はAIに手がかりを全部入れれば、予測は良くなる？で説明しています。

生成AIのチャットで利用者がしているのは推論

生成AIでは、大量の文章で学習する作業は開発元が行います。利用者がチャットで質問して答えを受け取るのは、学習済みのモデルを使った推論です。ガイドラインは、学習が、AIモデルの汎用の性能を形づくる事前学習と、必要に応じて調整を続ける事後学習の2つから成る場合があるとし、事後学習の主な手法にファインチューニングやデータの追加による再学習を挙げています。

頼むときに例を見せると、例に沿った答えが返ってきます。ガイドラインは、大規模言語モデルなどの生成AIでは、利用者が学習済みパラメータを更新することなく、入力（プロンプト）に応じて特定の作業を学習させられるとし、これを「コンテキスト内学習」と呼んでいます。名前に学習と付いていても、AIの中身は変わりません。社内の資料を探して答えに使うRAGも、推論のときに資料を渡す方法です。仕組みは社内の資料をもとに答えるAIとは？RAGの仕組みにまとめています。

入力した内容が開発元の今後の学習に使われるかどうかは、これとは別の話で、サービスや契約によって扱いが違います。確かめる場所は生成AIに入力した内容は、AIの学習に使われる？で、使っているうちにAIが変わるのかはAIは使っているうちに勝手に賢くなる？で説明しています。

提案書や見積もりで、2つを分けて聞く

「学習」と「推論」のどちらの話かが分かると、何を用意し、いつ費用がかかるのかを聞きやすくなります。AIの導入を検討するときは、次の3つを分けて確かめておくと整理しやすくなります。

開発費と月々の費用が、どちらの作業に当たるか

学習は作るときと学び直すときに行う作業で、推論はAIを使い続ける間ずっと行う作業です。見積もりを見るときは、開発費と月々の費用のそれぞれに、学習と推論のどちらの作業が含まれているかを聞くと、複数の見積もりを比べやすくなります。費用の決まり方はAI開発にはいくらかかるのかで整理しています。