AI・機械学習
文章の生成・要約・分類や、予測をアプリに組み込む
最後に足す部品。API を呼ぶだけなら、他の分野を一通り知った初学者でも使える。
最初に触るなら
Claude API（Anthropic） ：Anthropic の Claude モデルを HTTP で呼び出す、従量課金の LLM API
数行のリクエストで結果が返り、料金・コンテキスト長・レート制限という「制約の考え方」まで一度に学べる。
隣の分野とのつながり
| 分野 | どうつながるか |
|---|---|
| サーバー・API | API の呼び出しはサーバー側から行う。鍵を画面に出さない |
| データ処理・分析 | 渡すデータを整えるのはデータ処理の仕事 |
| データの保存 | 関連する文書を探すベクトル検索は、データベースの機能として提供される |
| 実行基盤・ホスティング | 手元でモデルを動かすなら、GPU とメモリという基盤の制約が先に立つ |
| データ処理・分析 （から見ると） | 学習や推論に渡すデータを整えるのはこの分野の仕事 |
この分野を理解する
呼ぶか、動かすか。 文章の生成や要約は、Claude API や OpenAI API のようにインターネット越しに「呼ぶ」のが最も簡単で、料金は送った文字数（トークン）で決まる。データを外に出せないときは、Ollama のように手元でモデルを「動かす」。その場合は自分のパソコンのメモリと GPU が上限になる。
「学習させる」は別の話。 既にあるモデルを呼ぶのと、自分のデータでモデルを作る（学習させる）のは、必要な知識も計算資源もまったく違う。初学者はまず「呼ぶ」から入り、「学習させる」は必要になるまで触らなくてよい。
制約が分かりやすい分野。 1回に渡せる文字数（コンテキスト長）、1分あたりの呼び出し回数（レート制限）、料金の単位。どれも数字で決まっていて、この地図が「制約」を大事にしている理由がいちばんよく見える。
隣の分野との境界。 鍵を持って API を呼ぶのはサーバー、渡す前のデータを整えるのはデータ処理、関連文書を探して渡すのはデータベース（ベクトル検索）。AI はそれらの上に載る、いちばん上の部品である。
最初の一歩。 サーバー側の小さなスクリプトから Claude API を1回呼び、文章を要約させる。送ったトークン数と料金を計算してみる。
この分野のツール（4件）
種別（自分で書く土台か、借りて使うサービスか）で分けている。「主要制約」は各ツールで最も先に当たる限界。
ツール（1件）自分の環境にインストールして使うソフトウェア。無料のものが多いが、運用は自分で持つ
| ツール | 学習 | 料金 | 成熟 | 主要制約 | 検証 |
|---|---|---|---|---|---|
| Ollama LLMを手元のPC・サーバーで動かす、OSSのローカル実行ランタイム | 低 | 無料 | 成長中 | 既定のコンテキストウィンドウ：4,096トークン（OLLAMA_CONTEXT_LENGTH 環境変数か num_ctx パラメータで変更可能） |
マネージドサービス（3件）事業者が運用していて、借りて使うサービス。運用を任せられる代わりに、プランの上限が乗る
| ツール | 学習 | 料金 | 成熟 | 主要制約 | 検証 |
|---|---|---|---|---|---|
| Claude API（Anthropic） Anthropic の Claude モデルを HTTP で呼び出す、従量課金の LLM API | 低 | 従量課金 | 安定 | レート制限（Start ティア、モデルごと）：1,000 リクエスト/分、入力 2,000,000 トークン/分、出力 400,000 トークン/分（Opus 5・Sonnet 5・Haiku 4.5）。Fable 5.x は 1,000 / 500,000 / 100,000。キャッシュ読み取り分は入力側に数えない | |
| OpenAI API OpenAIのGPTモデルをHTTPで呼び出す、従量課金のLLM・埋め込みAPI | 低 | 従量課金 | 安定 | 利用ティア（Usage Tier）別の月間利用上限：Free/Tier1 は $100、Tier2 $500、Tier3 $1,000、Tier4 $5,000、Tier5 $200,000（支払い実績に応じ自動昇格） | |
| Hugging Face 機械学習モデル・データセットを共有し、推論も呼び出せるハブ兼API | 中 | 無料枠あり | 成長中 | 無料プランの推論クレジット（Inference Providers）：無料ユーザーは月$0.10相当のクレジット（変更の可能性あり）。PROユーザーは月$2.00 |
どれを選ぶか
| ツール | 種別 | どういう時に選ぶか／避けるか |
|---|---|---|
| Ollama | ツール | 秘匿データを外に出せない用途や、費用をハードウェア代のみに固定したい小規模な検証・個人利用では第一候補。既定のコンテキスト4,096トークンやモデル品質がハードウェア依存である点に触れたら、クラウドAPI（OpenAI API、Claude API等）への移行を検討する。大規模な同時アクセスやSLAが必要な本番用途は避ける |
| Claude API（Anthropic） | マネージドサービス | 長文の読解・要約・コード生成、ツール呼び出しを伴うエージェント処理では第一候補。埋め込みや画像生成が主目的、あるいはデータを社外に送れない場合は避け、OpenAI API や Ollama へ。1,000 リクエスト/分と月間支出上限の枠内に収まる規模かを先に見積もる |
| OpenAI API | マネージドサービス | 汎用的な文章生成・埋め込み・エージェント構築を単一ベンダーのAPIで揃えたい場合の第一候補。データを外部に送れない要件やコストを完全固定したい場合は避け、Ollama など自己ホストへ。利用量が増える前に Usage Tier と月間支出上限を確認する |
| Hugging Face | マネージドサービス | モデル・データセットの共有や複数モデルの比較検討、将来の自前ホスティングを見据えた検証では第一候補。無料の推論クレジット（月$0.10）や無料ストレージ上限（非公開100GB）に触れたら、PRO/Team契約かInference Endpointsの従量課金を検討する。単一の高品質モデルにAPI一本で任せたいだけならOpenAI APIやClaude APIのほうが単純 |
この分野が担う目的
目的ごとのページでは、他の分野のツールも含めて横断比較できる。
- LLM で文章を生成・分類・抽出する （この分野から 4件）
- 文章をベクトルに変換する （この分野から 3件）
- ツールを使う AI エージェントを組み立てる （この分野から 2件）
- モデルを手元の環境で動かす （この分野から 2件）
- 機械学習モデルを学習させる （この分野から 1件）