技術知識
AI開発の発注判断に必要な技術知識（LLM・RAG・API・インフラ・セキュリティ・ネットワーク）。
チャンク分割とは。RAGの精度と費用を決める4つの設計と、見積書で見る5点
切り方が悪いと、正しい文書を持っていても回答は的外れになります。費用はベクトル化の件数・1回に渡す量・更新時の作り直しの3か所に効きます。切る単位／大きさと重なり／出典と権限／更新の反映という4つの設計と確認事項をまとめました。
レート制限・スループットとは。AIシステムが遅くなる・止まる3つの上限
AIの機能と処理能力は別物です。1分あたりの回数と量、同時実行数、応答時間という3つの上限が見積書の「キュー制御」「リトライ」の行を生み、費用を左右します。発注側が伝えるべき3つの数字まで整理します。
プロンプトインジェクションとは。AIが外部の文章に命令される仕組みと4つの防御
LLMは命令とデータを区別できないため、検索した文書や受信メールに紛れた指示に従ってしまいます。被害の大きさはAIに与えた権限で決まる理由と、見積もりに現れる4層の対策を発注者向けに整理します。
AI開発の用語集。発注時に出てくる言葉を整理
見積もりや提案で使われる用語を、発注者の視点で整理します。それぞれが費用や設計にどう関わるかも示します。
コンテキスト長とは。一度に渡せる情報量の制約
AIが一度に扱える文章量の制約と、それが設計・費用に与える影響を解説します。長い文書をどう扱うかも示します。
AIエージェントとは。チャットボットとの決定的な違い
自律的にツールを操作するAIエージェントの仕組みを解説します。実行を伴うことで何が変わるかを、設計と責任の観点から示します。
ベクトル検索・埋め込みとは。意味で探す仕組み
文章を数値に変換して意味の近さで検索する仕組みを、技術者でない読者向けに解説します。キーワード検索との違いも示します。
ファインチューニングとは。どんなときに必要か
モデルへの追加学習の仕組みと費用を解説します。RAGで足りる場合との切り分け、必要なデータ量も示します。
ハルシネーションとは。AIが事実と違うことを言う理由
AIが誤った内容を生成する仕組みと、業務での対策を解説します。完全には防げない前提での運用設計も示します。
LLM（大規模言語モデル）とは。発注者が知るべき仕組み
LLMの仕組みを技術者でない発注者向けに解説します。得意なこと、苦手なこと、費用の考え方までを整理します。
マルチモーダルAIとは。画像・音声・文書を同時に扱う
テキスト以外の情報を扱うAIの仕組みと、業務での使いどころを解説します。費用と精度の実際も示します。
プロンプト設計とは。指示文で品質が変わる理由
AIへの指示文の設計が出力品質を左右する理由と、業務システムでの扱い方を解説します。工数がかかる理由も示します。
AIと外部システムの連携。ツール利用の仕組み
AIが外部のシステムやデータを参照・操作する仕組みを解説します。連携の設計が費用と安全性に与える影響も示します。
主要LLM APIの選び方。性能・価格・制約で比較する視点
LLM APIを選ぶ際に見るべき観点を整理します。ベンチマーク値だけで決めない選び方と、乗り換えを可能にする設計を解説します。
RAGとは何か。仕組み・費用・向く用途を発注者向けに解説
RAG（検索拡張生成）の仕組みを、技術者でない発注者向けに解説します。ファインチューニングとの違い、向く用途、費用感まで整理します。
同じ条件で比較するから、適正価格が分かる。
複数のAI開発会社に同じ条件で見積もりを依頼。安さではなく「適正価格」で発注できます。