AIにできること一覧。具体例や将来できることも解説

現在のAIは、自然言語や画像、音声といった多様なデータを処理し、業務や日常生活の幅広い場面で活用されています。

その機能は主に以下の五つに分類できます（図表1）。

• 生成
• 予測・分析
• 自動化・効率化
• 認識・理解
• 対話・アシスタント

AIの中核的な能力を把握する上で、それぞれの代表的な用途とツールを次の図表2にまとめました。

図表2：AIの主要機能と代表的なツール・具体例（2025年11月調べ） 

生成AIにできること

生成AIは、文章や画像、音声、プログラムのコードなどを自動で作り出す技術です。例えば、会議の議事録を要約したり、メールの下書きを作ったりと、日常業務の時短に役立ちます。Notion AIでは、ページの要点をまとめたり、英語に翻訳したりすることもできます。

画像では、Photoshopの「生成塗りつぶし」という機能を使えば、背景を広げたり不要なものを自然に消したりできます。CanvaのAI機能では、デザインの案を自動で提案してくれるため、初心者でも見栄えのいい資料を作りやすくなっています。

また、音楽を作れるAIも登場しており、Sunoのようなサービスでは、歌詞やテーマを入力するだけで曲ができてしまいます。さらに、プログラミングでは、CodexやClaude CodeのようなAIがコードの補完やテストケースの雛形作りを助けてくれます（図表3）。

関連記事：生成AIの種類一覧。文章や画像など、できること別にサービスを紹介

予測・分析に関してできること

AIは、これまでに集めたデータを基に、これから起きそうなことを予測することもできます。例えば、商品の売れ行きの予測や、工場の機械にトラブルが起きそうかどうかの判断に使われています。

Googleの「Vertex AI」では、表やグラフのデータを読み取って未来の傾向を予測したり、異常な動きがあるデータを見つけ出したりすることができます。AIに詳しくない人でも使えるように、シンプルな操作性となっています。

さらに、分析結果をグラフなどで分かりやすく見せるツールと組み合わせることで、「この商品は今後売れなくなるかも」「価格を少し下げた方がいい」などの判断につなげやすくなります。

自動化・効率化に関してできること

毎回同じような作業を繰り返している業務では、AIがその一部を代わりにこなすことができます。例えば、MicrosoftのAI Builderを使えば、請求書や契約書から必要な情報を読み取り、自動で入力する処理を実行できます。

会議の録音データを文字に起こし、要点だけを抜き出す機能も広まりつつあります。また、決められた作業を自動でこなすRPAとAIを組み合わせれば、少し複雑な処理にも対応できます。

Box AIのようなサービスでは、社内の資料を検索したり、要点をまとめたりといった作業もAIが手伝ってくれます。探しものにかかっていた時間を減らせることは、大きなメリットです。

認識・理解に関してできること

AIは、画像や音声などの「人が見たり聞いたりする情報」も読み取って理解できます。例えば、紙の資料をスキャンして、そこに書かれた文字をデータに変換するOCR（文字認識）は、すでに多くの会社で使われています。

GoogleのOCR技術は、日本語だけでなく多言語にも対応していて、書類管理の効率化に役立っています。音声認識も進んでおり、スマートスピーカーでの音声操作や、自動文字起こしなどに使われています。

また、カメラにAIを組み込むことで、人やモノの動きを自動で検出し、必要に応じて通知する機能もあります。最近では「マルチモーダル」と呼ばれる、画像とテキストをまとめて理解する技術も登場しており、AIがより人に近い形で指示を理解できるようになってきています。

対話・アシスタントに関してできること

AIと会話する技術は、問い合わせ対応やサポート業務など、さまざまな場面で使われています。いわゆるチャットボットは、社内のよくある質問への対応や、マニュアルの検索などを自動化できます。

最近では外部データを検索して、その結果を基に回答する「RAG（ラグ）」という仕組みも注目されています。Box AIやVertex AI Searchでは、社内ドキュメントを基にした検索や要約ができます。

スマートフォンでは、Galaxy AIが通話の翻訳やメモの要約などを実現しており、AIが日常の中に自然に溶け込むようになってきました。GoogleのGemini、MicrosoftのCopilot、AnthropicのClaudeなど、多目的なAIチャットも、調べ物やアイデア出しの手助けツールとして人気です。

関連記事：AI技術「RAG」とは？仕組みや生成AIとの関係など分かりやすく解説

AIが急速に進化している一方で、まだ得意ではないことも多くあります。特に「判断」や「理解」が求められる場面では、人の介在が必要です。

以下に、現時点でAIが苦手とする主な領域とその理由をまとめました（図表4）。

図表4：AIがまだ不得意な領域と具体例

2025年現在のAIができることは、あくまで「情報の整理や提案」が中心です。例えば、会議の内容を要約したり、資料の下書きを作ることは得意ですが、会社の方向性を決めるような判断や、倫理的な決定をAIだけに任せるのは現実的でありません。 

また、AIが生成する内容には、事実と異なる情報が紛れ込むこと（ハルシネーション）もあります。特に法律・医療・研究分野など、正確さが求められる領域では、人の確認が不可欠です。

さらに、画像や音声を使って人の行動を理解する力は向上していますが、人と同じように体を動かす「汎用ロボット」の実用化はまだこれからです。

こうしたAIの限界は、NISTの「AIリスク管理フレームワーク」や、スタンフォード大学の「AI Index」などでも指摘されています。

今後数年で実現が期待されるAIの進化には、処理の高速化・自動化・多機能化といった方向があります。

以下に、近い将来に普及していくものと考えられているAIの機能と活用領域をまとめました（図表5）。

図表5：今後できるようになることと主な活用分野

例えば、MicrosoftのCopilot+ PCでは、AIの処理をクラウドではなく端末内で実行できるようになり、オフラインでも要約や翻訳が可能になります。これは、スピードとプライバシーの両立に向けた大きな進歩です。

また、複数の業務アプリやツールを横断して処理を進めるAIエージェントが登場すれば、日々の業務そのものを自動で段取りできるようになります。製造や医療現場では、生成AIとロボットが連携し、人手を補うシーンがさらに増えていくでしょう。

さらに、社内の文書・画像・音声・動画を横断して検索・要約できる「マルチモーダルRAG」や、特定分野に特化したCopilotの登場が見込まれています。これらは単なる便利ツールではなく、信頼性や説明責任を担保しながら業務に寄り添うAIとして発展していくことが期待できます。

AIはすでに多くの業務に導入され、作業のスピードや質の向上に役立っています。次の図表６に、実際の活用例と導入ツールを簡潔にまとめました。

図表6：AIが実際に活躍している業務と導入事例

例えば、MicrosoftのAI Builderでは、請求書や契約書の読み取り・転記が自動化されています。営業現場では、GoogleのVertex AIが商談データを分析し、勝率予測や提案文の下書きを生成します。

ソフトウェア開発では、GitHub Copilotが自然言語からコードを生成し、エンジニアの作業を支援。CanvaやFigmaでは、AIがレイアウトや素材配置を提案することで、制作の手間を減らしています。

日常生活でもGalaxy AIが、通話の翻訳や写真の自動編集など、スマートフォン上でのAI活用を身近にしています。

AIはすでに多くの業務を支えていますが、今後さらに「人の手間を減らし、判断や作業を支援する」領域での活躍が期待されています。次の図表7に、特に注目される用途とその効果を図表7にまとめました。

図表7：AIによって今後期待される活用シーンと効果

AIには「今できること」だけでなく、すでに一部で導入が進み、今後さらに広がると期待される活用領域もあります。その代表例が、社内ナレッジ活用・多言語対応・医療現場での業務支援です。

まず、企業内ではRAG（検索拡張生成）を活用し、規程や議事録をまたいで「根拠付きの回答」を自動で返す仕組みが注目されています。これによって、教育や引き継ぎの効率が向上し、属人化しやすい知識の再利用が可能になります。

また、通話や会議のリアルタイム翻訳によって、海外拠点とのやり取りもより自然になります。AIが言語の壁を下げ、国境を越えた日常的な協働を支えるようになりつつあります。

医療・看護の現場では、AIによる問診内容の要約や記録の自動化が導入され始めています。事務作業の負担を減らすことで、スタッフが本来注力すべきケアに集中できる環境づくりが進んでいます。

こうした動きに共通するのは、「人を置き換える」のではなく、「判断と行動の質を引き上げる」という、AIの補助的で持続的な役割です。

総務省の情報通信白書やStanfordのAI Indexでも示されているとおり、AIは「マルチモーダル化」と「エッジ処理（端末側での処理）」の進展によって、活用の幅を広げ続けています。

McKinseyは、生成AIの経済効果が数兆ドル規模に達すると予測しており、企業は「小さく始めて素早く学ぶ」ことが重要だとしています。

AI導入の現実的な順序としては以下のような流れが有効です。

1. 要約や翻訳など日常業務のAI化
2. RAGによる検索の高度化
3. CopilotやAIエージェントの業務連携
4. 端末内AIによるコスト最適化

同時に、リスク管理やセキュリティ、評価体制の整備を並行して進めることで、AI活用のスピードと品質を両立できると言えるでしょう。

■参考文献・参照■ 

• 令和7年版情報通信白書（概要）｜総務省
• DX白書2023｜IPA
• AI Index | Stanford HAI
• AI Risk Management Framework | NIST
• Economic potential of generative AI | McKinsey
• What is RAG (Retrieval Augmented Generation)? | IBM