「AIを学ぼう」と思って調べ始めたら、LLM、RAG、MCP、AIエージェント…知らない言葉が一気に出てきて、「結局、何から理解すればいいの？」となった経験はありませんか？
じつは、私がまさにその状態でした（泣）
デザイナーとして日々の業務をこなしながら、「AIのことも知っておかなきゃ」という焦りはある。でも、どこから手をつければいいのかわからない⋯。そんな状態がしばらく続いていたのです。
そこで今回、全体像だけでもざくっと掴んでみようと思い、デザイナー視点でAIの構造を整理してみました。一緒に「AIってそういうことか！」と思えたら嬉しいです。
まず結論：AIは「役割ごとの構造」で捉えるとわかりやすい
AIでおさえて置きたいのは、以下の4つです。
- ① LLM（頭脳）
- ② RAG（知識の補強）
- ③ MCP（外部ツールとの接続）
- ④ AIエージェント（自律的に動く仕組み）
この順番で理解していくと、混乱しにくいです。
それでは、ひとつずつ見ていきましょう。
① LLM（Large Language Model）：AIの頭脳
まずはLLM。ChatGPTなどの中核にあたる技術で、「文章を理解し、文章で返す」AIの頭脳部分になってきます。
LLM単体でできること
- 文章生成、要約、アイデア出し
- 既存知識をもとにした説明
LLM単体ではできないこと
- 自分から最新情報を取りに行くこと（※）
- 社内資料を勝手に読む
- ファイルやツールを操作する
つまり、「賢いけれど、外の世界を知らない脳」というイメージですね。
だからこそ、後から知識（RAG）や手足（MCP）をつなげる設計が重要になってきます。
※最近は検索機能が組み合わさったAIも増えていますが、それはLLM単体の能力ではなく、外部の仕組みと組み合わせて実現されています。
「生成AI」は、テキスト、画像、音声などの多様なコンテンツを自動生成するAIの総称です。これに対して、LLMはテキスト生成に特化した生成AIだといえます。
＜中略＞
ChatGPTは、LLMをベースにした対話型のテキスト生成AIアプリケーションのひとつです。具体的にはOpenAIが開発したGPT（Generative Pre-trained Transformer）というLLMを搭載し、「プロンプト」を介してチャット形式でのやりとりを行います。
② RAG（Retrieval Augmented Generation）：AIに資料を読ませる仕組み
次はRAG。これは、LLMに外部の知識を参照させる仕組みのことです。
デザイン現場での活用例
たとえば、こんな資料をAIに読ませることができるみたいです。
- ブランドガイドライン
- 社内ルール・FAQ
- プロジェクト資料
質問のたびに関連資料を検索し、その内容を踏まえてAIが回答してくれる。「うちのルール前提で答えてくれるAI」を作るための考え方、と理解しました。
これを知ったとき、「デザイナーにとって嬉しい仕組みなのでは？」と思ったんですよね。「このプロジェクトのトンマナって何だっけ？」と聞いたら、ブランドガイドラインを参照して答えてくれる。そんな未来が、もう目の前に来ています。
ChatGPTのファイルアップロード機能は個別ファイルをその場で分析する機能ですが、RAGは大量データを事前に整理・索引化し、質問に応じて最適な情報を検索する仕組みです。
引用元：RAGとは？ChatGPTで社内データを活用する方法・注意点を解説 | 法人向け生成AIチャットのナレフルチャット
③ MCP（Model Context Protocol）：AIに手足を与える接続ルール
3つ目はMCP。これは、AIが外部ツールと安全にやり取りするための共通ルールとのことです。
イメージしやすく言うと
Figma、Notion、Google Drive、Slack…。こうしたツールとAIを「どこまで触っていいか」定義するための設計図、と考えるとわかりやすいかもしれません。
AIに仕事を任せる範囲を決める仕組みとも言えそうですね。
ただ、MCPは比較的新しい規格なので、正直なところ私もまだ完全には理解できていません…。今の段階では「そういうものがあるんだな」くらいの理解で進めています。
デザイナーとして押さえておきたいのは、「AIがツールを操作できるようになる流れがある」という点ではないでしょうか。実装ではなく、構造の話として知っておく、くらいで十分だと思っています。
④ AIエージェント：考えて動くAI
最後はAIエージェント。これは、LLM（頭脳）＋RAG（知識）＋MCP（手足）を組み合わせて、目的達成のために自律的に動くAIのことです。
デザイナー向けの具体例
たとえば、こんなことができるようになるそうです。
- 競合サイトを調査する
- トーンを考慮した改善案を整理する
- 修正ポイントをリスト化する
これまでの「指示待ちAI」から、「仕事を任せられるAI」への進化段階、という感じでしょうか。
もちろん、すべてを任せるわけではないと思います。でも、「ここまでは任せて、ここからは自分で判断する」という線引きができるようになると、働き方そのものが変わってくるのかもしれませんね。
参考記事：うさぎでもわかる🐰世界初のデザインAIエージェント『Lovart』で創造性を解き放つ！テキストから生まれる無限のデザイン｜taku_sid🐰エージェント
→ AIエージェントは、特定の分野に特化して設計されることもあります。Lovartは、ビジュアル表現に特化したAIエージェントの一例です。
参考記事：Adobe、PhotoshopにAIエージェントを導入
→ AdobeでもPhotoshopのアクションパネルにAIエージェントを入れていく話も出てきています。
AI初心者のデザイナーは何から学べばいい？
ここまで読んで、「で、結局何から始めればいいの？」と思った方もいるかもしれません。
調べていく中で見えてきた、おすすめのステップはこちらです。
- ① ChatGPTなどでLLMに慣れる
会話だけでアイデア出しや整理ができる感覚を体験してみる。 - ② RAG（AIに資料を参照させる仕組み）があると知る
ブランドガイドラインや社内資料を前提に、現場寄りの答えができるようになる。 - ③ MCP・AIエージェントは「そういう流れがある」と理解する
将来的にAIがツールを操作し、仕事を任せられるようになる方向性を知っておく。
すべてを一気に学ぶ必要はないんですよね。まずは触ってみて、「これ便利だな」と思えるところから始めてみるのがいいのかもしれません。私もそうしています。
デザイナーにとってAI理解が重要な理由
最後に、調べながら感じたことを少しだけ。
AI時代に求められるのは、「操作できる人」より「設計できる人」なのではないでしょうか。
- どこまでAIに任せるか
- どこを人が判断するか
- どういう体験として提供するか
これって、まさに情報設計・UX・体験設計そのものですよね。
デザイナーだからこそ、AIの「使い方」だけでなく「活かし方」を考えられる。そう思うと、AIを学ぶモチベーションも少し変わってくる気がしています。
まとめ：LLM・RAG・MCP・AIエージェントの全体像
今回、私なりに改めて整理してみたことをまとめると、こうなります。
- LLM：頭脳
- RAG：知識
- MCP：手足
- AIエージェント：自律行動
この4つを全体像として理解できれば、まずは十分なのかなと思っています。
AIは怖いものではなく、構造が見えれば、デザイナーにとって強力な武器になりそうです。「なんとなく難しそう」から「こういう仕組みなのね」に変われたら、それだけで大きな一歩ではないでしょうか。
私もまだまだ勉強中ですが、少しでも参考になれば嬉しいです！
（もし間違えていたらこっそり教えてください⋯！）
