LLM APIで何ができる?ChatGPT・Claude API入門|ビジネス活用から開発まで
LLM APIとは何か:基本の仕組みを理解する
LLM API(Large Language Model API)とは、ChatGPTやClaudeなどの大規模言語モデルを自分のアプリケーションやシステムから呼び出すためのインターフェースです。
WebブラウザでChatGPTを使うのとは異なり、APIを利用するとプログラムから直接モデルを呼び出し、その結果を自分のシステムに組み込めます。例えば「顧客からのメールを自動要約する」「商品説明を自動生成する」「社内Q&Aボットを構築する」といった用途に活用できます。
主要なLLM APIには以下があります(提供されるモデルは頻繁に入れ替わるため、具体的なモデル名は各社の公式ページで確認してください):
- OpenAI API(GPTシリーズ)
- Anthropic API(Claude Opus・Sonnet・Haiku)
- Google Gemini API(Gemini Pro・Flash等)
- Meta Llama(セルフホスト型、オープンソース)
ほぼ全てのAPIはREST形式で提供され、HTTPリクエストを送るだけで利用できます。PythonやJavaScriptの公式SDKも充実しています。
LLM APIでできること一覧
LLM APIを使って実現できる主要機能を整理します。
■ テキスト生成・変換
- ブログ記事・商品説明・メール文章の生成
- 文章要約・翻訳・校正・トーン変換
- コード生成・レビュー・バグ修正
■ 分類・抽出
- センチメント分析(ポジティブ/ネガティブ判定)
- 固有表現抽出(氏名・組織名・日付の自動抽出)
- カテゴリ分類(サポートチケットの自動振り分け等)
■ 対話・Q&A
- チャットボット構築(コンテキスト保持の対話)
- 社内ドキュメントのQ&Aシステム(RAGと組み合わせ)
- FAQの自動回答
■ 構造化データ生成
- テキストからJSON形式でデータ抽出
- フォーム入力内容の自動解析
- 非構造化データのデータベース登録
■ マルチモーダル(画像+テキスト)
- 画像の説明生成・内容解析(画像を扱える各社のモデル)
- スクリーンショットからUI改善提案
- 商品画像からの説明文自動生成
コスト感:料金の見方と確認先(2026年10月15日確認)
LLM APIは、送った文章(入力)と返ってきた文章(出力)のトークン数に応じた従量課金です。料金は「100万トークンあたり○ドル」のように、入力と出力で別々に決められています。
■ 費用の見積もり方
1回あたりの費用 =(入力の100万トークンあたりの単価 × 入力トークン数 + 出力の100万トークンあたりの単価 × 出力トークン数)÷ 1,000,000
これに月の呼び出し回数を掛けると、月の費用の目安になります。日本語の文章が何トークンになるかはモデルによって異なるため、各社のトークン数を数える機能で、実際の業務の文章を使って確かめるのが確実です。
■ 料金表を自分で確かめる理由
モデルと料金は数か月単位で入れ替わります。この記事の以前の版(2026年5月)に載せていた料金表のモデルは、2026年10月15日の時点で次のようになっています。
- Claude Sonnet 3.7・Claude Haiku 3.5:2026年2月19日に提供終了(Anthropic「Model deprecations」)
- Gemini 2.0 Flash:2026年6月1日に停止(Google「Gemini API deprecations」)
- GPT-4o・GPT-4o mini:2027年1月14日にAPIから削除すると2026年10月14日に予告(OpenAI「Deprecations」)
使っているモデルの廃止予定を定期的に確認することも、APIを業務で使うときに必要な作業です。
■ 公式の確認先
支払いは米ドル建てです。無料で試せる範囲(回数制限つきの無料枠、新規登録時の少額のクレジットなど)は会社ごとに仕組みが違い、変更されることもあるため、使い始める前に各社の公式ページで確認してください。
プロンプトエンジニアリング基礎
LLM APIを使いこなすには、プロンプト(AIへの指示文)の設計スキルが重要です。主要なテクニックを解説します。
■ システムプロンプトとユーザープロンプトの分離
APIには `system` メッセージと `user` メッセージがあります。system にはAIの役割・制約・出力フォーマットを定義し、user には実際のタスク・データを渡します。
■ Few-Shot(例示プロンプト)
「良い例」を2〜5件プロンプトに含めることで、出力品質が向上することがあります。特に分類・抽出タスクで効果的です。
■ Chain-of-Thought(思考の連鎖)
「ステップバイステップで考えてから回答してください」と指示することで、複雑な推論問題の精度が上がることがあります。回答の前に内部で推論を行うモデルもあります。
■ 構造化出力(JSON Mode)
OpenAI・Anthropic両APIとも、JSON形式での出力を強制するオプションを提供しています。後処理が大幅に安定します。
■ 温度(Temperature)パラメータ
0に近いほど確定的・再現性の高い出力。1に近いほどランダム・創造的な出力。要約・分類は0〜0.3、創作・アイデア生成は0.7〜1.0が目安です。
ビジネス活用事例
実際にLLM APIが活用されているビジネス事例を紹介します。
■ 営業・マーケティング
- 顧客メール返信の下書き自動生成(Salesforce + OpenAI連携)
- 商品説明・広告コピーの大量生成・AB テスト
- 競合リサーチの自動レポート生成
■ カスタマーサポート
- チケットの自動分類・優先度付け
- 回答案の自動提案(エージェントが選択・確認するだけ)
- 多言語翻訳対応の自動化
■ バックオフィス・業務効率化
- 契約書の重要条項抽出・リスクチェック
- 会議議事録の自動要約・アクションアイテム抽出
- Excelデータの自然言語クエリ(Text-to-SQL)
■ 開発・エンジニアリング
- GitHub Copilot / Cursor連携によるコード補完
- テストコード自動生成
- ドキュメント自動生成・更新
よくある質問
- APIを使うにはプログラミングスキルが必要ですか?
- 基本的な利用にはPythonまたはJavaScriptの初歩的な知識が必要です。ただし、Dify・Zapier・Make(Integromat)などのノーコードツールを使えば、プログラミングなしでLLM APIをビジネスプロセスに組み込めます。
- ChatGPTの画面とAPIは何が違うのですか?
- ChatGPTのWebインターフェースは個人が手動で使うもの、APIはシステムから自動的に呼び出すものです。APIを使うことで「毎日朝8時に自動でメール要約を生成する」「注文が入ったら自動で確認文を生成する」などの自動化が実現できます。
- APIのセキュリティはどのように管理すればよいですか?
- APIキーは環境変数(.env)に保存し、ソースコードに直接書かないことが鉄則です。本番環境ではAWS Secrets ManagerやGCP Secret Managerの利用を推奨します。また、送信するデータに個人情報が含まれる場合はAPI利用規約の確認が必須です。
- OpenAIとAnthropicのAPIはどちらがビジネス利用に向いていますか?
- 用途によります。OpenAIはエコシステムが大きく日本語情報も豊富。AnthropicはClaudeの長いコンテキストウィンドウとTool Use精度が高く、複雑なエージェント設計に向きます。コスト最適化ならGemini Flashも選択肢です。
まとめ
LLM APIは「AIをシステムに組み込む」ための最も直接的な手段であり、2026年現在ビジネスのあらゆる場面での活用が加速しています。
初心者は以下のステップで始めることをお勧めします:
1. OpenAI・Anthropic・GoogleのいずれかでAPIキーを取得(無料で試せる範囲と支払い方法は各社の公式ページで確認)
2. Python公式SDKで「Hello World」相当の呼び出しを試す
3. 自分の業務の中で「繰り返し型のテキスト処理」を一つ特定し、APIで自動化する
4. ノーコードツール(Dify等)でUIを整えてチームに展開する
この4ステップを一通り経験したら、次のステップとして、RAGやAIエージェント開発に進みましょう。