Structured Output(構造化出力)とは何ですか?

AIの答えを自由な文章ではなく、JSONなど決まった形のデータで受け取る考え方です。どんな項目を、どんな種類の値で返すかを、あらかじめ決めておきます。

構造化出力は、どんな場面で使いますか?

AIの結果を別のシステムへ渡す場面です。会議メモからタスク一覧を作る、問い合わせメールを分類する、レシート画像を経費データにする、といった使い方があります。

Structured OutputとFunction Callingは、何が違いますか?

構造化する場所が違います。Function Callingは外部の道具へ渡す引数を構造化し、Structured Outputは返事そのものの形を縛ります。両方を組み合わせることもできます。

形をそろえれば、中身も正しくなりますか?

そろうのは形だけで、値が事実かどうかは別の話です。元の文書に書いていないことを、それらしく埋めてしまうこともあります。大事な抽出結果は、人が目を通してください。

Structured Output(構造化出力)

この記事は約8分で読めます

ざっくり言うと

Structured Output（構造化出力）とは、AI（とくに大規模言語モデル）の答えを、自由な文章ではなく決まった形のデータで受け取る考え方です。形の指定にはJSONなどを使います。

各社のAPIにあるStructured Outputs機能では、対応するモデルと対応するスキーマの範囲で、指定した形に沿うよう生成を制約できます。

スキーマというのは、どんな項目を、どんな種類の値で返すかを決めておくルールのことです。

チャットの画面で「JSONで返して」と頼むのと、APIへスキーマを渡して形を制約するのとでは、守られる範囲が違います。

イメージ

たとえば

ふだんチャットでAIと話すとき、返ってくるのは人が読むための文章ですよね。読みやすくて便利なのですが、プログラムから見ると扱いにくい形です。

たとえば、会議メモから「タスク・担当者・期限」を抜き出したいとします。

自由な文章で返してもらうと、次のとおりです。

田中さんが資料作成を金曜までに、佐藤さんがレビューを月曜までに担当します。

同じ内容を、決まった形のデータで返してもらうと、こうなります。

{
  "tasks": [
    { "title": "資料作成", "assignee": "田中", "due": "金曜" },
    { "title": "レビュー",   "assignee": "佐藤", "due": "月曜" }
  ]
}

こちらは、どの値がどの項目に入るかが最初から決まっています。だからプログラム側で中身を確かめたうえで、表や次の処理へ渡せます。これが構造化出力です。

例えるなら、自由作文とマークシートの違いに近いです。自由作文は読んでいて面白いのですが、機械で集計するのは大変です。

マークシートなら決まった欄に印がつくので、機械がそのまま数えられます。Structured Outputは、AIにマークシート形式で答えてもらう頼み方です。

正確には

Structured Outputは、APIを使うときに「答えはこのスキーマに従ってください」と指定する機能を指します。名前、パラメータ、対応するJSON Schemaの範囲、例外が起きたときの扱いは、提供元ごとに違います。

2026年7月27日時点で、スキーマを使う構造化出力を案内しているのは、次の3つのAPIです。

提供元	機能名	概要
OpenAI	Structured Outputs	応答形式、またはstrictなFunction Callingで、対応範囲のJSON Schemaへ出力を制約
Anthropic（Claude）	Structured outputs	`output_config.format`によるJSON outputsと、`strict: true`によるstrict tool useを提供
Google（Gemini）	Structured outputs	Interactions APIやGenerate Content APIで、対応するJSON Schemaのサブセットへ出力を制約

自由な文章のまま渡すと、3つのつまずきが起きます

LLMの答えをそのままプログラムへ流し込もうとすると、地味につらい問題が起きます。よく起きるのは次の3つです。

書式がブレる
同じ質問でも、返し方が毎回少しずつ違います。JSONのつもりが文章だったり、余計な説明が付いたりします。
キーの名前が揺れる
assigneeだったり担当者だったりpersonだったり、呼び方が安定しません。
必須の項目が抜ける
期限を出してほしいのに、たまに省略されます。

Structured Outputを使うと、対応する条件の範囲で、スキーマに沿うよう出力を制約できます。そのぶん、受け取る側のプログラムにとって、値を読み取りやすい形です。

JSONを返させる機能には、もうひとつJSON modeがあります。OpenAIの現行ドキュメントは、この2つを次のように区別しています。JSON modeは、有効なJSONを作るところまでの機能です。Structured Outputsは、対応するスキーマへの適合まで踏み込みます。

Function Callingは道具を呼び、構造化出力は返事の形を決めます

ほぼ同じ場面で使われる仲間に、Function Calling（Tool Use）があります。違いは、どこを構造化するかです。

Function Calling(Tool Use)

AIに外部の道具（関数やAPI）を呼ばせるための仕組みです。道具へ渡す引数を構造化します。

Structured Output

AIの返事そのものを構造化するための仕組みです。出力の形を縛ります。

道具を呼ぶのがFunction Calling、答えの形を決めるのがStructured Outputです。ツールの引数にもstrictなスキーマ制約をかけられるAPIがあり、両方を組み合わせることもできます。

使う場面

構造化出力が向いている場面

たとえば

次に挙げるのは、実際の製品の中身を断定するものではありません。構造化出力が向いている一般的な例です。

会議メモからタスク一覧を作る
文字起こしから「タスク・担当・期限」のJSONを取り出し、タスク管理ツールへ自動登録する使い方です。
問い合わせメールを分類する
受信メールを{ "category": "返品", "priority": "高" }のような形に変えて振り分けます。
レシート画像を経費データにする
画像を読み取り、{ "店名": "...", "金額": 1200, "日付": "..." }の形にして会計システムへ渡す運用です。
求人原稿を項目に整理する
自由文の求人を、職種・給与・勤務地・必要スキルの項目へ整理します。

AIの結果を別のシステムへ渡す場面では、形を決めて確かめられることが役に立ちます。実際に登録する前には、値が妥当かどうかを確かめ、必要な承認をとってから進めてください。

使う前に、返してほしい項目を決めましょう

Structured Outputは便利ですが、どんな欄を用意するかを先に決めておかないと力を発揮しません。

たとえば問い合わせメールを分類するなら、少なくともこれくらいは決めます。

category：返品、予約、質問、苦情など
priority：高、中、低など
summary：人が読む短い要約
needs_reply：返信が必要かどうか

はじめから完璧なスキーマを作ろうとせず、そのあとの作業で本当に使う項目だけから始めてください。欄が細かすぎると、AIも人も確認が大変になります。小さく作って、使いながら増やすほうが失敗しにくいです。

確かめるときは、AIの返答そのものより、受け取る側のプログラムが迷わず読めるかを見てください。見るのは次の4点です。

必要なキーが毎回入っているか
値の種類が、決めた型に合っているか
空欄にしてよい項目と、必ず埋める項目が分かれているか
想定外の文章が混ざっても、処理が止まらないか

ここを確かめておくと、AIの出力を表計算ソフト、顧客管理システム（CRM）、予約管理、社内ツールへ渡すときの事故を減らせます。

注意点

注意

Structured Outputは便利ですが、中身の正しさまでは保証しません。ここは押さえておいてください。

対応するモデルとスキーマで正常に終わった出力でも、そろうのは形だけです。値が事実かどうか、意味が正しいかどうかは別の話です。
元の文書に書いていないことを、AIがそれらしく埋めてしまうハルシネーションは起こりえます。
拒否されたときや、出力の上限で途中で切れたときは、スキーマから外れた応答や不完全な応答になることも想定してください。
対応していないスキーマ機能や、複雑すぎるスキーマは、APIに拒否されることがあります。

アプリを作る側でも、必須の値、許される範囲、元資料との一致を確かめ、拒否や中断、APIのエラーを処理してください。大事な抽出結果は、人が目を通してください。

よくある質問

Q. Structured Output(構造化出力)とは何ですか?: A. AIの答えを自由な文章ではなく、JSONなど決まった形のデータで受け取る考え方です。どんな項目を、どんな種類の値で返すかを、あらかじめ決めておきます。
Q. 構造化出力は、どんな場面で使いますか?: A. AIの結果を別のシステムへ渡す場面です。会議メモからタスク一覧を作る、問い合わせメールを分類する、レシート画像を経費データにする、といった使い方があります。
Q. Structured OutputとFunction Callingは、何が違いますか?: A. 構造化する場所が違います。Function Callingは外部の道具へ渡す引数を構造化し、Structured Outputは返事そのものの形を縛ります。両方を組み合わせることもできます。
Q. 形をそろえれば、中身も正しくなりますか?: A. そろうのは形だけで、値が事実かどうかは別の話です。元の文書に書いていないことを、それらしく埋めてしまうこともあります。大事な抽出結果は、人が目を通してください。

公開: 2026年5月13日更新: 2026年8月9日✓ 公式情報と照合: 2026年7月27日

参考ソース

OpenAI - Structured Outputs (API Documentation)(公式情報)
OpenAI - Introducing Structured Outputs in the API(公式情報)
Anthropic - Structured outputs(公式情報)
Google AI for Developers - Generate structured output with the Gemini API(公式情報)

判断クイズ

JSONで返ってきたら、中身も信用してよいと思っていませんか？

3問です。答えるとその場で解説が出ます。全問終えたら、「回答を記録する」で学習の記録に残せます。

問1. レシート画像から経費データを作りました。金額が決まった項目で返ってきます。次にすることは？

形が決まっているので、そのまま会計システムへ登録する値が妥当かどうかを確かめ、必要な承認をとってから登録するJSONで返っていれば、元のレシートは破棄してよい

問2. 「チャットで『JSONで返して』と頼んでいるので、APIのStructured Outputsは要らないのでは」と言われました

同じ結果になるので、チャットの頼み方で十分だと答える守られる範囲が違い、APIではスキーマを渡して対応する範囲で形を制約できると答えるチャットのほうが厳密に形が守られると答える

問3. 問い合わせメールの仕分けを自動化します。スキーマの項目はどう決めますか？

後で困らないよう、思いつく項目をすべて入れておくそのあとの作業で本当に使う項目だけから始め、使いながら増やす項目は決めず、AIの返事に合わせて毎回変える

全問に答えると、回答を記録できます。

残るのは「答えたかどうか」だけで、正解数は保存されません。この端末の中だけに残り、別の端末には引き継がれません。

この教科書は無料で全文公開しています。仕事で使えるところまで進みたい方は、実習と資料がそろった生徒プランをどうぞ。

生徒プランを見る(14日間無料)