近年、化学反応予測における機械学習の進展は目覚ましく、特にテンプレートを用いない生成物予測手法（GNNやTransformerベース）が注目を集めています。しかし、それらのモデルがどのように反応を「理解」し、どこまで説明可能で、実用に耐えるのか──この問いにはまだ曖昧さが残ります。本稿では、GNN・Transformer・セミテンプレートの3手法を取り上げ、同一の反応例をもとに、予測の中身とその解釈のしやすさ、モデルごとの強みと限界を比較検討します。研究・開発の現場で「どのモデルをどう使うか」に関心のある方にとって、実践的な判断材料となる内容です。