2-14　AI出力の評価と検証：見極める力が最後の砦

提出直前、ふと不安になってAIの書いた統計を検索したら、どこにも出てこない。冷や汗をかきながら全文を見直した夜——あの時間、二度と過ごしたくないですよね。

すべてを裏取りするのは不可能です。でも、疑うべき場所には「偏り」があります。

これ、仕組みで解決できます。

検証は根性ではなく技術です。まず、疑うべき場所には偏りがあります——具体的すぎる数値、知識の端っこ、自信満々の断定。そして検証の深さは、影響度で変える。社外に出る情報は一次情報で、たたき台は要点だけ、ブレスト素材は検証不要。

どれほどプロンプトが上達しても、AIの出力には誤りが混ざります。第1部で学んだとおり、ハルシネーションは仕組みの必然だからです。AI活用の最後の砦は、出力を評価・検証する人間の力です。

評価の指標は4つです。
①正確性：事実、数値、固有名詞は正しいか。
②網羅性：依頼した範囲が漏れなくカバーされているか（AIは苦手な部分を静かにスキップすることがあります）。
③一貫性：冒頭と結論で言っていることが矛盾していないか、指定した条件を途中で忘れていないか。
④適合性：そもそも依頼の意図・用途に合っているか。
流暢で立派な文章ほど、この4点の検査をすり抜けやすいので注意が必要です。

ハルシネーションを見抜く実践的な勘所があります。具体的すぎる情報ほど疑う——「2023年の調査によれば67.3%が」のような、もっともらしい数値と出典はハルシネーションの典型です。知識の端っこを疑う——マイナーな人名、専門分野の細部、最新の出来事は誤り率が上がります。自信満々な断定を疑う——AIは不確かなことも同じ口調で断定します。

検証はコストとのバランスです。すべてを裏取りするのは非現実的なので、影響度で検証の深さを変えます。社外に出る数値・固有名詞は必ず一次情報で確認。社内のたたき台なら要点のみ確認。ブレストの素材なら検証不要。また、効率的な検証テクニックとして、「この回答の中で、確信度が低い部分はどこですか」とAI自身に聞く方法や、別のAIサービスに同じ質問をして突き合わせる方法も有効です。

忘れてはいけないのは、検証は面倒なコストではなく、あなたの付加価値そのものだということです。1-6で学んだとおり、責任を取れるのは人間だけ。検証済みの成果物を出せることが、AI時代のプロの証明になります。

保存版・検証の勘所

• 正確性・網羅性・一貫性・適合性の4指標で評価する

• 具体的な数値・知識の端・自信満々の断定は、ハルシネーションの典型ゾーン

• 検証の深さは影響度で決める。社外に出る情報は必ず一次情報で確認

これで冒頭の"提出直前の冷や汗"がなくなります。

やってみよう: AIの回答に「この回答で確信度が低い箇所を3つ挙げて」と聞いてみましょう。より実務的な型はこちらです。

📍 番号や読む順に迷ったら講座マップへ。目的別ルートと全84レクチャーの対応表があります。