生成AIで企画書、営業資料、記事、社内マニュアルを作ると、最初の下書きは短時間で完成します。しかし『読みやすい文章』と『そのまま仕事で使ってよい文章』は別です。存在しない出典、誤った計算、古い制度、社外秘情報の混入、権利上の問題などを見逃すと、手直し以上の影響が出ることがあります。本記事は、生成AIの回答を禁止するのではなく、用途に応じた確認の仕組みを作るための実務ガイドです。
結論：検証は「全部を同じ深さで読む」のではなく、リスクに応じて分ける
まず成果物の用途を3段階に分類します。低リスク：個人のアイデア出しや構成案（外部公開・重要判断なし）。中リスク：社内共有する説明資料や研修用メモ。高リスク：顧客向け提案、外部公開、金額・契約・制度・人事判断に関わる文書。分類は社内の承認ルールに合わせて調整してください。高リスクほど、一次情報の確認、専門部署レビュー、版管理、承認記録を厚くします。重要なのは『AIで作ったか』より『間違った場合の影響』です。
なぜ生成AIの回答には検証が必要なのか
米国NISTの『Generative AI Profile』（NIST AI 600-1）は、生成AIが誤った内容を自信ありげに出す現象を「confabulation」として整理しています。生成AIは文章の自然さを高められても、出典の実在性や数字の正しさを保証する仕組みとは限りません。また、業務上は事実の正しさだけでなく、個人情報、著作権、差別的な表現、説明責任、監査可能性も関わります。経済産業省の『AI事業者ガイドライン第1.2版』は、事業者の立場に応じてAIリスクを管理するための参考資料です。
STEP1：利用目的と公開範囲を記録する
最初に『誰が読むか』『何の判断に使うか』『社外公開するか』『誤りの影響は何か』を記録します。社内のアイデア出しと、契約書の説明文では必要な検証が異なります。成果物の責任者、最終承認者、利用するAIサービス、入力に使った資料の種類も記録すると、後で確認しやすくなります。高リスク文書では、AIが作った草案であることを作業履歴に残し、未確認の文章を確定情報として配布しないようにします。
STEP2：回答を「検証が必要な主張」に分解する
文章全体を漠然と読むのではなく、①数字・割合・金額、②制度・法律・契約、③固有名詞・日時・商品仕様、④調査・研究結果、⑤引用文・出典、⑥推奨・将来予測、に印を付けます。例えば『2026年の調査で導入企業の70％が生産性向上』という文には、調査の実在、発行主体、対象地域、母数、調査時期、生産性の定義、70％の分母を確認する必要があります。出典が見つからなければ、その数値は削除または『未確認』として扱います。
STEP3：一次情報に戻り、出典の実在と意味を確認する
AIが提示したURLや論文名は、実際に開いて確認します。官公庁の制度なら担当省庁の現行ページ、統計なら元データと調査票、サービス仕様なら提供企業の公式ヘルプを優先します。記事やSNSの二次要約だけで重要な数字を確定しないことが大切です。確認表の列は『主張／一次情報URL／公開・更新日／該当箇所／確認者／結果』。資料が存在しても、本文の主張と異なる対象や条件なら引用できません。リンク切れ、古い版、別の国の制度にも注意します。
STEP4：数字・計算・比較を独立に検算する
割合、増減率、平均、単位換算、グラフの軸は、AIの説明文とは別に計算します。例：前年100件、今年120件なら増加率は（120−100）÷100＝20％。『20件増』と『20％増』は異なります。費用削減の例では、作業時間の短縮と実際の支出削減を区別します。AIが出した表の合計値は元データから再計算し、分母・期間・比較条件が一致しているか確認します。計算式や再現手順を残せば、担当者が変わっても検証できます。
STEP5：機密・個人情報・権利・表現を確認する
公開前には顧客名、個人名、メールアドレス、契約金額、未公開施策、認証情報などが入力や出力に含まれていないか確認します。個人情報保護委員会は生成AIサービスの利用に関する注意喚起を公表しています。ツールごとのデータ利用条件、企業の情報管理規程、委託契約を確認してください。引用は出典を付ければ常に自由というわけではありません。著作物の利用許諾や引用要件、写真・ロゴ・商標、差別的・誤認を招く表現も用途に応じて確認し、判断に迷う場合は法務・情報管理担当へ相談します。
STEP6：業務の専門家が実際の場面で確かめる
文法が正しくても、現場で使えない提案はあります。営業提案なら顧客の前提条件、研修資料なら対象者の理解度、社内マニュアルなら実際の操作画面と照合します。可能なら実際の利用者に小さなテストをしてもらい、どこで迷うか記録します。AIが『一般的に最適』と書いた手順も、社内の権限や契約、システム構成に合わないことがあります。専門家レビューでは『どの条件なら有効か』『適用できない例は何か』を確認します。
STEP7：承認と版管理を残してから配布する
最後に、修正した内容と残る不確実性を明記し、用途に応じた責任者の承認を得ます。高リスク文書なら『作成日／元資料の版／主な修正点／確認者／承認者／次回見直し日』を残します。公開後に制度や料金が変わる可能性がある文書には、更新担当と確認期限を設定します。問題が見つかった際の差替え・訂正手順も決めておくと、誤りを放置しにくくなります。
具体例：AIが作った社内研修資料を検証する
架空のケース：人事担当者が『2026年の生成AI研修で使える補助制度』をAIに要約させたとします。AIは助成率、対象企業、申請期限、研修の対象範囲を自然な文章でまとめました。まず数字と制度名をすべて抽出し、厚生労働省などの現行公式資料に戻ります。『2026年度』の資料か、対象企業・雇用形態・申請タイミングが一致するかを確認します。条件が確認できない金額は掲載せず、制度窓口へ確認する項目として残します。さらに個人情報や実在しない研修事例が混じっていないか確認し、研修担当責任者が承認してから配布します。これは検証手順の説明用例であり、具体的な助成要件を示すものではありません。
具体例：AIが作ったWeb記事の検証
架空のケース：『AIで営業効率が3倍になった』という記事案ができた場合、まず『3倍』の出典と定義を確認します。特定企業の体験談なら対象業務、計測期間、比較条件、人数、作業量を確認します。一次資料がなければ見出しを『AI活用で営業のどの作業を効率化できるか』へ変更し、仮説や手順として書き直します。参考記事の一部を長く転載していないか、引用と自分の解説が区別できるかも確認します。公開後は更新日と検証日を残し、読者が元情報へアクセスできるようにします。
確認レベルを決める早見表
低リスク（個人の構成案）：内容の筋・目的との一致・不要な個人情報の有無を本人が確認。中リスク（社内説明）：上記に加え、数字・制度・仕様を一次情報と照合し、担当者レビュー。高リスク（外部公開・顧客提案・契約・採用判断）：出典と計算の独立検証、権利・機密・法令確認、専門部署または責任者の承認、版管理。これは一般的な運用例であり、法的義務の一覧ではありません。自社のリスク評価と規程を優先します。
検証表テンプレート：コピーして使う6列
列A：主張ID（例 F-001）。列B：AIの主張（例『対象企業の80％』）。列C：確認する論点（母数・定義・年度など）。列D：一次情報URL・版・該当箇所。列E：判定（確認済／修正／削除／保留）。列F：確認者・確認日・次回確認日。判定が『保留』の主張を外部公開するかどうかは、リスクと社内ルールに応じて責任者が決めます。数字の根拠がないまま『参考値』と注記するだけでは、誤認を解消できない場合があります。
『次の文章から、事実確認が必要な主張だけを抽出してください。各行に①主張の原文②確認すべき数字・固有名詞・制度③必要な一次情報の種類④誤りだった場合の影響⑤未確認のまま使ってはいけない理由、を表にしてください。出典URLは推測で作らず、確認できない場合は「未確認」と明記してください。文章自体の正誤判定は行わず、確認作業の一覧だけを作ってください。』このようにAIには『検証対象の洗い出し』を任せ、最終確認は人が元資料で行います。機密文書を貼り付ける前に社内ルールを確認してください。
よくある失敗と対策
①AIが示した出典URLを開かず信用する→必ず原資料を開き、該当箇所を記録。②数字だけ合っていて対象期間が違う→分母・調査時期・地域・定義まで照合。③同じAIに『正しい？』と聞いて終える→独立した計算や公式情報に戻る。④文章が丁寧だから承認する→読みやすさと正確性を別評価。⑤社内資料なら無検証でよいと思う→社内でも重要判断や個人情報のリスクは残る。⑥公開前に一度だけ確認→制度・料金・仕様は更新期限を設ける。⑦全項目を同じ深さで確認し疲弊→リスク分類で重点化する。
最終チェックリスト
□ 用途・読者・リスク区分を決めた □ 数字・制度・固有名詞・研究結果を抽出した □ 一次情報の実在と該当箇所を確認した □ 数字を元データから検算した □ 対象地域・時期・分母を確認した □ 個人情報・機密情報の混入を確認した □ 著作権・引用・画像等の利用条件を確認した □ 実務担当者が適用可能性を確認した □ 未確認の主張を削除・修正・保留にした □ 承認者・確認日・更新期限を残した。
今日から始める15分のアクション
最初の5分：最近AIで作った資料を1つ選び、用途を低・中・高リスクに分類。次の5分：数字・固有名詞・制度・引用に印を付け、確認が必要な主張を3件だけ検証表へ記入。最後の5分：一次情報へのリンクを確認し、未確認の項目に担当者と期限を設定します。最初から全社ルールを完成させる必要はありません。小さな資料で検証記録を残し、失敗しやすい点をチームの手順に反映してください。
まとめ
生成AIの回答を仕事で使うときは、自然な文章かどうかだけでなく、根拠、計算、機密、権利、現場適合性、承認を確認します。すべてを同じ深さで読むのではなく、誤りの影響に応じて検証の深さを変えることが継続のコツです。まずは一つの資料で『主張・根拠・判定・確認者』の4点を記録してみてください。
一次情報・参考資料
NIST『Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile』NIST AI 600-1（2024-07-26、2026-04-08更新） NIST：生成AIリスク管理プロファイル
経済産業省『AI事業者ガイドライン第1.2版』（2026-03-31） https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html
IPA『デジタルスキル標準ver.2.0』（2026-04-16） IPA：デジタルスキル標準ver.2.0
個人情報保護委員会『生成AIサービスの利用に関する注意喚起等』（2023-06-02） 個人情報保護委員会：生成AI利用の注意喚起
確認日：2026-10-17。本文の数値・会社・業務例は説明用の架空例。
コメント