報告書がとても専門的に見えることがある。見出しは整っていて、段落は読みやすく、引用もきれいに並び、大きな組織の事例まで入っている。次にやることは、文体を直し、図表を足し、上司に確認してもらうだけだと思うかもしれない。

しかし、引用そのものが間違っているなら、きれいな文章はむしろ誤りを信じやすくしてしまう。

2026年6月、KPMGは以前公開したAI導入報告書『Redefining excellence in the age of agentic AI』を取り下げた。複数のメディアはGPTZeroの調査を引用し、報告書内の多数の引用や事例が出典と正しく対応していなかったと報じた。TechCrunchも、UBS、英国NHS、スイス連邦鉄道、Transport for Londonなどの組織が、自分たちのAI利用状況に関する報告書の記述は不正確、または誤解を招くものだと述べたと報じている。KPMGは、報告書を削除して調査を始めたと回答し、責任あるAI利用には人による監督、内容の検証、独立した出典の確認が必要だとも強調した。

これは「コンサルティング会社でも間違える」という話だけではない。一般の仕事でより実用的な教訓はこうだ。AIが手伝って書いた内容が、報告書、プレゼン資料、ホワイトペーパー、提案書、外部向け記事になるなら、査読の重点は文章が自然かどうかだけでは足りない。引用、事例、責任を元資料までたどれるかを先に確認しなければならない。

AI報告書で最も危険な誤りは、本文に隠れているとは限らない

多くの人はAIが出した文書を確認するとき、まず三つを見る。誤字がないか、論理が通っているか、文体が会社らしいか。どれも大事だが、信頼を最も失わせやすい場所はそこではない。

本当に厄介なのは、「根拠があるように見える」誤りだ。たとえば次のようなものだ。

  • 引用された記事や研究は実在するが、タイトル、著者、年、結論が書き換えられ、意味が崩れている。
  • 事例に出てくる会社は実在するが、報告書に書かれたことを実際には行っていない。
  • 数字はもっともらしく見えるが、元の表、調査方法、公開日が見つからない。
  • 脚注は多いが、その脚注が前の文を本当に支えているかを誰も開いて確認していない。

GPTZeroはこの種の現象を、「感覚で引用する」ような問題として説明している。引用らしく見えるが、実際には本物の出典、偽のタイトル、誤った著者、過剰な推論が混ざっている可能性がある。読者にとっては、引用がまったくない場合より見つけにくい。文書の表面上は、すでに検証済みに見えるからだ。

だから、AIが報告書の作成プロセスに入った後は、「それらしく書けているか」だけを問ってはいけない。もっと問うべきなのは、「この文書のどの文を、読者は引用や事例があるから信じるのか」だ。

まず報告書を三種類の検証可能な材料に分ける

報告書全体を最初から最後まで読むと、流れるような文章に引っ張られやすい。より安全なのは、先に検証が必要な材料を取り出すことだ。

材料の種類何を確認するかよくあるリスク
引用元記事、研究、報告書、法規、公式文書が本当に存在し、直前の文を支えているか出典は存在するが、結論をAIが大きく変えている。引用形式は本物らしいのに細部が違う
具名事例会社、政府機関、顧客、製品が本文に書かれたことを本当に行ったか試験導入を正式導入と言い換える。単一機能を一連の業務プロセス全体のように書く
数字と時期割合、金額、利用者数、公開日、バージョン名を元資料までたどれるか古い数字を最新状況として扱う。別市場のデータを混ぜて使う

この表の目的は、全員を研究者にすることではない。報告書を送る前に一度止めることだ。ある文章が予算、調達、契約、顧客の信頼、公開上の評判に影響するなら、AIの「もっともらしさ」だけに頼ってはいけない。

簡単な方法は、この作業の担当者に、すべての引用、会社名、数字を検証表へコピーしてもらうことだ。各行には少なくとも四つの欄を置く。元の文、出典リンク、出典内の対応する文、検証状況だ。対応する文がないなら、その文を正式文書に残さない。

三層で判断する：字句修正か、差し戻しか、公開不可か

すべての誤りが同じ重大さを持つわけではない。リスクを層に分けなければ、どうでもよい小さな修正に時間を使い、本当に事故になる段落を見逃してしまう。

層例次の対応
修正可能引用形式が不完全、日付形式が違う、出典リンクを補う必要がある修正後にもう一度開いて確認する。文書全体を差し戻す必要はない
差し戻し必須事例説明の元出典が見つからない、または出典が主張の一部しか支えていない著者またはAI生成プロセスへ差し戻し、出典が支えられる内容に書き直す
公開不可具名機関が否定している、数字が事業判断に影響する、医療・法律・財務・情報セキュリティ上の結論を証明できない公開を止め、責任者が削除、作り直し、関係者への通知、訂正記録の残し方を決める

ここでいう「責任者」は、名目上の文書所有者ではない。その文書を外部に出すか、顧客に知らせるか、修正コストを引き受けるかを決められる人だ。AIは材料整理を手伝えるが、誤引用によって生じる信頼損失を会社の代わりに引き受けることはできない。

チームで報告書の最終整理を担当しているなら、プロセスに一文を入れておくとよい。AIが支援して作成した外部向け文書では、出典内の対応文がない引用と事例は正式版に入れない。 この一文は、「AIの幻覚に注意してください」よりずっと実行しやすい。

どんな場面ではAIに最終版まで直接書かせるべきではないか

AIにまず初稿を整理させ、その後に人が素早く直せる文書もある。たとえば社内会議の要約、アンケート設問の下書き、インタビュー要点の整理だ。元資料が残っており、読者がそれを草稿だと理解しているなら、リスクは比較的管理しやすい。

ただし、次のような場面では、AIが初稿から最終版まで滑り込む形にしてはいけない。

  • 外部向けホワイトペーパー、調査報告書、コンサルティング提案書、プレスリリース。
  • 顧客、提携先、政府機関、競合他社の名前を列挙する文書。
  • 調達、投資、予算、削減、コンプライアンス判断を支えるプレゼン資料。
  • メディア、顧客、上司、法務に再引用される数字や結論。

こうした文書では、AIを第一段階の整理に使ってもよい。しかし途中に必ず「出典確認」と「責任確認」の二つのゲートを置く必要がある。出典確認とは、各重要文が元資料に戻れるかを見ることだ。責任確認とは、その文を外部に向けて述べてよいと決める権限が誰にあるかを確認することだ。

時間が足りないなら、検証していないきれいな事例を大量に残すより、報告書の範囲を狭めた方がよい。事例の少ない誠実な報告書は、誤った事例で埋まった完全な報告書よりたいてい安全だ。

次にAI報告書を納品する前に、検証ページを一枚追加する

最も実用的な変更は、全員に「もっと注意して」と求めることではない。文書の納品パッケージに検証ページを一枚足すことだ。このページは複雑でなくてよい。重要な主張ごとに、五つの手がかりを残せばよい。

  • 重要文：引用、転述、意思決定に使われる文。
  • 元の出典：公式文書、研究、ニュース、契約、内部資料、インタビュー記録。
  • 対応する証拠：その文を実際に支える出典内の段落、ページ番号、スクリーンショット位置。
  • 検証者：実際に出典を開き、確認した人。
  • 公開判断：残す、書き換える、削除する、差し戻して作り直す、公開を一時停止する。

この検証ページは、AI報告書の査読を「読みやすいか」から「持ちこたえるか」に変える。責任も明確になる。AIは著者でも査読者でも公開者でもない。整理を手伝う存在にすぎない。最後に内容を外へ出すのは、やはりチームだ。

KPMGの今回の件は、AIの幻覚がチャット画面の中だけに現れるわけではないと教えている。それは報告書、脚注、事例として包装され、本物のビジネス判断に入り込む。次にAIが手伝って作ったきれいな文書を見たら、効率的だと急いで褒めない方がよい。先に、もっと大事な問いを投げるべきだ。この引用と事例は、本当に調べられるのか。

生活四コマ

AIが作成した報告書を送信前に人が引用、事例、数字まで確認している4コマ漫画

  1. AIが作った報告書は、見出しも文章も脚注も整っていて、一見するとすぐ送れそうに見える。
  2. しかし、引用を開くと本文を支えていなかったり、事例の会社が実際にはその取り組みをしていなかったりすることがある。
  3. 送信前に、引用、具名事例、数字を検証表へ移し、出典内の対応文と確認者を一つずつ埋める。
  4. 文章のうまさではなく、根拠まで戻れるかを確認してから出すことで、AI報告書は仕事で使える資料になる。

AI 整理カード

この記事の状況に合わせて、AI に整理してもらう

自分の AI チャットツールに貼り付けると、このミニクラスを自分用のチェックリストにできます。BMC は、あなたが AI に貼り付けた内容を見ることはありません。

Share

このミニクラスを共有

このミニクラスが仕事の詰まりをほどく助けになったら、AI の使い方を考えている人にも共有してください。

参考資料