
AIリサーチを11工程に分けたら、出典が嘘をつかなくなった
AIリサーチを11工程に分けたら、出典が嘘をつかなくなった
AIに「この市場を調べて」と頼むと、立派なレポートが返ってきます。でも、出典をたどると——その調査会社、存在しませんでした。
AIリサーチの最大の問題は、間違えることではありません。それらしい文章で、検証できない情報を返してくることです。数字は合っているのに出どころが架空。結論はもっともらしいのに反証検討がない。これでは意思決定に使えません。
この記事では、僕がこの問題を解いた方法——戦略コンサルのリサーチ工程を11の役割に分けて、1工程に1つの仕事だけをさせるやり方を、プロンプト全文つきで公開します。
この記事で分かること
AIリサーチが「それらしいが信用できない」に化ける、構造的な理由
戦略ファームのリサーチを11工程に分解する設計図(全体像)
11工程それぞれのプロンプト全文(有料パート。ChatGPTでそのまま動きます)
なぜ1回の指示では、信用できる調査にならないのか
「〇〇市場を調べて、参入すべきか提案して」。この1行には、本来バラバラにやるべき仕事が全部詰まっています。
問いを定義する。仮説を立てる。情報を集める。数字を試算する。意味を解釈する。反証を試す。出典を検証する。レポートにまとめる。
これを1回でやらせると、AIは「結論を書きながら情報を選ぶ」という動き方をします。これが諸悪の根源です。結論に都合のいい情報だけが残り、前提・例外・矛盾・低信頼の情報が静かに脱落する。これはAIの怠慢ではなく、文章を生成しながら同時に情報を選別するという推論構造の必然です。
だから、工程を分けます。情報を集める係と、レポートを書く係を、別の人格として立てる。書く係には「集める係が作った事実テーブル」しか渡さない。すると、書きながら事実を作る余地がなくなります。
これは僕の思いつきではありません。戦略ファームが何十年もやってきた分業を、AIで再現しているだけです。
11工程の全体像
僕のリサーチは、11の役割に分かれています。


この順番と分担に、4つの肝があります。
肝1: 考えてから調べる(工程2)
データを先に集めると「情報の溺死」が起きます。何を探したいか決まらないまま、膨大なデータに埋もれる。だから仮説ツリーを先に作る。各枝には「もしこの仮説が間違いなら、こういうデータが存在するはず」という反証条件を付けます。これで「何を調べれば仮説を潰せるか」が決まり、調査が一気に絞られます。
完璧なデータより、だいたい正しい仮説のほうが価値を生みます。
肝2: 出典に階層をつけ、3つで裏を取る(工程3)
情報を全部同じ重さで扱うのをやめます。政府統計・有価証券報告書・査読論文は最高ランク。専門メディアや調査会社は次点。ブログや企業プレスは参考まで。最高ランクを必ず最初に探すルールにして、見つからなければ「最高ランクには無かった」という事実自体を記録します。
そして、1つの主張は3つの独立したソースで一致して初めて「確定」とラベルを貼ります。2つなら「有力」、1つなら「暫定」、食い違ったら「矛盾」として——矛盾も消さずに残します。矛盾こそ意思決定に効く情報だからです。
肝3: 抽出と執筆を、別人格に分ける(工程8と9)
前述の核心です。抽出係は文章を一切書きません。全工程から「主張・数字・前提・信頼度・矛盾・出典」を表に抜くだけ。数字は「3.17兆円」を「約3兆円」に丸めることすら禁止。低信頼を高信頼に格上げするのも禁止。
そして執筆係は、その表しか見ません。元の調査データに戻れない。だから、書きながら都合よく事実を盛る余地が大きく減ります。
先に断っておくと、これは捏造を「ゼロにする魔法」ではありません。AIの誤りは完全には消えません。この11工程がやるのは、捏造や数字の丸めを、後の工程で見つけやすくすることです。嘘を防ぐのではなく、嘘を検出可能にする。そこが狙いです。
肝4: 人間の前に、機械で検査する(工程10)
レポートが出たら、人間が読む前に機械的な検査を通します。ソフトウェアでコードレビューの前に文法チェックを通すのと同じ発想です。
全部の主張に出典がひもづいているか(出典ゼロの主張は不合格)
低信頼の情報が、こっそり高信頼に格上げされていないか
「3.17兆円」が「数兆円規模」に丸められていないか
悲観シナリオの帰結が、ちゃんと書かれているか(隠していないか)
影響度の高いリスクが、本文に開示されているか
1つでも引っかかれば、執筆係に差し戻し。この検査を通ったものだけが、人間のレビューに進みます。だから人間は「文章の体裁」ではなく「意思決定として正しいか」だけに集中できます。
実際に効いている証拠
この11工程は、僕の作業ログ211本のうち、リサーチ系のセッションで繰り返し回してきたものです。効果は地味ですが決定的です。
AIが捏造した出典名を、整合性検査の「出典チェーン」が検出する
「市場は成長している」のような出典なしの断定が、本文に残りにくくなる
楽観シナリオだけの提案が通らなくなる(悲観の開示が検査項目だから)
「調べたが見つからなかった」が明記される(これは「調べなかった」と同じくらい重要な情報です)
実際、この工程を入れてから一番多い差し戻し理由は「出典なしの断定」と「数字の丸め」です。どちらも、1回の指示でレポートを書かせていた頃は、そのまま素通りしていた類のミスでした。
単発の軽い調べ物には、ここまでの工程は要りません。でも「参入すべきか」「どの事業に投資すべきか」のような、間違えると痛い問いには、この分業が効きます。
ここから先の有料パートでは、11工程それぞれのプロンプト全文を公開します。ChatGPTにそのまま貼って、順番に流せば動きます。ファイルもツールも要りません。
続きでわかること:
工程1〜11のプロンプト全文(問い分類のSCQA、仮説ツリーの反証条件、Tier制の収集ルール、トライアンギュレーションのラベル基準、抽出テーブルの型、整合性検査の5項目、レビューの問い)
各工程の出力を次に渡すつなぎ方(ChatGPTでの実践手順)
11工程を3工程まで圧縮する軽量版(軽い調べ物用)
各プロンプトの設計意図(なぜこの一文を入れているか)
無料部分の「分業の思想」だけでも、自前のリサーチ指示は見違えます。プロンプトを写経したい方はこの先へ。