Deep Research——AIに「競合3社を比較して」と頼めば、数日かかっていた調査が30分で構造化レポートになって返ってくる。強力だ。だが、ここに最大の罠がある。出力が「もっともらしく見える」ことだ。
人間が書いた文章には、不確実さがにじむ。「〜と考えられる」「〜の可能性がある」。だがAIは、確信がない情報も断定的に書く。だから、間違いが目立たない。気づくのは、その数字を経営会議で引用した後だ。
AIリサーチが間違える、典型パターン
- それらしい数字を作る。 「市場規模 23.4億ドル、成長率 18.7%」——桁も小数点も正確に見える。だが一次ソースに当たると、その数字はどこにも存在しない。競合のARRが、調査するたびに違う、ということも起きる。
- 存在しない出典を付ける。 DOIが付いていて、タイトルも著者も実在風。でもURLを開くと、その論文はない。
- 架空の発言・事例を作る。 「〇〇氏はこう述べた」「△△社はこの機能で売上を伸ばした」——原文にない発言、実在しない企業。2023年には、AIが作った架空の判例を提出した弁護士が制裁を受けた実例もある（Mata v. Avianca 事件）。
- 古い情報を最新として出す。 AIの知識には締め切りがある。去年改正された法律を、一昨年版のまま自信たっぷりに答える。
- そして見落とせないのが——AIが最も自信たっぷりに見える時が、最も疑うべき時だということ。研究でも、AIは間違えるときほど「確実に」「間違いなく」といった確信表現を使う傾向があるという。断言は、警戒のサインだ。
「出典あり」は「正確」ではない
チェックの肝は、出典URLを実際に開くこと。そして、その出典の“質”を見ることだ。
- 一次ソース：政府統計、IR資料、公式ドキュメント、査読論文、公式プレスリリース。
- 二次ソース：ニュース、ブログ、まとめサイト。
AIは二次ソースを好む傾向がある。「出典あり」と書いてあっても、中身がブログのまた聞きなら、根拠としては弱い。重要な数値は、必ず一次ソースで裏を取る。
「だったら自分で調べた方が速い」？——罠は、そこにある
こう思うかもしれない。「検証に時間をかけるなら、最初から自分で調べた方が速くないか」。
落とし穴は、ここだ。手動リサーチが遅い本当の理由は、「情報を集める」と「質を評価する」を同時にやっているからだ。人間は同時処理が苦手で、認知負荷が上がり、見落としが増える。
Deep Researchは、これを切り分けられる。集める（30分）はAIに任せ、評価する（2時間）を人間がやる。 ある進め方では、3日かかっていた作業が2.5時間になった。そして——節約した2.5日を、AIには絶対にできない「人と話す」ことに使える。
これは委任の設計そのものだ。データ収集（影響小×精度高）は積極的に任せ、数値の検証（影響大×精度低）は人間が判断する。同じ判断軸が、リサーチにもそのまま効く。
AIは「調査インターン」
Deep Researchは、優秀な調査インターンだと思えばいい。仕事は速く、視野も広い。だが、その提出物を無検証で経営会議に出す上司はいない。出典を1つ開く、その一手間が、あなたの企画の信頼を支える。
同じテーマのナレッジや、すぐ使える無料テンプレもどうぞ。