※本記事にはプロモーションが含まれます
筆者はブログ5サイトをAIで自動運営しています。その中でいちばん怖いのが、AIがもっともらしい数字を書いてしまう「ハルシネーション」です。結論から言うと、AIが出す数字はそのまま信じず、必ず元データで測り直してから公開しています。この記事では、実際に公開前で止めた数値ズレ7件と、その再発を防ぐ実測ルールを見ていきます。
AIのハルシネーションは「当てずっぽうが得をする」から起きる
ハルシネーションとは、AIが事実と違う内容を、いかにも正しそうに書いてしまう現象です。とくに数字・人名・法律・最新情報は起きやすいと言われています。困るのは、間違っていても文章が自然で自信ありげなことです。ここ、いちばん見落としやすいところです。
なぜ消えないのか。OpenAIの研究チームは2025年9月の論文で、原因のひとつは学習と評価のやり方にあると説明しています。モデルの成績を「正解率」だけで採点すると、わからないときに黙るより当てずっぽうで答えるほうが点数が伸びるためです。誕生日を聞かれて「9月10日」と答えれば365分の1で当たりますが、「わかりません」は必ず0点。これを何千問と繰り返せば、推測するモデルのほうが優秀に見えてしまう、という理屈です。
同社が公開したSimpleQA（事実質問のテスト）の実測値が、この構図をよく表しています。
| 指標 | gpt-5-thinking-mini | OpenAI o4-mini |
|---|---|---|
| 棄権率（答えを出さなかった割合） | 52% | 1% |
| 正解率（高いほど良い） | 22% | 24% |
| 誤答率（低いほど良い＝ハルシネーション） | 26% | 75% |
参考：OpenAI「Why language models hallucinate」（2025年9月5日・GPT-5 System Card掲載のSimpleQA結果）
正解率はほぼ互角なのに、誤答率は26%と75%で大きく開いています。つまり「賢いモデルを選べば嘘が消える」という話ではありません。書き手の側で裏取りの工程を持つほうが確実です。
公開前に止めた数字の間違い7件
自宅の5サイト運用でも、公開直前に数字のズレが何度も見つかりました。実行ログに残っている実例が次の7件です。校正担当のAIが止めたもの、人が気づいたものが混ざっています。
| 日付 | AIが最初に書いた値 | 実測して直した値 | ズレた原因 |
|---|---|---|---|
| 2026-07-08 | 出力上限 600W | 450W | 製品仕様を記憶で記載（公式ページと不一致） |
| 2026-07-10 | 公開記事数 26本 | 27本 | 概算・記憶で記載した |
| 2026-07-10 | 失敗（❌）の件数 13件 | 11件 | 本文中の記号まで数えた（数え方の設計ミス） |
| 2026-07-13 | 停止の原因は1つ | 原因は2つ | ログを途中までしか読まず単一原因と断定 |
| 2026-07-23 | 100回分で2〜3日分 | 5日分 | 人数×回数の換算ミス |
| 2026-07-26 | 稼働 90時間／114時間 | 91時間／115時間 | 図の数値と本文の数値がズレた |
| 2026-07-30 | 被害が「急増している」 | 公式統計では減少 | 増減の向きを確認せず書いた |
参考：自宅5ブログの実行ログ（2026-07-08〜07-30の公開前修正記録）
どれも1〜2件、数ワットといった小さなズレです。ですが実録記事で数字が違うと、信頼はすぐ崩れます。あわてなくて大丈夫、公開前に測り直せば止められる種類の間違いばかりです。
数字のズレは4つのパターンに分かれる
7件を並べてみると、原因はきれいに4種類へ分かれました。パターンが分かると、見るべき場所も決まります。
| パターン | 典型例 | 見つけ方 |
|---|---|---|
| ①記憶で書く | 製品の出力上限・記事本数 | 公式ページや元データを開いて突き合わせる |
| ②数え方の設計ミス | 失敗件数を記号で数えた | 「何を1件と数えるか」を先に文章で決める |
| ③換算・計算ミス | 回数→日数の換算 | 電卓で検算する。前提（人数・単価）を本文に書く |
| ④向きの確認漏れ | 増えている／減っているの取り違え | 前年・前月の実数を2点そろえて比べる |
③と④は、AIが嘘をついたというより「確かめずに書いた」に近いものです。人間の原稿でも起きます。ここだけ押さえておけば大丈夫、という優先度なら③と④が先です。読者の判断に直結するからです。
数字のズレを防ぐ実測ルール5つ
再発を防ぐために、いまは次の5つを守っています。特別なツールは要りません。
1. 数字は必ず元データで数え直す。記憶や概算で書かない。公式ページがあるものは公式を開く。
2. 数え方の条件を先に決める。「失敗した行だけ」など対象をはっきりさせてから数える。
3. 時間で変わる数字は執筆日を併記する。記事本数や料金は日付とセットで書く。
4. 表・図と本文の数字を照らし合わせる。片方だけ直して食い違うのが、地味によくある失敗です。
5. 公開前に本文の数字と元データを1つずつ照合する。書いた人とは別の役（校正担当）が最後にもう一度突き合わせる。
自宅では5番を校正役のAIに固定で担当させています。書き手と校正が同じ役だと、自分の書いた数字を疑いにくいためです。「その数字、どこで測った？」と一度立ち止まるだけで、多くは防げます。
疑いすぎるのもコストになる
逆の失敗もありました。2026年8月に、AIが書いた新モデルの仕様説明を「聞いたことがない内容だ」とハルシネーション扱いしかけたことがあります。公式ページを開いて確かめたら、そのとおりの記載がありました。知らない固有名詞を反射で消していたら、正しい情報を落とすところでした。
疑うのは大事ですが、疑ったあとに一次情報で確かめる工程まで含めて1セットです。消すか残すかを勘で決めない、と言い換えてもいいかもしれません。
よくある質問
Q. 高性能なAIを使えばハルシネーションは起きませんか。
A. 減っても、ゼロにはなりません。OpenAIの検証でも、正解率がほぼ同じでも誤答率が26%と75%で分かれる結果が出ています。数字・最新情報は今も裏取りが前提です。
Q. 全部の文章をチェックするのは大変では。
A. すべてを疑う必要はありません。数字・固有名詞・日付など「間違うと痛い箇所」に絞ると現実的です。自宅で止まった7件も、すべてこの3種類の中にありました。
Q. AIに「正確に」と指示すれば大丈夫ですか。
A. 指示だけでは足りません。出てきた数字を人が元データで確かめる工程まで含めて仕組みにしておくと安心です。
Q. 表とグラフを入れる記事で気をつけることは。
A. 図と本文の数字が食い違いやすい点です。実際に稼働時間で1時間のズレが出ました。図を作り直したら、本文の該当箇所も同時に直してください。
※本記事にはプロモーションが含まれます
執筆の下ごしらえ、無料で試せます 執筆そのものをAIに任せたい方は、こうした裏取りの工程を前提に使うと安全です。ツールの一例として Rakurin（AIライティングツール） があります。
まとめ
AIは文章づくりを大きく助けてくれますが、数字だけは別腹で疑うのが安全です。実際に止まった7件も、元データで数え直す・検算する・図と本文を照らすという地味な一手で防げました。ハルシネーション対策の芯は、AIを信じすぎず、最後に測り直す工程を仕組みに組み込むこと。ここさえ持っていれば、自動化していても数字で足をすくわれずに済みます。
あわせて読みたい：AI導入の失敗3つ｜実際に起きた原因と対策／AIの業務ログ管理術｜自動化で最初に作る実行ログとは／FAQの構造化データが壊れた｜AI記事のJSON-LD検証手順
参考：OpenAI「Why language models hallucinate」（2025-09-05）／Asana「ハルシネーションとは？AIが誤情報を生成する原因と対策」／自宅5ブログの実行ログ（2026-07〜08）
