休日に出かける施設の営業時間をAIに尋ねると、開館時刻も休館日も、整った文章で返ってきます。ところが、公式サイトを開くと時間が違います。そんなとき、「知らないなら、なぜ分からないと言わないのでしょう」と感じるかもしれません。ここでは、この場面を考えるための架空の例として扱います。特定のサービスを操作して確認した体験談ではありません。

一言で答えると、生成AIには、事実と異なる内容をもっともらしく生成する「ハルシネーション」があるためです。生成AIとは、入力された依頼に応じて文章や画像などを作るAIです。Googleの公式用語集でも、ハルシネーションは、現実について述べる出力が、もっともらしく見えるものの実際には正しくないこととして説明されています。（出典: Google for Developers）



ここで区別したいのは、文章の読みやすさと、内容の正しさです。言葉遣いが丁寧で、理由まで添えられていると、十分に調べた説明のように受け取ってしまうことがあります。しかし、読みやすい文章になっていることだけでは、営業時間が公式案内と一致しているかは判断できません。

「自信ありげ」という表現も、AIの内面を説明する言葉ではありません。利用者から見て、断定的な文末や具体的な数字が並んでいるという意味です。AIに人と同じ自信や意識があると考える必要はないでしょう。見るべきものは口調よりも、その回答を支える資料です。

この違いが分かると、回答への向き合い方が変わります。文章をそのまま信じるか、全部疑うかという二択にする必要はありません。説明として参考にできる部分と、行動する前に確認したい部分を分ければよいのです。施設へ出かけるなら、開館時刻や休館日は後者に当たります。

身近なたとえとして、案内チラシを考えてみましょう。見出しが分かりやすく、説明が自然で、問い合わせ先まできれいに配置されていても、掲載された日付の正しさは別に確かめる必要があります。文章や見た目の完成度と、記載事項の正確さは、同じ物差しでは測れません。AIの回答を読むときも、この分け方が役立ちます。

IBMの解説では、生成モデルは学習用データの特徴を簡略化した表現として取り込み、それをもとに新しい内容を生成すると説明されています。ここでいう「学習」は、データに含まれるパターンや関係を取り込む過程です。また、「モデル」は、その学習の結果として作られ、入力に対する出力を生み出す仕組みを指します。（出典: IBM）



文章を扱う大規模言語モデルでは、学習済みのモデルを使い、入力された依頼に応じて回答を生成する過程が「推論」と呼ばれます。Googleの公式用語集は、学習済みモデルによる回答生成を、このように説明しています。難しい用語に見えますが、ここでは「学習で作られた仕組みを使って、その場の回答を出すこと」と押さえれば十分です。（出典: Google for Developers）

大切なのは、この説明の中に、「回答するたびに施設の公式サイトを開き、最新の案内と照合する」という作業が自動的に含まれているわけではない点です。学習したパターンから案内文を作ることと、現在の営業時間を裏付けることは、分けて考えなければなりません。

そのため、「案内文として自然です」という評価から、「施設の現状に合っています」という評価へ、そのまま進むことはできません。ハルシネーションを理解する入り口は、複雑な計算式ではなく、この二つの仕事の違いです。回答を読んだときには、何と書かれているかに加えて、何を根拠にそう書かれているかを見るようにしましょう。

ここからは、説明のために作った架空の施設「こもれび資料館」を使います。施設名、営業時間、休館日はすべて例示です。実在する施設の案内ではありません。利用者が「こもれび資料館は日曜日も開いていますか」と質問し、AIが「日曜日も午前9時から午後5時まで開館しています。休館日は毎週月曜日です」と返した場面を想像してください。

回答には、曜日、開館時刻、閉館時刻、休館日がそろっています。出かける予定を立てるには便利そうです。しかし、この例では、施設側の案内をまだ一つも示していません。具体的な数字があることと、その数字に根拠があることは違います。断定口調は、確認が済んでいる証拠にはならないのです。



仮に、利用者が手元で確認した公式案内には「日曜日は休館です」と書かれていたとします。この設定では、AIの回答と公式案内が食い違います。もっともらしく生成された現実に関する誤りという点で、Googleの用語集が説明するハルシネーションに当たる例です。（出典: Google for Developers）

ここで「本当に正しいですか」と聞き直して、同じ説明が返ってきても、それだけでは確認が増えたことになりません。この場面で必要なのは、施設が発信している案内など、回答の外にある根拠です。文章を言い換えてもらうことと、裏付けとなる情報を手に入れることは別の作業でしょう。

また、誤りを見つけたからといって、「施設に関する説明はすべて間違っています」と広げる必要もありません。確認する単位を小さくするのが実用的です。「施設名は合っていますか」「日曜開館の記載はありますか」「その営業時間はどの期間のものですか」と分けると、照合する対象が明確になります。長い回答を丸ごと評価するより、自分の予定を左右する一文から確認すると取りかかりやすくなります。

「それなら、AIに検索してもらえば安心でしょうか」という疑問が出てきます。ここでも、情報を探すことと、見つけた情報をもとに回答を作ることを分けて考えます。IBMは、学習用データの外にある関連資料を利用する方法として、検索拡張生成を紹介しています。これは、外部の情報を生成に役立てる考え方です。（出典: IBM）

ただし、今回の参考資料から、特定の対話サービスがどの条件で検索するか、どの画面で確認できるかまでは判断できません。「AIに質問すれば、毎回ウェブ上の最新情報を調べているはずです」と一括りにしないことが必要です。利用している機能と、その回答で実際に示された根拠を見てください。



初心者の方に提案したい確認方法は、回答に出典が付いていたら、その資料を開き、必要な記述が本当にあるかを読むことです。施設の例なら、リンク先が施設の公式サイトか、対象の施設名が一致しているか、営業時間の記載が回答と合っているかを確かめます。リンクが付いているという見た目だけで確認を終えないようにしましょう。

日付も、何の日付なのかを分けて読みます。資料が公開された日、内容が更新された日、自分が資料を取得した日は、意味が違います。例えば、古いお知らせを今日開いても、その発表が今日の出来事になるわけではありません。営業時間の案内なら、掲載日だけでなく、いつの営業に適用される情報かが判断材料になります。

こうした照合は、AIの説明を役立てるための作業です。公式案内が長くて読みにくければ、該当部分を自分で確保し、要点を整理するよう依頼する方法も考えられます。その場合も、最後は元の文章と照らし合わせます。資料を探す入口として回答を使い、行動の根拠は発信元の記述に置くと、確認の目的を見失いにくいでしょう。

AIへの入力に使う質問や指示は、「プロンプト」と呼ばれます。Googleの公式用語集では、モデルを一定の方法で動作させるために入力するテキストとして説明され、質問、指示、例などが挙げられています。特別な記号を覚えなくても、普段の言葉で依頼を書くことが出発点になります。（出典: Google for Developers）

施設案内で使うなら、「正確に答えてください」という希望に加えて、どの資料を使い、何を答え、記載がない場合にどう扱ってほしいかを伝える方法を提案します。次の文章は入力例です。特定の製品で効果を検証したものではなく、この書き方で誤りがなくなると保証するものでもありません。

> 以下に貼る公式案内だけを使って、日曜日に利用できるかを整理してください。開館時間、休館日、案内が適用される期間を分け、それぞれ根拠となる箇所を原文から短く引用してください。書かれていない項目は「記載を確認できません」としてください。推測で補わないでください。



この依頼で目指すのは、回答の対象をはっきりさせることです。利用者は「どの資料を使ったのか」「何を確認したいのか」を把握でき、返ってきた内容も元の文章と比べやすくなります。引用が返された場合は、その引用自体が原文と一致するかも確かめてください。

反対に、回答欄をすべて埋めることにこだわる必要はありません。公式案内に閉館時刻がなければ、「記載を確認できません」という結果にも意味があります。それによって、別の公式案内を見るのか、施設へ問い合わせるのかという次の作業が分かるからです。

創作を頼む場面とは、依頼の目的も異なります。架空の施設の紹介文を考えるなら、想像で内容を広げることが目的になります。実在する施設へ出かける準備では、裏付けのない補足が予定を狂わせかねません。文章を豊かにしてほしいのか、資料にある事実を整理してほしいのかを、依頼する前に分けておくとよいでしょう。

AIの回答を読むたびに、すべての文を同じ手間で調べ直すのは負担でしょう。そこで提案したいのは、自分の行動を変える情報から確認する読み方です。施設へ出かけるなら営業時間や休館日、案内を人に共有するなら日付や施設名が該当します。文章の中から、間違っていたときに予定や判断へ影響する箇所を探します。

確認の入り口として、日付、数字、固有名詞に印を付けてみてください。これは、これらの情報だけが間違うという意味ではありません。「来週の日曜日」「午後5時」「こもれび資料館」のように、原文と照合する対象を具体的に切り出すための方法です。対象が見えれば、どの資料を探すかも考えやすくなります。



仕事で使う場合も、同じ考え方を当てはめられます。例えば、AIが作った施設見学の案内文を同僚へ送るという架空の場面なら、文面の読みやすさを整える作業と、集合日時や会場名を確認する作業を分けます。読みやすく修正されたことを、事実確認が終わった合図にしないのが要点です。

Googleの公式用語集には、人がモデルの出力品質を判断する「人による評価」という考え方も掲載されています。専門的な評価制度を作らなくても、利用者が元の資料と回答を照合することは、自分の用途に合うかを判断する具体的な一歩になります。（出典: Google for Developers）

確認できない情報が残ったら、その箇所を空欄や未確認として扱っても構いません。予定を決めるのに欠かせない内容なら、発信元で確かめてから進めます。未確認の部分を見える状態にしておけば、ほかの人が確定情報として受け取ることも避けやすくなるでしょう。

次にAIから案内文を受け取ったら、その中から日付、数字、固有名詞を一つ選び、公式資料と照合してみてください。目標は、間違い探しでAIを試すことではありません。自分がその回答を根拠に行動できるかを確かめることです。「はっきり書かれています」から「根拠を確認できました」へ進む、その一手間を最初の習慣にしましょう。

- 机器学习术语表：生成式 AI（機械学習用語集：生成AI）
- What Is Artificial Intelligence (AI)? | IBM

参考資料の取得日は2026年11月10日です。IBMの記事には、公開日が2024年8月9日、更新日が2026年10月2日と記載されています。取得日は、記事の公開日や機能の提供開始日を意味しません。