AIが出した数字はそのままでは使えない｜報告に添える一言

「AIに月次の数字をまとめさせたが、この結果をそのまま報告に貼ってよいのか判断がつかない」「会議で数字の根拠を聞かれて、どのデータから出したのか答えられなかった」——分析に生成AIを使い始めた部署から上がる声です。これはAIの計算能力が足りないという話ではありません。本当の問題は、出てきた数字が実測なのか推定なのか、どの範囲を集めた結果なのかが、出力のどこにも書かれていないことにあります。この記事では、AIが出した数字を三つに仕分ける基準と、報告に添えるべき一言を整理します。

報告に貼った数字が後で覆るのはなぜか

生成AIに集計を頼むと、返ってくるのは断言の形をした文章です。「問い合わせは前月比で18パーセント増えました」のように、はっきりした言い切りで出てきます。ところがその一文には、いつからいつまでを数えたのか、どの行を除いたのか、欠けていた値をどう扱ったのかが書かれていません。断言の形そのものが、前提を隠してしまうのです。

報告に貼った数字が後から覆るとき、原因はたいてい次の四つのどれかです。第一に、指示した期間と実際に集計した範囲がずれていた。第二に、社内アクセスやテスト送信のように、本来は除くはずの行が混ざっていた。第三に、欠けている値をAIが平均で埋めたり、空白の行を黙って落としたりしていた。第四に、もとは「およそ」の数字だったものが、四捨五入されて確定値のように見えてしまった。どれもAIの側で悪意なく起きます。

この四つに共通するのは、間違いが数字の見た目には表れないことです。桁が飛んでいれば気づけますが、期間が三日ずれた集計結果はもっともらしい数字として出てきます。だから「おかしくないか目で見る」という確かめ方は効きません。数字ではなく、数字が作られた条件のほうを確かめる必要があります。

数字を三つに仕分けてから報告する

実務で使える判断の枠組みは単純です。AIが出した数字を、報告に載せる前にそのまま使える／添え書きが要る／使ってはいけないの三つに分けます。全部を疑うと分析にAIを使う意味がなくなり、全部を信じると会議で立ち往生します。仕分けることで、確認の手間を本当に必要なところだけに集められます。

区分	どんな数字か	報告での扱い
そのまま使える	元データに同じ値が存在し、人が同じ手順で再現できる	数値だけを載せてよい
添え書きが要る	推定や欠落を含む、条件付きで成り立つ	数値に前提を一行添える
使ってはいけない	出所をたどれない、AIが外から補った	載せない。再集計するか落とす

この仕分けは、報告の相手によって基準を変えません。変わるのは添え書きの詳しさだけです。チーム内の共有なら「社内アクセス除く」の一言で足りますが、投資判断が絡む稟議なら、集計期間と除外条件、推定を含む箇所まで書き出します。区分そのものは同じで、書く量が変わると考えると運用しやすくなります。

そのまま使える数字の条件

「そのまま使える」と言い切るには、四つの条件がそろっている必要があります。第一に、元データに同じ値が実在すること。第二に、期間と対象の定義が文書として決まっていること。第三に、除外ルールが集計前に適用されていること。第四に、ツール側の推定が入り込まない指標であること。この四つを満たす数字は、根拠を聞かれても即答できます。

判定の物差しは「再現できるか」の一点です。別の人が同じ元データと同じ手順で作業して、同じ数字にたどり着くなら、その数字は報告に耐えます。逆に、同じ指示をAIに二回投げて同じ数字が出たことは再現性の証明になりません。同じ思い込みが二回繰り返されただけかもしれないからです。人の手で一度たどれることが条件になります。

BtoBのマーケティングでは、受注件数、商談化件数、資料請求の件数のように、社内の記録に一件ずつ実体があるものが「そのまま使える」側に入りやすい指標です。反対に、外部の管理画面から取ってきた到達数や視聴数は、後述するとおり最初から推定を含むことがあり、無条件では使えません。社内に原本があるか、外部の集計結果しかないかで線を引くと、仕分けの見当がつきます。

添え書きが要る数字と、添える一言

推定や欠落を含んでいても、報告に載せてはいけないわけではありません。前提を一行添えれば、意思決定の材料として十分に働きます。むしろ添え書きのある数字のほうが、受け取る側は安心して使えます。添える一言は、数字の信頼を落とすものではなく、使える範囲を示すものです。

実際に使える書き方は、次のような形です。長い注記を作る必要はなく、一行で足ります。

• 「7月1日から7月31日、社内IPを除いた集計です」——期間と除外条件を示す
• 「一部の日は推定値を含みます」——ツール側の推定が混ざっていることを示す
• 「6月に計測の設定を変えたため、5月以前とは単純に比べられません」——比較できない区間を示す
• 「母数は問い合わせ42件です」——比率の分母を示す
• 「重複を含む延べ件数です」——数え方の粒度を示す

添え書きを書く担当は、報告書を作る人です。AIに書かせると、前提そのものを推測で作文してしまうことがあります。数字がどう作られたかを知っているのは集計を指示した人なので、添え書きは人が書くと決めておくほうが安全です。書けない添え書きが出てきたら、それは仕分けの区分が違っていた合図になります。

使ってはいけない数字の見分け方

三つ目の区分は、報告に載せずに落とすか、集計をやり直す数字です。見分ける手がかりははっきりしています。次に挙げたどれかに当てはまったら、その数字は会議に持ち込みません。

• 元データのどの列から出したか答えられない：AIが複数の表をまたいで合成した可能性がある
• 説明文にだけ「およそ」が付き、表には確定値が並んでいる：推定が本文から表へ移る途中で消えている
• 分母が示されていない比率：3件中2件でも67パーセントと書けてしまう
• 計測方法が変わった時期をまたいだ前年比：増減が施策ではなく計測変更を映している
• 業界平均や相場としてAIが持ち出した数字：渡したデータの外から来ており、出典を確認できない

最後の項目は特に紛れ込みやすいものです。集計を頼んだつもりが、AIが学習した一般論を根拠に「一般的な水準は◯パーセント程度です」と添えてくることがあります。渡していないデータから出てきた数字は、どれほどもっともらしくても検証できません。渡したデータの外から来た数字は使わないという線引きを、最初に決めておきます。

元データの範囲を確かめる

仕分けの起点になるのは、AIに渡したデータそのものの範囲です。ここを確かめずに出力だけを見ると、区分の判断ができません。確認するのは期間、対象、除外の三点です。

期間では、締めの日をどこに置いたかを見ます。月末で切ったのか、最終営業日で切ったのか、週の起点は月曜か日曜か。ダウンロードしたファイルの最終行が月末の前日で終わっていることは珍しくありません。対象では、全チャネルなのか自然検索だけなのか、全社なのか特定の事業部だけなのかを見ます。渡したファイルの範囲が、そのまま分析の対象範囲になるという当たり前の事実が、忘れられがちです。

除外では、社内からのアクセス、テスト用の送信、自社ドメインからの申し込み、重複した登録が落ちているかを確認します。除外は集計の前に済ませておくのが基本です。集計後にAIへ「社内分を除いて」と頼んでも、どの行が社内なのかを判断する材料が渡っていなければ、AIは推測で落とします。除外は人が元データの側で済ませてから渡すほうが、後の確認がずっと楽になります。

もう一点、時刻の扱いも確かめておきたいところです。解析ツール側に設定されたタイムゾーンと、社内の管理システムが日付を切り替える時刻がずれていると、同じ一日を指しているつもりでも含まれる行が変わります。月初と月末で一日ぶんずれるだけでも、月次の増減率には表れる大きさになります。深夜帯の申し込みが一定数ある事業では、この一日のずれが毎月の数字に効いてきます。期間を指定するときは、日付だけでなく、どのシステムの日付かまで書き添えておくと安全です。

解析ツールの数字には最初から推定が混じる

見落とされやすいのが、AIが推定を持ち込む前に、データを取ってきた画面の時点ですでに推定が入っているという点です。GA4には代表的な仕組みが二つあります。しきい値と、サンプリングです。

データのしきい値は、個人が特定されないようにするための仕組みです。Googleの公式ヘルプによれば、ユーザー属性のデータやそれで定義したオーディエンスを含むとき、あるいは検索語句の情報を含むときに作動し、合計ユーザー数が十分でないと該当する行が除外されます。除外されたことはレポート上部のデータ品質を示す表示で分かるようになっており、レポート期間を広げると解消することがあります。つまり行が消えているのに、合計はそれらしい数字で表示される状態が起こり得ます。

サンプリングは、扱うデータ量が大きいときに一部だけを抜き出して全体を推定する仕組みです。標準のプロパティではクエリごとに1,000万イベントを超えると発生し、有償版では10億まで引き上げられると解説されています。サンプリングが効いているときの数値は推定値であり、画面のアイコンで判別できます。期間を短く区切ると解消することがある点は、しきい値と逆の向きなので覚えておくと役に立ちます。

いずれの場合も、その画面から書き出したファイルをAIに読ませても、推定は推定のままです。AIは元の数字を作り直せません。推定が入った状態のデータを、断言の形に整形する役割を果たしてしまうため、かえって危うくなります。

広告のコンバージョンも実測とは限らない

広告の管理画面の数字にも、同じ構造があります。Google広告のヘルプでは、コンバージョン モデリングという仕組みが説明されています。測定できたコンバージョンをもとに、個人を特定しない形で、測定できなかったコンバージョンを予測して補うものです。

ヘルプによれば、推定を含めるのは広告がコンバージョンにつながったという確信が高い場合に限られ、正確にモデリングするだけのデータがなければ推定値は提供されません。つまり管理画面の数値は、実測とモデルによる推定が合わさった結果になり得るということです。広告側の件数と、自社の解析ツールや商談管理の件数が合わないとき、この違いが一因になっていることがあります。

報告では、どちらか一方だけを正解として扱わず、出所を並記します。広告の管理画面の値、解析ツールの値、社内の受注記録の値は、それぞれ数え方が違う別の指標だと考えたほうが実務に合います。数字が合わないこと自体は異常ではなく、合わせ方を決めていないことが問題です。予算配分の判断に使う数字はどれか、あらかじめ一つに決めておきます。

粒度がずれると同じ指標でも数が変わる

三つ目の落とし穴が集計の粒度です。同じ「問い合わせ数」でも、何を一件と数えるかで結果は変わります。AIは指示された粒度で数えますが、指示がなければ元データの行数をそのまま件数として返します。行数と件数は同じではないという前提が、指示側にも必要です。

数え方	1社から3人が2回ずつ送った場合	向いている使いどころ
延べ件数（行数）	6件	問い合わせ対応の工数を見るとき
人単位で重複を除く	3件	リードの獲得数を見るとき
企業単位で重複を除く	1件	商談化率や受注率を見るとき
期間内の初回のみ	3件（初回だけ数える）	新規と既存を分けるとき

BtoBでは企業単位の数え方が意思決定に直結します。同じ会社の複数の担当者からの接触を三件と数えると、リード獲得は好調に見えるのに商談は増えない、という食い違いが起こります。集計を頼むときは、何を一件と数えるかを先に文章で指定するのが確実です。粒度を指定しないまま出てきた件数は、添え書きが要る側に置きます。

粒度の問題がいちばん見えにくくなるのは、割り算をしたときです。分子は企業単位で重複を除いた商談数、分母はセッション数のまま、といった組み合わせで比率を出すと、数字そのものはもっともらしく並びますが、意味を説明できません。AIは分子と分母の出所が違っても計算を止めないため、指示側が気づかなければそのまま通ります。比率を報告に載せるときは、分子と分母の数え方をそろえてから割るという手順を固定しておきます。そろえられない場合は、比率ではなく実数を二つ並べて示すほうが、読み手に誤解を与えません。

欠損と外れ値をAIがどう処理したか

集計の前段でAIが何をしたかも、報告の信頼を左右します。NTT東日本のコラムでは、生成AIでデータ分析をするときの落とし穴として、外れ値、相関と因果の混同、サンプルサイズの不足、サンプリングバイアスの四つが挙げられています。いずれも数字の見た目からは分かりません。

特に扱いが分かれるのが欠損値です。空欄をゼロとして数えるか、その行ごと除くか、平均で埋めるかで、平均値も件数も変わります。AIは指示がなければどれかを選んで進み、選んだこと自体を報告しないことがあります。だから集計を頼むときは、除外した行数と、その理由を必ず出力させるようにします。件数が合わない原因の多くはここにあります。

外れ値も同様です。一件だけ極端に大きな受注が混ざると、平均受注単価は実態から離れます。コラムでは、散布図やヒストグラムで可視化して判断することが勧められています。実務では、平均と中央値の両方を出させ、差が大きければ元データを見に行く、という進め方が現実的です。平均だけを報告に載せないというルールにしておくと、外れ値の見落としを減らせます。

検算は元データに戻して行う

仕分けを実際に回すには、検算の手順を決めておく必要があります。毎回すべてを検算する必要はありません。報告に載せる数字だけ、決まった順番で確かめると、負担を抑えたまま精度を保てます。次の五工程が土台になります。

五工程のうち、工程3と工程5は必ず人が行います。AIに検算まで任せると、同じ前提のまま同じ答えが返ってくるだけで、確かめたことになりません。検算は、別の道筋で同じ数字にたどり着けるかを見る作業です。同じ道を二度歩いても、道の間違いには気づけません。

AIに根拠を書かせる頼み方

仕分けと検算を楽にするには、集計を頼む時点で根拠を一緒に出させるのが有効です。後から「どうやって出したのか」と聞くより、最初から出力形式に含めておくほうが確実です。次のような指示文が土台になります。

添付のデータを集計してください。数値とあわせて、次を必ず併記してください。
1. 集計対象の期間と、集計に使った行数
2. 除外した行数と、除外した理由
3. 欠損値の扱い（ゼロとして数えた／行ごと除いた／補完した）
4. 推定や補完を行った箇所
5. 元データから確認できない値は「不明」と記載する（推測で埋めない）
また、良い悪いの評価や、原因の解釈は書かないでください。

最後の一文が重要です。評価と原因の解釈をAIに書かせないと決めておくと、集計結果と判断が混ざりません。AIが添えた「好調です」「◯◯が要因と考えられます」という一文は、データから導かれたものではなく、文章として自然な流れで付いてくることがあります。それが報告書に残ると、根拠のない判断が組織の記録になります。

出力に「不明」と書かせる指示も効きます。空欄を埋めようとする性質があるため、埋めなくてよいと明示しておくと、確認が必要な箇所がそのまま浮かび上がります。不明が並ぶ出力は失敗ではなく、確認箇所が分かった状態だと受け取るほうが、実務では前に進みます。

報告書に添える一言のひな形

仕分けが済んだら、報告資料に載せる形を整えます。添え書きは長さより位置が大事で、数字のすぐ近くに置きます。資料の最後にまとめて注記を並べると、読む人は数字を見た時点で結論を作ってしまうため、注記が届きません。

用途ごとに、書く量の目安を決めておくと迷いません。月次の共有なら集計条件を一行、部門の会議なら集計条件と推定の有無、投資判断が絡む稟議なら集計条件、推定の有無、比較できない区間、数字の出所の四点を書きます。金額の判断が伴うほど、添え書きを厚くすると考えると分かりやすくなります。

あわせて、資料に載せた数字の元ファイルの置き場所を書いておきます。会議で根拠を問われたときに、その場で開いて示せる状態が最も強い説明になります。AIに集計させた場合は、指示文と出力もあわせて残します。再現できる状態で残すことが、後から数字が覆らない条件です。

意思決定に使ってよい範囲を先に決める

最後に、組織として決めておくことがあります。どの数字なら、どこまでの判断に使ってよいかという線引きです。これを先に決めておかないと、仕分けの結果が人によって変わり、会議のたびに議論が振り出しに戻ります。

• 予算の増減を伴う判断は、実測が取れている指標だけで行う
• 推定を含む数字は、傾向の確認や仮説づくりまでにとどめる
• 同じ指標で複数の出所がある場合、判断に使う出所を一つに決めておく
• 計測の設定を変えた月は、前年同月比や前月比を報告に載せない
• 良し悪しの評価と原因の解釈は、AIではなく人が書く
• 元データと指示文の保管場所を、報告資料に明記する

この線引きは、AIの利用を制限するためのものではありません。むしろ逆で、使ってよい範囲がはっきりすると、集計そのものは安心して任せられるようになります。人が確認する範囲を先に決めておくことが、分析にAIを組み込むうえでの前提条件になります。

運用に落とすときは、確認する人を決めます。集計を指示した人が仕分けまで行い、報告書を作る人が添え書きを書く。この二役を同じ人が兼ねてもかまいませんが、誰も見ていない状態で数字が資料に入る経路を作らないことが要点です。経路を一本に絞れば、確認の負担は思うほど大きくなりません。

AIが作った図表はそのまま貼らない

集計に続けて、グラフや比較表の形まで作らせる使い方が広がっています。ここで注意したいのは、図は数字より速く読み手の結論を作るという性質です。表に並んだ数値は一つずつ読まれますが、右肩上がりの線は一目で好調という印象を残します。仕分けと添え書きが済んだ数字でも、図の作り方しだいで伝わる内容が変わります。

報告に載せる前に見るのは三点です。第一に、縦軸がどこから始まっているか。ゼロから始まっていない軸は、わずかな増減を大きな変化に見せます。第二に、期間の粒度。同じデータでも日次で描けば激しく上下し、月次で描けば横ばいに見えます。第三に、データがない期間の扱い。計測が止まっていた日を線でつないでいると、実際には存在しない連続性が描かれます。軸の始点・期間の粒度・欠けた期間の三点は、図を貼る前に必ず確かめると決めておくと漏れません。

図はもう一つ、確かめるための道具としても使えます。先に触れたコラムでも、外れ値の判断には散布図やヒストグラムでの可視化が勧められています。実務では、報告用の図と、自分が確かめるための図を分けて作るのが有効です。確認用の図は見栄えを整える必要がなく、分布の形と外れた点さえ見えれば足ります。ここで違和感が出た数字は、報告に載せる前に元データへ戻ります。

図の作成そのものをAIに任せること自体は問題ありません。避けたいのは、図に添える見出しや説明文まで書かせて、そのまま資料に入れてしまうことです。「順調に推移しています」といった評価の言葉が図の上に載ると、読み手はその解釈を前提に議論を始めます。図の形はAIに、図に付ける言葉は人に、と分けておきます。

よくある質問

AIが出した数字は結局どこまで信用してよいのですか

元データが手元にあり、人が同じ手順で再現できる範囲までです。合計や件数、平均のような基本的な集計は、条件さえ指定すれば安定します。一方で、出所をたどれない数字や、渡していないデータから持ち出された数字は信用の対象外です。信用するかどうかではなく、再現できるかどうかで線を引くと判断が安定します。

推定値が含まれると分かった数字は、報告から外すべきですか

外す必要はありません。推定を含む旨を一行添えたうえで、傾向の確認に使うのが現実的です。GA4のサンプリングや広告のモデリングのように、仕組みとして推定が入る指標は珍しくありません。問題は推定が入っていることではなく、入っていることが読み手に伝わらないまま判断材料になることです。

検算に毎回時間をかける余裕がありません

報告に載せる数字だけに絞ります。分析の途中で見ている数字まで検算する必要はなく、資料に入って人の判断を動かすものだけを対象にすれば、多くの場合は数個です。工程を決めておけば、一つの数字あたり数分で終わります。時間がかかるのは、手順が決まっていないときです。

AIに原因の分析までさせてはいけないのですか

仮説を広げる用途では役に立ちます。避けたいのは、その仮説が検証されないまま報告書に「原因」として載ることです。AIに出させた仮説は仮説として扱い、データで確かめてから記載します。相関があるという事実と、原因であるという判断は別のものだという線引きを、資料の書き方に反映させます。

代理店や外部ツールから届くレポートの数字も同じように扱うのですか

同じ基準で仕分けます。自社で集計したかどうかは関係なく、再現できるかどうかが判断の軸だからです。外部から届くレポートは体裁が整っているぶん、前提を確かめないまま引用されがちです。集計期間、除外条件、推定を含むかどうかは、受け取った側から質問して構いません。答えが返ってくる関係を作っておくこと自体が、報告の質を支えます。

社内でこの仕分けを定着させるには何から始めればよいですか

報告書のひな形に、集計条件を書く欄を一行足すところからです。欄があれば書かざるを得ず、書けない数字はその場で仕分けの対象になります。ルールを文書で配るより、書式を変えるほうが早く定着します。

まとめ

ここまで見てきたのは、AIが出した数字の正しさを見抜く方法ではありません。判断の軸を正しいかどうかから、再現できるかどうかへ置き換えるという話でした。そのまま使える数字は元データに実体があり人が再現できるもの、添え書きが要る数字は推定や欠落を含むもの、使ってはいけない数字は出所をたどれないものです。GA4のしきい値やサンプリング、広告のコンバージョン モデリングのように、データを取った時点ですでに推定が入っている場合もあります。集計を頼むときに除外した行数と推定箇所を併記させ、評価と解釈は人が書く。この分担が決まっていれば、分析の速さを保ったまま、会議で根拠を問われても答えられる状態になります。まずは次の月次報告で、載せる数字を三つに仕分けるところから始めてみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。