AIでテーマをリサーチする — 収集・整理・分析の再現手順

このレッスンを終えると、漠然とした調べものを「問い→収集→整理→検証」という4つのステップに分解し、毎回同じ手順で再現できるようになります。AIを使えば情報収集のスピードは上がりますが、出典の正確性を保証してくれるわけではありません。

なぜ「型」が必要なのか

「競合の動向を調べておいて」とだけ指示してAIに丸投げすると、出力はそれらしく見えても、根拠が曖昧な文章になりがちです。原因の多くは、リサーチの手順が省略されていることにあります。問いを立てずに収集を始め、検証せずに整理を終えると、後工程で誤りに気づけません。

リサーチの4ステップ

1. 問いを立てる — 「何を」「何のために」調べるかを1文で書く。例：「主要3社が過去1年でどう価格改定したか、意思決定の参考にする」
2. AIで収集する — 論点の洗い出しや情報の整理観点をAIに出させる（下記プロンプト例）
3. 整理する — 出てきた項目を表やリストに落とし、抜けている観点を確認する
4. 検証する — 固有名詞・数値・日付は一次情報（公式発表、統計、原典）にあたって裏取りする

収集ステップのプロンプトの型

「〇〇について調べたい。目的は△△。まず、確認すべき論点を5〜7個、カテゴリ別にリストアップして」と指示すると、AIは検索の下調べではなく「調べる観点の設計」を手伝ってくれます。回答そのものを結論として使わず、次に何を調べるかの地図として使うのがポイントです。

実例 — 価格改定動向を1時間で調べる

Before：「競合の値上げ状況をまとめて」とだけ指示 → もっともらしいが根拠不明な要約が返る。
After：まず問いを「主要3社の過去1年の価格改定タイミングと理由」に絞り、AIに論点リスト（改定時期／幅／公表理由／顧客反応の4カテゴリ）を出させてから、各社の公式発表やニュースリリースを個別に確認して埋めていく。所要時間は短縮されつつ、根拠のある表が残ります。

ただし、出典は必ず一次情報で裏取りする

AIは存在しない統計や日付をもっともらしく生成することがあります（いわゆるハルシネーション）。これはモデルの仕組み上、完全にはなくならない性質だとする研究もあります。数値や固有名詞をそのまま資料に転記せず、公式サイトや一次資料で確認する工程を必ず挟んでください。

こう使う

集めた情報が複数ソースにまたがる場合は、情報源を比較して信頼性を見抜く手順に進むと精度が上がります。整理した情報を後で再利用したい場合は、リサーチ結果を知識ベースに整理する方法も参考にしてください。この型を実際のテーマで練習したい方は、Research Labでの演習や「AI生産性プロフェッショナル講座」（/course/）でも扱っています。

参考文献

• Ji, Ziwei, et al. "Survey of Hallucination in Natural Language Generation." ACM Computing Surveys, Vol. 55, No. 12, 2023.
• NIST. "AI Risk Management Framework (AI RMF 1.0)." National Institute of Standards and Technology, 2023.
• Stanford HAI. "AI Index Report 2024." Stanford Institute for Human-Centered Artificial Intelligence, 2024.
• 総務省「AI利活用ガイドライン」2019年.