役員会に出せるAI分析、出せないAI分析 — 生成AIの数字に「出典・時点・確度」を付ける検証プロトコル

経営企画が生成AIで一晩で仕上げた市場分析を役員会に持ち込む。最初のグラフを映した瞬間、社外取締役が「この市場規模、どこの数字ですか。いつ時点の？」と問う。その一拍で、残り20枚の信頼性ごと議論が止まる。崩れた原因は分析の出来ではない。「どこ出典で、いつ時点で、どれだけ確かか」が示されていない、その一点だ。日本企業の生成AI業務利用率はもう過半数を超えた（PwC Japan『生成AIに関する実態調査2025春 5カ国比較』では56%）。だから現実的な解は「使うな」ではなく「役員会に通せる形に整えろ」である。本稿は、その整え方を具体的なフォーマットに落とす。一つひとつの数字に出典・時点・確度の3点を貼り、確度を「裏取り済／要確認／AI生成のみ」の3段階で言い分け、5要素の出典脚注に固定する。底にあるのはいつもの二層分業だ。網羅・収集はAIに任せ、出典の独立裏取りと役員会語への翻訳は人間が担う。属人の判断を、引き継げるプロトコルへ。

「この数字、出典は？いつ時点？」— 役員会で資料が崩れる3つの問い

経営企画の担当者が、生成AIで一晩のうちに仕上げた市場分析を役員会に持ち込む。最初のグラフを映した瞬間、社外取締役が口を開く。「この市場規模、どこの数字ですか。いつ時点の？」。担当者は「AIが…」と言いかけて、止まる。その一拍で、残り20枚の信頼性ごと議論が止まる。資料が崩れるのは中身の議論に入る前、最初の30秒だ。崩れた原因は分析の出来ではない。「どこ出典で、いつ時点で、どれだけ確かか」が示されていない、その一点である。

ここで誤解しないほうがいい。役員がそこを突くのは、追及好きな個性のせいでも意地悪でもない。ガバナンスの制度が、それを役員に求めているからだ。コーポレートガバナンス・コード（東京証券取引所、2021年改訂）は、取締役会が開示・提供される情報について「正確で利用者にとって分かりやすく、情報として有用性の高いもの」となるよう積極的に関与すべきだとし、社外取締役を含む取締役は、必要と考える場合には会社に対して追加の情報提供を求めるべきだ、と位置づける。会社法上の善管注意義務と、いわゆる経営判断の原則も同じ方向を向く。判断の前提となった情報の収集・検討に不合理がなければ責任は問われにくい——裏を返せば、前提の数字が誤っていれば判断の基礎ごと崩れる。「その数字の根拠は」という問いは、役員の人格ではなく、役員の責務に組み込まれている。

一方で、経営企画はもう生成AIで分析を作っている。日本企業の生成AI業務利用率は過半数を超えた（PwC Japan『生成AIに関する実態調査2025春 5カ国比較』では56%）。だから現実的な解は「使うな」ではない。役員会に通せる形に整えろ、である。問題は、整える前のAI出力が、私たちが親ピラー『AIリサーチはどこまで信頼できるか』で論じたとおり、出典の捏造リスクを構造的に抱えたまま上がってくることだ。その危うさを蒸し返さずとも、役員会の現場で資料が崩れるときに飛んでくる問いは、決まって次の3つに集約される。

崩れる3つの問い

• 「この数字、出典は？」 — 発行体が不明、あるいはAIが要約した二次・三次情報を一次のように見せている。最悪は、AIがもっともらしい架空の出典を付けているケースだ（捏造がなぜ起きるかは親ピラーに委ねる）。
• 「いつ時点の数字？」 — AIの学習データ時点、調査の実施時点、公表時点がずれる。「最新」と書いてあっても何年基準か言えない。為替や市場規模、人手不足の件数のように、時点で値が動く指標では致命傷になる。
• 「これはどのくらい確かなのか」 — 裏取り済みなのか、出典はあるが未照合なのか、AIが生成しただけなのか。確度の異なる数字が区別されないまま一枚のスライドに同居し、役員はどこを信じてよいか判断できない。

厄介なのは、この3つが連帯保証で効くことだ。監査役が「この前年比、為替はどの時点ですか」と問い、一箇所でも答えに詰まる。すると役員は「他の数字も怪しい」と疑い始める。一点の出所不明が、資料全体の信頼を道連れに引き下げる。逆に言えば、数字の一つひとつに発行体と時点と確度のラベルが付いていれば、追及はその場で着地する。

役員の問いは、個人の意地悪ではなく制度に組み込まれている。だから防ぎ方も、担当者の注意力ではなく提示フォーマットで設計する。

ひとつ補助線を引いておく。AIで得た情報を毎回またはたまにファクトチェックする人は全体の6割を超える（電通『AIに関する生活者意識調査』2025では63.2%）。これは個人がAI情報全般に対して行う裏取りの数字で、役員会資料の話に直結はさせない。それでも示唆は重い。個人ですら6割超が裏を取る時代に、無検証の数字が役員会を素通りするはずがない、という温度感である。

ここでひとつメタに気づいてほしい。本セクションでも私たちは数字に必ず「（発行体＋年）」を添えてきた。たとえば「AI生成の捏造引用による司法上の事案は世界1,500件超（AI Hallucination Cases Database、2026年5月時点。海外データ・概数）」のように。この書き方そのものが、役員会で求められるラベリングの縮図だ。発行体・時点・確度を本文に織り込むだけで、追及の余地は目に見えて狭まる。数字がばらつく現実も同じ作法で扱える。たとえば生成AIの利用率は、誰を母数にするかで景色が変わる。企業の業務利用は過半数（PwC2025で56%、総務省『令和7年版情報通信白書』でも55.2%）に達する一方、個人の利用率は2割台と出る調査もある（同白書の個人調査で約26%）。複数の値を並べるなら、それぞれに調査名と時点、そして「企業か個人か」という母数を添える——それ自体が「数字には出典と時点を添えよ」の実演になる。

では、その3点を具体的にどうラベル化し、確度をどう3段階で示し、出典脚注をどう統一するか。提示フォーマットの設計は次節の検証プロトコルで詳述する。役割の分け方はいつもどおりだ。手広く拾って下書きまで運ぶのは生成AIに任せ、出典を独立に当て直し、役員会の言葉へ言い換える段は人の手に残す。この役割設計を経営の常設機能として据える話は、補助ピラー『経営インテリジェンス機能のつくり方』で扱っている。役員会で崩れない資料は、最後に一人が見直して生まれるのではなく、出典・時点・確度を付ける工程として作られる。

検証の「最後の一マイル」が、なぜ経営企画ひとりに集中するのか

全社の数字には、最後に必ず通る一つの門がある。事業部が積み上げた数値も、市場の見立ても、生成AIが下書きした分析も、役員会・取締役会・IR資料という出口に出ていく直前に、経営企画の手元を経由する。日本総合研究所が874社に聞いた調査では、経営企画部門は中期計画や予算編成だけでなく「取締役会等の会議体事務局」までを業務範囲に含み、経営トップとの接点も濃い(日本総研2016)。経営層に上がる数字の最終的な顔は、ここに集まる構造になっている。

ところが、その門に立つ人員は驚くほど薄い。同じ調査では経営企画の専任者は全体平均で6.0人だが、これは上場企業と売上高100億円以上の非上場企業を含む平均であり、規模の小さい企業ほど人数は限られる(日本総研2016)。担当者側の実感はさらに厳しく、別の調査では「ひとり経営企画」が約22%、人員不足を感じる担当者は75%、そして62.7%が「業務の属人化が発生している」と答えている(ログラス2021、サンプル118件)。全社の数字の出口を、実際には数名から、ときにたった一人が背負っている。だから生成AIで作業を速くしたい。この動機自体は、まったく自然なものだ。

速くなった前半が、検証という後半を相対的に重くする

問題は、生成AIを足したときに何が起きるかだ。生成AIの出力は、あくまで下書きである。出典がどこの何年のデータか、その時点は古びていないか、確度はどの程度か。この裏取りは、依然として人がやる前提に置かれている。公的機関ですらそうだ。デジタル庁が2024年度に実施した生成AIの業務利用に関する技術検証では、回答とあわせてその根拠となる参照元を示させる、答えを持たない問いには無理に答えさせない、といった設計上の工夫を確かめたうえで、草案づくりや抜け漏れチェックの補助としてAIを使う方向性を整理している(デジタル庁2024年度)。人が主、AIが補助、という置き方である。

生成AIの導入は、この検証負荷が経営企画に乗ってくる地合いを後押ししている。NRIの調査では生成AIの導入済み企業は2023年度33.8%から2025年の57.7%へ伸び(NRI2025)、JUASの調査でも言語系生成AIの導入（準備中を含む）は前年度比プラス14.3ポイントの41.2%に達した(JUAS2025)。役員会資料を生成AIで作る側が量的に増えるほど、それを役員会に通せる形に検証して整える仕事も増える。しかも活用の課題としては「リテラシー・スキル不足」が70.3%で最も多い(NRI2025)。前半の網羅・収集・下書きが速くなればなるほど、後半の『問われても耐える形に検証する』最後の一マイルが相対的に重くなり、その一マイルが、薄い経営企画の担当者個人に滞留しやすくなる。

分析を作るのは速くなった。怖いのは、月曜の取締役会で誰かが出典を一行尋ねた瞬間に、その一行を遡れるのが部内に自分しかいないことだ。

役員会の前夜、生成AIが出した競合シェアのグラフを前に、「この14%という数字、どこの何年のデータでしたっけ」と問われる場面を、たった一人で先回りして潰しておく。説明責任の所在が経営企画に集約されている以上、これは避けて通れない。整理すると、集中は三つの構造の重なりで起きている。

• 出口がひとつに絞られている：全社の数字が役員会・取締役会・IRへ出る最後の関門を経営企画が担う(日本総研2016)。
• その関門の人員が薄い：専任者は平均6.0人だが規模が小さいほど限られ、ひとり経営企画が約22%、属人化62.7%(日本総研2016／ログラス2021)。
• 検証という新しい一マイルが同じ人に乗る：生成AIの出力は下書きにすぎず、出典・時点・確度の裏取りは人の仕事として残る(デジタル庁2024年度)。

なお、生成AIがなぜ専門的な領域ほど静かに数字を取り違えるのか、その構造的な理由はここでは立ち入らない。AI単独に頼れない根拠は親ピラー「AIリサーチはどこまで信頼できるか」で実証データとともに論じている。本記事が扱うのは、その先だ。網羅・収集・下書きはAIに任せられる。だが「この数字は裏取り済みか／要確認か／AI生成のみか」を判別し、出典・時点・確度のラベルを付けて役員会に通せる形に翻訳する——この最後の一マイルだけは、人の仕事として経営企画に残る。私たちが提案するのは、その一マイルを担当者ひとりの暗黙知に閉じ込めず、専門家の検証を組み込んだ運用として外部化し、標準化することだ。次節では、その標準化の中身——確度の3段階ラベルと出典脚注フォーマットを具体的に示す。経営企画という機能そのものの設計は補助ピラー「経営インテリジェンス機能のつくり方」で扱っている。

出せるAI分析と出せないAI分析を分ける線 — 出典・時点・確度の3点セット

役員会の卓上で、その分析が「出せる」か「出せない」かを分けるのは、分析の賢さでも生成AIの精度でもない。一つひとつの数字に、出典・時点・確度の3点が付いているかどうか、ただそれだけだ。経営企画が生成AIに「国内SaaS市場の成長率を出して」と投げ、返ってきた一文をそのままスライドに貼る。数字は具体的で、文章は流暢だ。だがそこには、どこのデータか（出典）、いつ時点か（時点）、どこまで裏が取れているか（確度）が、いずれも書かれていない。それは厳密には『分析』ではなく『たたき台のたたき台』であって、役員会の卓には乗らない。

なぜ乗らないのか。大企業で生成AI導入に携わった218名への調査では、活用時の技術的な不安要因の最多が「誤情報の生成（ハルシネーション）」で59.2%にのぼった（AI inside 2024、年商500億円以上の大企業の導入関与者）。これは現場の素朴な警戒ではない。導入を進める当の推進層自身が、生成AIの数字をそのまま信じられないと認識しているという数字だ。つまり「出せない」という感覚には、貴社の役員会に近い層の実感が裏打ちされている。

ここで「だから生成AIは使えない」と結論するのは早い。ハルシネーションが59.2%の不安要因であるという事実は、生成AIを使わない理由ではなく、出す前に3点セットを付ける運用を組む理由だと私たちは捉えている。線を引くのは技術ではなく、出典・時点・確度というラベリングの規律だ。総務省『令和6年版情報通信白書』（2024）も、生成AIが事実に基づかない誤った情報をもっともらしく生成しうる性質（ハルシネーション）を明記したうえで、検索を併用するなどして出力内容を人間が確認することが望ましいと説いている。誤りうることは前提として織り込み、その前提の上に提示の作法を立てる——役員会向けの分析は、この順序でしか成り立たない。

なぜ3点が要るのか — 役員会の一問が教えてくれる

想像してほしい。報告の途中で、社外取締役が市場規模の数字を指して一言問う。「これ、いつ時点で、どこのデータですか」。出典と時点が脚注になければ、その瞬間に資料全体の信頼が崩れる。一つ答えられない数字があれば、隣の数字も、その隣も疑われる。逆に「（矢野経済研究所2024／自社推計で補正・確度＝要確認）」とでも添えてあれば、議論は数字の真偽をめぐる足踏みから、意思決定そのものへ進める。3点セットとは、この一問に先回りして答えを資料へ埋め込んでおく装置だ。

この作法には、装飾以上の意味がある。取締役の善管注意義務をめぐっては、経営判断の当否を後から問われる場面で、判断の前提となった事実認識に不注意な誤りがなかったか、すなわち行為当時の状況に照らして合理的な情報収集・調査・検討が行われたかが問われる、と一般に理解されている（会社法上の善管注意義務・経営判断原則という一般則）。的確な調査を行い、適切な検討プロセスを経たという証跡を残しておくことが、実務上は重要とされる。出典・時点・確度を一つひとつの数字に貼る行為は、まさにこの『的確な調査を行った』証跡を、資料そのものに埋め込む作業に近い。生成AIの未検証アウトプットをそのまま卓に出すことは、逆に言えば、その証跡を欠いたまま判断材料を差し出すことになる。

「時点（as of）」が要るのも、思いつきではない。IRの世界では、上場企業は決算短信を決算期末後45日以内に開示することが適当とされ（東京証券取引所 有価証券上場規程／決算短信の「45日ルール」）、開示情報の鮮度は制度として当たり前に組み込まれている。「いつ時点の数字か」を明示する規律は、すでに対外開示の作法として存在する。それを社内の生成AI分析に持ち込むだけのことだ。とりわけ生成AIは学習データのカットオフを抱え、「いつの情報か」を自分で正しく言えないことがある。だからこそ、時点ラベルは人間が付けるしかない。

確度を3段階で言う

確度は「正しい／怪しい」の二択ではなく、3段階で言うと運用が回りやすい。社外取の一問に耐えるかどうかを、数字ごとに次のどこかへ仕分ける。

• 【裏取り済】 一次出典に当たり、発行体と時点を確認済み。役員会にもIRにも出せる。
• 【要確認】 出典の見当はつくが原典は未確認、あるいは推計・補正が入っている。「確度：要確認」と明示すれば社内検討には出せるが、対外には出さない。
• 【AI生成のみ】 生成AIの出力で裏取りが未了。そのままでは出せず、検証タスクに回す。

脚注の書き方そのものは難しくない。たとえばこう書く。

国内BtoB SaaS市場は約◯◯億円（出典：◯◯研究所「◯◯市場調査」2024年版／2024年3月時点／確度：裏取り済）。

ここで効いてくるのが、集めて並べる前段はAIに、当たって読み解き役員会語へ移す後段は人に、と工程を二つに割る考え方だ。出典候補を広く拾い、初稿の論点を出し、数値を引き当てる下調べは、生成AIが速い。だが「その出典は実在するか」「その時点で正しいか」「推計の前提は役員会の問いに耐えるか」を見極め、3点セットを貼り、確度ラベルを判定するのは、人間の検証と読み解きの仕事だ。AI単独でどこまで調べてよいかの線引きはAIリサーチはどこまで信頼できるかで詳しく論じている。VRIが『自社専用のシンクタンク』として担うのは、この後段——AIが集めた素材を専門家が検証し、時点を付与し、確度を判定したうえで役員会フォーマットへ翻訳する、人間の工程の内製化だ。それを組織の常設機能に育てる設計は経営インテリジェンス機能のつくり方で扱う。線は、賢いAIを買えば引けるものではない。出典・時点・確度を貼る人の手が、毎回そこに要る。

確度を3段階でラベリングする — 「裏取り済／要確認／AI生成のみ」

前節までで「出典・時点・確度」の三点セットが、出せるAI分析と出せないAI分析を分ける線だと述べた。このうち最もつまずきやすいのが確度だ。出典が脚注に並んでいると、それだけで裏取りが済んだ気になる。だが〈出典が付いている〉ことと〈その出典が主張を本当に裏付けている〉ことは、別物である。両者を取り違えないために、私たちは数字一つひとつに確度を三段階でラベリングすることを勧めている。

3段階ラベルの定義 — 「裏取り済」「要確認」「AI生成のみ」

• 【裏取り済】 一次情報（統計の発行体ページ・有価証券報告書・公式IR・原典論文）まで人が遡って確認した数字。脚注に発行体名・年・資料名（可能ならURL）を添える。役員会資料で無条件に使ってよいのはこの層だけだ。
• 【要確認】 AIが出典を提示したが、人が原典まで到達できていない／二次情報で止まっている数字。役員会では「現在裏取り中」と添える前提でのみ提示する。
• 【AI生成のみ】 出典の提示がない、または原典を確認できなかった推計・解釈。資料の数字には原則として用いない。やむを得ず使うなら「AI推計（未検証）」と顔に出す。

なぜここまで慎重に分けるのか。出典を付けただけでは安全にならないことが、専門特化のツールでさえ示されているからだ。米国の法律リサーチAIを検証したスタンフォード大の研究では、検索拡張（RAG）を組み込んだ商用ツールでも、製品により概ね6回に1回から3回に1回の割合で、回答が誤っていたり、引いた出典が主張を裏付けていなかったりした（Stanford RegLab / HAI 2024、海外・特定ツールの検証）。これは2024年時点の評価で、その後ベンダーは製品を更新しており、日本に同じ比率を直輸入できる数字ではない。ただ「最先端の専門ツールでも、出典が付いていることと裏付けがあることは一致しない」という論点は、分野を問わず効いてくる。

「人の目が一度通れば大丈夫」という感覚も、過信は禁物だ。米国では、経験豊富な弁護士が生成AIの作った書面を裏取りせず提出し、実在しない判例を引用して制裁を受けた事例が報じられている（Mata v. Avianca、2023年・米ニューヨーク連邦地裁）。専門家でさえ、もっともらしい引用形式に欺かれる。だからこそ「出典らしさ」を確度と取り違えない仕組み——三段階ラベル——が要る。これらは海外・他分野の事例だが、AIが出典を伴って誤帰属する性質そのものについてはAIリサーチはどこまで信頼できるかで詳しく論じている。

取締役会で社外取締役が「この市場規模、出典は？いつ時点？」と問う。ラベルがなければ、説明者はそこで固まる。ラベルがあれば、「これは裏取り済、出典は◯◯（2024）。こちらは要確認で、現在原典を当たっています」と、固まらずに答えられる。

そしてこの運用は、社内の善意の工夫にとどまらない。総務省・経済産業省のAI事業者ガイドライン（第1.1版、2025年3月）は、人間中心・透明性・アカウンタビリティといった共通の指針を掲げ、技術的に可能な場合にはコンテンツの来歴（プロビナンス）を識別できるようにすることにも触れている。数字に確度ラベルと出典脚注を付けて検証経路を残す実務は、この公的なガバナンス方針と素直に整合する。役員会・監査・IRに対して「なぜそう判断できるのか」を示せる、説明可能な形を保つということだ。

三段階ラベルは、AIと人の役割分担を役員会という出口で可視化する装置でもある。候補となる数字と出典候補を幅広く網羅・収集するのはAIが得意とするところだ。一方、その出典が主張を本当に裏付けるか、時点は妥当か、確度は三段階のどれかを原典に当たって判定するのは、文脈を読む人間の仕事として残る。次節では、この属人的な検証を誰がやっても同じ結果になる再現可能なプロトコル——出典脚注のフォーマットと運用——に落とし込む。

属人検証を再現可能なプロトコルにする — 出典脚注フォーマットと運用

「ファクトチェックしておいて」——この一言で済むなら、誰も苦労はしない。問題は、その検証が担当者個人の頭の中で属人的に行われ、再現も引き継ぎもできないことにある。本人が異動すれば、どの数字をどこまで裏取りしたかは霧の中に消える。役員会に通る数字とは、検証作業をフォーマット化された証跡に落とし、誰が見ても「ここは裏取り済み／ここはまだ要確認」と一目で分かる状態にした数字のことだ。

もっともらしいのに実在しない出典が、どれほど致命傷になりうるか。海外（米国の法廷）では、生成AIが作った準備書面に実在しない判例が引用され、後に相手方と裁判所がそれらの判例を確認しようとしても、いずれのデータベースにも存在しなかった——その結果、担当弁護士に5,000ドルの制裁金が科された事案がある（Mata v. Avianca, S.D.N.Y. 2023）。日本にそのまま当てはまる話ではない。だがここに普遍の教訓がある——出典は、出した側が責任を負う。AIが書いたから、では誰も免責されない。

なぜ「時点」と「出典」が、役員会で効くのか

日本の会社法でも、取締役の善管注意義務は事後の結果論ではなく、決断当時の状況と入手していた情報に照らして評価されるという考え方が、判例上いわゆる経営判断原則として広く受け入れられている。つまり役員会資料の数字に「いつ時点の・どの出典の情報か」が添えられていることは、後から「判断当時、合理的な情報に基づいていた」と示す証跡そのものになりうる。さらに東証のコーポレートガバナンス・コードは、開示・提供される情報が「正確で利用者にとって分かりやすく、有用性の高いもの」となるよう取締役会が監督すべきとする（東京証券取引所2021、原則3-1）。役員会の数字はしばしば外部開示へ流れ、その先には金融商品取引法の正確性要請が控えている。確度ラベルと出典脚注は、単なる体裁ではなく、判断過程の合理性を担保する装置なのだ。

そして見落としてはならないのは、AI出力をそのまま信頼することは「専門家への信頼」とは同列に扱えない、という点だ。会社法の議論では、能力ある専門家の知見を信頼した判断は保護されうると考えられているが、AIはそもそも責任主体ではない。だからこそ、AIが出した参考値を、人間が裏取りした事実へ格上げするプロセスが要る。

確度3段階ラベルと、出典脚注の雛形

運用は驚くほど単純でよい。各数字の末尾に、確度を示す記号を一つ置く。これだけで資料は「どこを信じてよいか」の地図に変わる。

• ◎ 裏取り済 — 一次/準一次出典を人間が確認し、出典を明記したもの
• △ 要確認 — 出典候補はあるが未照合、または推計値
• ／ AI生成のみ — 裏付け未取得の参考値

そして数字の根拠は、5要素の脚注フォーマットに固定する——数値｜出典名（発行体）｜時点（◯年◯月時点）｜確度ラベル｜確認者・確認日。VRIのナレッジ記事が本文で守っている「数値には（出典名＋年）を添える」というルールを、そのまま社内資料の運用ルールへ転用したものだ。書式が決まれば、検証は個人の良心ではなく、埋めるべき欄として可視化される。

社外取締役の「この数字の出典は？　いつ時点？」——この一問にラベルと脚注があれば即答でき、なければ会議が止まる。

公的にも追い風はある。総務省・経済産業省のAI事業者ガイドラインは、2024年4月の第1.0版（経済産業省2024）から2025年3月の第1.1版（総務省・経済産業省2025）へと改訂され、生成AI関連の記載が拡充された。あわせて、企業が生成AIを業務に取り入れる際の導入・運用ガイドラインも公表されている（IPA2024）。「出力を鵜呑みにせず確認する」ことは、もはや個人の心がけではなく、仕組みで担保すべき標準になりつつある。なお、これらは「追及を受けない」ことを保証する魔法ではない。整えられるのは、あくまで追及に耐えうる提示の形だ。

ここで分業の輪郭がはっきりする。網羅的に集め、初稿の数字を速く並べるのはAIが得意とする。だが「△を◎に格上げする」作業——一次/準一次出典への照合、時点の確認、確度の判定——は人間（社内の検証者と専門家の監修）の仕事だ。AI単独がなぜ役員会に通らないのかという論証は親ピラーAIリサーチはどこまで信頼できるかに譲るが、私たちVRIは、この検証レイヤーを貴社の中に内製化する「自社専用のシンクタンク」として伴走する。属人の判断を、引き継げるプロトコルへ。

網羅はAI・検証は人 — 役員会の信頼を支える二層分業

出典・時点・確度のラベルを付ける作業は、結局「誰が何を担うか」という分業の問題に行き着きます。生成AIが圧倒的に得意なのは、網羅と収集です。国内市場の規模、競合の動き、関連しそうな論点や出典名を広く拾い、役員会向け資料のたたき台を数分で組み上げる。ここはAIに任せてよい領域です。問題はその先、拾ってきた数字が本当に存在するのか、いつ時点のものか、どこまで言い切れるのか、を判定する工程にあります。

この判定は、現状のAI単独では担保できません。IPAも、生成AIが事実に基づかない情報を生成する現象（ハルシネーション）を、導入・運用にあたって留意すべきリスクの一つとして挙げ、出力内容の確認を求めています（IPA2024）。なぜAIに自己検証をさせても無意味なのか、その構造的な理由は親ピラー「AIリサーチはどこまで信頼できるか」で詳しく論じているのでここでは繰り返しませんが、要点はひとつ——真偽はモデルの外側、人間と一次情報でしか確かめられない、という一点です。

網羅・収集はAI、検証・読み解き・翻訳は人

だから役員会に通す資料では、工程を二層に分けます。前段の網羅・収集はAIが速く広くこなし、後段の検証・読み解き・自社文脈への翻訳は人が担う。本記事の他セクションで示した確度3段階ラベル（裏取り済／要確認／AI生成のみ）と出典脚注フォーマットは、この後段の人の仕事を可視化する道具にほかなりません。これは効率化の話というより、説明責任を果たすための工程設計です。コーポレートガバナンス・コードは、取締役会に対し、株主に対する説明責任・受託者責任を踏まえた実効的な監督の役割を求めています（東京証券取引所2021）。役員会に出す数字が追及に耐えるかどうかは、この二層が回っていたかで決まります。

• 網羅・収集（AI）：候補となる数字・論点・出典名を広く拾い、資料のたたき台を高速に作る
• 検証・確度判定（人）：その出典名が実在するか、最新の時点か、どこまで言えるかを当たり、ラベルを確定する
• 読み解き・翻訳（人）：確定した事実を自社の文脈と役員会の関心に合わせて意味づけ、提示する

具体的な場面で考えると分かりやすい。社外取締役が「この市場規模の数字、出典と時点は？」と問う——役員会では珍しくない一問です。ここで詰まるか即答できるかが、その資料の確度ラベルが機能していたかの試金石になります。AIが拾った数字を人が事前に振り分けてあれば、「これは○○調査2024の裏取り済、こちらはAI生成のみで参考値です」と一言で返せる。経営企画スタッフの机の上では、AIに国内市場の規模を聞けば数字とそれらしい出典名が返ってきますが、その出典名を当たって確度ラベルを付ける最後の三十分を省くと、役員会で一発で崩れます。

網羅の速さはAIに、確度の確定と役員会向けの翻訳は人に。崩れない資料は、この二層のどちらが欠けても作れません。

日本企業の現在地も添えておきます。PwCの5カ国比較では、生成AIで「期待を上回る効果を上げている」と答えた企業の割合は日本で約10%にとどまり、米国（約5割）など他国に水をあけられています。その差は、業務プロセスへの本格的な組み込みやガバナンス体制の整備の差にあると整理されています（PwC2025）。ここで海外の数字をそのまま日本の目標に据えるのは早計ですが、効果を出している企業ほどAIを単なる効率化ツールではなく業務プロセスに組み込んで運用している、という共通点は示唆的です。検証を担当者の気合いに任せるのではなく、二層分業とラベル運用という仕組みに落とすこと——それが、遅れを取り戻す側に回るための一歩になります。

この二層を社外に丸投げするのではなく、貴社の中に据える——網羅・収集の速さをAIで、確度の確定と役員会向けの翻訳を専門家で回す体制こそ、私たちが言う「自社専用のシンクタンク」です。経営インテリジェンスとしてどう組織に根づかせるかは経営インテリジェンス機能のつくり方で、進め方はご支援の流れでご覧いただけます。

よくある質問

生成AIで作った分析を、そのまま役員会資料に使ってはいけないのですか。

「使うな」ではなく「整えてから出せ」が現実的な答えです。日本企業の生成AI業務利用率はすでに過半数（PwC Japan『生成AIに関する実態調査2025春 5カ国比較』2025で56%、総務省『令和7年版情報通信白書』でも55.2%）に達し、経営企画はもう生成AIで分析を作っています。問題はAI出力が下書きにすぎないことで、デジタル庁の2024年度の技術検証でも、回答の根拠となる参照元を示させ、人が主・AIが補助という置き方が整理されています。出典・時点・確度を人が付けて初めて、卓に乗る分析になります。

役員会資料の数字には、具体的に何を添えればよいのですか。

各数字に3点セット——出典（発行体）・時点（as of）・確度——を貼ります。脚注は「数値｜出典名（発行体）｜時点（◯年◯月時点）｜確度ラベル｜確認者・確認日」の5要素に固定すると、検証が個人の良心ではなく埋めるべき欄として可視化されます。時点を明示する規律は対外開示ではすでに当たり前で、決算短信の「45日ルール」（東京証券取引所 有価証券上場規程）のように開示情報の鮮度は制度に組み込まれています。生成AIは学習データのカットオフを抱え「いつの情報か」を正しく言えないため、時点ラベルは人間が付けるしかありません。

確度ラベルの3段階「裏取り済／要確認／AI生成のみ」は、どう使い分けるのですか。

【裏取り済】は一次出典に人が遡って発行体と時点を確認したもので、役員会にもIRにも出せます。【要確認】は出典の見当はつくが原典未確認、または推計・補正が入ったもので、「現在裏取り中」と添える前提で社内検討にのみ出します。【AI生成のみ】は裏付け未了で、そのまま使わず検証タスクに回します。検証の実務とは要確認を裏取り済へ格上げする作業であり、裏取り済の割合が上がるほど資料は追及に耐える形に近づきます。

出典が付いていれば、裏取りは済んだと考えてよいですか。

いいえ。〈出典が付いている〉ことと〈その出典が主張を本当に裏付けている〉ことは別物です。検索拡張（RAG）を積んだ専門特化の商用法律リサーチツールでも、概ね6回に1回から3回に1回の割合で回答が誤っていたり出典が主張を裏付けていなかったりしました（Stanford RegLab / HAI 2024、海外・特定ツール・2024年時点で以降ベンダーが更新。日本に同率は直輸入しない）。だからこそ「出典らしさ」を確度と取り違えない仕組み——原典への独立照合を別工程として組み込む確度ラベル——が要ります。

なぜ検証は経営企画の担当者ひとりに集中してしまうのですか。どう外せますか。

全社の数字が役員会・取締役会・IRへ出る最後の関門を経営企画が担う（日本総研2016）一方、その人員は薄く、専任者は平均6.0人、「ひとり経営企画」が約22%、属人化62.7%（同／ログラス2021）という構造に、生成AIの検証という新しい一マイルが同じ人に乗るためです。私たちが勧めるのは、この一マイルを担当者個人の暗黙知に閉じ込めず、広く拾って下書きを作るのはAIに、出典を独立に当て直して役員会語へ移すのは人間（社内の検証者と専門家の監修）に振り分け、その役割分担を運用として外部化・標準化することです。総務省・経済産業省のAI事業者ガイドライン（第1.1版、2025年3月）の人間中心・透明性・アカウンタビリティの方針とも素直に整合します。