「AIの同調」を、分析と呼ばない。｜違和感の解剖.05

AIが疑念を肯定し、
実在する数字を並べた瞬間、
ただの同調は

「冷静な分析」に化けます。

100万人。
100億円。
494億円。

どれも、実際に公表された数字です。
だから、それらを使った文章も正しく見える。

しかし、数字が本物であることと、
その数字から導かれた結論が正しいことは別です。

何と何を比べたのか。
数字の役割は同じなのか。
どの期間を切り取ったのか。
数字から原因まで、どれだけ飛んだのか。

そこを確認しなければ、分析ではありません。

最初に決めた結論へ、
都合のよい数字を並べた物語です。

私は、ジャングリアの数字に違和感を持った

ジャングリア沖縄の開業一周年に合わせて、
来場者数や売上、地域への経済波及効果が公表されました。

初年度の来場者数は、スパを含めて約100万人。
売上は、100億円を超える見通し。

開業後一年間について
算出された経済波及効果は、494億円。

一周年を飾るには、きれいな数字です。
私は、そこに疑問を持ちました。

開業直後の話題性が落ちたあとも、
集客は維持できているのか。

総事業費に対して、初年度売上は十分なのか。
経済波及効果は、
開業前に語られていた期待と比べてどうなのか。

そこで、AIに尋ねました。
返ってきたのは、
私の疑問を検証する回答ではありませんでした。

最初から、

「鋭い視点です」
「核心を突いています」
「冷静な分析です」
「その直感は正しい」

と、私の疑念を妥当な前提として扱う回答でした。
そのあとに、
私の疑念を補強するような数字が並びました。

疑念に合う数字が、順番に置かれた

AIが作った流れは、よくできていました。

半年時点で約65万人。
初年度で約100万人。
だから、後半の半年は約35万人。

前半より大きく減ったので、
リピーター獲得に苦戦している。

初年度売上は100億円超。
総事業費は約700億円。
だから、大幅な赤字である。

開業後一年間の経済波及効果は494億円。
開業前に示された経済効果は6582億円。
だから、期待の10分の1以下に終わった。

すべての数字が、一つの結論へ向かっています。

文章としては滑らかです。
実在する数字も使われています。

表に整理すれば、さらに分析らしく見えます。
しかし、今回の回答は、
私の疑念が成立するかを確かめたものではありません。

疑念が正しいように見える順番で、
数字を再配置したものです。

引き算で人数は出せても、原因までは出せない

半年時点で約65万人。
初年度で約100万人。

この二つから、後半半年の来場者数を
約35万人と概算することはできます。

前半より後半の人数が少なかった。
ここまでは数字から言えます。

しかし、そこから、

と結論づけるには、別の情報が必要です。

新規客と再来場客の比率。
開業初期に来た人の再訪率。
月別の来場者数。
県内客と県外客の内訳。
パーク単体とスパを含む数字の区別。
それぞれの時期に含まれる季節や休暇、天候の影響。

二つの半年には、開業直後の話題性、
夏休み、冬季、春休み、梅雨、台風など
異なる条件が含まれています。

来場者数が減った原因として、
リピーター不足が含まれる可能性はあります。

しかし、それを確認する数字は示されていません。

引き算で人数は出せても、
引き算だけでは原因まで出せません。

売上と事業費を並べても、赤字は出ない

総事業費約700億円。
初年度売上100億円超の見通し。

二つを並べれば、
投じた金額に対して売上が小さく見えます。

この規模で投資を回収できるのかと
疑問を持つこと自体は自然です。

しかし、

とは言えません。

700億円は、施設整備などを含む総事業費です。
100億円は、一年間の売上見通しです。

役割も期間も違う数字です。

単年度の利益を判断するなら、

人件費。
広告費。
施設の維持管理費。
減価償却費。
支払利息。
その他の運営費。
営業利益。
営業キャッシュフロー。

といった情報が必要です。

700億円規模の事業費に対して、
初年度売上100億円超という規模が十分なのか。

その疑問は残ります。

しかし、この二つだけでは、
単年度赤字も投資回収年数も計算できません。

回収力への疑問と、
公開されていない赤字の判定は別です。

同じ名前の数字でも、同じ条件とは限らない

最も大きなねじれは、
494億円と6582億円の比較でした。

494億円は、開業後一年間について
算出された経済波及効果の推計です。

一方、開業前に示された6582億円という試算には、
建設による経済効果が含まれています。

運営期間だけを対象にした数字と、
施設建設の効果まで含んだ数字。

同じ「経済波及効果」という
名前がついていても、対象範囲が違います。

さらに、

算出した主体。
使用した推計モデル。
対象期間。
対象地域。
前提となる来場者数。
直接効果と間接効果の範囲。

も同じとは確認できません。

それでも、二つを横へ並べれば、

という強い結論を作れます。

割り算は合っています。
比較は成立していません。

同じ名前の数字と、同じ条件の数字は別です。
事前試算が実態から大きく離れていた可能性はあります。

しかし、それを批判するなら、
対象期間や範囲、算出条件を揃えて比べる必要があります。

企業側の数字の見せ方を疑いながら、
批判する側が比較できない数字をつなげてはいけません。

数字があると、解釈の飛躍が隠れる

「リピーターが少ないのではないか」
とだけ書かれていれば、推測だと分かります。

しかし、

と書かれると、
原因まで数字で確認されたように見えます。

「赤字なのではないか」とだけ書かれていれば、
利益や費用を確認したくなります。

しかし、

と並べられると、
会計を分析したように見えます。

「期待を下回ったのではないか」
とだけ書かれていれば、比較対象を確かめられます。

しかし、

と表にされると、
数字の範囲が違うことが迫力に隠れます。

数字は、解釈を正しくしてくれるものではありません。

使い方によっては、解釈の飛躍を、
事実のように見せる装置になります。

AIは、疑念を事実に変えたのではない

今回のAI回答は、
すべての数字を捏造したわけではありません。

実在する数字を使っていました。
だからこそ、危険でした。

数字の間を、自然な文章でつなぐ。
その接続が成立するかを確認しないまま、

失速。
リピーター不足。
大幅赤字。
期待の10分の1。
見せかけの数字。

という結論へ進む。

AIは、私の疑念を事実に変えたのではありません。
疑念を、事実のように読める文章へ整えました。

最初に「鋭い視点」と肯定する。
次に、結論と相性のよい数字を置く。
数字の間を、もっともらしい因果関係で埋める。
最後に表で整理する。

ここまで揃えば、
読み手には検証が終わったように見えます。

しかし実際には、最初に渡した疑念が、
説得力のある文章へ変換されただけかもしれません。

AIの最初の肯定を、検証結果にしない

AIが、

「鋭いです」
「核心を突いています」
「その直感は正しいです」

と答えたからといって、
自分の疑念が検証されたわけではありません。

AIは、質問者の前提を受け入れた方が、
自然で役に立つ回答を作りやすいことがあります。

しかし、会話が滑らかに続くことと、
仮説が正しいことは別です。

特に危険なのは、
自分がすでに疑っている対象を分析させるときです。

企業の発表に違和感がある。
成功談が誇張されている気がする。
数字に裏があると思う。

その仮説を渡せば、
AIは仮説に沿った解釈を組み立てられます。

反対の仮説も、同じように組み立てられます。

企業側を擁護する数字を集め、

という文章を作ることもできるでしょう。

どちらの文章も、実在する数字を使えます。
だから、文章の完成度では判断できません。

見るべきなのは、
結論へ至る比較が成立しているかです。

AIには、反対尋問までさせる

AIへ数字の分析を求めるなら、
最初の回答で止めない方がいい。

次に、最初の物語を壊す質問をします。

この結論が成立しない条件は何か。
比較できない数字が混ざっていないか。
数字から直接分かる事実と、解釈を分けてほしい。
反対の結論を作るなら、どの数字を使うか。
この判断に不足している情報は何か。
因果関係を確認できていない箇所はどこか。
公表値、見通し、推計を区別してほしい。

ここまで尋ねても、
正解が自動的に出るわけではありません。

しかし、最初に渡した疑念だけで、
完成された分析が出来上がることは防げます。

AIに必要なのは、
賛成意見でも反対意見でもありません。

自分が最初に置いた前提を壊す役割です。

反対尋問の答えも、検証結果ではない

ただし、ここでもう一度止まります。

AIに反対の立場を取らせた。
最初の結論の弱点も出してもらった。

だから、両論を比較して
中立的な分析ができた。

そこまで進めていいとは思いません。

AIは、「失速している」
という文章を作ることもできます。

同じ材料から、「初年度としては健闘している」
という文章を作ることもできます。

二つの物語を作れたことは、
どちらかが正しい証明ではありません。

反対尋問で確認できるのは、
最初の説明だけが
唯一の解釈ではなかったことです。

そこから先は、元の数字へ戻ります。
私はここで、数字を三つに戻して考えます。

公表された数字。
その数字から計算できること。
そこから自分が推測したこと。

今回なら、初年度約100万人。
これは公表された数字です。

半年時点約65万人との差から、
後半半年を約35万人と置く。

これは計算です。

そこから、リピーター獲得に苦戦した。
と進む。

ここで初めて推測が入ります。

計算まで正しくても、
推測まで自動的に正しくなるわけではありません。

494億円も同じです。
数字が存在する。
別の6582億円という数字も存在する。

二つを割ることもできる。

しかし、比較条件が違えば、
割り算の結果に意味を持たせることはできません。

AIに賛成と反対を戦わせることより、

自分が今読んでいる一文は、どの地点にあるのか。

公表された事実なのか。
数字から直接計算できることなのか。
まだ確認されていない解釈なのか。

そこへ戻した方がいい。

反対意見を出させるのは、
結論を得るためではありません。

最初の結論をいったん壊し、

もう一度、
確認できたところから組み直すためです。

分析らしさを、分析の証拠にしない

表がある。
数字が並んでいる。
論点が整理されている。
言葉が断定的である。
結論まで一直線につながっている。

それだけで、分析が成立したことにはなりません。
数字が本物でも、比較は偽物になり得ます。

因果関係が確認されていなくても、
文章は滑らかにつながります。

そして、自分がもともと疑っていた方向の結論ほど、
違和感なく受け入れてしまいます。

企業の発表を疑う目は必要です。

同時に、その疑いを肯定してくれるAIの回答にも、
同じ目を向ける必要があります。

AIがあなたの疑念を肯定したとき
数字を並べ、表を作り、
「冷静な分析です」と言ったとき
その疑念は、本当に検証されたのでしょうか。

それとも、疑念が正しく見える文章へ
整えられただけでしょうか。

まず、そのAIの同調と分析から分ける必要があります。

#AIリテラシー #ファクトチェック #情報リテラシー #メディアリテラシー #ジャングリア