AIで調査結果を結論・根拠・未確認に分けてまとめる方法

AIで調査をした後に一番起きやすい問題は、確認できたFact、そこからの解釈、まだ分からないことが、きれいな文章の中で混ざってしまうことです。意思決定へ渡すSummaryでは、結論・Evidence・反対Evidence・Unknown・Recommendationを分けて書くと、どこまで確かかを追いやすくなります。

この記事では、複数Sourceを調べた後のFindingsを、Decision-readyなResearch Summaryへ変換する方法を整理します。Claimの強さ、Evidence State、反証、未確認、次の調査、最終Recommendationまで分離し、読後には「何が分かり、何がまだ分からず、それでも何を決められるか」を説明できる状態を目指します。

最初にResearch QuestionとAs-of Dateを置く

Summaryの先頭に「何を判断するための調査か」と「いつ時点の調査か」を書きます。これがないと、正しいFactでも目的外の情報が混ざります。

例：Research Question「日本の中小企業向け生成AI支援サービスへ2027年に参入すべきか」。As-of Date「2026-10-06」。この2つがSummaryのScopeです。

Research Synthesis Schemaを5層に分ける

表は横にスクロールできます

Layer	書く内容	ルール
Conclusion	調査から言えること	Evidence以上に強くしない
Evidence	Source・日付・Locator	Claimを直接支える
Counter Evidence	例外・反対結果	削らない
Unknown	未確認・矛盾	推測で埋めない
Recommendation	次Action	Factと分ける

文章の美しさより、Layerが混ざらないことを優先します。

結論は1文1Claimにする

「市場は成長しており、中小企業の需要が高く、参入余地が大きい」のような文は3つのClaimを含みます。

C1：市場は成長している。

C2：中小企業に需要がある。

C3：新規参入余地がある。

C1とC2が確認できてもC3は競合やChannelを見ないと判断できないかもしれません。Claimを分けると根拠不足が見えます。

Conclusionの直下にEvidenceを置く

結論とSource一覧を別ページに分けるより、各Claimのすぐ下へEvidenceを置く方が検証しやすくなります。

EvidenceにはSource ID、発行主体、Date、Page / Section、対象条件を残します。URLだけのReference Listでは、どのSourceがどのClaimを支えるか分かりません。

Evidence Stateを付ける

各ConclusionへVERIFIED / PARTIAL / CONFLICT / UNSUPPORTEDを付けます。

VERIFIEDは直接Evidenceがある。PARTIALは一部条件のみ確認。CONFLICTはSource間で整理できない差がある。UNSUPPORTEDは現時点で直接Evidenceがない、という意味です。AIの主観的なConfidence Scoreではなく、何が確認できたかで状態を示します。

架空例：Decision-ready Summary

Conclusion C1：対象企業で生成AI利用は増加傾向。Status：VERIFIED。

Evidence：S1の2025/2026比較、p.12 Table 4。

Counter：業種別では伸びが弱いSegmentあり、S2 p.8。

Unknown：従業員50名未満の単独値なし。

Recommendationへの影響：市場全体の成長は支持するが、Small segmentの需要は追加確認。

数字を入れる場合は実Sourceの値を使います。この例は構造説明用です。

Counter Evidenceを必須欄にする

調査者が支持Evidenceだけ選ぶと、Summaryが結論の正当化になってしまいます。重要Claimには反対Evidence・例外・弱いSegmentを探す欄を置きます。

Counterが見つからなかった場合も「反証検索をしたが主要な反対Evidenceは未確認」と書けば、探していないのか、見つからなかったのかを区別できます。

Unknownを3種類へ分ける

Unknownを一括りにせず、SOURCE_MISSING / SOURCE_CONFLICT / NOT_RESEARCHEDに分けると次Actionが決まります。

SOURCE_MISSING：必要情報が見つからない。

SOURCE_CONFLICT：Sourceが矛盾。

NOT_RESEARCHED：Scope外または時間不足で未調査。

「分からない理由」が分かれば、追加調査が必要か、判断保留にするかを決められます。

Unknown ≠ No

情報が見つからないからといって「需要がない」「機能がない」とは言えません。

Research Summaryでは、NoとUnknownを必ず分けます。特に料金、機能、規制、Eligibilityのような条件判断では、この区別が重要です。

FactとInferenceを別欄にする

Fact「回答企業の40%が導入」。Inference「普及期に入っている」。Recommendation「今から参入すべき」。この3つは別レイヤーです。

AIにはFact→Inference→Recommendationの順で出させ、Inferenceに使った前提を明示させます。

RecommendationはConditionalにする

Evidenceが限定的ならRecommendationも条件付きにします。

「参入すべき」ではなく、「中小企業の有料意向が追加確認でき、既存競合との差別化条件を満たすならPilotへ進む」のように、Go条件とHold条件を分けます。

Decision Tableを付ける

表は横にスクロールできます

Condition	Evidence State	Decision
市場成長	VERIFIED	Go材料
顧客Pain	PARTIAL	Pilotで確認
支払意向	UNKNOWN	Hold条件
競合差別化	PARTIAL	追加調査
規制Blocker	VERIFIEDなし	継続確認

この表は「総合点」でWinnerを出すものではなく、Decisionを止めているUnknownを見つけるために使います。

AIへの依頼文例

「以下のResearch NotesからDecision-ready Summaryを作ってください。

出力：

1. Research Question / As-of Date

2. Conclusion（1文1Claim）

3. Evidence + Source Locator

4. Counter Evidence

5. Evidence State

6. Unknown + Unknown Type

7. Inference

8. Conditional Recommendation

9. Next Research

ルール：Evidenceより強い断定をしない。UnknownをNoに変えない。Source Conflictを平均して解消しない。」

AIの文章生成能力より、Layer分離に使うPromptです。

長い調査はExecutive SummaryとEvidence Appendixを分ける

意思決定者向けには、主要Conclusion、Decision Condition、Unknownを先頭へ置きます。詳細EvidenceはAppendixへ残します。

ただしExecutive SummaryからSource IDへ戻れるようにします。短くするためにEvidence Traceabilityを消さないことが重要です。

結論の優先度を付ける

すべてのFindingを同じ重さで並べると、何がDecisionを動かすか分かりません。

BLOCKER / DECISION_CRITICAL / SUPPORTING / CONTEXTのように分類します。支払意向が未確認ならBLOCKER、背景市場データはCONTEXT、といった具合です。

追加調査はDecisionを変えるUnknownから行う

Unknownが10件あっても、すべて埋める必要はありません。「このUnknownが分かればDecisionが変わるか」を見ます。

Decision-criticalなUnknownを優先し、周辺情報は保留します。調査を終える条件も明確になります。

Summaryを更新可能な構造にする

Claim ID、Source ID、checked_atを持たせると、新しいSourceが出たとき該当Claimだけ更新できます。

文章ファイルだけでなくEvidence Mapを中間成果物として残すと、3か月後のRefreshでもゼロから調べ直さずに済みます。

レビュー時のChecklist

• Research QuestionとAs-of Dateがある

• Conclusionが1文1Claim

• 各重要ClaimにDirect Evidenceがある

• Counter Evidenceを確認した

• Unknownを理由別に分けた

• Fact / Inference / Recommendationを分けた

• Evidence Stateがある

• Decisionを止める条件が見える

• Source Locatorへ戻れる

• Next ResearchがDecision-critical

よくある失敗

1. Source一覧だけ付けてClaimとの対応がない。

2. 反対Evidenceを削る。

3. UnknownをAIが補完する。

4. PARTIAL Evidenceから強いConclusionを作る。

5. FactとRecommendationを同じ文で書く。

6. すべてのUnknownを同じPriorityで調べる。

7. Summaryを短くするためLocatorを消す。

AIものさしの判断

調査結果を意思決定へ渡すときは、「結論を強くする」より「結論の強さをEvidenceに合わせる」ことが重要です。Conclusion / Evidence / Counter / Unknown / Recommendationを分けると、判断者がどこまで信じてよいか分かります。

まず重要なConclusionを3〜5件へ絞り、それぞれにEvidence StateとCounter Evidenceを付けてください。そのうえでDecision-criticalなUnknownだけ追加調査へ回す。これで、長い調査メモを実際に判断へ使えるSummaryへ変えられます。