AIで複数資料の主張と根拠を対応づける方法

複数資料をAIで比較するとき、資料ごとの要約だけでは「最終的な主張に、どの根拠が本当に対応しているか」を確認しにくくなります。そこで、結論を検証可能なClaimへ分解し、Evidence・Source・原文位置・支持/反対の関係を1行ずつ紐づけます。

この記事では、Claim–Evidence Mapを中心に、主張の分解、直接Evidenceと補助Evidenceの区別、反対Evidence、未記載、矛盾、Sourceの独立性まで整理します。読後には「この主張はどの資料のどこで支えられているか」「Evidenceが足りない主張はどれか」を判定できる状態を目指します。

G902との違い：論点比較ではなく最終Claimを検証する

複数SourceをIssueごとに並べる作業と、最終ClaimへEvidenceを紐づける作業は似ていますが目的が違います。

Source × Issue Matrixは「各資料が同じ論点をどう述べるか」を見るためのもの。Claim–Evidence Mapは「最終的に書こうとしている1つの主張を、どのEvidenceがどこまで支えるか」を検証するためのものです。

まず主張を1文1Claimへ分解する

「生成AI導入は急速に増え、生産性を高めている」のような文には、導入率の増加と生産性向上という2つのClaimが入っています。根拠も別です。

C1：生成AIの導入率は増加している。

C2：生成AI導入企業では生産性が向上している。

このように分けると、C1は支持できてもC2は未確認、という状態を表現できます。

Claim–Evidence Mapを作る

表は横にスクロールできます

Claim ID	Claim	Evidence	Source / Locator	Relation	Status
C1	導入率は増加	2025→2026の調査値	S1 p.8 Table2	SUPPORT	VERIFIED
C2	生産性向上	定量Evidenceなし	—	UNSUPPORTED	REVIEW
C3	Securityが障壁	回答上位項目	S2 p.14	SUPPORT	VERIFIED
C3	Security影響は限定的	Interview結果	S3 §4	OPPOSE	CONFLICT

数字やSource名は説明用の架空例です。実務では原文値と位置をそのまま使います。

Evidenceを「直接」と「補助」に分ける

Claimを直接支えるEvidenceと、背景として関連するだけのEvidenceを混ぜないようにします。

たとえば「料金が導入障壁である」というClaimに対し、料金表は価格水準を示すだけで、実際に障壁であることを直接証明しません。利用者調査で「価格が導入理由/非導入理由として回答された」方がDirect Evidenceに近いです。

RelationをDIRECT_SUPPORT / CONTEXT / OPPOSE / NOT_RELEVANTのように分けても構いません。

Locatorを必ず残す

PDFならPage / Table / Figure、Webなら見出し、論文ならSection / Figureを記録します。

URLだけだと、後から再確認するときに同じ箇所を探し直す必要があります。ClaimへLocatorがあれば、レビュー者も原文へ戻れます。

主張の強さをEvidence以上にしない

Evidenceが「一部企業で改善傾向」なら、Claimを「企業の生産性を向上させる」と一般化してはいけません。

Evidenceの対象、期間、サンプル、条件を見て、ClaimのScopeを合わせます。限定されたEvidenceなら、Claimにも「対象企業では」「この調査では」と条件を残します。

支持Sourceが複数あっても独立性を確認する

3つの記事が同じ統計を引用していても、Evidenceが3倍になったわけではありません。すべて同じ原調査を参照している場合、実質的には1Sourceです。

Source Chainをたどり、共通の元Sourceへ集約します。独立したEvidenceが複数あるのか、転載が多いだけなのかを区別します。

反対Evidenceを意図的に探す

Claimを支持する資料だけを紐づけると、Mapが確認作業ではなく補強作業になります。

重要Claimには「反対結果・例外・条件違いを示すEvidenceがないか」を確認します。反対Evidenceがあれば消さずにOPPOSEとして同じClaimへ置きます。

未記載と反対を分ける

Sourceにその論点が書かれていないことは、反対Evidenceではありません。

NOT_MENTIONEDは「このSourceからは判断できない」、OPPOSEは「逆方向のEvidenceがある」です。AIが空欄を反対意見へ読み替えないようにします。

矛盾は条件差から確認する

同じClaimにSUPPORTとOPPOSEがある場合、まず対象、時点、定義、Methodを比較します。

たとえば中小企業ではコストが最大障壁、大企業ではSecurityが最大障壁なら、矛盾ではなくSegment差かもしれません。条件差で説明できなければCONFLICTとして残します。

架空例：一見強そうなClaimを弱める

Draft Claim：「AI導入で作業時間は30%短縮する」。

S1：特定企業のPilotで30%短縮。

S2：別業務では10%短縮。

S3：定量値なし。

このEvidenceなら「AI導入で30%短縮する」と一般化するのは強すぎます。「特定Pilotでは30%短縮が報告されたが、業務条件で差がある」とする方がEvidenceに合います。

Source Typeを付ける

公式資料、原論文、調査、報道、Blog、ForumなどSourceの性質を持たせます。

ただしSource Typeだけで自動的に真偽を決めません。公式Sourceは自社仕様には強いですが、市場全体の評価には別Evidenceが必要です。Claimごとに適切なSourceかを見ます。

AIへの依頼文例

「以下のDraft SummaryとSource群からClaim–Evidence Mapを作ってください。

1. Summaryの主張を1文1Claimへ分解。

2. 各Claimに直接Evidence、補助Evidence、反対Evidenceを紐づける。

3. Source IDとPage / Section / Tableを付ける。

4. RelationをDIRECT_SUPPORT / CONTEXT / OPPOSE / NOT_MENTIONEDへ分類。

5. EvidenceがないClaimはUNSUPPORTED。

6. EvidenceのScopeより強いClaimはWEAKEN_RECOMMENDEDとして修正案を出す。

SourceにないFactを補わない。」

AIが結論を書く前に、Mapだけを作らせるのがポイントです。

EvidenceがないClaimは削除・弱化・追加調査の3択

UNSUPPORTEDが見つかったら、自動的に削除する必要はありません。Reader Jobに重要なら追加調査へ回します。

重要度が低いなら削除、限定EvidenceがあるならScopeを弱める、重要でEvidence不足ならResearch Queueへ。3択を明示すると、曖昧なClaimが本文に残りにくくなります。

ClaimごとにConfidenceではなくEvidence Stateを持つ

AIが「Confidence 90%」と付けても、その数字自体に検証根拠がない場合があります。

代わりにVERIFIED / PARTIAL / CONFLICT / UNSUPPORTED / NOT_MENTIONEDのような観察可能なStateを使います。何が足りないかが分かります。

Final SummaryはMapから生成する

Claim–Evidence MapのVERIFIED / PARTIALだけを使い、CONFLICTとUNSUPPORTEDは条件や未確認として明示します。

最終文章を作った後も、各段落のClaim IDを逆引きできる状態にすると、レビュー時に根拠確認が速くなります。

レビュー時の3つの質問

1. このClaimを直接支えるEvidenceはあるか。

2. Evidenceの条件を超えて一般化していないか。

3. 反対Evidenceや例外を無視していないか。

この3問でFAILするClaimは、公開前に修正します。

更新時はSource差分から影響Claimを探す

Source S2が更新された場合、S2を参照しているClaim IDだけ再確認できます。

文章だけのSummaryより、Claim–Evidence Mapを中間成果物として残す方が更新しやすくなります。

よくある失敗

1. 資料ごとの要約だけで終える。

2. 1文に複数Claimを入れる。

3. 関連SourceをDirect Evidenceとして扱う。

4. 同じ原調査の転載を複数Evidenceとして数える。

5. NOT_MENTIONEDを反対Evidenceにする。

6. ClaimをEvidenceより強く言い換える。

7. Locatorを残さない。

AIものさしの判断

複数資料をまとめるときの最終確認は「Sourceが何件あるか」ではなく、「重要なClaimそれぞれに直接Evidenceがあるか」です。Claimを小さく分け、Evidence・Locator・Relation・Stateを付けてください。

まず最終Summaryの中から重要Claimを5件だけ抜き出し、Claim–Evidence Mapを作ります。UNSUPPORTEDやCONFLICTが出たら、追加調査・Scope弱化・削除のどれかを選ぶ。この作業を挟むだけで、根拠のない断定をかなり見つけやすくなります。