AIで調査結果からプレゼン資料を作る方法｜根拠と結論を分ける

調査結果をAIでスライド化するとき、最も注意したいのは「調べた事実」と「AIが組み立てた解釈」が自然な文章の中で混ざることです。先にSource→Fact→Interpretation→Conclusion→Actionの関係を作り、その後にSlideへ変換します。根拠が追えない主張は、見栄えが良くても採用しません。

この記事では、Research NotesからFactを抽出し、Claim–Evidence Mapを作り、Slide Messageへ変換する流れを整理します。読後には、AIに調査資料を丸ごと渡して自動生成するのではなく、各Slideの結論がどのSourceのどこに支えられているかを追えるPresentation Draftを作れる状態を目指します。

最初に調査のSource範囲を固定する

Presentationへ使うSourceを明確にします。Web記事、公式資料、PDF、社内Data、Interviewなどが混在している場合は、Source IDを振ります。

例：S01=公式市場レポート、S02=社内Sales CSV、S03=Customer Interview。AIへは「S01〜S03のみをFact Sourceとして使う」と伝えます。

Source Registerを作る

表は横にスクロールできます

Source ID	Type	Date	Scope	Locator
S01	公式Report	2026-09	市場全体	p.8 Table2
S02	社内CSV	2026-09	国内Sales	sheet / range
S03	Interview	2026-08	5社	Q4〜Q6

この段階でSourceの役割と範囲を整理しておくと、後で別SourceのFactを混ぜにくくなります。

Factを1文1Claimへ分解する

「市場は拡大しており、中小企業の導入も進んでいる」という文には複数Claimがあります。

C1：市場規模は前年比で増加。

C2：中小企業の導入率も増加。

このように分け、各ClaimへEvidenceを紐づけます。C1だけ確認できてC2は未確認、という状態も表現できます。

Claim–Evidence Mapを作る

表は横にスクロールできます

Claim	Evidence	Source	State	Slide候補
C1 市場拡大	市場規模の前年差	S01 p.8	VERIFIED	Market
C2 SME導入増	直接値なし	—	UNKNOWN	保留
C3 自社需要増	問合せ数+20%	S02	VERIFIED	Internal demand

数字は構造説明用の架空例です。EvidenceがないClaimをAIの一般知識で補いません。

FactとInterpretationを明確に分ける

Fact：「問い合わせ件数が前年同月比+20%」。Interpretation：「需要が強まっている可能性がある」。

後者を確定するには、Seasonality、Campaign、集計条件など追加確認が必要かもしれません。SlideでもFactとInterpretationを別欄にします。

ConclusionはFactの強さに合わせる

一部Sampleの結果しかないのに「市場全体で〜」と一般化しません。

Evidenceが限定されているなら、「この調査対象では」「社内Dataでは」のようにScopeを残します。Presentationでは短くしても、この条件を消さないことが重要です。

UnknownはSlideから消さない

分からないことがあると、AIは自然なStoryにするため補完したくなります。

UNKNOWN / PARTIAL / CONFLICTを明示し、Decisionに重要なら「追加確認が必要」というMessage自体をSlideにします。Unknownは弱点ではなく、判断条件です。

反対Evidenceも同じMapに入れる

自分の仮説を支持するSourceだけを選ぶと、PresentationがConfirmation Biasに寄ります。

同じClaimへ反対EvidenceがあるならOPPOSEとして残し、対象・期間・定義の違いを確認します。矛盾を隠さず、なぜ差があるかを整理します。

Research-to-Slide Schema

表は横にスクロールできます

Slide	Main Message	Fact	Source	Interpretation	Unknown	Visual
S01	市場は拡大傾向	市場規模前年差	S01 p.8	成長余地あり	SME値未確認	Line
S02	自社問合せも増加	+20%	S02	需要候補	Campaign影響	Bar

SlideごとにFactとInterpretationを分けるのがポイントです。

StorylineはResearchの目次順にしない

調査レポートが「市場→競合→User→自社」の順でも、Presentationの聞き手が最初に知りたいのはDecisionかもしれません。

Sourceの章順ではなく、Audienceが判断する順にFactを再配置します。根拠のLocatorは維持します。

AIへのPrompt例

「以下のResearch NotesをPresentation Draftへ変換してください。最初にFact Claimを1文1Claimへ分解し、Source ID / Locator / Evidence Stateを付ける。その後、各Slideを Main Message / Fact / Source / Interpretation / Unknown / Visual Role に変換する。SourceにないFactを追加しない。UNKNOWNをNoへ変えない。InterpretationはFactと別欄にする。結論の強さをEvidence Scopeに合わせる。」

いきなりスライド本文を生成せず、Claim Map→Slide Draftの2段階にします。

架空例：市場調査から5枚にする

Slide 1：対象市場は過去2年で拡大。

Slide 2：自社問合せも前年同月より増加。

Slide 3：ただし増加要因はCampaignと分離できていない。

Slide 4：Pilotで支払意向と継続率を確認する。

Slide 5：次のDecisionはPilot設計の承認。

重要なのは、Slide 3のようなUnknownを消さないことです。都合の良いStoryへ整えすぎません。

調査量が多い場合はEvidence Backlogを作る

すべてのFactをSlideに入れる必要はありません。

Decision-critical、Supporting、Contextの3段階に分け、Main DeckにはDecision-criticalと主要Supportingだけを載せます。残りはAppendixへ回します。

Sourceが古い場合はFreshnessを表示する

市場規模、製品仕様、料金、法制度などは時間で変わります。

checkedAt、Publication Date、Data Periodを持ち、重要Factが古ければ再確認します。古いSourceしかない場合はその制約をNoteへ残します。

Web SourceはURLだけでなく見出しまで残す

後からReviewするとき、URLだけでは該当箇所を探すのに時間がかかります。

WebならSection heading、PDFならPage/Table、SheetならTab/RangeのようにLocatorを残します。

PDFの図表は取得経路を確認する

調査SourceがPDFの場合、本文Textだけ取れていて図表を正しく読めていない可能性があります。

重要なChartやTableを使うなら、G098のようにPDF TypeとPageを確認し、元資料と数値を照合します。

画像化されたSlideからFactを再利用しない

過去Presentationの画像やScreenshotしかない場合、数字のSourceや条件が失われていることがあります。

可能なら元Reportや元Dataへ戻ります。過去Slide自体を一次Sourceのように扱わないようにします。

VisualはEvidence Typeに合わせる

時間推移ならLine、Category比較ならBar、条件比較ならTableなど、Factの構造に合わせます。

見栄えのためにInfographicへ変換し、数値や比較軸が読みにくくなるなら採用しません。

引用を短く使う

InterviewやReportの言葉を使う場合、長いQuoteをそのままSlideへ載せると情報量が増えます。

Messageを支える短い抜粋とSourceを置き、全文ContextはNotes/Appendixへ。引用の意味が変わらないか原文を確認します。

調査結果の「多数決」で結論を作らない

3Sourceが同じことを言っているから正しい、1Sourceだけ違うから無視する、とは限りません。

同じ原Sourceを転載している場合もあります。Sourceの独立性とEvidenceの質を見て、Claimごとに判断します。

Conclusion SlideはEvidenceから逆算する

最後のSlideへ強い結論を書いてから根拠を探すと、都合の良いEvidenceを選びやすくなります。

Claim–Evidence MapでVERIFIED / PARTIALな内容からConclusionを作ります。UNKNOWNがDecision-criticalなら、Conclusionも条件付きにします。

Actionは追加調査かDecisionかを分ける

調査の結果、十分なEvidenceがあるならDecisionへ進みます。足りなければNext ResearchがActionです。

「次に何を調べるか」と「何を決めるか」を混ぜないことで、Presentation後の動きが明確になります。

生成後のFact QA

• Slide Titleの数値を原Sourceで照合

• Source Locatorが正しい

• Scope条件が消えていない

• FactとInterpretationが混ざっていない

• Unknownが断定へ変わっていない

• Opposing Evidenceを無視していない

特にTitleの数字や結論は、元資料へ戻って確認します。

Story QA

Factが正しくても、Presentationの順序が判断につながらなければ使いにくい資料です。

Titleだけを読み、Audience Questionが順に解消されるか、最後のActionへ自然につながるかを確認します。

Research-to-Slides Checklist

• Source範囲を固定

• Source ID / Locatorを付与

• 1文1Claimへ分解

• Claim–Evidence Mapを作成

• Fact / Interpretationを分離

• Unknown / Conflictを保持

• Source Scope以上に一般化しない

• Decision-critical FactをMain Deckへ

• PDF図表は原文照合

• Titleの重要数値を再確認

• ConclusionをEvidenceから作成

• Next Research / Decisionを分離

AIものさしの判断

調査結果からPresentationを作るときは、資料を短くまとめることよりEvidence Traceabilityを保つことが重要です。Source → Claim → Slide Messageの線が追えれば、AIが文章を整えてもFactの出どころを確認できます。

まず重要Claimを5件だけ選び、Claim–Evidence Mapを作ってください。Evidence StateとLocatorを確認した後にSlideへ変換し、最後にTitleと重要数値を原Sourceへ戻って照合する。この順なら、調査の厚みを保ちつつ、聞き手が判断できるPresentationへ整理できます。