AIレポートの数字を、元データと照合する

売上報告や動画台本をAIに書かせたあと、数字を一つずつ見直していませんか。ai-verify-gateは、手元のCSV・JSONをもとに、本文の数値の不一致と「まだ照合できていない数字」を一覧にする検査キットです。

▼ 無料で使えるツール・特典の一覧（登録不要）

入力するもの：原稿のテキスト＋出典を確認した元データ。受け取るもの：検証カバー率、行番号付きの指摘、正しい値を添えた修正指示。Webから正解を自動収集するサービスではありません。

購入内容は、検査スクリプト一式、設定テンプレート、動作確認サンプル、導入手順、本編講義です。Node.js 18以上のPCで動作します。検査本体はAPIキー不要。AIに設定や修正を依頼する場合は、利用するAIサービスの契約・利用制限が別途適用されます。

最初の一歩は、同梱サンプルで不合格と合格を確認し、自分の原稿1本・主要指標数個で試すことです。初期設定と誤検知の調整が必要です。

同梱サンプルで、出力を先に見る

以下は検査用に8種類の不良を仕込んだ架空のSaaSレポートのデモです。実際の顧客の売上実績ではありません。

  検証カバー率 54.5% （照合済み 6 / 未検証 5）
  重大 12 件 / 注意 1 件

  ■ 重大 L8 数値が正解と違う：MRR
      本文「4,820,000円」 ≠ 正解 4,712,900円
  ■ 重大 L8 数値が正解と違う：MRR前月比
      本文「8.2%」 ≠ 正解 5.687%
  ■ 重大 L14 正解が欠損なのに本文は断定している：解約率
      正解データの解約率は欠損。にもかかわらず本文は「2.1%」と書いている
  ■ 重大 L25 同じ指標に2つの値：有料ユーザー数
      1,284（13行目）と 1,310（25行目）が併存
  ■ 重大 L23 差し込まれなかったプレースホルダが残っている
  ■ 重大冒頭で予告した「解約率の内訳」が本編で回収されていない
  ■ 重大 L29 まだ起きていない予定を過去形で書いている：v3リリース
  ■ 重大 L30 裏づけの無い断定：創業以来最高

  判定: BLOCKED — 公開しない

自然な文章でも、元データとの不一致を見落とすことがあります。このサンプルでは、その見落としを機械照合で拾う動きを確認できます。

でもこの中には、8種類の壊れ方が入っています。

数字が違う。派生値の計算が違う。データが取れていないのに断定している。同じ指標に2つの値がある。差し込みが失敗した残骸がある。冒頭の約束を守っていない。未来のことを過去形で書いている。裏づけの無い最上級表現がある。

そして、いちばん怖い行はここです。

💥 検証カバー率 54.5%

54.5%は、抽出対象の数値11個中6個を照合した割合です。残る5個は未検証です。「重大12件」は数値・欠損・表現など複数ルールの指摘件数で、独立した誤数値12個という意味ではありません。

これが今日お渡しする「AI検証ゲート構築スキル（ai-verify-gate）」。

繰り返す数値照合を機械に任せ、人は元データの正しさと文脈、未検証部分を確認します。

こんな経験、ありませんか

AIが書いた数字が間違っていた。指摘したら、別の間違った数字に変わった
「もう一度チェックして」と頼んだら「問題ありません」と返ってきた。問題はあった
公開してから、読者や上司に数字の誤りを指摘された
チェックのために、結局ぜんぶ自分で読み直している。AIを使う前より時間がかかっている
1箇所を直させたら、直っていた別の場所が壊れた
「AIは数字が苦手だから」と言い聞かせて、諦めている

私は全部やりました。

顔出しなし・一人・AIで、株式市況の動画を平日2本ずつ作って公開しています。台本は1本1万字以上。数値は1本あたり約200個。これを毎日2本。

人間の目視で確かめる、というのは最初の1週間で破綻しました。

AIの数字が直らない、本当の原因

原因①　AIに検算させているから

AIにもう一度読ませるだけでは、同じ誤りを見逃す場合があります。出典データと決めた計算式による照合を組み合わせます。

数字を間違えたのと同じ仕組みが、その数字を確かめる側にも入るからです。

複数のAIが一致しても、同じ出典や推測に依存していれば正しさの証明にはなりません。

数値の照合は人にもできます。このキットは、同じ確認を繰り返す作業をスクリプトで再現できる形にするものです。

原因②　見ていない数字を「合格」と呼んでいる

これが、私がいちばん高い授業料を払った学びです。

私のシステムには、前から検証ゲートがありました。 公開前に自動で走っていました。にもかかわらず、欠陥が公開まで到達し続けました。

理由が分かったとき、正直こたえました。

ゲートは「呼び出し側から渡された正解値」としか突き合わせていなかった。渡されていなかった数値——移動平均、期間高値、派生の百分率——は、 「検証済み」ではなく「無検査」だった。

そして無検査は、レポートの上では合格とまったく同じ顔をします。

「重大0件」と表示されている。ゲートは動いている。でも、何も見ていない。

これがどれくらいの規模かを、実際に測りました。自分の本番台本（11,423字）に、正解データを7指標ぶん用意して当てた結果がこれです。

本文中の数値：196個
正解データと照合できた：19個
照合できなかった（無検査）：177個
検証カバー率：9.7% 9割は、誰も見ていませんでした。

原因③　指摘が「違う」だけで終わっている

指摘には、該当箇所と照合先の値も添えます。修正の範囲を絞るためです。

全文を再生成すると、別の箇所を変える可能性があります。修正前後の差分と再検査で確認します。

私はこれで、1回の修正に台本1本ぶんの生成費を払い続けていました。

他のファクトチェック手法との決定的な違い

違い①：数字はAIに検算させない

照合は同梱スクリプトが機械でやります。AIは一切数えません。

さらに派生値——前月比・達成率・単価・騰落率——も、文章を書く側に計算させません。正解データに「式」を置いておくと、ゲートが毎回計算し直します。

{ "id": "mrr_mom", "label": "MRR前月比", "unit": "%",
"derive": { "op": "pct_change", "from": "mrr_prev", "to": "mrr" } }

これを入れておくと、人が手で書いた「8.2%」と、機械計算の「5.687%」が食い違うこと自体を不良として上げます。 本文を見る前に、正解データのほうが壊れていることに気づけます。

違い②：「照合できなかった」を合格にしない

これがこのゲートの本体です。

検証カバー率＝照合できた数値 ÷ 抽出ルールで数えた対象数値

抽出ルールで数値を数え、年月日や箇条書き番号などを除外します。抽出漏れもあり得るため、カバー率100%でも全内容の正しさを保証しません。

💥 重大0件でカバー率30%のゲートは、7割の数字を誰も見ていません。

このスキルは「報告するときは必ずカバー率を先に言う」を制御層に書き込んであります。カバー率を伏せて「問題ありませんでした」と言うのは、誤報に近いからです。

違い③：止め方を3つに分ける

終了コード0：設定した検査を通過。未検証部分と文脈を人が確認します。1：重大な指摘あり。2：検査自体の失敗。1・2の場合は原因を確認するまで公開を止めます。

設定を間違えた、ファイルが読めなかった、ネットワークが切れた—— そういう日にゲートが黙って 0 を返すと、いちばん壊れやすい日に、いちばん無防備になります。

2 を 0 に丸めた瞬間、ゲートは飾りになります。

違い④：指摘に「正しい値」を添えるから、差分で直る

不合格のとき、ゲートは書き直し指示（repair_plan.json）を出します。

{
  "instruction": "以下の箇所だけを直す。ほかの文は1文字も変えない。
                  correct_value は照合済みの確定値なので書き換えてはいけない。",
  "confirmed_numbers": ["mrr = 4,712,900", "mrr_mom = 5.687"],
  "fixes": [
    { "find": "8月のMRRは4,820,000円",
      "correct_value": 4712900,
      "why": "数値が正解と違う：MRR" }
  ]
}

どこを・何に・なぜ、を添えてAIに修正を依頼します。指定外の変更がないことは差分で確認し、同じゲートを再実行してください。

流れにすると、こうです。

中身のカタログ（数字で出します）

検査の種類：14種（数値照合・欠損・鮮度・自己矛盾・カバー率・残骸・予告回収・時制・断定ほか）
設計原則：7つ（実運用で削り出したもの・全部理由つき）
実際に起きた事故カタログ：12件（症状／何が起きたか／なぜ既存の検査をすり抜けたか／どう捕まえるか）
スクリプト：1,029行（Node標準のみ・依存パッケージ0・APIキー不要）
同梱ドキュメント：19,734字
テンプレート：正解データの型／ルール例／書き直し指示の前口上／自動化の組み込み例
動作確認：ネット不要のドライラン（重大12件の検出を誰でも再現できます）
対応：Claude Code / Codex ／ Mac・Windows・Linux

実測：本番の台本に、実際に当てました

作って終わりにしたくなかったので、毎日公開している自分の台本に当てました。その全工程を書きます。ここがこの教材でいちばん正直なところです。

0回目：素のまま当てる → 誤検知13件

▼ 検証カバー率｜重大不良｜うち本物 - 13.7%：13件　／　0件全部が誤検知でした。この状態のゲートを渡されたら、私なら翌日に外します。

中身を見ると、誤検知は3種類しかありませんでした。

①　移動平均を「終値」として拾っていた

本文：5日移動平均66,036.84円も20日移動平均66,280.31円も上回って
指摘：数値が正解と違う：日経平均終値「66,036.84円」≠ 正解 66,405.56円

②　「下げ幅」を「終値」として拾っていた

本文：日経平均の直近終値との差はマイナス631円
指摘：数値が正解と違う：日経平均終値「631円」≠ 正解 66,405.56円

これが根深い。水準と変化幅は、同じ単位を持ちます。 「66,405ポイント」も「411ポイント下落」も、どちらも「ポイント」。単位では区別できません。

③　基準の違う％を「前日比」として拾っていた

本文：過去1ヶ月の高値からマイナス4.07% ／ NYダウは週で見ればプラス0.53%

％は、基準を書かないと何の％か分かりません。前日比・週間・年初来・高値から——本文では全部「％」です。

1回目：文脈ガードを入れる → 誤検知0件

誤検知を消すためだけに許容誤差を広げると、必要な不一致も通す可能性があります。まず指標名と文脈の対応を確認します。

入れたのは「この語が近くにあるなら、その数値はこの指標の主張ではない」という除外条件です。

"exclude_near": ["移動平均","高値","安値","最高値","下落","上昇",
"下げ","上げ","幅","との差","週で","年初来"]

調整後：カバー率9.7%、指摘3件。内訳はデータ鮮度2件、符号の読み取り1件。台本の事実誤り3件という意味ではありません。

この台本では、調整後に終値の誤認13件が解消しました。一方でカバー率は13.7%から9.7%へ低下しています。残る3件はデータ鮮度2件と符号の解釈1件で、台本の事実誤り3件を証明した結果ではありません。

残った3件：データ鮮度と符号の解釈を確認

■ 重大正解データの不良：日経平均前日終値
    正解データが古い（asof 2026-08-27 / 4日前・許容 3日）
■ 重大正解データの不良：エヌビディア前日終値
    正解データが古い（asof 2026-08-26 / 5日前・許容 3日）
■ 重大 L24 同じ指標に2つの値：エヌビディア前日比
    -4.6（8行目・本文「4.6」）と 4.6（24行目・本文「4.6」）が併存

台本は正しくて、私の日足台帳のほうが1営業日遅れていました。

ここがこの設計のいちばん大事なところです。ゲートが「正解データが古い」と言えないと、このズレは全部 「台本が間違っている」として報告されます。 そして正しい台本が毎日殺される。

💥 潰すべきは成果物ではなく、データ源です。

3件目の「マイナス4.6%」と「4.6%の下落」は、文としては同じ意味です。問題は符号を読み取る処理側にあります。本文の誤りと決めつけず、抽出・照合ルールを確認する例です。

この教材を作る過程で、自分の本番システムのバグが2つ見つかりました。 そういう道具です。

やることは3つだけ

1｜正解データを作る

手元のCSV / JSONから、たたき台を機械が作ります。

node scripts/init_facts.mjs --from data.csv --out facts.json

そのあと「本文でその指標をどう呼ぶか」を足します。ここが照合の当たり判定です。

2｜走らせる

node scripts/gate.mjs --text draft.md --facts facts.json

3｜不合格なら、出てきた書き直し指示をAIに渡す

修正指示を使い、変更箇所を確認してから再検査します。

以上です。AIに向かって「検証ゲートを作りたい」と言えば、スキルが1〜3を順番に案内します。

僕がこのゲートで何を止めてきたか

同梱の「事故カタログ」は、実際に公開まで到達してしまった欠陥の記録です。理屈で考えた失敗例ではありません。全部、私が出した事故です。

古い数値が、毎日自分で再注入されていた — 自分の出力を正解データにしていた
欠損値が「下落」という事実に化けた — NaN は大小・等値比較で期待どおりに扱えないため、明示的な検査が必要になる。例外もログも出ない
1本の成果物に、2日ぶんのデータが混ざった — 取得経路が2つあった
修正ツールが、正しい箇所を壊した — 置換が一致する場所すべてに効いた
指摘はできたが、直し方を渡していなかった — AIが毎回全部書き直した
まだ起きていない予定を、過去形で書いた — 生成時刻と公開時刻が離れていた
検査は動いていたが、対象が渡されていなかった — このゲートを作り直した直接の理由
誤検知でゲートが止まり、その日は何も出せなかった — 本物と誤検知が同じ日に混ざる
検査に穴があるのに、合格と表示されていた — スキップを合格として集計していた
冒頭の約束が、本編で回収されていなかった — 数値は全部正しいので何にも引っかからない
自動修復が、別の必須要素を消した — 「無くてはいけないもの」を見ていなかった
ゲートが動かなかった日を、誰も知らなかった — 沈黙は合格と区別がつかない

それぞれについて、「なぜ既存の検査をすり抜けたか」を書いてあります。ここがいちばん役に立つはずです。検査を足すより、穴の形を知るほうが早いので。

教材に含まれるもの【全部】

スキル本体（ZIP・Node標準のみ・依存パッケージ0）

gate.mjs — 検証ゲート本体。終了コードで合格・不合格・ゲート自体の失敗を分ける
facts.mjs — 正解データの読み込みと派生値の機械計算。欠損と鮮度もここで判定
extract.mjs — 本文からの主張抽出。最長一致優先＋文脈ガード＋未検証カウント
verify.mjs — 検査カタログ本体（14種）。ここに検査を足せます
init_facts.mjs — CSV / JSON から正解データのたたき台を生成
doctor.mjs — 環境と同梱物の健康診断

参照ドキュメント（正本）

gate-design.md — 設計原則7つ。これを外すとゲートは飾りになります
check-catalog.md — 検査14種の全解説＋許容誤差の決め方＋検査の足し方
failure-catalog.md — 実際に起きた事故12件
troubleshooting.md — 症状別12件

テンプレート

facts.schema.json — 正解データの全項目
rules.example.json — 検査ルールの実例（禁止表現・予告回収・時制・断定）
repair-prompt.md — 書き直しをAIに頼むときの前口上（守らせる約束4つ）
ci-example.md — シェル / npm / GitHub Actions / 自己修復ループへの組み込み

動作確認用

mock/ — わざと8種類の不良を仕込んだサンプル一式（ネット不要）
sample/ — 合格レポート・不合格レポート・書き直し指示の実物

ガイド

セットアップガイド（Mac / Windows 両対応・所要5分）

必要な環境と費用

Node.js 18以上：無料。入っているか node -v で確認できます
Claude Code または Codex CLI：どちらか片方。ChatGPT契約ならCodexが使えます
APIキー：不要。検査本体にAPI利用料はありません。AIを併用する場合の料金は利用先の契約によります
追加パッケージ：不要。npm install もしません
OS：Mac / Windows / Linux ゲートそのものはAIを使いません（機械照合だから）。AIを使うのは「正解データの設計を相談するとき」と「書き直しをさせるとき」だけです。

向いていない人（当てはまるなら、買わないでください）

正解データを持っていない人。 これが最大の条件です。正解データが無いゲートは作れません。「AIが書いた数字が正しいかどうか、 AIに調べさせたい」という需要には、この教材は応えられません。 照合の相手は、あなたが持っている確かな数字です。

数値を扱わない文章だけを書く人。 検査の中心は数値照合です。時制・予告回収・禁止表現の検査は数値なしでも効きますが、それだけなら価格に見合いません。

「ボタンひとつで全部やってくれる」を期待している人。 上に書いたとおり、初期設定では誤検知が出ることがあります。 種類ごとに条件を書いて潰す工程が要ります。私の場合は13件を1回のチューニングで0件にしましたが、ゼロ手間ではありません。

向いているのは、出典データを持ち、数値入りの原稿を繰り返し作る人です。定型的な照合作業を減らし、未検証部分の確認に時間を使えます。

購入前に、自分の原稿で確認する3項目

① 原稿に何度も出てくる数値を3つ選ぶ。② それぞれの出典・対象日・単位を答える。③ CSVまたはJSONで取り出せるか確認する。この3つがそろうと、購入後の設定に進みやすくなります。

正解データが用意できない場合は、先に出典を整理してください。

価格について

いまの価格：1,980円

この価格は最初の100部まで。101部目からは3,980円に値上げします。

安く出す理由は、これが「読む教材」ではなく「使う道具」だからです。使ってもらって、レビューという形で検査を増やしていきたい。検査カタログは、買った人の現場から増えるのがいちばん強い。

1,980円は、数字を1回間違えて謝る手間より、たぶん安いです。

レビュー特典

使ってレビューを書いてくださった方に、 「誤検知13件を0件にした実チューニング記録」をお渡しします。

上の「実測」の章を、全工程まるごと展開したものです。どの誤検知に対して、どの条件を、なぜその形で書いたか。 0回目→1回目の差分と、残った3件をどう分類したか。あなたが自分の成果物に当てるとき、調整の考え方を追える形にしてあります。

レビューは正直な感想で大丈夫です。「ここが分かりにくい」も、次の版の材料にします。

よくある質問

Q. プログラミングが分かりません。 A. コマンドは全部コピペ1行です。詰まったらエラー文をそのままAIに貼って「ai-verify-gate のトラブル対処集を見て直して」と言えば、同梱の対処集をAI自身が読んで直します。

Q. ChatGPTしか契約していません。 A. Codex（ChatGPT契約に含まれる機能）で動きます。Claude契約ならClaude Codeで。ゲート本体はどちらも使わず単体で動くので、node さえあれば検証だけは実行できます。

Q. Windowsでも動きますか？ A. 動きます。ガイドも両OS分あります。

Q. 正解データが用意できるか自信がありません。 A. まず「その数字は、どこから来ましたか」に答えられれば大丈夫です。スプレッドシート、社内DBのCSV、公的統計のダウンロード、自分で数えた実測——なんでも構いません。 CSVやJSONからたたき台を作るスクリプトが入っています。逆に、その問いに答えられない数字は、そもそも公開しないほうがいい数字です。

Q. 株式や市況の分野専用ですか？ A. いいえ。同梱のサンプルはSaaSの月次レポートで作ってあります。売上レポート、広告運用の報告、研究レポート、議事録の数値、不動産や医療の資料——「正解データがある数値」なら分野を選びません。私の実例が市況なのは、それが私の現場だからです。

Q. 検査を自分で足せますか？ A. 足せます。verify.mjs に1ブロック書くだけです。書き方は検査カタログに載せてあります。正しい値を持たせておけば、書き直し指示にも自動で載ります。

Q. 完全自動で公開まで回せますか？ A. 技術的には回せます（自己修復ループの例を同梱しています）。ただし公開の最終判断は人間が持つことをおすすめします。私自身もそうしています。

Q. 返金はできますか？ A. デジタルコンテンツの性質上、対応していません。だからこの無料部分で、中身・必要環境・向いていない人・初期設定に調整が必要なことまで、すべて開示しています。

Q. アップデートは有料ですか？ A. 無料です。このページのZIPリンクが常に最新版です。

利用条件（できること・禁止事項）

できること

個人・法人を問わず、あなたの業務での利用（クライアントワークを含む）
中身を読んで、自分の環境に合わせて改変すること
このゲートを組み込んだ成果物・検証結果の公開・販売

禁止事項

スキル一式（本体・スクリプト・ガイド類）および特典の転売・再配布・無断共有
同梱ドキュメントの本文をそのまま転載して配ること
本商品の中身を流用した類似商品・教材の販売

ご利用は購入者ご本人（およびご自身の業務の範囲）に限ります。

免責事項

本商品は設定したデータとルールによる検査を提供します。元データの誤り、抽出漏れ、文脈上の問題は残り得ます。カバー率100%でも重大0件でも全内容の正しさを保証しません。公開・提出・納品は利用者が最終確認してください。返金の取り扱いは従来の販売条件に従います。

追伸

AIに書かせるようになって、いちばん増えた仕事があります。

確かめる仕事です。

生成は速くなった。でも、出てきたものを読んで、数字を1個ずつ照らし合わせて、「たぶん合ってる」と思いながら公開ボタンを押す——この時間だけは、まったく減らなかった。むしろ増えました。生成が速いぶん、確かめる対象が増えたので。

そして、確かめきれなくなった日に、間違いが出ます。

私は出しました。公開してから気づいて、概要欄に訂正を書き足したことが何度もあります。そのたびに思ったのは、「もっとちゃんと読めばよかった」ではありません。 「読んで確かめる」という方法そのものが、量に負けているということでした。

だから、定型の照合は機械へ移し、人が確認する範囲を明確にしました。

まずゲートの指摘とカバー率を見て、データ・抽出条件・本文のどこを直すか判断します。未検証部分と文脈の確認は残ります。

あなたがAIに書かせているものの中に数字があるなら、その数字を、今日から機械に見張らせませんか。

それでは、購入後のページでお会いしましょう。

▼ 無料で使えるツール・特典の一覧（登録不要）