AIの回答は、とても自然です。

理由を付けて説明し、表を作り、数字を入れ、出典まで付けてくれることがあります。

だからこそ、

ここまで自然なら、たぶん正しいだろう

と感じやすい。

でも、

読みやすさ と 確認済み

は別です。

この教材では、AIの答えを丸ごと「信じる / 疑う」で扱いません。

代わりに、

Claim
↓
Risk
↓
Evidence
↓
Unknown
↓
Decision

へ分けます。

つまり、

何を主張している？間違ったらどれくらい困る？現実側の何を見れば確認できる？まだ分からないのはどこ？今回はどこまで確認すれば十分？

を決めます。

この教材では、基礎だけで終わらず、次の内容まで扱います。

30秒診断
Claim Split
Fact / Observation / Inference
Evidence Ladder
Risk-based Verification
Artifact Readback
Source Fit Check
Negative Test
Unknown Ledger
Verification Memo
Stop Rule
実例
最終Checklist

30秒診断――その情報は「正しそう」なのか「確認済み」なのか

AIの回答から一つ、重要そうな文を抜き出します。

次の6項目へ答えます。

CLAIM
何を主張している？

TYPE
事実 / 観測 / 推論 / 提案のどれ？

RISK
間違ったらどれくらい困る？

EVIDENCE
何を見れば確認できる？

UNKNOWN
まだ分からないことは？

DONE
何が確認できたら今回は十分？

例：

CLAIM
このサービスの有料プランは月980円

TYPE
事実

RISK
記事に公開するので中

EVIDENCE
現在の公式料金ページ

UNKNOWN
期間限定キャンペーンの有無

DONE
通常料金が公式ページで980円と確認できたら終了

ここまで分かれば、

AIにもう一回「本当に？」と聞く

より、ずっと短く確認できます。

この教材で持ち帰るもの

回答をClaim単位へ分ける
Fact / Observation / Inference / Proposal
Riskに応じて確認量を変える
AI自己申告とEvidenceを分ける
別AIの同意と外部確認を分ける
Source Fit Check
Test名と実Testの分離
「見つからない」と「存在しない」の分離
一回成功と一般化の分離
数字の出どころ確認
原因候補と確定原因の分離
Unknownを残す
Verification Stop Rule
Verification Memo
実例
最終Checklist

1. AI回答を丸ごと判定しない

長い回答へ、

これは正しい？

と聞くと、扱いが大きすぎます。

一つの回答には、

料金
機能
推論
おすすめ
例
仮説
原因候補

が混ざっているからです。

たとえば、

このサービスにはA機能があり、月980円で、初心者にも向いています。

なら分けます。

Claim 1
A機能がある

Claim 2
月980円

Claim 3
初心者向け

Claim 1と2は現在の仕様や料金という確認可能な事実主張です。

Claim 3は評価です。

同じ強さで確認する必要はありません。

回答ではなくClaimを確認する。

ここが入口です。

2. Fact / Observation / Inference / Proposalを分ける

似ていても意味が違います。

FACT

資料・仕様・記録などで確認できる事実。

公式ページにこの機能が記載されている。

OBSERVATION

自分が実際に見た結果。

自分の環境で3回とも同じ動作だった。

INFERENCE

観測や事実から考えた原因・説明。

おそらく内部ではこの順に処理している。

PROPOSAL

次に試す案。

まず設定Aを変更して比較してみる。

これらを混ぜると、

「AIが説明した内部原因」

がいつの間にか事実になります。

分けておけば、

原因候補はあるが、直接確認はしていない

と扱えます。

3. 全部を同じ強さで検証しない

検証には時間がかかります。

だからRiskで変えます。

LOW RISK

間違っても選び直せる。

例：

キャラ名候補
見出し案
アイデア

→ 軽く確認。

MEDIUM RISK

公開・納品・設定に影響。

例：

現在の料金
対応形式
商品仕様
公開する数字

→ 元資料や実物へ戻る。

HIGH RISK

金銭・権限・個人情報・医療・法律・重大削除など。

→ 一次情報、実操作確認、必要なら専門家やHuman Gateを増やす。

重要なのは、

AIだから全部疑う

ではなく、

間違ったときの損害に合わせてEvidenceを増やす

ことです。

4. AIの「完了しました」はEvidenceではない

AIは、

保存しました
修正しました
問題ありません
35件すべて完了しました

と書けます。

でも、これは完了Claimです。

Evidenceは別です。

Fileを作った

→ Fileが存在するか確認。

ZIPを作った

→ 開いて中身を見る。

Codeを直した

→ 実行する。

画像サイズを合わせた

→ 実寸を見る。

35件処理した

→ 件数を見る。

ReportとArtifactを分ける。

これはAIを疑うためではなく、作業完了を現実側へ固定するためです。

5. 別AIの同意は「第二の視点」であって証明ではない

一つのAIの答えが不安なら、別AIへ聞くことは有効です。

反例を探す
見落としを探す
違う説明を出す
Claimを分ける

こういう用途では役立ちます。

ただし、

AI A: 980円
AI B: 980円

だから、

事実として980円

とは限りません。

両方が同じ古い情報を持っている可能性もあります。

だから別AIは、

Cross-checker

として使う。

最終的に現在料金を確認したいなら、

公式料金ページ

へ戻ります。

6. 「出典あり」と「今回のClaimを支える」は別

Sourceが実在しても、今回のClaimとずれていることがあります。

例：

別年度
別地域
別プラン
旧Version
別母集団

最低限見るのは3つです。

EXISTS
Sourceは本当にある？

MATCH
今回と同じ対象？

TIME
時点は合っている？

これをSource Fit Checkとして覚えると便利です。

7. Source Fit Check

SOURCE FIT

CLAIM:
-

SOURCE:
-

EXISTS:
- YES / NO

SAME TARGET:
- YES / NO / UNKNOWN

SAME TIME:
- YES / NO / UNKNOWN

DIRECTLY SUPPORTS CLAIM:
- YES / PARTIAL / NO

MEMO:
-

「出典がある」だけでPASSにしません。