コンサル向け市場調査AI 6選｜成果物と情報源で選ぶ2026年版

市場調査に用いるAIツールを選ぶ際、コンサルタントは固定の最強順位を探すのではなく、最終的な成果物から逆算して構成を決める必要があります。市場定義、市場規模、競合分析、そして証拠台帳といった提出物を作るための情報源を見極めます。調査の骨格となる公開Web型3製品（ChatGPT、Gemini、Perplexity）と、詳細な数値を補う専門データ型3製品（AlphaSense、CB Insights、Statista）の役割を分け、自社の案件に合わせて主軸と補助を明確に使い分けます。

本記事では、「日本の法人向け生成AI研修市場への参入調査」という共通の案件ケースを通じて、各製品の分業を解説します。公開Web検索だけで足りる初期工程では、顧客のファイル保管場所全体を接続してはいけません。顧客名、未発表の戦略、インタビューの原文、売上明細といった機密情報の外部AIへの入力禁止を徹底します。そのうえで、ChatGPTなどで成果、背景、情報源、出力形式を指定できる機能や開始前の計画を確認・修正できる機能を利用して調査を主導させつつ、AlphaSenseのような企業文書、規制提出書類、ニュース、業界誌、ブローカー調査、専門家コールを検索対象にする専門ツールを補助として組み合わせ、Generative Gridは複数文書へ同じ問いを適用し表形式で返す機能などを活用して証拠台帳を整えます。

専門データ型のツールで数値を補う際も、AIの出力だけで市場規模を確定させません。たとえば、CB Insightsが非公開企業を評価するAI利用のMosaic Scoreを提供する機能を用いて新興企業を探す場合、15万社超の追跡データで将来のユニコーン状態との関係を評価したと公式説明する仕組みであっても、スコアは判断材料であり顧客案件の確定事実ではないため人が最終判断します。また、Statistaなどの統計ツールからグラフを引き出す際も、Statistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、外部利用時は元統計へのリンクや契約条件を確認する必要があることを踏まえ、顧客データと外部から得たデータの転載権の境界を厳密に管理します。

一部のAIが引用付き構造化レポートをMarkdown、Word、PDFで保存できる機能を持っていたとしても、未検証の出力をそのまま顧客へ納品してはいけません。最新の研究で深掘り調査システムでも未裏付け主張と片側的な回答が残ることや、評価対象システムの引用精度は40%から80%の範囲だったことが示されています。そのため本記事では、同じ参入調査の案件ケースから重要主張を10件抜き出し、人が実際の引用URLへの到達、主張の支持、値や単位、期間、地域の合致、そして原調査主体を確認して、すべての修正にかかる時間を測る運用を提案します。

ツール提供側が引用を利用者が確認するよう明記するように、AIのGenerative Searchは回答中の該当箇所へ引用を付ける仕様であっても、引用の多さは正確さの証明になりません。専門家も製品横断で引用追跡の監査が必要と結論づける状況において、コンサルタントは案件で使う主軸AI、専門データの補助製品、共通の入力条件、そして人が手動で止める再調査条件を決めることで、はじめて市場調査にAIを活用できるようになります。

市場調査AIは成果物と情報源から選ぶ

市場調査に使うAIツールを比較する前に、コンサルタントは最終的に提出する成果物の構成と、それに必要な情報源をあらかじめ決めておく必要があります。製品の機能や順位から選ぶのではなく、市場定義、市場規模、競合分析、そしてそれらを裏付ける証拠台帳という成果物から逆算して、主軸となるAIと補助の専門製品を使い分けます。

具体的な案件として、日本の法人向け生成AI研修市場への参入調査を例に考えます。いきなりAIに検索させるのではなく、まずは調査ブリーフを作成して条件を記録します。ここでは、対象とする地域を日本国内とし、顧客区分を従業員規模別の大企業と中小企業に分けます。また、対象売上として研修サービスの提供費用を含める一方、ソフトウェアのシステム導入費用などの除外領域を明確にし、いつの時点のデータを用いるかという基準日も定めます。このとき、顧客名、未発表の戦略、インタビューの原文、売上明細といった機密情報は、公開のウェブ検索が中心となる工程では外部のAIへ入力してはいけません。

調査の前提が決まったら、AIへ指示を出します。たとえばOpenAIの機能では、AIに対して求める成果、背景、情報源、出力形式を指定できるようになっています。さらに、調査が想定外の方向へ進まないよう、調査開始前の計画を確認・修正できる仕組みを活用して、調査ブリーフに沿った内容になっているかを人が点検します。

出力結果を得た後は、証拠台帳を整えます。AIの機能によって引用付き構造化レポートをMarkdown、Word、PDFで保存できるため、指定した形式で成果物へ変換します。ただし、引用文献の数が多いからといって、調査結果が正確である証明にはなりません。提供元が引用を利用者が確認するよう明記するように、コンサルタントによる厳しい監査が必要です。具体的には、引用URLへ実際に到達できるか、元の文章がAIの主張を支持しているか、数値、単位、期間、対象地域が一致しているか、元となる原調査は誰が行ったものか、そして報告書への転載条件を満たしているかを、ひとつずつ人が確認します。

公開されているウェブの情報だけで証拠が揃わない場合は、専門のデータを持つ製品を組み合わせて情報を補います。統計データを参照する際、たとえばStatistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、AIが提示したグラフをそのまま引用するだけでは不十分です。外部利用時は元統計へのリンクや契約条件を確認する必要があるため、必ず一次情報である元の調査報告書まで戻って事実を確かめます。このように、成果物に必要な証拠要件と情報源を固定したうえで、複数のAI製品を同じ評価軸で比較していくことになります。

市場調査AI 6選を同じ6項目で比べる

市場調査において、コンサルタントはAIを単なる総合順位で選ぶのではなく、成果物の要件と証拠の出所に基づいて主軸と補助を使い分ける必要があります。「日本の法人向け生成AI研修市場への参入調査」という同じ案件を例に、ChatGPT、Gemini、Perplexity、AlphaSense、CB Insights、Statistaの6製品を、情報源、入力と操作、成果物、人の確認、公開資料で確認できない点の6項目で比較します。

製品	情報源	入力と操作	成果物	人の確認	公開資料で確認できない点
ChatGPT	ウェブ検索	成果や情報源を指定し計画を修正する	引用付きレポートを保存する	引用の到達や主張の支持を監査する	–
Gemini	Google検索・Drive等	ファイル等を情報源に加え検索を行う	検索結果をGoogle Docsへ書き出す	利用回数と同時実行数の上限に注意する	–
Perplexity	ウェブ検索・接続ファイル	接続元の権限を引き継ぐが自動追随はしない	文書や表計算をプロンプトで修正する	回答の引用や期間の一致を確認する	–
AlphaSense	企業・金融専門データ	複雑なビジネス質問に複数エージェントを使う	複数文書への同じ問いを表形式で返す	市場取引の理由を複数段階で調べる	–
CB Insights	非公開企業データ	追跡データによる評価スコアを参照する	AI利用のMosaic Scoreを提示する	スコアは判断材料であり確定事実ではない	–
Statista	統計・市場データ	自然文から関連ソースを選び回答を作る	メタデータを含めてAPI等で返す	元調査主体ではないため元統計を確認する	–

公開のウェブ検索を中心とする工程では、機密情報を守る運用が必須です。顧客名、未発表の戦略、インタビューの原文、売上明細といった情報は、外部のAIへ入力してはいけません。また、公開ウェブだけで証拠が足りる場合は、顧客のDrive全体を接続することも避けます。

この前提のもと、ChatGPTはAIに対して成果、背景、情報源、出力形式を指定できるため、主軸として調査を主導します。開始前の計画を確認・修正できる機能で進行を管理し、引用付き構造化レポートをMarkdown、Word、PDFで保存できるため成果物の作成が円滑です。 GeminiはGoogle検索を既定の情報源にするほか、安全な範囲でファイル、Gmail、Drive、NotebookLMを情報源に加えられる利点があり、結果をGoogle Docsへ書き出せるものの、利用回数と同時実行数に上限がある点に留意します。 PerplexityはStandard Search、query attachment、Project importは保存と更新の挙動が異なる点に注意が必要です。接続元の権限を引き継ぐ一方で、Projectへimportしたコピーは元資料の変更へ自動追随しない制約があります。出力面ではDOCX、PDF、XLSX、PPTX、HTMLを作成できるだけでなく、文書、表計算、プレゼンをプロンプトで修正できる機能が特徴です。

一方で、研修市場における各社の財務状況や業界の動向など、専門データが必要な場合は補助製品を活用します。 AlphaSenseは企業文書、規制提出書類、ニュース、業界誌、ブローカー調査、専門家コールを検索対象にすることができ、構造化財務、KPI、資金調達、M&Aを定性情報と同時に検索できるため強力です。複雑な質問へ複数エージェントを使うと説明する機能により複雑なビジネス・金融質問を会話形式で扱うことができます。とくにGenerative Gridは複数文書へ同じ問いを適用し表形式で返すため、競合比較に役立ちます。 新興の研修提供企業を分析する際、CB Insightsが提示する非公開企業を評価するAI利用のMosaic Scoreを提供する機能を利用します。これは15万社超の追跡データで将来のユニコーン状態との関係を評価したと公式説明するものですが、スコアは判断材料であり顧客案件の確定事実ではないため、他の証拠と合わせて人が判断します。 市場規模の裏付けにStatistaを用いる場合、統計、インフォグラフィック、トピック、Market Insightsを対象にする検索から、自然文の質問からStatista内の関連性が高い10ソースを選び引用付き回答を作ることができます。APIで統計、レポート、インフォグラフィック、市場情報を検索できる機能は値だけでなくタイトル、説明、出典、日付のメタデータを返すため、LLMや可視化への取り込みを用途として挙げるのに適しています。

最後に、これらの製品が出力する引用については厳しい点検が欠かせません。ChatGPTが引用を利用者が確認するよう明記することや、Perplexityが回答の引用を確認するよう案内するように、引用の多さは正確さの証明にはなりません。Perplexityが成果物には引用が付くと公式説明することや、AlphaSenseのGenerative Searchは回答中の該当箇所へ引用を付ける仕様であっても、コンサルタントは引用URLへ到達できるか、元の文章が主張を支持しているか、数値や対象地域が一致しているかを人が確認します。とくにStatistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、外部利用時は元統計へのリンクや契約条件を確認する必要があることに注意し、必ず元の調査まで遡ります。同様にAlphaSenseでも、市場取引の理由などを複数段階で調べる実行例を示すように、人が論理の飛躍がないかを自ら点検する必要があります。

公開Webの調査はChatGPT・Gemini・Perplexityを使い分ける

日本の法人向け生成AI研修市場への参入調査において、最初の工程となる市場定義と規制発表の探索を考えます。この段階では公開Web上の情報と一部の社内資料を組み合わせ、調査の骨格を作ります。固定の最強順位を決めるのではなく、計画修正、連携機能、成果物への変換の違いに応じて、ChatGPT、Gemini、Perplexityのどれを主軸にするかを選びます。大前提として、公開Webだけで足りる工程では顧客のDrive全体を接続せず、顧客名、未発表の戦略、インタビューの原文、売上明細を外部AIへ入力してはいけません。

調査の方向性を細かく統制したい場合は、ChatGPTを主軸にします。市場定義を行う際、AIに対して成果、背景、情報源、出力形式を指定できる特徴を活用します。AIが検索を始める前に開始前の計画を確認・修正できるため、意図しない解釈で無駄な検索が進むのを人が防ぎます。調査が終われば、引用付き構造化レポートをMarkdown、Word、PDFで保存できるため、提出物の土台作りが円滑に進みます。

承認済み資料とWebの最新情報を交差させたい場合は、Geminiが適しています。Google検索を既定の情報源にするため新しい規制の発表などを素早く拾い、そこに許可されたファイル、Gmail、Drive、NotebookLMを情報源に加えられるため、自社の過去の研修実績ファイルと掛け合わせた調査が可能です。まとめた結果をGoogle Docsへ書き出せるため共同作業に向いていますが、利用回数と同時実行数に上限があるため計画的な利用が求められます。

プレゼンの試作まで進めたい場合は、Perplexityを選択します。Project機能で調査の基準日を設定し、DOCX、PDF、XLSX、PPTX、HTMLを作成できるため、PPTXでの試作を指示します。生成後も文書、表計算、プレゼンをプロンプトで修正できるため表現を整えられます。ファイル連携では接続元の権限を引き継ぐものの、Standard Search、query attachment、Project importは保存と更新の挙動が異なる点に注意します。とくにProjectへimportしたコピーは元資料の変更へ自動追随しないため、元ファイルが最新か人間が管理します。

どのAIを利用しても、提出物の品質を決めるのは人間による点検です。未検証の出力をそのまま顧客へ納品してはいけません。ChatGPTが引用を利用者が確認するよう明記することや、Perplexityが回答の引用を確認するよう案内するように、引用の多さは正確さの証明にはなりません。Perplexityは成果物には引用が付くと公式説明するものの、提示されたURLへ到達できるか、元の文章が主張を支持しているか、数値、単位、期間、地域が一致しているか、原調査の実施主体と転載条件を必ず人が確認します。AIの出力だけで市場規模を確定させません。

このように製品を使い分けることで、市場定義や規制情報といった調査の骨格を組み立てられます。しかし、公開Webの骨格だけでは詳細な市場規模の統計や非公開企業の動向といった専門データが欠けてしまいます。次はこの不足部分を補うため、専門データを持つ製品を組み合わせる工程へ進みます。

専門データはAlphaSense・CB Insights・Statistaで補う

公開のウェブ検索によって日本の法人向け生成AI研修市場への参入調査の骨格を作った後は、専門データを持つ製品を組み合わせて情報を補います。公開ウェブの情報だけでは、詳細な市場規模の統計や非公開企業の動向に関する証拠が足りないからです。この段階でも、公開のウェブ検索だけで足りる工程では顧客のファイル保管場所全体を接続することは避け、顧客名や未発表の戦略、インタビューの原文、売上明細といった機密情報を外部AIへ入力しないルールはそのまま貫きます。

証拠台帳のうち、競合の動向や財務基盤の証拠を埋めるためにAlphaSenseを利用します。AlphaSenseは企業文書、規制提出書類、ニュース、業界誌、ブローカー調査、専門家コールを検索対象にすることができ、構造化財務、KPI、資金調達、M&Aを定性情報と同時に検索できる専門性を持っています。内部で複雑な質問へ複数エージェントを使うと説明する仕組みによって、複雑なビジネス・金融質問を会話形式で扱うことが可能です。公式資料が市場取引の理由などを複数段階で調べる実行例を示すように、競合企業の戦略や企業発言の背景を深掘りするのに役立ちます。また、Generative Gridは複数文書へ同じ問いを適用し表形式で返すため、競合と市場規模の証拠台帳へ企業発言として直接記録していく作業に向いています。

一方で、生成AI研修を提供する未上場の新興企業を探す際は、CB Insightsを利用して私企業候補を拾います。CB Insightsは非公開企業を評価するAI利用のMosaic Scoreを提供する機能があり、15万社超の追跡データで将来のユニコーン状態との関係を評価したと公式説明する仕組みを持っています。しかし、スコアは判断材料であり顧客案件の確定事実ではないため、この数値をそのまま企業の将来性を保証するものとして提出してはいけません。あくまで台帳へ記載する候補データの一つとして人が判断して使います。

さらに、市場規模の根拠となる統計データを集めるためにStatistaで統計候補を拾います。Statistaは統計、インフォグラフィック、トピック、Market Insightsを対象にするデータ基盤であり、自然文の質問からStatista内の関連性が高い10ソースを選び引用付き回答を作ることができます。また、APIで統計、レポート、インフォグラフィック、市場情報を検索できるほか、値だけでなくタイトル、説明、出典、日付のメタデータを返すため、自社のLLMや可視化への取り込みを用途として挙げる運用にも適しています。

このように、AlphaSenseで企業発言、CB Insightsで私企業候補、Statistaで統計候補と元調査を拾い、同じ表へ別ソースとして記録することで証拠台帳を厚くしていきます。ただし、AIが提示した出力だけで市場規模を確定させず、未検証の出力をそのまま顧客へ納品してはいけません。AlphaSenseのGenerative Searchは回答中の該当箇所へ引用を付ける仕様であっても、引用の多さは正確さの証明にはならないからです。とくにStatistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、外部利用時は元統計へのリンクや契約条件を確認する必要がある点に注意が必要です。

コンサルタントは、台帳に記された引用URLへ実際に到達できるか、元の文章がAIの主張を支持しているか、数値、単位、期間、対象地域がすべて一致しているかを一つずつ確認します。そして、元となる原調査は誰が行ったものか、顧客への報告書への転載条件を満たしているかを人が自分の目で確かめて、はじめて調査結果としての裏付けが完了します。

同じケースで重要主張10件を引用監査する

主軸となるAIと専門データを補う製品を組み合わせて情報が集まったとしても、未検証の出力をそのまま顧客へ納品してはいけません。製品を選ぶ際は、単一の総合順位だけでは調査適合性を判断しにくいため、深掘り調査を情報検索、引用、レポート品質の複数軸で評価する必要があります。自社の案件でどのAIを主軸にするかを確かめるには、実際に同じ条件で調査を行い、出力された内容を人が監査して実測値を比べる方法が有効です。

ここでも「日本の法人向け生成AI研修市場への参入調査」という共通のケースを使って検証します。大前提として、公開Webだけで足りる工程では顧客のDrive全体を接続せず、顧客名、未発表の戦略、インタビューの原文、売上明細といった機密情報を外部AIへ入力しないという安全策を徹底します。

まずは入力条件を固定して主軸AIに調査を指示します。たとえばOpenAIの場合、AIに対して成果、背景、情報源、出力形式を指定できる機能や、開始前の計画を確認・修正できる機能を使って、人間が意図した通りに調査が進むよう制御します。出力された結果は、引用付き構造化レポートをMarkdown、Word、PDFで保存できるため、監査しやすい形式に変換して手元に用意します。

レポートができあがったら、そこから市場規模や競合の成長率などに関する重要主張を10件抜き出し、引用の正確さを一つずつ検証します。最新の検証研究によると、深掘り調査システムでも未裏付け主張と片側的な回答が残ることがわかっています。また、評価対象システムの引用精度は40%から80%の範囲だったと報告されています。そのため研究者らは、製品横断で引用追跡の監査が必要と結論づける結果を示しており、提供元自身も引用を利用者が確認するよう明記する方針をとっています。

具体的な監査作業では、出力列をあらかじめ固定して表を埋めていきます。法人向け生成AI研修市場に関する10件の主張について、主張、値、単位、期間、URL、発行主体、原調査、確度、未確認点という項目を順に記録し、すべての修正完了までの分数を測ることで、人間が手直しにかかる時間を製品ごとに比較します。

このとき、引用の多さを正確さの証明にしてはいけません。コンサルタントは、提示された引用URLへ実際に到達できるか、リンク先の文章が本当にAIの主張を支持しているか、数値、単位、期間、対象となる地域が正しく一致しているかを自分の目で確かめます。さらに、その元となった原調査はどこが行ったものか、報告書への転載条件はどうなっているかも合わせて人が確認します。

AIがもっともらしいレポートを出力したとしても、AIだけによる市場規模の確定は不可能です。出力と事実のズレを人がどこまで直さなければならないか、その手間に何分かかるかを実際に測定してはじめて、そのAIを自社案件で主軸として利用できるかどうかの判断に進むことができます。

主軸・補助・入力禁止・再調査条件を決める

ここまでの比較と監査結果を踏まえ、実際の案件を開始する際には、調査メンバー間で共有する案件用ツール選定票を作成して運用ルールへ落とし込みます。コンサルタントは固定の総合順位でAIを選ぶのではなく、日本の法人向け生成AI研修市場への参入調査といった具体的な目的に合わせ、主軸と補助の構成、入力してはいけない情報、そして人間が調査を止めて再確認する停止条件をあらかじめ確定させます。

まず、最終的な成果物の要件から逆算して、公開Webを検索する主軸AIを1つだけ選び、専門データを補う補助製品を必要なものだけ追加します。たとえば、生成AI研修市場の最新ニュースや競合の動向を広く調べるため、Google検索を既定の情報源にするGeminiを主軸とします。そのうえで、不足する市場規模データの裏付けとしてStatistaを補助製品として組み合わせる、といった構成を決定します。

次に、入力禁止情報とファイル連携のルールを定めます。公開Webだけで証拠が足りる工程では、顧客のDrive全体を接続してはいけません。顧客名、未発表の戦略、インタビューの原文、売上明細といった未公開の顧客資料は、外部AIへの入力を全面的に禁止します。過去の自社資料などを連携して使う場合でも、Geminiで安全な範囲のファイル、Gmail、Drive、NotebookLMを情報源に加えられる機能に留めます。もし主軸としてPerplexityを採用するなら、接続元の権限を引き継ぐ特徴を活用しつつ、Standard Search、query attachment、Project importは保存と更新の挙動が異なることを運用ルールに盛り込みます。とくにProjectへimportしたコピーは元資料の変更へ自動追随しないため、人間が最新のファイルを手動で管理する手順を定めます。

最も重要なのは、未検証の出力をそのまま顧客へ納品しないための停止条件を明確にすることです。AIの出力だけで市場規模を確定させません。研究により、深掘り調査システムでも未裏付け主張と片側的な回答が残ることが示されており、評価対象システムの引用精度は40%から80%の範囲だったと報告されています。そのため研究者らは製品横断で引用追跡の監査が必要と結論づける事態となっており、ツール提供側も回答の引用を確認するよう案内するように、引用の多さは正確さの証明にはなりません。

コンサルタントは、引用URLへ到達できない場合や、元の文章とAIの主張に不一致が見つかった場合は即座に出力を破棄し、人が調査をやり直す条件とします。また、調査ブリーフで定めた基準日を超過した古いデータが混ざっていないか、値、単位、期間、対象となる地域が合っているかを確認します。とくにStatistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、外部利用時は元統計へのリンクや契約条件を確認する必要があるルールを徹底します。元の原調査の実施主体が誰であるかを確かめ、報告書への転載権が未確認の場合は採用を見送ります。

このように、成果物の要件と情報源から逆算して案件の構成を決め、人間が必ず監査して手動で止める条件を用意することで、市場調査AIを実務の調査手段として運用できるようになります。

よくある質問

Q1. 一製品に絞って調査を進めるべきですか

日本の法人向け生成AI研修市場の調査のように多様なデータが必要な場合、単一の総合順位だけでは調査適合性を判断しにくいため、一製品に絞るべきではありません。深掘り調査を情報検索、引用、レポート品質の複数軸で評価することが求められます。市場調査の成果物から逆算し、公開Webの検索を主軸とするAIと、専門の統計や企業データを補う補助製品を使い分けてください。

Q2. AIだけで市場規模を確定できますか

AIの出力だけで市場規模を確定させることはできません。たとえば、CB Insightsが非公開企業を評価するAI利用のMosaic Scoreを提供する仕組みであっても、そのスコアは判断材料であり顧客案件の確定事実ではないからです。新興の研修提供企業の動向を含め、最終的には人間が複数の情報源を確認して市場規模を判断します。

Q3. 引用付きのレポートならそのまま納品できますか

未検証の出力をそのまま顧客へ納品してはいけません。提供元が回答の引用を確認するよう案内するように、引用の多さは正確さの証明にはならないからです。コンサルタントは、引用URLへ実際に到達できるか、元の文章がAIの主張を支持しているか、値、単位、期間、地域が一致しているかを自分の目で監査する必要があります。

Q4. 顧客の資料をそのまま情報源として接続できますか

公開のWeb情報だけで証拠が足りる工程では、顧客の保管場所全体を接続してはいけません。とくに、顧客名、未発表の戦略、インタビューの原文、売上明細といったこの記事の比較試験では、機密情報を外部のAIへ入力しません。安全な範囲の資料に限って、ファイル、Gmail、Drive、NotebookLMを情報源に加えられる機能などを活用してください。

Q5. プレミアムデータを顧客向けの資料へ転載できますか

専門データをそのまま転載できるとは限りません。たとえば、Statistaは調査・統計の集約者であり多くの場合の元調査主体ではないため、AIが提示した結果を鵜呑みにしてはいけません。報告書へ利用する際は、外部利用時は元統計へのリンクや契約条件を確認する必要があるため、必ず元の調査を行った主体まで遡って転載条件を確かめてください。

Q6. 調査に使うAIを選び直す条件は何ですか

出力結果の引用URLへ到達できない場合や、元の文章とAIの主張に不一致が頻発する場合は、その製品による検索を止めて選び直します。最近の検証でも評価対象システムの引用精度は40%から80%の範囲だったことが示されており、深掘り調査システムでも未裏付け主張と片側的な回答が残ることがわかっています。人間の手直しに時間がかかりすぎる場合は、主軸とするAIの変更や構成の再検討を行なってください。