「AIを入れて、資料もコードも分析レポートも、以前の何倍も速く出てくるようになった」
最近、こうした声を聞く機会が増えました。生産性が上がったこと自体は、間違いなく喜ばしいことです。
ただ、その“速く出てきた成果物”は、本当に使えるものでしょうか。
今回は、コンピューターの世界で古くから言われてきた格言「Garbage In, Garbage Out（GIGO）」を手がかりに、生成AI時代の落とし穴と、中小企業が今日から取り組める対策を整理します。
「ゴミを入れれば、ゴミしか出てこない」
GIGOは、1950年代から語られてきたコンピューターの基本原則です。どれほど優れたシステムでも、入力が不正確なら、出力も不正確になる。当たり前のようでいて、忘れられやすい原則です。
日経クロステックの記事では、この原則が生成AIを使ったDXにもそのまま当てはまると指摘しています。
私自身、この言葉を改めて目にしたとき、目からうろこが落ちる思いでした。生成AIの話題になると、どうしても「どのモデルが賢いか」に目が向きがちです。しかし本当に問われているのは、私たちが何を入れているかなのだと気づかされました。
AIは「それらしいもの」を24時間量産する
記事が警鐘を鳴らしているのは、AIによる生産性向上の“裏側”です。
DXの基盤は、「データを分析し、サービスを改善し、また分析する」というループで価値を高めていきます。最近は、開発へのAI活用、データをAIで使える状態に整える取り組み、アイデア出しの壁打ちなど、このループのあらゆる場面にAIが入り込んでいます。
問題は、AIが疲れを知らず、猛スピードで成果物を生み出すことです。
入力の質が低いまま回すと、次のようなものが大量に生まれます。
- 動くけれど中身の怪しい「プログラムらしきもの」
- もっともらしいが根拠の弱い「分析結果らしきもの」
- 見栄えはよいが現場に合わない「アイデアらしきもの」
さらに厄介なのは、これらが次のループの入力として再利用されることです。低品質な出力が、次の低品質な出力を呼ぶ。記事ではこれを、情報システムが“ゴミ屋敷”のようになっていく状態として描いています。
人手で作業していた時代は、作れる量そのものに上限がありました。だから、ゴミが生まれても量は限られていました。AIはその上限を取り払います。生産性が上がるほど、ゴミの生産性も上がるのです。
「ゴミ」はデータだけではない
ここで言う「ゴミ」は、誤ったデータだけを指すわけではありません。
- 更新されていない古いマスタや社内規程
- 特定の部門や時期に偏ったデータ
- 意図が曖昧なまま投げたプロンプト
- AIの特性を理解しないまま選んだ使い方
特に、社内文書を参照させて回答を作る仕組み（RAG）では、参照先に古い資料が混ざっているだけで、AIは自信を持って古い答えを返します。
そしてもう一つ、見落とされがちなのがプロンプトです。生成AIは、モデルの特性を理解し、指示を精密に組み立てなければ、欲しい答えを返してくれません。これは統計解析とまったく同じ構図です。分析手法を理解せずに数字を入れても、それらしいグラフは出てきますが、判断には使えません。
AIは当面「優秀な人のための優秀なツール」
では、どう向き合えばよいのでしょうか。
私の考えはシンプルです。AIは当面、「優秀な人のための優秀なツール」だと意識して使うべきだということです。
ここで言う「優秀」とは、特別な才能のことではありません。
- 何を入れれば、何が出てくるかを理解している
- 出てきたものの良し悪しを判断できる
- おかしいと感じたら、入力に立ち返って直せる
この3つができる人が使えば、AIは強力な増幅装置になります。逆に、これらが欠けたまま使うと、AIはゴミの増幅装置になります。
ツールの性能が上がるほど、使い手の差が結果に表れる。これはAIに限らず、IT活用全般に言えることでもあります。
入力の質を上げる12のチェックリスト
最後に、中小企業でもすぐに使えるチェックリストを用意しました。AIを業務で使う前、あるいは定期的な見直しの際に確認してみてください。
データ編（AIに参照させる情報）
□ 1. 参照させる資料・データの最終更新日を把握しているか
□ 2. 古い版や廃止済みの規程が、参照先に混ざっていないか
□ 3. データが特定の部門・期間・顧客層に偏っていないか
□ 4. 各データの管理責任者（更新・廃棄を判断する人）が決まっているか
プロンプト編（AIへの指示）
□ 5. 目的（何のために、誰が使う成果物か）を明記しているか
□ 6. 前提条件（業界、会社規模、制約事項など）を伝えているか
□ 7. 出力形式（文字数、構成、表か文章か）を指定しているか
□ 8. よく使う指示はテンプレート化し、社内で共有・改善しているか
出力評価編（出てきたものの扱い）
□ 9. 出力をそのまま次の入力に使う前に、人が確認する工程があるか
□ 10. 数字・固有名詞・根拠は、一次情報で裏取りしているか
□ 11. AIの成果物を評価・選別できる人が、業務ごとに決まっているか
□ 12. 使われなくなったAI生成物を、定期的に整理・廃棄しているか
すべてを一度に満たす必要はありません。まずは「4. 管理責任者」「9. 人の確認工程」「11. 評価できる人」の3つから始めるのがおすすめです。この3点は、専任のデータ部門がない中小企業でも、役割分担を決めるだけで着手できます。
まとめ
AIは、入力の質をそのまま増幅して返す道具です。
良い入力には良い成果を、悪い入力には大量のゴミを。どちらに転ぶかを決めるのは、AIの性能ではなく、使う側の理解と仕組みです。
「どのAIを使うか」を考える前に、「何をAIに入れているか」を一度見直してみてください。それが、情報システムをゴミ屋敷にしないための、いちばん確実な一歩だと考えています。
出典 日経クロステック「生成AI×DXで『情報システムがゴミ屋敷』に、生産性向上に潜む罠」（2026年9月17日） https://xtech.nikkei.com/atcl/nxt/column/18/00138/091502105/
コメント