
11-3 DeepSeek 一次情報への遡り方 —— AIの要約を「根拠」に変える技術
はじめに:AIの回答は「地図」であって「現地」ではない
DeepSeekに何かを尋ねると、整った要約が返ってくる。統計、年号、引用、出典らしきもの——一見すると、そのまま使えそうに見える。
だが、待ってほしい。
それは誰かが歩いた道を、別の誰かが聞き書きした地図かもしれない。そして、その「誰か」が実在しないこともある。
この節で扱うのは、AIの出力を一次情報に遡って検証する技術だ。連載第7章「出力を疑う」で扱った幻覚(ハルシネーション)の話と地続きだが、ここではより実践的に、「では、どう遡ればいいのか」に焦点を当てる。
1. 一次情報・二次情報・三次情報の区別
まず用語を整理しておこう。
情報は、その出自と加工の度合いによって三つに分類できる。まず
一次情報
出来事そのものや原資料を指し、法令原文、論文PDF、一次統計、議事録、当事者証言などがこれにあたる。
二次情報
一次情報を解釈したり要約したりしたもので、解説記事、書評、ニュース、レビュー論文などが該当する。そして
三次情報
二次情報をさらにまとめたもので、百科事典、教科書、まとめサイト、AIの回答などがこれにあたる。

DeepSeekの回答は、基本的に三次情報だ。学習データの多くは二次・三次情報であり、それをさらに圧縮して出力している。
つまり、AIの回答をそのまま引用するのは、孫引きの孫引きを引用するようなものになりかねない。
2. なぜ「遡る」必要があるのか
理由は3つある。
理由1:幻覚は「もっともらしさ」をまとって出てくる
DeepSeekは、存在しない論文を、実在しそうな著者名・雑誌名・年の組み合わせで出力することがある。形式が正しいだけに、遡って確認しないと見抜けない。
理由2:文脈が剥ぎ取られている
一次情報には必ず前提・限定条件・反論がある。AIの要約はそれを削ぎ落とす。「〜という研究がある」と言われても、それがどの集団を対象に、どの条件下で得られた結果かは、原文を見ないと分からない。
理由3:更新されていない可能性
知識カットオフ(第4-3節参照)により、AIは古い情報を最新のように提示することがある。
法令・統計・製品仕様などは、必ず一次情報で最新版を確認する必要がある。
3. 遡り方の実践手順
ステップ1:回答から「遡れる手がかり」を抽出する
DeepSeekの回答を受け取ったら、まず以下を書き出す。
固有名詞(人名・組織名・法令名・論文タイトル)
数値(統計・年号・割合)
出典らしき記述(「〜によると」「〜の研究では」)
主張の核(何を言いたいのか一文で)
これが遡りの出発点になる。
ステップ2:一次情報の種類を特定する
法律・制度:e-Gov法令検索、官報、省庁の告示・通達
統計:政府統計ポータル(e-Stat)、各国統計局
学術的主張:論文PDF、プレプリント、学会発表
企業情報:有価証券報告書、決算短信、公式IR
歴史的事実:史料、公文書館、当時の新聞
当事者の発言:インタビュー原文、議事録、SNS本人投稿
ステップ3:一次情報に実際に当たる
ここで重要なのは、「検索してそれらしいものが出てきた」で満足しないこと。
論文なら:アブストラクトだけでなく、方法と限界の節を読む
統計なら:調査要項(対象・時期・方法)を確認する
法令なら:最新の改正を確認する(e-Govは改正履歴が見られる)
ステップ4:ズレを記録する
一次情報とAIの回答を突き合わせたら、どこが一致し、どこがズレたかをメモする。
数値は合っているか
因果関係の向きは逆になっていないか
限定条件が落ちていないか
反論が無視されていないか
この記録が、次のプロンプト改善にも効いてくる。
4. 具体的な対話例
❌ 悪い例
あなた:日本の出生率について教えてください
DeepSeek:2023年の合計特殊出生率は1.20で、前年より低下しています。主な要因は晩婚化と経済的不安定さです。
あなた:なるほど、そうなんだ。(終わり)
この使い方では、数値も因果も検証されないまま「知識」として定着してしまう。
⭕ 良い例
あなた:日本の出生率について、直近の確定値を一次情報で確認したいです。まず、遡るべき情報源の候補を挙げてください。
DeepSeek:厚生労働省の「人口動態統計」が一次情報です。e-Statからも閲覧できます。また、国立社会保障・人口問題研究所の「人口統計資料集」も参考になります。
あなた:ありがとう。では、その情報源で確認すべき項目を、私が自分でチェックできる形に整理してください。
DeepSeek:(チェックリストを提示)
ここでのポイントは、DeepSeekに「答え」ではなく「遡り方」を設計させることだ。連載全体のテーマである「足場として使う」が、ここでも効いている。
5. 遡りを支える問いかけの型
そのまま使えるプロンプトをいくつか挙げておく。
この回答の根拠として考えられる一次情報を3つ挙げ、
それぞれ「どこで入手できるか」「何を確認すべきか」を表にしてください。この主張が成立するための前提条件と、
それが崩れる反例の可能性を挙げてください。この数値が一次情報とズレていた場合、
どのような原因が考えられますか。可能性を列挙してください。あなたの回答のうち、知識カットオフ以降に変更されている
可能性が高い項目を指摘してください。これらは、第7章「出力を疑う」の姿勢を、具体的な行動に落とし込むための道具だ。
6. 「遡れない主張」への対処
中には、どうしても一次情報に遡れない主張もある。
出典が示されず、検索しても該当する資料が見つからない
一次情報が非公開・有料・絶版
出典が存在しない(=幻覚の可能性が高い)
この場合の原則はシンプルだ。
遡れない主張は、使わない。
あるいは、使うなら「未検証」と明示する。これは第7-4節で触れた『安全運用の手引き』の考え方とも直結する。
出典を示せない情報を、出典があるかのように扱わない
これが最低線だ。
7. 演習:1つの主張を遡ってみる
次のDeepSeekの回答を読んで、遡りを実践してみてほしい。
「近年の研究では、読書習慣のある子どもはそうでない子どもに比べて、学力テストの点数が高い傾向があると報告されています。」
問い:
この主張の一次情報になりうる研究は、どの学術領域にあるか
「読書習慣」と「学力」の関係は、相関か因果か。因果だとしたら、どのような交絡因子が考えられるか
遡った結果、AIの要約とズレていた点はどこか
この演習の目的は、正解を出すことではなく、遡る手順を体で覚えることにある。第9章の学習ループ(調べる→書く→説明する)の「調べる」段階を、ここで精密化しているイメージだ。
8. API連携への橋渡し
第12-4節で触れるAPI連携では、この「遡り」を自動化できる余地が出てくる。
検索APIを併用して、回答と同時に一次情報のURLを取得する
統計APIから数値を直接引いて、AIの要約と突き合わせる
引用管理ツールと連携して、遡り履歴を残す
ただし、自動化しても最終判断は人間が行うという原則は変わらない。むしろ、遡りが速くなるほど、「どこで人間が止まるか」を決めておく必要がある。これは第9-3節「停止ルール」の考え方の延長線上にある。
まとめ:遡ることは、考えること
一次情報に遡るという行為は、面倒だ。検索し、原文を開き、読み、突き合わせ、メモを残す。AIに聞けば10秒で終わることを、10分かけてやることになる。
だが、その10分で得られるものは大きい。
根拠のある知識は、人に説明できる
ズレの記録は、次のプロンプトを賢くする
遡る習慣は、AIに依存しない思考の軸を作る
DeepSeekは「答えを出す機械」ではない(第1章)。遡るべき問いを、一緒に見つける相手だ。
その関係を保つために、この節で扱った遡りの技術を、あなたの対話の標準装備にしてほしい。
次節:11-4「反証を探す —— 悪魔の代弁者として使う」 では、遡って得た情報を、今度は壊しにいく技術を扱う。
▼ この連載の元になった書籍
『DeepSeek 対話の設計 ― ブラウザで試す、考える、深める』