AIによるデータ分析を鵜呑みにして後悔する理由
AIによるデータ分析を鵜呑みにして後悔する人の多くは、「AIが計算したのだから、結果は正しいはず」と考えています。けれど、AIの分析は渡したデータが正しいことを前提に進みます。データに重複や抜けがあっても、ほとんどの場合そのまま計算して、もっともらしい結論を出してしまうのです。分析結果を使う前に「元データの中身」と「その結論は本当に原因と言えるか」を確かめ、まずは小さく試して検証する。この一手間が、数字に振り回されて後悔しないための分かれ目です。
「この層が40%増えています」という分析を信じて、予算を動かした
まなぶは、自社の通販サービスの販促を担当するチームに異動したばかりでした。最初に任されたのは、来月の広告予算をどの層に重点的に使うかの提案です。これまでの担当者は、何日もかけて表計算ソフトで売上データを集計していたと聞きました。
「今ならAIがある」。まなぶは社内で利用が認められているAIツールに、過去2年分の売上データのファイルを読み込ませ、こう頼みました。「年代・性別ごとの売上の伸びを分析して、伸びている層を教えて」。数十秒後、きれいなグラフとともに答えが返ってきました。
「20代女性の購入額が前年比で約40%増加しています。また、雨の日の売上が晴れの日より高い傾向が見られます」。まなぶは思わず声を上げました。たった数分で、これまで誰も気づいていなかった「伸びている層」が見つかったのです。
まなぶはこの分析をもとに、広告予算の多くを20代女性向けに振り向ける提案をまとめ、上司の了承を得ました。雨の日に合わせた配信も強化しました。元のデータを自分で開いて確かめることは、一度もしないままでした。
ところが翌月、全体の売上は前の月より落ち込みました。20代女性向けの広告の反応も、期待したほどではありません。不思議に思ったまなぶは、次の日の朝、まだ誰も出社していないオフィスで、初めて元のデータファイルを自分で開いてみました。
スクロールしていくうちに、手が止まりました。今年のデータには、システムの切り替えの影響で、同じ注文が2行ずつ記録されている期間があったのです。その期間に20代女性向けの大型キャンペーンが重なっていたため、伸び率が実際よりも大きく見えていました。さらに雨の日の売上が高かったのも、雨の多い時期にたまたまセールを実施していたからでした。
上司に報告すると、静かにこう言われました。「分析の結論より先に、データそのものを一度見てほしかったな」。AIは、渡されたデータを正しく計算していました。間違っていたのは、そのデータを確かめずに結論だけを信じた自分だったのだと、まなぶは痛感しました。
AIのデータ分析を鵜呑みにして後悔する理由
元データの重複・抜け・期間のずれを確認していなかった
AIの分析は、渡したデータが正しいことを前提に進みます。データに重複している行や、抜けている期間、集計方法が途中で変わった箇所があっても、AIは多くの場合それを指摘せずに計算を続けます。その結果、「計算としては正しいけれど、現実とは違う」結論ができあがります。分析の質は、元データの質を超えられません。分析を頼む前に、データの件数や期間、明らかにおかしな値がないかを、ざっと自分の目で確かめる必要があります。
AIがどの数字をどう計算したのか、前提を確かめなかった
「伸び率」と一口に言っても、売上金額で比べたのか、注文件数で比べたのか、返品を含めたのかによって結果は変わります。AIは、指示があいまいなときには自分で判断して計算方法を決めます。その判断がこちらの意図と違っていても、結果だけを見ると気づけません。分析結果を受け取ったら「どの列を使い、どんな計算をしたのか」をAIに説明させ、自分の意図と合っているかを確認することが大切です。
「一緒に起きていること」を「原因」だと思い込んだ
「雨の日に売上が高い」という結果を見ると、雨が売上を押し上げているように感じます。しかし実際には、雨の多い時期にセールが重なっていただけ、ということもあります。2つのことが同時に起きている(相関がある)ことと、一方がもう一方の原因である(因果がある)ことは別物です。AIの分析は相関を見つけるのは得意ですが、それが本当に原因かどうかまでは教えてくれません。「ほかに理由は考えられないか」と一度立ち止まるだけで、思い込みの多くは防げます。
現場の感覚や過去の経緯と照らし合わせなかった
40%増という数字は、本来なら「そんなに急に伸びるだろうか」と疑問に思ってもおかしくない大きさです。現場の担当者や前任者に聞けば、システム切り替えやキャンペーンの時期といった事情をすぐに教えてもらえたかもしれません。数字がきれいなグラフで示されると、人はそれだけで納得しやすくなります。分析結果が自分の感覚や周りの声と大きくずれているときほど、立ち止まって確かめるサインだと考えましょう。
分析結果だけで大きな判断を一気に下した
分析結果に自信を持てたとしても、それをもとに予算の大部分を一度に動かすのはリスクが大きい判断です。もし分析が間違っていた場合、取り返すのに時間もお金もかかります。まずは予算の一部だけで試し、結果を見てから広げていけば、分析の誤りに早く気づけます。分析は「仮説」をつくるもの、判断は「検証」の後という順番を意識することが、後悔を防ぐ近道です。
後悔する分析の使い方と、役立つ分析の使い方の違い
2つのパターンの違いは、AIの分析能力ではありません。AIの分析結果を「答え」として扱うか、「確かめるべき仮説」として扱うかの違いです。
分析を役立てている人は、AIに計算を任せる前後で、自分の目と頭を使う工程を必ず入れています。データの中身を確かめ、計算の前提を聞き、ほかの可能性を考え、小さく試す。手間が増えるように見えますが、何日もかかっていた集計作業はAIが短縮してくれているので、その分の時間を確認に回せば十分に間に合います。
AIの分析結果を使う前に確認したいこと
- 分析を頼む前に、データの件数・期間・重複や空欄がないかをざっと確認する
- システムの切り替えや集計方法の変更など、データに影響する出来事がなかったか担当者に聞く
- AIに「どの列を使い、どう計算したか」を説明させ、意図と合っているか確かめる
- 「この結果になった、ほかの理由は考えられる?」とAIにも自分にも問いかける
- 大きな変化が出た数字ほど、現場の感覚や過去の経緯と照らし合わせる
- 分析結果をもとにした施策は、まず一部で試してから本格的に広げる
特に効果が大きいのは、「分析の前に元データを一度開いて見る」ことです。数百行をすべて読む必要はありません。最初と最後の数十行、件数の合計、日付の範囲を見るだけでも、明らかな重複や抜けにはかなりの確率で気づけます。
また、AIに分析を頼むときに「データに重複や欠けている期間があれば指摘して」と最初に伝えておくのも効果的です。AIは聞かれたことには丁寧に答えてくれます。確認してほしい観点をこちらから示すことで、AIを「計算係」だけでなく「チェック係」としても活用できます。
AIでのデータ活用を基礎から身につけたい人へ
AIスキルを学習してキャリアアップを目指す「AI CONNECT」
基本的な操作方法や、代表的な活用シーンを一通り学べるタイプ。データの読み込ませ方や、分析結果の確かめ方など、AIを業務のデータ活用に使うときの基本を押さえたい人に向いています。
ChatGPTなどの生成AIを学び仕事に活かす！「DMM 生成AI CAMP」
スクールでの学習でスキルごとに数十万円を払う時代は、もう終わり。全職種・全ツールが月額制×学び放題で、生成AI時代に稼げるスキルが身につきます。データ分析をはじめ、業務の目的に合わせて必要な使い方を選んで学べます。
まなぶ
みらいAIによるデータ分析は、何日もかかっていた集計を数分に縮めてくれる、心強い道具です。ただし、AIが正しく計算できるのは、正しいデータを渡されたときだけです。元データを確かめ、計算の前提を聞き、ほかの理由を考え、小さく試してから判断する。この順番を守れば、AIの分析は数字に振り回されるきっかけではなく、根拠のある判断を支える味方になります。
社外の情報や調査データをAIに聞いて、そのまま信じてしまう失敗については、AIの回答を鵜呑みにして失敗する人の特徴5選で紹介しています。
AIを使い始めたばかりの頃に陥りがちな失敗については、ChatGPTを使って失敗する人の特徴でもまとめています。あわせて読んでみてください。
業務のさまざまな場面で起こりやすいAI活用の失敗と、その学びは、業務でのAI活用の失敗から学ぶでまとめています。
