複数のAIが同じ答えを出しても、正しいとは限らない —— AI多数決が成立する条件
三つのAIが同じ答えを出した。
だから、その答えは一体のAIだけが出した答えよりも信頼できる。
この考え方は、条件付きでは正しい。
複数のAIが互いの回答を見ず、異なる情報や推論方法を使って検討し、それでも同じ結論に達したなら、その一致には意味がある。
しかし、複数のAIが同じ知識、同じ前提、同じ誤情報を共有している場合、その一致は正しさをほとんど保証しない。
一体目の回答を二体目と三体目が読んでいるなら、三つの判断ではなく、一つの判断が増幅されただけかもしれない。
同じモデルを三つ起動し、同じ質問を与えた場合も、独立した専門家三人に意見を聞いたことにはならない。
重要なのは、AIの数ではない。
誤りの原因が、どれだけ分散されているか。
AIを増やす目的は、同じ答えへ投票させることではない。
異なる情報源、異なる前提、異なる評価軸、異なる失敗経路を用意することである。
AI多数決が有効になるのは、回答の数が多いときではない。
各回答がある程度独立しており、それぞれのAIが正答する確率も十分に高いときである。
三つのAIが一致したとき、なぜ安心するのか
人間は、複数の意見が一致すると安心する。
一人だけが言っていることよりも、三人が言っていることの方が正しく感じられる。
これは、多くの場合に合理的である。
たとえば、同じ機械を三人の技術者が別々に点検し、全員が同じ部品の故障を指摘したとする。
三人が互いに相談しておらず、それぞれ別の方法で確認したなら、故障箇所についての信頼度は高まる。
複数の観測が同じ方向を示しているからである。
AIでも同じことが期待される。
ChatGPT、Claude、Geminiの三つとも同じ結論だった。
すると、次のように考える。
異なるAIが同じことを言っているのだから、かなり確かだろう。
しかし、ここには隠れた前提がある。
三つの回答が、互いに十分独立しているという前提である。
この前提が崩れると、三つの回答が一致しても、信頼度はあまり上がらない。
多数決が意味を持つのは、票が独立しているときである
多数決によって正答率が高まるという考え方は、古くから「コンドルセの陪審定理」として議論されてきた。
単純化すれば、一人ひとりが偶然より高い確率で正解でき、その判断が互いに独立しているなら、人数を増やすほど多数派が正解する可能性は高くなる。
逆に、一人ひとりの判断能力が低い場合や、誤りが互いに強く連動している場合には、人数を増やしても多数決は強くならない。
極端な例を考える。
ある記事に誤った情報が書かれている。
三人がその記事だけを読んで意見を述べる。
全員が同じ誤情報を信じ、同じ結論を出す。
この場合、三人が一致しても、証拠が三倍になったわけではない。
一つの誤情報が三回繰り返されただけである。
表面上は、独立した三つの判断も、依存した三つの判断も同じ三票に見える。
しかし、情報としての価値は異なる。
AIでも、同じことが起きる。
異なるモデルであっても、学習してきた情報の一部は重なっている可能性がある。
質問文に誤った前提が含まれていれば、複数のAIがそれを受け入れ、同じ方向の回答を作ることもある。
複数の異なるAIモデルを評価役として使った2026年の研究では、九つのAIによる評価結果に強い誤りの相関があり、情報量としては約二つの独立した票に相当する場合があったと報告されている。
九つのAIがいても、九つの独立した判断が得られるとは限らないのである。
そのため、モデルの数と独立した証拠の数は同じではない。
モデルが違うことと、判断が独立していることは違う
ChatGPT、Claude、Geminiは異なる製品である。
開発企業も、モデルの設計や調整方針も異なる。
そのため、回答の傾向や得意分野には違いがある。
異なるモデルを組み合わせることには意味がある。
しかし、
製品名が違うから、判断も完全に独立している
とは限らない。
多くのAIは、同じ世界について学んでいる。
ウェブ上の文章、書籍、論文、ニュース、プログラムコードなど、世界について広く流通している情報には重なりがある。
具体的な学習資料はモデルごとに異なり、その全容も公開されていない。
それでも、学習対象となった知識や、人間社会で共有されている常識、偏見、誤解が部分的に重なっている可能性はある。
そのため、異なるAIが同じ答えを出したときには、複数の可能性を考える必要がある。
それぞれが独立に検討し、正しい結論へ到達したのかもしれない。
同じ正しい事実を知っていたため、一致した可能性もある。
一方で、同じ一般常識や偏見を共有していたのかもしれない。
質問文に含まれた前提を、全員が無検証で受け入れた可能性もある。
一体目の回答に、ほかのAIが追従したことも考えられる。
結論だけを見ても、どの一致なのかはわからない。
根拠と生成過程を見る必要がある。
同じモデルを三体使えば、三票になるのか
同じAIモデルを複数回使い、同じ問いへ答えさせる方法もある。
生成条件によって回答には一定のばらつきが出るため、複数回尋ねれば、別の観点や推論経路が現れることがある。
この方法自体には価値がある。
一回目では出なかった選択肢が、二回目に出る。
異なる役割を設定すれば、賛成側と反対側の論拠を分けて考えさせることもできる。
しかし、同じモデルを三回動かすことは、独立した専門家三人を集めることとは違う。
基礎となる知識、回答傾向、調整方針は同じである。
同じ盲点を共有している可能性もある。
同じモデルを複数回使えば、出力のばらつきを利用して候補を増やし、観点を分け、見落としを減らすことはできる。
一方で、完全に独立した知識源、異なる専門経験、異なる社会的立場、独立した事実確認が得られるわけではない。
したがって、同じモデルを三回使って三回一致したとしても、
三対ゼロで可決された
と考えるべきではない。
一つの仕組みが、条件を変えても同じ答えを出したと理解する方が正確である。
役割を変えるだけでは、独立性は保証されない
同じAIに、異なる役割を与える方法がある。
一体を賛成役、もう一体を反対役、別の一体を裁定役にする。
この構成は、複数の観点を引き出す方法として有効である。
しかし、役割を変えただけで、知識や前提が独立するわけではない。
賛成役と反対役が、同じ事実認識を共有したまま、立場だけを演じていることがある。
この場合、議論の幅は広がるが、事実確認の信頼度が上がったわけではない。
ここでは、複数の種類の多様性を区別する必要がある。
役割の多様性とは、同じ問題を異なる立場や評価軸から検討することである。
情報源の多様性とは、異なる資料、データ、証拠を参照することである。
さらに、異なるAIモデルを使うモデルの多様性や、別の計算、推論、検証手段を使う方法の多様性もある。
これらは同じものではない。
AIを複数使うなら、「モデルを増やした」だけで満足せず、どの種類の多様性を増やしたのかを確認した方がよい。
三つのAIが同じ誤りをする仕組み
複数のAIが同じ誤りをする理由は、いくつかある。
一つ目は、質問に誤った前提が含まれている場合である。
たとえば、次のように尋ねたとする。
A社がこの機能を廃止した理由を説明してください。
しかし実際には、A社はその機能を廃止していない。
AIが質問の前提を確認せず回答すれば、存在しない廃止理由を説明する可能性がある。
複数のAIへ同じ質問を投げても、全員が前提を受け入れれば、同じ方向の誤答が生まれる。
二つ目は、広く流通している誤情報を共有している場合である。
ある誤解がウェブ上などで繰り返されていると、複数のAIがそれを事実のように説明することがある。
多数のAIが一致していても、その背後にある情報源が実質的に同じなら、独立した確認にはならない。
三つ目は、一般的な答えへ寄っている場合である。
曖昧な質問に対し、AIは文脈上もっとも自然で、一般的な回答を作ることが多い。
複数のAIが同じ平均的な回答を出しても、それが特定の利用者にとって適切とは限らない。
四つ目は、先行回答へ引きずられている場合である。
一体目の回答を二体目へ渡し、二体目の回答を三体目へ渡す。
この流れでは、後続のAIは独立した票ではない。
最初の回答を材料にした再検討者である。
五つ目は、同じ評価基準を暗黙に使っている場合である。
複数のAIが全員、価格と性能だけで商品を比較している。
しかし本当は、収納負担や使用頻度が重要だった。
この場合、比較結果が一致しても、評価軸そのものがずれている。
このように、複数のAIが同じ答えを出したという事実だけでは、その一致が正しい情報、共通の誤解、同じ前提、先行回答への追従のどれから生まれたのかはわからない。
AIの一致には、少なくとも四段階ある
AI同士の一致を、すべて同じ強さで扱わない方がよい。
もっとも弱いのは、回答だけが一致している状態である。
結論は同じだが、理由や根拠は確認していない。
次は、理由も一致している状態である。
ただし、同じ根拠から同じ結論へ到達している場合、一つの証拠が複数回繰り返されているだけかもしれない。
さらに強いのは、異なる理由から一致している状態である。
別の資料、別の評価軸、別の検証方法を使っても同じ結論が残るなら、信頼度は高まる。
もっとも強いのは、反証を試しても一致が残る状態である。
反対意見、代替仮説、外部資料、実測やテストによる検証を経ても結論が崩れなければ、かなり強い判断材料になる。
多くのAI活用では、最初の「回答だけの一致」を、最後の「反証後にも残った一致」のように受け取ってしまう。
三つのAIが同じ結論を出した。
それだけで、検証が終わったと感じる。
しかし、本当に確認すべきなのは、
異なる経路から同じ場所へ到達したのか。
である。
正しさを高めるのは、AIの数ではなく誤りの分散である
複数AI活用で重要なのは、モデルの数を増やすことではない。
誤りの原因を分けることである。
たとえば、ある商品の購入判断を行う場合を考える。
一体目のAIには、製品仕様を比較させる。
二体目には、使用頻度と保管負担を評価させる。
三体目には、既存品で代替できるかを検討させる。
人間は、実際の価格と寸法を公式情報で確認する。
この構成では、それぞれが別の失敗経路を検査している。
一体目は、仕様の読み違いを探す。
二体目は、運用上の不便を探す。
三体目は、不要な購入である可能性を探す。
人間は、自分の目的と現実の条件を照合する。
全員に「買うべきか」とだけ聞くより、判断の質は高まりやすい。
なぜなら、答えを多数決しているのではなく、異なる種類の失敗を探しているからである。
同じ質問を繰り返すより、違う仕事を割り当てる
複数のAIを使うとき、もっとも簡単なのは、全員に同じ質問をすることだ。
それでも、回答の違いを見る価値はある。
しかし、より効果的なのは、異なる仕事を割り当てることである。
たとえば、新しいサービス機能を検討する場合、一体目には利用者価値を考えさせる。
その機能によって、利用者の何が改善されるのかを検討する。
二体目には、問い合わせ、保守、データ管理などの運用負担を評価させる。
三体目には、新機能を作らずに同じ目的を達成できないかを考えさせる。
四体目には、その機能が使われない条件や、利用者へ害を与える条件を探させる。
最後に人間が、それでも今、この機能を作る価値があるかを判断する。
この場合、AI同士が同じ結論に達する必要はない。
むしろ、意見が割れることに価値がある。
利用者価値は高いが、運用負担も高い。
代替案はあるが、効果は限定的である。
失敗条件は存在するが、小規模な実験で確認できる。
こうした構造が見えれば、人間はよりよい判断を行える。
多数決が向いている問題
AI多数決が比較的機能しやすいのは、正解の候補が明確で、各回答を独立に生成でき、あとから外部の手段で確認できる問題である。
選択式問題、分類作業、定型的な形式チェックなどは、この条件に比較的近い。
文法上の誤りや、コードの単純な不具合候補を複数のAIに検出させる方法にも、一定の効果が期待できる。
ただし、短い計算なら計算機、コードならテスト、事実なら一次資料が最終確認になる。
AI多数決だけで確定するわけではない。
また、多数決が有効なのは、各AIが一定以上の精度を持ち、誤りが強く相関していない場合である。
複数AIによる多数決や討論を調べた研究でも、単純な討論より多数決が安定する場合がある一方、回答の多様性や各AIの基礎的な推論能力が結果を大きく左右すると報告されている。
多数決は、票の数だけで強くなるのではない。
各票がどの程度正確で、互いにどの程度独立しているかによって、価値が変わる。
多数決が向いていない問題
一方、価値判断、人生や事業の目的設定、正解が一つではない企画、将来予測、新規性の高い問題などでは、多数決をそのまま採用するのは危険である。
少数意見が重大な危険を指摘している問題や、質問者固有の事情が大きく影響する問題にも向いていない。
たとえば、次の問いを三つのAIへ尋ねたとする。
この事業を始めるべきか。
三つのAIが賛成したとしても、それだけでは決められない。
AIは市場性や実現可能性を評価できる。
しかし、その事業へ数年間を使いたいか。
不確実な収入を受け入れられるか。
成功した後の運営を本当に望んでいるか。
別の創作や生活を犠牲にしてよいか。
これらは、多数決で決める問題ではない。
AIの一致が示すのは、
一般的な条件では、成立する可能性がある
という程度かもしれない。
その人が実行すべきかどうかは、別の判断である。
少数意見がもっとも重要なことがある
多数決には、少数意見を消しやすいという弱点がある。
三体のうち二体が賛成し、一体だけが反対している。
多数決なら、賛成が採用される。
しかし、反対している一体が、重大な安全上の問題や、見落とされた前提を指摘している可能性がある。
たとえば、一体目は「実装可能なので賛成」と言う。
二体目は「利用者の需要が見込めるので賛成」と言う。
三体目だけが「既存データを破壊する移行リスクがあるので反対」と言う。
この場合、二対一だから実行する、とはならない。
三体目の指摘が事実なら、他の二票より重要である。
判断では、票数よりも、指摘された問題の重大さを見る必要がある。
多数意見は、起こりやすい利益を示すことがある。
少数意見は、起きる確率は低くても、重大な損失を示すことがある。
2026年の複数AI討論に関する研究でも、意見が割れた事例の中には、少数側だけが正答を持つ場合があり、多数決が正しい少数意見を抑える問題が報告されている。
特に、安全、法務、医療、データ消失、信用毀損などでは、少数意見を票数だけで消してはいけない。
AIファシリテーターは、意見の数を数えるだけでなく、各指摘の影響度を評価する。
AI同士の一致を確認するときの問い
複数のAIが同じ結論を出した場合、まず確認すべきなのは、それぞれが互いの回答を見る前に結論を出したかどうかである。
そのうえで、同じ情報源や同じ評価基準だけを使っていないかを見る。
質問文に含まれた前提を、全員が無検証で受け入れていないかも確認する必要がある。
結論だけでなく、理由も読む。
同じ根拠を繰り返しているのか。
異なる資料や検証方法から同じ結論へ到達したのか。
反対意見や代替仮説を明示的に探したのか。
少数意見に重大なリスクが含まれていないか。
一次資料、実測、テストによって確認できるのか。
最後に残っているのが、事実の問題なのか、人間が引き受けるべき価値判断なのかも区別する。
これらを確認すれば、AIの一致をどの程度信頼してよいかが見えやすくなる。
独立した初期回答を保存する
複数のAIを議論させる場合、最初の独立回答を残すことが重要である。
議論が始まると、AIは互いの主張に影響される。
最初に何を考えていたのかが見えにくくなる。
そこで、各AIには、ほかのAIの回答を見る前に独立して答えるよう依頼する。
その際には、結論だけでなく、主な根拠、前提、確信度、もっとも有力な反対意見、結論が変わる条件も分けて示させる。
ほかのAIの回答を見る前に、独立して回答してください。
結論に加えて、主な根拠、前提、確信度、
もっとも有力な反対意見、
結論が変わる条件を分けて示してください。
この初期回答を保存しておけば、議論後の変化を確認できる。
相手が示した新しい証拠によって、合理的に考えを変えたのか。
十分な根拠もなく、多数側へ寄ったのか。
最初から全員が同じ前提を共有していたのか。
こうした違いが見える。
AI議論では、最終回答だけでなく、意見が変化した過程も重要な情報になる。
情報源を分ける
独立性を高める直接的な方法の一つが、情報源を分けることである。
全員に同じ検索結果を渡すのではなく、異なる資料や検証方法を担当させる。
たとえば、製品評価なら、一体目にはメーカーの仕様、説明書、公式資料を確認させる。
二体目には、第三者による検証や長期使用上の問題を調べさせる。
三体目には、競合製品と代替手段を調べさせる。
人間は、自分の使用環境、実際の価格、保管場所を確認する。
技術調査なら、一体目は公式文書を確認する。
二体目は実装例と既知の問題を確認する。
三体目は別の設計や代替方式を調べる。
人間は小規模な試作とテストを行う。
このようにすれば、異なるAIが同じ結論を出したとき、その一致にはより強い意味が生まれる。
ただし、情報源を分けたつもりでも、複数の資料が同じ発表や同じ記事を引用していることがある。
資料の数だけでなく、情報の起点がどこにあるかを見ることも必要である。
方法を分ける
情報源だけでなく、検証方法も分けられる。
同じ問題を、全員に文章だけで考えさせる必要はない。
一体には論理的に分析させ、別の一体には具体例を作らせる。
さらに別の一体には反例を探させ、数値で検証できる部分は計算させる。
最後に、実行手順へ落とし込み、現実に試せる形にする。
たとえば、「この施策は費用対効果が高い」という主張なら、費用と期待利益を数値で試算する。
同時に、成立しない反例を探す。
小規模に試す方法を考え、他の施策を選んだ場合の機会費用とも比較する。
異なる方法で検証しても同じ結論が残れば、信頼度は上がる。
逆に、文章上は説得力があっても、数値試算や小規模実験で崩れるなら、採用すべきではない。
AIの一致を、外部世界へ接続する
AI同士の議論には、根本的な限界がある。
どれだけ議論しても、同じ内部知識を組み替えているだけの場合がある。
そこで必要なのが、外部世界との接続である。
一次資料を読む。
製品を実際に試す。
コードを動かす。
利用者へ聞く。
数字を測る。
現場を見る。
AIの一致は仮説として扱い、外部の事実で検証する。
複数のAIが一致したなら、それは有力な仮説にはなる。
しかし、そこで判断を終えず、一次資料、テスト、実測によって確認する。
その結果を踏まえて、人間が採否を判断する。
AIが三体一致したことより、実際のテストが一回成功したことの方が強い証拠になる場合もある。
逆に、一回のテストでは再現性がなく、AIが指摘した条件の違いをさらに調べる必要が生じることもある。
重要なのは、AIの中だけで結論を循環させず、現実の情報へ接続することである。
AIは現実の代わりではない。
現実の何を確認すべきか整理する道具である。
複数AIを使う実践的な流れ
複数AIの一致を過信せず、同時にその価値を引き出すには、まず人間が目的、成功条件、制約を定める。
その後、一体目のAIに独立した第一案を作らせる。
二体目には、その第一案を見せずに、独立した評価軸と案を作らせる。
三体目には、両者が共有している前提、反例、代替案を探させる。
人間は、それぞれの回答を比較し、一致点と不一致点を分類する。
さらに各AIへ、根拠、確信度、反証条件を示させる。
少数意見に重大な問題が含まれていないかを確認し、必要な部分を一次資料、テスト、実測によって検証する。
最後に人間が、目的と現実の条件を踏まえて判断する。
この流れでは、AI多数決を行っていない。
各AIを、異なる種類の検査装置として使っている。
AIファシリテーターは票を数えない
複数のAIを使う人間は、選挙管理者ではない。
二対一。
三対ゼロ。
票数を数え、多数側を採用するだけでは不十分である。
AIファシリテーターが確認するのは、各回答がどの程度独立しているかである。
どの前提を共有しているのか。
どの情報源が重複しているのか。
どの評価軸が欠けているのか。
少数意見の重要度は高いか。
外部検証はできるか。
最後に残った価値判断は何か。
AIの数を増やすほど、人間の判断が不要になるわけではない。
むしろ、判断材料の依存関係を見抜く仕事が増える。
三つのAIが同じことを言っている。
そのとき、人間は、
三票集まった
と考えるのではない。
この三つは、本当に別々の証拠なのか
と考える。
AIを増やすより、違いを増やす
複数AI活用の本質は、数ではない。
違いである。
モデルだけでなく、役割、情報源、評価軸、推論や検証の方法、時間軸、当事者の視点を変える。
こうした違いが増えるほど、一体のAIでは見えなかった問題が見えやすくなる。
逆に、同じ質問、同じ資料、同じ評価基準でAIだけを増やしても、同じ答えの反響が増えるだけかもしれない。
弱い複数AI協働では、同じ問い、同じ資料、同じ役割、同じ評価軸が与えられ、似た結論が並ぶ。
強い複数AI協働では、異なる問い、異なる資料、異なる役割、異なる評価軸から、比較可能な判断材料が作られる。
複数AIの価値は、同じ声を大きくすることではない。
違う声を聞ける状態を作ることである。
一致は結論ではなく、検証の開始点である
複数のAIが同じ答えを出した。
それは無意味ではない。
有力な手がかりになる。
しかし、それだけで調査や判断が終わるわけではない。
一致した理由を確認する。
独立性を確認する。
反対意見を探す。
少数意見の重要度を見る。
一次資料や実測で検証する。
価値判断が残っているなら、人間が引き受ける。
AIの一致は、正しさの証明ではない。
次に何を確認すべきかを示す信号である。
AIを増やすことよりも、誤りの原因を分散させること。
票数を数えることよりも、根拠の独立性を見ること。
多数側を採用することよりも、重大な少数意見を残すこと。
これが、複数AIを判断に使う際の基本になる。
AIが三体同じことを言ったとき、安心してよい。
しかし、その安心を結論にしてはいけない。
一度だけ、次の問いを置く。
三つのAIが一致したのか。
それとも、一つの誤りが三回繰り返されたのか。
この違いを見抜くことが、AIファシリテーションの重要な仕事である。
次回は、ここまで論じてきた人間の役割を、既存のAI概念と比較する。
複数のAIやツールをつなぐ「オーケストレーション」。
AIの処理過程に人間の承認や介入を組み込む「Human-in-the-loop」。
これらと、目的、問い、論点、評価基準、最終判断までを人間が統括する「AIファシリテーション」は何が違うのか。
既存概念との境界を整理し、AIファシリテーションを正式に定義する。
（了）
深水英一郎
小学生のとき真冬の釣り堀に続けて2回落ちたことがあります。釣れた魚の数より落ちた回数の方が多いです。
テクノロジーの発展によってわたしたち個人の創作活動の幅と深さがどういった過程をたどって拡がり、それが世の中にどんな変化をもたらすのか、ということについて興味があって文章を書いています。その延長で個人創作者をサポートする活動をおこなっています。