AIの要約を勉強に使う前の「照合表」。対象や条件が消えて話が広がっていないかを6項目で確かめる（AI要約の誤りの研究から）
教科書の章や論文、長い資料をAIに要約させると、数秒で読みやすい文章が返ってきます。便利ですが、その要約は元の文章と同じことを言っているでしょうか。研究では、AIの要約は全体として正確に見えても、「誰に・どんな条件で」が抜けて話が大きくなりやすいことがわかっています。この記事は、要約を勉強に使う前に元の文章と見比べる「照合表」です。
3行でわかる
- 10種類のAIによる4900件の要約を調べた研究では、多くのAIが元の文章より話を広げた。人の書いた要約と比べると、広げた結論を含む見込み（オッズ）は4.85倍だった。
- 「不正確にしないで」と頼むと、かえって話を広げる要約が約2倍に増えた。長い文章を丸ごと渡すほど、事実の食い違いも増えた。
- 表1の6項目で元の文章と照合し、表2に引っかかった所を書く。要約だけで学ぶと知識が浅くなりやすいので、先に自分で3行にまとめてから見比べる。
01 悩みの正体AIの要約で勉強して大丈夫？
使ってかまいませんが、元の文章と照合してからにします。AIの要約は短く読みやすい一方で、対象や条件を落として、元の文章より強い言い方になることがあります。
要約の誤りは、まったくの作り話より見つけにくい形で起きます。たとえば元の文章が「参加した大学生では、成績が上がった」なのに、要約が「この方法で成績が上がる」になる。どちらも間違いには見えませんが、後者は「誰にでも、今でも」効くように読めます。
勉強では、この小さなずれがそのまま記憶に残ります。仕組みの話は短くし、03の表を中心に使ってください。
02 科学的にわかっていることAIの要約は、どんな所で間違えやすい？
多いのは「対象や条件を落として話を広げる」誤りです。長い文章を丸ごと要約させると、食い違いも増えます。一方、短い文章の要約は、専門家から正確と評価された研究もあります。
PetersとChin-Yee（2025）[1]
10種類のAIが作った4900件の要約を、元の論文の要旨や本文と比べた。多くのAIが元の文章より話を広げ、一部のAIでは26〜73%で広がっていた。最も多かったのは、「参加者の75%」のような限定が消えて「〜は効く」と言い切る形だった。人の専門家が書いた要約と比べると、広げた結論を含むオッズ（起こりやすさの比）は4.85倍だった。
対象: 科学誌100本・医学誌100本の要旨と、医学論文100本の本文 ／ 限界: 試した頼み方は3種類だけ。新しいAIでは結果が変わりうる。医学以外の分野は少ない。
PetersとChin-Yee（2025）の頼み方の比較[1]
「不正確な点を入れずに要約して」と頼むと、ふつうに頼んだときより、話を広げた要約を含むオッズが約2倍（1.90倍）になった。著者らは、正確さを求める頼み方は逆効果になりうるとして、この言い方を避けることを勧めている。
対象: 同じ研究の中の比較 ／ 限界: なぜ逆効果になったかは確かめられていない。著者らも「まだ検証が必要」としている。
Tangら（2023）[2]
医学の6分野53本のレビューの要旨をAIに要約させ、分野の専門家が評価した。主な誤りは、結論の取り違えなどの解釈の誤りだった。元にない内容を作る誤りは少なかった。要旨全体のような長い文章を渡すと、重要な点を拾いにくくなり、事実の食い違いも増えた。
対象: 医学の系統的レビュー（コクランレビュー）の要旨 ／ 限界: 2023年時点の古いAIで、1分野につき評価者は1人。
Hakeら（2024）[3]
14誌140本の論文要旨をAIに要約させ、医師が評価した。要約は70%短くなったが、正確さの評価は中央値92.5点（100点満点）と高く、重大な誤りはまれだった。ただし、著者らは、命にかかわる医療の判断は論文の全文を読んで行うべきだとしている。
対象: 医学論文の要旨 ／ 限界: 評価したのは「要旨の要約」で、教科書の章や長い資料ではない。
MelumadとYun（2025）[4]
7つの実験（のべ1万人以上）で、AIの要約で調べた人は、ウェブのリンクをたどって調べた人より、浅い知識しか得られなかったと感じていた。調べたことをもとに書いた助言も、短く、独自性が低かった。
対象: オンラインと実験室の参加者 ／ 限界: 主に本人の感じ方と、書いた助言で測っている。試験の点数で比べたものではない。
ここで紹介した研究は、医学や科学の論文の要約が中心です。教科書や資格のテキストで同じ割合の誤りが出るとは限りません。また、AIは更新が速いため、数字は調べた時点のものです。下の表は、研究の考え方を独学向けにこのサイトがまとめたものです。
03 使える表AIの要約を、元の文章とどう照合する？
表1の6項目を、元の文章を横に置いて確かめます。とくに1〜3の「話が広がっていないか」を先に見ます。引っかかった所は表2に書き、元の文章の言い方で覚え直します。
表1 AI要約の照合表。要約1つにつき5〜10分が目安です（このサイトの目安）。
| 確認すること | 見分け方 | 引っかかったら | もとになった研究 |
|---|---|---|---|
| 1 対象や数の限定が消えていないか | 元の「大学生120人で」「参加者の75%で」が、要約で「人は」「〜は」になっていないか | 要約に対象と数を書き足す | 最も多かった広げ方[1] |
| 2 「〜だった」が「〜だ」になっていないか | 元が過去形の結果なのに、要約がいつでも成り立つ言い方になっていないか | 「この研究では〜だった」に直す | 過去形から現在形への変化も広げ方の1つ[1] |
| 3 元にない「〜すべき」が入っていないか | 元は結果を述べただけなのに、要約に勧めや指示が入っていないか | 勧めの文を消す。元の文章で勧めているかを確かめる | 結果を勧めに変えるのも広げ方の1つ[1] |
| 4 結論の向きと数字が元と同じか | 「効果あり／なし」「増えた／減った」と、数字を元の文章で1つずつ確かめる | 元の文章の数字に直す | 結論の取り違えが主な誤り[2] |
| 5 元にない内容が入っていないか | 要約の文ごとに、元の文章のどこに書いてあるかを指でたどる | 見つからない文は消す | 少ないが、元にない内容が入る誤りも報告された[2] |
| 6 長すぎる文章を一度に渡していないか | 1章や論文全体を丸ごと渡していないか | 節ごとに分けて要約させ、1〜5を節ごとに確かめる | 長い文章ほど食い違いが増えた[2] |
頼むときは「不正確にしないで」とは書かず、「誰を対象に、どんな条件で調べたかを残して」と具体的に書きます。ただし、この頼み方の効果は研究で確かめられていません。表1の照合は、頼み方にかかわらず行います。
表2 要約の照合記録。引っかかった所だけ書きます。同じ番号が続くなら、その確認を最初に見ます。
| 日付 | 資料（章・ページ） | 引っかかった番号 | AIの言い方 | 元の文章の言い方 |
|---|---|---|---|---|
| 例 10/21 | 例 心理学テキスト3章 | 例 1・2 | 例 「Aのやり方は記憶を強める」 | 例 「大学生の実験で、Aのやり方の人は1週間後の成績が高かった」 |
表3 要約を使う前の3ステップ。要約に頼りきらず、自分でまとめる時間を残します。
| 順番 | やること | 理由 |
|---|---|---|
| 1 先に自分でまとめる | 元の文章を読み、要点を3行で書く。AIの要約はまだ見ない | 要約だけで学ぶと知識が浅くなりやすい[4] |
| 2 AIの要約と見比べる | 自分の3行とAIの要約で違う所に印をつける | 違う所が、表1で照合すべき所になる |
| 3 元の文章で決着をつける | 違いは必ず元の文章で確かめ、正しい方を残す | 要約が正確と評価された研究でも、大事な判断は全文で行うべきとされた[3] |
04 続けるためのコツ照合を毎回続けるには？
全部の文を確かめるのがつらい日は、表1の1〜3だけ見ます。話が広がる誤りは、この3つで多くを拾えます。試験に出る所だけは、4の数字まで必ず確かめます。
- 短く区切って頼む。長い文章ほど誤りが増えたので[2]、節ごとの要約にすると照合も短く終わります。
- 要約を覚えるのではなく、元の文章を覚える。覚える文は、表2の「元の文章の言い方」の列から取ります。
- 要約以外のAIの答えも確かめたいときは、AIの答えの裏取り表を使います。AIで調べながら深く学ぶ方法は要約を読むだけで終わらせない調べ方に、自分で要約する効果は要約しながら読む勉強法の記事にまとめています。
05よくある質問
AIの要約は、どのくらい間違っているの？
使うAIや文章で大きく変わります。医学論文の要旨を要約させた研究では、医師による正確さの評価は高く、重大な誤りはまれでした。一方、10種類のAIの4900件の要約を調べた研究では、多くのAIが対象や条件を落として話を広げ、一部のAIでは26〜73%で広がっていました。
「正確に要約して」と頼めば大丈夫？
そうとは限りません。ある研究では「不正確な点を入れずに要約して」と頼むと、話を広げた要約がかえって約2倍に増えました。頼み方にかかわらず、元の文章と照合します。
AIの要約だけで勉強すると、身につかない？
浅くなりやすいことが示されています。7つの実験（のべ1万人以上）で、AIの要約で調べた人は、リンクをたどって調べた人より浅い知識しか得られなかったと感じていました。先に自分で要点をまとめてから要約を見ると、自分で考える時間を残せます。
関連記事
AIと独学AIに頼りすぎて、自分では解けなくなった。どう立て直す？AIなしで解ける力を取り戻す研究と手順
AIと独学AIはなぜ、もっともらしい間違いを自信ありげに答えるのか？「ハルシネーション」の仕組みと、独学で間違いやすい質問
AIと独学AIに練習問題を作らせて勉強するには？研究でわかった頼み方と確かめ方
出典
- Peters, U., & Chin-Yee, B. (2025). Generalization bias in large language model summarization of scientific research. Royal Society Open Science, 12(4), 241776. https://doi.org/10.1098/rsos.241776
- Tang, L., Sun, Z., Idnay, B., Nestor, J. G., Soroush, A., Elias, P. A., Xu, Z., Ding, Y., Durrett, G., Rousseau, J. F., Weng, C., & Peng, Y. (2023). Evaluating large language models on medical evidence summarization. npj Digital Medicine, 6, 158. https://doi.org/10.1038/s41746-023-00896-7
- Hake, J., Crowley, M., Coy, A., Shanks, D., Eoff, A., Kirmer-Voss, K., Dhanda, G., & Parente, D. J. (2024). Quality, accuracy, and bias in ChatGPT-based summarization of medical abstracts. Annals of Family Medicine, 22(2), 113–120. https://doi.org/10.1370/afm.3075
- Melumad, S., & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. PNAS Nexus, 4(10), pgaf316. https://doi.org/10.1093/pnasnexus/pgaf316