結論から言う。「外注に出したから安心」の時代は終わった

Deloitteに166,000ドル（約2,500万円）払って納品されたレポートに、AIが生成した架空の引用と、数億ドル規模のコスト計算の不一致が含まれていた。西オーストラリア州政府がDeloitteに返金を要求している。

Deloitteだ。世界四大会計事務所の一角。年間売上6兆円超の巨大コンサルだ。

そのDeloitteが納品した大学合併のフィージビリティスタディが、中身を精査したら「使い物にならない」レベルだった。これが意味するのは何か？

「大手に頼めば品質は担保される」という前提が崩壊したということだ。

そしてこの問題は、地方の中小企業にとってこそ深刻だ。なぜなら、中小企業は外注先の成果物を検証するリソースが圧倒的に少ないからだ。

—

3つの事件が示す同じ構造

今回取り上げるのは3つの事件だが、根っこは全部同じだ。

1. Deloitte：2,500万円のレポートに架空引用

西オーストラリア州政府が依頼した大学合併の調査レポート。費用は166,000豪ドル（約2,500万円）。納品物を州政府が精査したところ、AIが生成したとみられる架空の引用が複数見つかり、さらにコスト試算に数億ドル規模の不一致があった。

2,500万円のレポートで、引用元が存在しない。コスト計算が億単位でズレている。

これ、もし検証しなかったらどうなっていたか。この数字をもとに大学合併が進み、数百億円規模の政策判断が歪んでいた可能性がある。

2. 学術論文：存在しないニュース記事を引用

Z-Library（海賊版電子書籍サイト）に関する学術論文が、TorrentFreakというニュースサイトの記事を引用していた。問題は、その記事が実在しなかったこと。AIのハルシネーション（幻覚）によって生成された架空の出典だった。

学術論文は査読を経て公開される。つまり、査読者もこの架空引用を見抜けなかった。「専門家がチェックしているから大丈夫」という前提も、もう通用しない。

3. ニコン写真コンテスト：AI生成作品が受賞→取消

ニコンの写真コンテストで受賞した作品がAI生成だったことが判明し、受賞が取り消された。審査員——写真のプロたちが、AI生成物を「優れた写真作品」として評価してしまった。

3つの事件に共通する構造はこうだ。「成果物の見た目」は十分なクオリティに見える。しかし中身を検証すると、根本的に破綻している。

AIの出力品質が上がったことで、「見た目で品質を判断する」という従来の検証方法が機能しなくなった。きれいなレポート、整った論文、美しい写真。表面だけ見れば問題ないように見える。だからこそ、すり抜ける。

—

「AIのコストが下がった先」に何が起きているか

ここで構造的な話をしたい。

AIによって「それっぽい成果物を作るコスト」は劇的に下がった。レポート作成、リサーチ、画像生成、文章執筆——以前なら人間が何十時間もかけていた作業が、数分で「それっぽく」仕上がる。

コンサルティングレポートを例にとろう。従来なら、リサーチャーが文献を読み込み、データを集め、分析し、レポートにまとめるのに数百時間かかっていた。その人件費が数百万円のフィーの根拠だった。

AIを使えば、この工程の大部分を自動化できる。それ自体は悪いことではない。問題は、「作るコスト」が下がった分だけ「検証するコスト」の比重が上がっているのに、そこに投資していない企業が大半だということだ。

Deloitteの事例で言えば、2,500万円のフィーのうち、どれだけが「検証」に使われていたのか。おそらく、AIで下書きを作り、人間が軽く体裁を整えて納品した——そんな構造だったのではないか。

つまりこういうことだ。

• AIで「作るコスト」が10分の1になった
• しかし「検証するコスト」は変わらない。むしろ上がっている
• にもかかわらず、検証工程は省略されている

このギャップが、今回の3つの事件を生んでいる。

—

中小企業にとって何が変わるのか

「Deloitteの話でしょ？うちには関係ない」と思うかもしれない。逆だ。中小企業にとってこそ、この問題は致命的になりうる。

理由は3つ。

1. 外注依存度が高い

中小企業は社内にリサーチャーもデザイナーもライターも抱えていない。だから外注する。ホームページ制作、パンフレット、補助金申請書類、マーケティング資料——外注先がAIを使って作っている可能性は、もう100%に近い。

2. 検証できる人材がいない

外注先から上がってきた成果物を「これ、本当に正しいのか？」と検証できる専門人材が社内にいない。見た目がきれいなら「いいね」で通してしまう。

3. 失敗のダメージが大きい

大企業なら2,500万円の損失は痛いが致命傷ではない。中小企業にとって、外注費100万円のレポートが使い物にならなかったら、それだけで資金繰りに影響する。補助金申請書類の数字が間違っていたら、採択されないどころか信用を失う。

—

じゃあ、どうすればいいのか

抽象論はいらない。具体的にやるべきことを3つに絞る。

1. 「出典チェック」を納品条件にする

外注先との契約に、こう入れる。「レポート内の引用・出典はすべて実在するURLまたは文献情報を付記すること。架空の引用が発覚した場合は返金対象とする。」

これだけで、外注先はAIの出力をそのまま納品できなくなる。引用を1つ1つ確認する手間が発生するからだ。契約書の修正コストは、顧問弁護士がいれば追加費用ゼロ。いなくても数万円で済む。

2. 「AIで検証する」仕組みを持つ

皮肉な話だが、AIの出力を検証するのにもAIが使える。

例えば、納品されたレポートの引用URLをChatGPTやClaudeに「このURLは実在するか確認して」と投げる。あるいは、レポート内の数字の整合性を「このレポートの3ページ目と7ページ目でコスト試算が矛盾していないか確認して」とチェックさせる。

月額2,000〜3,000円のAIツール代で、数百万円の外注費の品質チェックができる。コスト対効果は明らかだ。完璧ではないが、ゼロチェックとは雲泥の差がある。

3. 「1回だけ自分でやってみる」

これが一番重要かもしれない。外注している業務を、1回だけ自分でAIを使ってやってみる。

リサーチレポートを外注しているなら、同じテーマでChatGPTに書かせてみる。そうすると「AIはここで嘘をつきやすい」「この種の数字は信用できない」「ここは人間が確認しないとダメ」というポイントが体感でわかる。

外注先の成果物を検証する目が養われる。しかも無料でできる。

—

逆転の構造：中小企業だからこそ勝てる理由

最後に、前向きな話をしたい。

Deloitteのような巨大組織は、レポート作成が「流れ作業」になっている。担当者がAIで下書きを作り、別の担当者が体裁を整え、マネージャーが軽くレビューして納品。分業が進みすぎて、誰も全体を通して検証していない。

中小企業は違う。社長自身が成果物を読む。現場の肌感覚で「この数字、おかしくないか？」と気づける。意思決定者と検証者の距離が近い。

この「距離の近さ」は、AI時代において圧倒的な強みになる。

大企業は組織が大きいがゆえに、AIの出力を誰も責任を持って検証しない構造に陥りやすい。中小企業は、社長が「これ本当か？」と聞くだけで検証が始まる。

「作るコスト」ではAIを使う大企業と差がなくなった。「検証する力」で差をつけられる。

そのために必要なのは、巨額の投資でも高度な人材でもない。「納品物を疑う習慣」と「月額3,000円のAIツール」だけだ。

外注先の成果物を「見た目がきれいだからOK」で通す会社は、遅かれ早かれ詰む。Deloitteに2,500万円払った西オーストラリア州政府のように。

まず明日、直近の外注物を1つ取り出して、引用元が実在するか確認してみてほしい。それだけで、見える景色が変わるはずだ。

—