実測のまとめ

AI業務の用語集

OCR・プロンプト・ハルシネーション・表記ゆれ・名寄せ・書き足しを、当社の実測の実例つきで説明

結論(先に)AIで書類やメールを扱うときの用語6つを、意味と、当社の検証記事での実例つきで並べました。OCRとハルシネーションの定義は総務省の資料で確かめ、表記ゆれ・名寄せ・書き足しは当社の記事での使い方を断って書いています。実例は架空のサンプルでの各条件1回の結果です。

用語の一般的な解説ではなく、「その言葉が、実際の検証でどんな結果として現れたか」を1つずつ付けています。実例の元の記事では、サンプル・依頼文・採点の基準まで読めます。検証の手順は実測の進め方にまとめています。

OCR(光学文字認識)

意味:画像データ上にある文字と思われる部分を解析し、コンピュータで扱える文字データに変換する仕組みです。総務省の「デジタルアーカイブの構築・連携のためのガイドライン」(2012年)の注で、この意味で説明されています。同じガイドラインは、OCRの精度は完璧ではなく、似た形の文字を間違えたり、文章のレイアウトを正しく認識しないことがあるため、誤りを許容しないなら処理後に校正が必要だとしています。

当社の実測での実例請求書の読み取りでは、どの品目が8%でどれが10%かの判断のように、レイアウトではなく文脈で読み分けるところがAI-OCRでも取りこぼしやすい点として挙げています。生成AIに画像の文字起こしをさせた検証では、Claude Opus 5.5は0とO・lとIが混ざった型番まで正しい並びで読み、軽いHaiku 4.5は2条件とも型番の2〜3文字を読み違えました(1枚の画像・各条件1回)。

実例の記事:画像の文字起こしをAIで行う精度検証、請求書のデータ化とAI-OCR

プロンプト

意味:ChatGPT・Gemini・Claudeなどの生成AIに渡す指示文のことです。同じAIでも、何をどう頼むかで返ってくる答えが変わります。

当社の実測での実例6種の業務書類を、答えを知らないClaudeに「ただ頼む」「ルールを書いたプロンプトで頼む」の2通りで解かせた検証では、効いたのは迷いやすい判断の条件(同じとみなす条件、保留にする条件、直さなくてよいもの)を書くことと、話題ごとに分けるよう書くことでした。「推測で補わない」と書くだけでは、軽いモデルの作文は止まりませんでした。

実例の記事:プロンプトとは・業務での書き方

ハルシネーション(幻覚)

意味:生成AIが、事実に基づかない誤った情報をもっともらしく生成することです。総務省の令和6年版情報通信白書は、これをハルシネーション(幻覚)と呼び、技術的な対策が検討されているものの完全に抑制できるものではないため、利用者が出力の正しさを確認することが望ましいとしています。

当社の実測での実例画像の文字起こしの検証で、Haiku 4.5は2条件とも、9pxの小さい注記の一部を画像に無い文に置き換えました。Opus 5.5は同じ注記を一字違わず起こしました(1枚の画像・各条件1回)。この記事では、小さい文字は元の画像と見比べて確かめる手順を残すことをすすめています。

実例の記事:画像の文字起こしをAIで行う精度検証

表記ゆれ

意味:同じものを指す語の書き方が、文章の中でそろっていない状態です(例:「サーバー」と「サーバ」)。当社の記事では、この意味で使っています。

当社の実測での実例表記ゆれ10組を仕込んだ文章で、Opus 5.5は10組すべてを見つけ、プロンプトを付けると「ゆれに見えて正しい語」の誤指摘も0になりました。軽いHaiku 4.5は4〜6組にとどまり、商品名の中の「サーバ」を数に入れたり、「売上高」をゆれとして挙げたりしました(各条件1回)。

実例の記事:表記ゆれをAIでチェックする精度検証

名寄せ

意味:表記ゆれのある会社名や氏名などのデータを、同じ相手ごとにまとめる作業です。当社の記事では、この意味で使っています。

当社の実測での実例会社名30件で、表記ゆれを統合しつつ別企業は誤統合せず、法人格は保留にできました。会社の確定は法人番号で行い、「AIで候補出し→法人番号で確定」が安全だと、この記事は結論づけています(各条件1回)。

実例の記事:名寄せをAIで行う精度検証

書き足し

意味:メモや元の資料に書いていない内容を、AIが下書きの中に足してしまうことです。当社の検証では、メモにない目的・所感・評価・助言や、分からない点を埋める数字・日付を、書き足しとして数えています。前の項目のハルシネーションと近い現象ですが、画像や資料の読み取りではなく、下書きの作成で起きたものを指して使っています。

当社の実測での実例架空の出張メモから報告書の下書きを作らせた検証では、4条件とも日付・訪問先・担当者・交通費を原文どおりに書き、「覚えていない」とある昼食代・タクシー代に数字を作りませんでした。差が出たのは書き足しで、7項目で満点だったのはプロンプトを渡したOpus 5.5の1回だけでした。他の3条件は、メモに無い目的の欄や、確認をすすめる助言を付けました。

実例の記事:出張報告書の書き方(出張メモからのAI下書き)、月報の書き方と例文

用語ごとの実例の記事と実測日の一覧

上の実例が、どの記事のいつの実測かを表にしました。実測日は各記事に書かれた日付で、回答の原文を当社の検証フォルダに保存しているものは、そのフォルダ名を載せています(2026年10月18日に、記事とフォルダの記載を照らして確かめました)。

用語実例の記事実測日回答の原文の保存先
OCR(光学文字認識)画像の文字起こしの精度検証2026年9月25日なし(記事に採点表を掲載)
OCR(光学文字認識)請求書のデータ化とAI-OCR2026年9月29日・10月5日2026-09-29-invoice-calc、2026-10-05-invoice-bank
プロンプトプロンプトとは・業務での書き方2026年9月25日なし(記事に採点表を掲載)
ハルシネーション(幻覚)画像の文字起こしの精度検証2026年9月25日なし(記事に採点表を掲載)
表記ゆれ表記ゆれのチェックの精度検証2026年9月25日なし(記事に採点表を掲載)
名寄せ名寄せの精度検証2026年9月25日(30件で再確認)なし(記事に採点表を掲載)
書き足し出張報告書の書き方2026年10月11日2026-10-11-shucchou-memo
書き足し月報の書き方と例文2026年10月11日2026-10-11-getsuho

AIに仕事を任せるときは、数字や固有名詞を原本と見比べる確認の手順を残してください。モデルの使い分けはClaude Opus 5.5とHaiku 4.5の比較にまとめています。

よくある質問

OCRとハルシネーションは、どう違いますか?

OCRは画像の文字を文字データに変える仕組みで、ハルシネーションは生成AIが事実に基づかない内容をもっともらしく作ることです。生成AIで画像の文字起こしをすると、小さい文字の部分でハルシネーションが起きることがあります。当社の検証では、軽いモデルのHaiku 4.5が9pxの注記の一部を作文しました(1枚の画像・各条件1回)。

表記ゆれと名寄せは、どう違いますか?

表記ゆれは同じものを指す語の書き方がそろっていない状態で、名寄せは表記ゆれのあるデータを同じ相手ごとにまとめる作業です。当社では、文章中の表記ゆれを探す検証と、会社名30件の名寄せの検証を別の記事で行っています。

この用語集の実例は、どこまで信用してよいですか?

各実例は架空のサンプルを使った、各条件1回の結果で、精度を保証する数字ではありません。同じ条件で繰り返すと変わることがあり、試していないモデルでは違う結果になりえます。

このページについて
合同会社フューチャープロンプト(AIプロダクト開発・業務自動化/東京・渋谷)がまとめました。用語の意味は、記載した総務省の資料と、当社の検証レポートでの使い方に基づいています。会社の詳細はトップページをご覧ください。

自社の業務に合わせたプロンプトづくりのご相談

合同会社フューチャープロンプトは、実際の書類でAIがどこまで使えるかを確かめるところから、プロンプトと確認の手順を一緒に作ります。

お問い合わせ →