投稿者 global-ai-media 
米メディアUSA TodayがChatGPTにスーパーボウルの勝敗予想をさせたという記事が話題ですが、これは単なるエンターテインメント以上の重要な問いを我々に投げかけています。大規模言語モデル（LLM）は未来を予言するツールになり得るのか。本稿では、生成AIの「もっともらしさ」の裏にあるメカニズムを紐解き、日本企業がビジネスの予実管理や市場予測において陥りがちな誤解と、実務における正しいAI活用の境界線について解説します。
生成AIが行っているのは「予測」ではなく「確率的な作文」
USA Todayの記事では、ChatGPTが第60回スーパーボウルの勝者としてシアトル・シーホークスを挙げたと報じています。スポーツファンにとっては興味深いトピックですが、AI技術の観点からは注意が必要です。ここでChatGPTが行っているのは、選手のコンディションや天候、戦術の相性といった変数を物理的・統計的にシミュレーションした結果の出力ではありません。
LLM（大規模言語モデル）の本質は、過去の膨大なテキストデータに基づき、「次に続く単語（トークン）として何が最も確率的に自然か」を計算することにあります。つまり、ウェブ上の多くのアナリストが「シーホークス有利」と論じていれば、AIもその文脈を学習し、それをさも自身の推論であるかのように再構成して出力します。これは事実に基づいた未来予測（Predictive）ではなく、文脈に沿ったテキスト生成（Generative）に過ぎません。
「Predictive AI」と「Generative AI」の混同リスク
日本企業の現場、特にDX推進の文脈において、この「予測AI（Predictive AI）」と「生成AI（Generative AI）」の混同が散見されます。在庫需要予測、株価予測、あるいは製品の売上予測といったタスクは、本来、構造化データを統計モデルや機械学習（回帰分析や時系列解析など）にかけて行うべきものです。
一方、ChatGPTなどのLLMに「来月の自社製品の売上はどうなる？」と尋ねることは、サイコロを振って経営判断をするのに近いリスクを孕みます。LLMは数字の計算や論理的推論が苦手な側面があり（近年改善されつつあるとはいえ）、もっともらしい嘘（ハルシネーション）を出力する可能性が常にあります。特に、学習データに含まれていない最新の内部データや、日本独自の商習慣・市場の微細な変化を考慮することは、RAG（検索拡張生成）などの仕組みを組まない限り不可能です。
シナリオプランニングにおけるLLMの真価
では、未来に関するタスクでLLMは役に立たないのでしょうか？答えはNoです。予測そのものではなく、「予測に基づいたシナリオ生成」においてLLMは強力な武器となります。
例えば、従来の統計モデルがはじき出した「楽観ケース」「悲観ケース」という数値データをもとに、「悲観ケースにおいて、どのような顧客コミュニケーションが必要か」「サプライチェーンのリスク対応策としてどのような文面を社内に通達すべきか」といった具体策を言語化させるタスクです。ここでは「正解のない問い」に対して、網羅的な視点を提供してくれる壁打ち相手として機能します。
日本企業のAI活用への示唆
今回のスーパーボウルの事例を教訓に、日本企業がAIを意思決定に組み込む際に考慮すべきポイントを整理します。
- 適材適所の技術選定：「未来の数値を当てる」タスクには従来の機械学習（AutoMLなど）を用い、「未来のシナリオを記述する」タスクにLLMを用いるという役割分担を明確にしてください。何でもLLMで解決しようとするのは、コスト面でも精度面でも非効率です。
- 「もっともらしさ」への警戒（AIリテラシー）：日本企業は合意形成を重視するため、AIが断定的な口調で出力した内容を「客観的なデータ」として会議資料に採用してしまうリスクがあります。LLMの出力はあくまで「確率的な言語パターン」であることを組織全体で理解する必要があります。
- Human-in-the-Loop（人間による確認）の徹底：AIによる予測や提案は、最終的な意思決定の「素材」に過ぎません。特にコンプライアンスや社会的責任が問われる判断においては、AIの出力を鵜呑みにせず、必ず専門家や担当者が検証するプロセスを業務フローに組み込むことが不可欠です。
AIは魔法の水晶玉ではありませんが、その限界を理解した上で使いこなせば、不確実な未来に対する準備を効率化する最強のパートナーとなります。