検索の使い方と、調べる視点の検証
検索は空白で区切った語をすべて含む記事・図を探します。題名や図の説明への一致を優先します。QACGWとQAC-GWの表記は同じ語として扱います。
検索の確認結果
記事8問・図6問・根拠段落4問・自然文1問・未収録語1問の計20問を固定して確認しました。目的の到達先が上位5件に入ったのは、正例19問中17問です。
これらは既知の記事から選んだ開発用の問いです。未知の質問に対する精度を保証しません。自然文の質問には未対応です。根拠段落の課題は親記事への到達を評価しており、段落への直接検索ではありません。図の周辺文章と、図を説明していると確認された文章も区別します。
Research Codeは何に役立つか
10問について、通常・汎用指示あり・カードありを別々のAI文脈で実行しました。同じ架空の入力と原文引用、240文字の出力上限を使い、合計30回答を得ています。各条件1回で、評価者は条件を知るAIです。人による盲検や、一般的な回答精度の改善を示す実験ではありません。
今回、カードが汎用指示より全般に優れるという結果は得られませんでした。追加の観測項目が具体化する一方、問いに不要な観点が混ざる例もありました。
多くの結論は汎用的な確認指示でも得られます。カードの価値は、分母、認定の段階、途切れたフィードバック経路など、調査で確認する具体的な項目を持ち運べることです。万能な点数や企業順位には変換しません。
名目能力と認定済み能力を分ける
向く場面：供給の段階や顧客認定が複数ある調査
同じ入力：架空の材料工場。同じ製品・同じ月で名目能力100万m²、内部歩留まり80%、内部良品のうち顧客認定率75%。認定済み供給の出荷需要50万m²。単価と売上認識条件は不明。増設から売上を予測できるか。
通常の回答例：認定済み供給は100万×80%×75%=60万m²。需要50万m²が上限なので、式上の販売量は50万m²となり、増設だけでは増えない。ASPと売上認識条件が不明なため、売上額・計上時期は予測できない。名目能力と認定済み供給を分けて確認する。
汎用指示あり：同じ月の認定済み供給は100万m²×80%×75%=60万m²。需要50万m²が制約なので、出荷量の上限は50万m²です。単価・売上認識条件が不明で売上額は予測できません。増設だけでは上限は増えず、需要増や歩留まり・認定率の変化も確認が必要です。
カードあり：内部良品は80万m²、顧客認定済み供給は60万m²。需要50万m²との小さい方は50万m²で、現状は需要側が制約となる。増設分をそのまま売上増にはできない。ASPと売上認識条件が不明なため売上額は算出不可。増設後の歩留まり・認定・需要、受注と出荷の対応も確認する。
比較からの判断：3条件とも認定済み60万m²・需要上限50万m²・売上未確定を正しく分離した。今回の問いではカードによる結論の改善は見られない。
不足・限界：在庫からの供給と出荷・売上認識を別に記録する必要
材料投入増が最終需要減へ転じる条件を探す
向く場面：歩留まり悪化を材料企業の追い風と判断する場面
同じ入力：架空の同一材料・期間。良品数100から80に減少し、歩留まり80%から60%へ低下。良品あたり正味材料は1。面付け・在庫・リワークは一定と仮定する。材料投入は増えるか。
通常の回答例：仮定の範囲では増える。投入量は良品数÷歩留まりなので、当初100÷0.8=125、変更後80÷0.6≈133.33。良品数は減っても投入量は約6.67%増える。ただし、この計算から低歩留まりが恒久的な材料需要増につながるとは言えない。
汎用指示あり：仮定の下では材料投入は増えます。同一期間で従来100÷0.8=125、変更後80÷0.6≈133.3材料単位となり、約6.7%増です。良品数の減少より歩留まり悪化の影響が大きいためです。ただし歩留まり60%で良品数が75未満になれば投入は従来を下回り、低歩留まりが常に投入増を生むわけではありません。
カードあり：この条件では増える。材料投入は変更前100÷0.8＝125、変更後80÷0.6≒133.3で約6.7%増。良品1個あたりは1.25から約1.67へ増える。ただし、これは与えられた数量・歩留まりでの計算であり、将来の注文増を意味しない。コスト・納期悪化と最終数量の推移を別に確認する。
比較からの判断：3条件とも投入が約6.7%増えると回答した。反転境界75未満まで示したのは汎用指示Bで、カードCでは省略された。カードが汎用指示に常に勝るとは言えない。
不足・限界：在庫・代替・リワークが動くと単純比は使えない
投入シェアと産出シェアの分母をそろえる
向く場面：シェア同士から効率を比較するとき
同じ入力：架空の同年・同市場の予測。製品Aがウェハー投入の30%、ビット産出の13%を占める。残りBは70%と87%。Aのセル不良率は57%と言えるか。
通常の回答例：57%のセル不良率とは言えない。13÷30≈0.433は全体平均に対するウェハー当たりビット産出で、Bとの比較は(13÷30)÷(87÷70)≈0.349、約35%。設計、周辺回路、ノード、積層後の歩留まりなどを含む集計値であり、セル不良率は分離できない。
汎用指示あり：57%とは言えません。同年・同市場の予測から求まるAのウェハー当たり最終ビット供給は、B比で(13÷30)÷(87÷70)≈34.9%です。13÷30は市場平均に対する比率で、セル歩留まりではありません。設計・周辺回路・ノード・積層後の歩留まり等を分離する情報がなく、セル不良率は特定できません。
カードあり：言えない。予測上の投入あたり産出はAが13÷30≒0.433、Bが87÷70≒1.243で、AはBの約34.9%。これは同年・同市場における相対的なbit/waferで、セル不良率ではない。設計面積、周辺回路、工程、積層等の影響を分ける必要がある。予測を実績とせず、改善の織込みも確認する。
比較からの判断：3条件ともA/B比約34.9%を求め、セル不良率との混同を拒否した。Cは予測と改善の織込みに言及したが、核となる結論は全条件で得られた。
不足・限界：製品範囲と予測時点の一致を確認できない入力では計算しない
性能倍率をワークロード条件へ戻す
向く場面：ベンチマーク倍率を別用途へ適用するとき
同じ入力：架空の製品宣伝は長い入力・高いキャッシュ再利用時のTTFTが5倍改善という。対象業務は短い入力でキャッシュ再利用なし、演算が飽和。業務全体も5倍になるか。
通常の回答例：業務全体が5倍になるとは言えない。宣伝の長い入力・高いキャッシュ再利用という条件と対象業務の条件が異なり、演算が飽和していればデータ待ちの短縮効果は小さい。TTFTの改善率を業務全体に流用せず、対象条件で処理量と全体所要時間を測定する必要がある。
汎用指示あり：業務全体が5倍になるとは言えません。宣伝は長い入力・高いキャッシュ再利用でのTTFT改善であり、業務全体の処理速度とは別の指標です。対象は短い入力・再利用なし・演算飽和なので、効果は小さいと推測されます。同じモデル・品質・負荷でTTFT、処理量、業務完了時間を測り、実際の改善率を確認する必要があります。
カードあり：業務全体が5倍になるとは言えない。宣伝の指標は長い入力・高い再利用時のTTFTで、対象業務は短い入力・再利用なし・演算飽和と条件が異なる。データ待ち削減の倍率を移植できず、TTFT改善は業務全体の処理量改善とも別。比較元、同時実行数、待ち時間を確認し、対象条件でTTFTと処理量を個別に測る。
比較からの判断：3条件ともTTFTと業務全体、入力条件の違いを指摘した。Cは同時実行と待ち時間も挙げたが、業務全体5倍を拒否する結論は共通だった。
不足・限界：品質・エネルギー・総費用の比較は別に追加
比較する分類軸を分ける
向く場面：異なる種類の技術用語が一列の選択肢に並んでいるとき
同じ入力：ある比較表は『LPOかCPOか外部レーザーか』を一列の排他的な選択肢にしている。入力での定義はLPO=信号処理方式、CPO=光電実装の配置、外部レーザー=光源配置。どれを選ぶべきか。
通常の回答例：この三つから一つを選ぶ比較表は不適切。LPOは信号処理、CPOは光電実装の配置、外部レーザーは光源配置という別の軸なので、排他的な選択肢ではない。各軸を分け、組み合わせの成立条件と用途の要件を確認する。入力だけでは最適な構成は選べない。
汎用指示あり：この情報だけでは一つを選べません。LPOは信号処理方式、CPOは光電実装の配置、外部レーザーは光源配置で、分類軸が異なります。表を三軸に分け、各方式の組合せと実装上の互換性を確認すべきです。用途や性能・電力・保守要件が不明なので、最適な構成も決定できません。
カードあり：この表から一つを選ぶことはできない。LPOは信号処理方式、CPOは光電実装の配置、外部レーザーは光源配置で、分類軸が異なる。表を三つの軸に分け、各軸内の選択肢を比較する。別軸の語は組合せ候補になるが、併用可能性や製品の実在は別途確認が必要。用途の要件と互換条件がないため最適構成は未決定。
比較からの判断：3条件とも分類軸を分けた。Cは組合せの実在と互換性を別途確認する条件を明示しており、誤った併用可能の断定を防ぐ具体性がある。
不足・限界：分類後の実装可否を確認する根拠はカード外
仮説を維持する観測と修正する観測を並べる
向く場面：仮説を継続的に更新する調査
同じ入力：仮説『反復が速い組織は必ず成果が伸びる』。架空の組織で試行回数は倍増したが、固定評価の品質は3期間横ばい。品質の測定誤差や遅延は未確認。仮説は正しいか。
通常の回答例：正しいとは確認できない。試行回数が倍増しても品質が3期間横ばいなのは、「必ず成果が伸びる」という強い主張への反証候補である。ただし測定誤差や効果の遅延は未確認。評価期間と改善判定条件を定めて検証し、横ばいが続くなら仮説を修正する。
汎用指示あり：仮説は支持されていません。観測は試行回数の倍増と、固定評価の品質が3期間横ばいということです。ただし品質の測定誤差と成果が現れる遅延は未確認です。成果を品質と定義し、誤差を考慮しても、あらかじめ定めた遅延・観測期間を超えて改善しなければ「必ず伸びる」という強い仮説の反例となり、修正が必要です。
カードあり：正しいとは確認できない。試行倍増でも固定評価の品質が3期間横ばいなのは、「必ず成果が伸びる」という強い主張への反対証拠。ただし測定誤差と効果の遅延が未確認で、決定的な反証かは未確定。対象・期間・支持観測と修正条件を定め、継続期間の閾値は未定と記す。条件付きの弱い仮説への修正も検討する。
比較からの判断：3条件とも強い仮説を未確認とした。Bは事前に定めた遅延・観測期間、Cは閾値未定と弱い形への修正を明示した。どちらが優れるかは課題による。
不足・限界：統計的な棄却閾値を自動提供するものではない
画面の実装と運用基盤の成立を分ける
向く場面：デモから運用成立や企業成長を推論するとき
同じ入力：架空の検索デモは1人・100文書で動く。導入対象は1万人・権限の異なる100万文書・毎時更新・削除要求あり。このデモの完成で運用可能と言えるか。
通常の回答例：デモ完成だけでは運用可能と言えない。1人・100文書での動作は、1万人・100万文書での性能や権限制御を保証しない。毎時更新、削除要求の反映、障害時の継続動作、監査を含めて対象規模で検証する必要がある。検索アプリの成立と検索基盤の運用成立は別である。
汎用指示あり：運用可能とは言えません。確認できたのは1人・100文書のデモであり、1万人・100万文書への適合は未検証です。対象規模での性能に加え、権限別の検索結果、毎時更新の反映、削除要求の確実な反映、障害時の継続性、監査を検証する必要があります。これらが運用要件を満たして初めて導入可否を判断できます。
カードあり：言えない。デモが示すのは1人・100文書での動作まで。1万人・100万文書での取り込み、負荷時の性能、利用者別権限、毎時更新と削除反映、障害時の継続、監査を対象条件で検証する必要がある。削除や権限変更が検索結果へ反映されることも確認する。実運用の成立と、契約・消費・売上への転換は別に評価する。
比較からの判断：3条件とも権限・更新・削除・規模・継続運用を挙げた。Cの売上への言及はカード由来だが、この導入可否の問いでは必須でなく、回答を長くする可能性もある。
不足・限界：具体的なSLOと脅威モデルの設計は対象ごとに必要
原文根拠1 · 原文根拠2 · 原文根拠3 · 原文根拠4 · 原文根拠5 · 原文根拠6 · 原文根拠7 · 原文根拠8
QAC-GW――用途をそろえて実効計算能力を見る
向く場面：AI設備の規模から用途別の実効能力を比較するとき
同じ入力：架空のAは通電1GW・AI IT電力0.6GW、Bは通電0.8GW・AI IT電力0.5GW。Bのほうが新しい装置だが、モデル・品質・遅延条件・稼働率・効率係数は不明。どちらが実効計算能力で上か。
通常の回答例：判定できない。AI IT電力はAが0.6GW、Bが0.5GWだが、実効能力には装置品質、接続・ソフトの効率、稼働率が関わる。Bが新しいだけでは優位は確定しない。同じモデル・品質・遅延条件で比較し、係数を確認する必要がある。提示式も業界標準ではなく独自の分析指標である。
汎用指示あり：優劣は不明です。AI IT電力はAが0.6GW、Bが0.5GWですが、通電量や装置の新しさだけでは実効能力を決められません。同じモデル・品質・遅延条件で、ハード品質×通信効率×ソフト効率×稼働率を比較する必要があります。この独自指標では、Bの係数積がAの1.2倍を超えるとBが上になります。
カードあり：実効能力の順位は未確定。AI IT電力はAの0.6GWがBの0.5GWより20%大きいが、装置の新しさだけでは逆転の有無は分からない。モデル・品質・遅延・期間・参照ハードをそろえ、通信効率、ソフト効率、稼働率などを測る必要がある。通電容量とAI IT電力を分け、記事独自の概念指標QAC-GWの係数は捏造・損失の二重計上をしない。
比較からの判断：3条件とも順位を保留した。Bは係数積1.2倍の条件付き逆転境界、Cは基準ハードと損失二重計上の点検を挙げた。カードは観測設計に使い、数値順位の正確性が向上したとは言えない。
不足・限界：係数の独立性・測定規約・基準系の校正が必要
Learning Loop――観測が次の変更と検証へ戻る経路を見る
向く場面：反復回数や速さを改善と結び付ける調査
同じ入力：架空の設計チームは月10回から20回の実験へ増加。測定結果は保存しているが、どの失敗が次の設計変更に使われたか記録がなく、評価条件も途中で変更。学習速度が倍になったと言えるか。
通常の回答例：倍になったとは言えない。実験回数の倍増は活動量の増加であり、学習速度は改善量とループ時間で判断する。失敗から原因分析、次の設計変更へのつながりが追えず、評価条件も変わっているため改善量を比較できない。条件をそろえ、変更の根拠と検証結果、所要時間を記録する必要がある。
汎用指示あり：確認できるのは実験頻度が月10回から20回へ倍増したことだけです。学習速度R_Fは改善量ΔFと一巡の時間τ_loopで評価するため、回数だけでは倍増といえません。評価条件の変更で改善量も比較できません。共通条件で再評価し、失敗→原因→次の設計変更→改善の記録と、一巡に要した時間を結ぶ必要があります。
カードあり：言えない。倍増したのは実験回数で、学習速度ではない。失敗の観測から原因検討、次の設計変更、再検証への経路が未記録で、評価条件の変更も比較を妨げる。同じ評価条件で改善・停滞・悪化を測り、一周の開始・終了、所要時間、改善量を別々に記録する。保存した知識が次の判断に使われた証拠も必要。
比較からの判断：3条件とも回数と学習速度を区別した。Cは知識が次の判断に使われた証拠、停滞・悪化、一周の開始・終了を追加した。経路の記録項目を具体化する用途に適する。
不足・限界：比較群や条件変化の管理がなければ因果効果は測れない
QAC-GW × Learning Loop――改善が実効能力へ届くかを調べる
向く場面：改善活動が現在の実効能力へ届く経路を調べるとき
同じ入力：架空の同一モデル・品質で、試作ソフトは同じGPUの処理量を10%改善した。本番への採用は認定待ちで、運用ソフト、AI IT電力、稼働率は変わらない。現在の実効能力が10%増えたと言えるか。
通常の回答例：現在の本番実効能力が10%増えたとは言えない。確認できたのは試作ソフトでの処理量改善であり、認定待ちで運用ソフトも変わっていない。現在の能力、検証済みの改善、採用・利用できる範囲を分けて扱い、本番採用後に同条件で実効能力を測定する。
汎用指示あり：現在の実効能力が10%増えたとは言えません。観測されたのは同一モデル・品質・GPUでの試作ソフトの処理量10%改善です。本番は認定待ちで運用ソフト・AI IT電力・稼働率も変わらず、改善はまだ現行能力に反映されていません。採用後に同条件で本番の改善と適用範囲を確認し、利用権や利益への寄与は別に評価します。
カードあり：現在の本番実効能力が10%増えたとは言えない。確認済みなのは同じGPU・モデル・品質での試作処理量10%改善で、認定待ちのため本番には未反映。採用範囲と稼働開始を追跡し、同条件の本番性能を測る必要がある。現能力の算定には効率等、学習速度には改善所要時間やフィードバック記録が不足。試作の改善率を現能力へ掛けない。
比較からの判断：3条件とも試作改善を現行本番能力へ移さなかった。CはLoopの所要時間・記録不足も指摘したが、結論の改善は確認できない。二つの問いを扱う場合の組合せレシピとして保持する。
不足・限界：単独カードの効果と組合せの追加効果は未測定
QAC-GWとLearning Loopは独立して使える定義のまま保持します。組合せ版は、改善が認定・採用を経て実運用へ届くかを調べるときに使います。著者の正式承認や、回答精度の改善が実証された状態への変更はしていません。