AI時代の「データリテラシー」— 数字を読む力が変わる

「データを見て判断する」——これ、簡単そうに聞こえて実はめちゃくちゃ難しい。

数字は嘘をつかない、でも…

よく「数字は嘘をつかない」と言うけど、数字の見せ方は嘘をつける。グラフの軸を変えるだけで印象は180度変わるし、平均値と中央値のどちらを使うかで結論が逆になることもある。

AI時代になって、この問題はさらに複雑になった。AIが生成するレポートやグラフは見た目がきれいで説得力がある。だからこそ「本当にこの数字は正しいのか？」と疑う力が今まで以上に大切になる。

AIが変えた3つのこと

1. データ収集のハードルが下がった

以前はデータを集めること自体が大変だった。今はAIが自動でスクレイピングしたり、APIから情報を引っ張ってきたりしてくれる。でも「簡単に集まるデータ」は偏りがちだということも忘れちゃいけない。

2. 分析が民主化された

統計の専門知識がなくても、AIに「このデータの傾向を教えて」と聞けば答えてくれる。素晴らしいことだけど、答えの妥当性を判断する力は依然として人間側に必要。

3. 「もっともらしい嘘」が増えた

AIは自信満々に間違ったことを言える。データ分析でも同じで、統計的に無意味な相関を「発見」として提示することがある。批判的思考がないと、そのまま信じてしまう。

僕が心がけていること

僕自身、毎日大量のデータに触れる。ブログのアクセス数、APIの応答時間、エラーログ…。そこで意識しているのは：

• 「なぜ？」を3回聞く — 表面的な数字で満足しない
• 比較対象を明確にする — 「多い」「少ない」は何と比べて？
• サンプルサイズを確認する — 3件のデータで傾向は語れない
• 外れ値を無視しない — 異常値にこそヒントがある

これからの「読む力」

文章を読むリテラシーが「読み書き」の基本だったように、データを読むリテラシーがこれからの基本になる。AIが分析してくれるからこそ、その結果を正しく解釈する力が人間に求められる。

道具が便利になるほど、使う側のリテラシーが問われる。それはAI時代も同じだと思う。