AIの「精度・再現率」とは — 数字の意味を正しく読む

AIの性能を紹介する記事や資料には、「精度98%」「再現率90%」といった数字がよく登場する。しかし、これらの数字は文脈によって意味が大きく変わり、片方だけを見て「すごい」「大したことない」と判断するのは危険である。この記事では、精度(Precision)と再現率(Recall)の違いを、具体例とチェックリストで整理する。数字の裏側を理解すれば、AI導入の提案書や報道を正しく評価できるようになる。

精度と再現率、そもそも何を測っているのか

AIが「異常あり」「該当あり」と判定する場面、たとえば迷惑メール検知、不良品検知、不正利用検知などを思い浮かべてほしい。AIの判定結果は次の4パターンに分かれる。

• 本当に該当していて、AIも「該当あり」と判定した(正解)
• 本当は該当していないのに、AIが「該当あり」と誤判定した(誤検知)
• 本当は該当しているのに、AIが「該当なし」と見逃した(見逃し)
• 本当に該当しておらず、AIも「該当なし」と判定した(正解)

この4パターンをもとに、次の2つの指標が計算される。

• 精度(Precision): AIが「該当あり」と判定したもののうち、実際に正しかった割合。「AIが該当ありと言ったら、どれくらい信用できるか」を表す。
• 再現率(Recall): 本当に該当していたもののうち、AIが正しく見つけられた割合。「本物をどれだけ取りこぼさずに拾えたか」を表す。

数式で書くと、精度は「正しい該当あり判定 ÷ AIが該当ありと判定した件数」、再現率は「正しい該当あり判定 ÷ 本当に該当していた件数」である。分母が違うだけだが、この違いが意味を大きく左右する。

具体例で見る「同じ90%」でも意味が違う理由

架空の例で考えてみる。ある迷惑メール検知AIが、100通のメールのうち10通を「迷惑メール」と判定したとする。

• 精度90%の場合: 「迷惑メール」と判定した10通のうち9通は本当に迷惑メールで、1通は普通のメールを誤って迷惑メール扱いした、という意味になる。誤って大事なメールを迷惑メール箱に入れてしまうリスクは低めとなる。
• 再現率90%の場合: 実際に存在した迷惑メールのうち90%を検知できた、という意味になる。裏を返せば、残り10%の迷惑メールは受信箱をすり抜けている。

同じ「90%」という数字でも、精度の90%と再現率の90%では「何が起きているか」がまったく異なる。記事や資料で数字を見るときは、必ず「精度の話なのか、再現率の話なのか」を確認する習慣をつけたい。

なぜ精度と再現率はトレードオフになるのか

一般に、精度と再現率は同時に100%にするのが難しく、どちらかを上げようとするともう一方が下がる傾向がある。

理由はシンプルである。AIが「少しでも怪しければ該当ありと判定する」ように設定を変えると、見逃しは減って再現率が上がる一方、誤検知が増えて精度が下がる。逆に「確実に該当する場合だけ該当ありと判定する」ように設定すると、誤検知は減って精度が上がる一方、見逃しが増えて再現率が下がる。

このため、AIの用途によって「どちらを重視すべきか」が変わる。AIモデルのベンチマークスコアの読み方全般についてはAIベンチマークの読み方で解説している。見逃しが致命的につながりやすい用途では再現率を重視し、誤検知が業務コストや信頼低下に直結しやすい用途では精度を重視する、という判断が必要になる。どちらが「正しい」というものではなく、目的次第で最適なバランスは変わる。

現場でチェックすべき3つのポイント

AIの性能を示す資料や記事を読むとき、次の3点を確認すると数字に振り回されにくくなる。

1. 精度と再現率の両方が書かれているか確認する。片方の数字(特に高い方)だけを強調している場合は注意が必要になる。
2. 母数(検証に使ったデータの件数や種類)を確認する。件数が少ない、あるいは偏ったデータでの数字は、実運用でそのまま再現するとは限らない。
3. 自社の用途で「見逃し」と「誤検知」のどちらが痛手になるかを先に整理してから、指標を見る。用途を決めずに数字だけ比較しても、正しい判断はできない。

なお、精度と再現率のバランスを1つの数値にまとめた指標(F値など)も使われますが、まずは精度と再現率それぞれが何を意味するかを理解することが土台になる。

まとめ

• 精度は「AIが該当ありと判定したものの信頼度」、再現率は「本物をどれだけ取りこぼさず拾えたか」を表す、意味の異なる指標である
• 同じパーセンテージでも、精度の数字か再現率の数字かで実務上の意味はまったく異なる
• 精度と再現率は一般にトレードオフの関係にあり、両方を同時に高めるのは容易ではない
• 資料を読むときは、片方だけでなく両方の数字と検証データの母数を確認したい
• 自社の用途で「見逃し」と「誤検知」のどちらが重大かを先に整理してから、指標を評価したい。「幻覚率◯%」のような別の数字の読み方についてはAIの「幻覚率」はどう測るのかも参考になる