正解率とは？

“全部正解”と“ほぼ正解”は、同じに見えるのに違う

正解率を、料理の味見にたとえるとわかりやすいです。10皿出して、8皿が「まあいいか」の味だった場合、あなたは8割成功だと言えそうです。でも、その8皿の中に「まずいのに気づけなかった皿」が混ざっていたら、単純に「8割成功」と安心してはいけないですよね。

つまり、正解率は、モデルが出した判定のうち、正解だったものの割合のことです。英語ではAccuracy（アクセラシー）と呼ばれます。

正解率が高いのに、現場で“あかん”になる場面がある

ここが、AI初心者としていちばん気をつけたいポイントです。正解率は「全部」を見て平均を取っているため、一部の大事な間違いを見落としやすくなります。実際に困る場面は、日常より業務で多く見えます。

• 病気診断のAIで、重病を「軽症」と言い切ってしまうとき。全体の正解率は高そうに見えて、致命的な取りこぼしがある
• メールの迷惑メール判定で、大事な営業メールを「迷惑」としてしまうとき。大量の正常メールに隠れて、誤判定が小さく見えてしまう
• 商品レビューの分類で、星1件の「最悪」と「ほぼ問題なし」が混ざったとき。平均で見たらよく見えて、個別の失敗に気づけない

この“見落とし”が起きる原因を、自分の言葉で言えるかどうかで、理解の段数が変わります。

正解率と混同しやすい“もう一つの指標”がある

正解率（Accuracy）と混同されやすいのが、再現率（Recall）や適合率（Precision）です。これらは「何を正解と数えるか」によって、同じデータでも数値が変わります。

• 再現率（Recall）：本当の問題の中から、何件“見つけられたか”に注目する指標
• 適合率（Precision）：見つけたものの中に、本当に正解だったものがどれだけあるかに注目する指標

例えば、迷惑メール検知で「全部取りこぼさず」が最優先なら再現率、誤爆を避けたいなら適合率、というように、使う場面によって重視する指標が変わります。

まとめ

正解率は「判定のうち正解だった割合」ですが、一部の重大な誤判定を隠す可能性があります。業務で使うときは、正解率だけでなく“何を間違えると困るか”を先に決めると、判断がずいぶん楽になります。

• 今週できる5分アクション：手元のAI判定結果を10件だけ抜き出し、「正解/不正解」のほかに「この誤判定が起きると何が起きるか」を1行ずつメモする

正解率の「多数の中で1つだけ評価する」感覚を、ロボットの プレゼント動作が視覚的に表現しており、比喩の明快さが高 いです。ただし、正解と不正解の皿が同様の鮮明さで並んで いるため、指標の差が伝わりにくく感じられました。

評価項目	点数	コメント
概念の正確さ	3	皿の数と選択で比率が伝わる構造です
比喩の明快さ	4	ロボットが皿を選ぶ行動が直感的です
立体感・奥行き	4	影と台で奥行きと厚みが出されています
映え度（SNS寄与）	4	明るい配色で清潔感のある画面構成です
色調の用語相性	3	金色が強調される点はやや弱い印象です
合計	18 / 25	総合判定: 良好

評価基準: 1（不合格）〜5（優秀）AI Judge による自動評価