ハルシネーション対策は、ハルシネーション（事実誤りの出力）をゼロにはできなくても、リスクを下げるための技法・運用の総称です。本記事は現象の定義ではなく、多層の対策スタック——どの層で何をするか——に焦点を当てます。「RAGを入れれば完璧」は試験では×です。
試験で問われる見方
「生成AIの提案資料は必ず正確だから根拠確認不要」は×（TF-0452）。「断定的な口調だから正しい」も×（TF-0256）。対策の本質は技術＋人の検証の組み合わせです。
対策のゴール設定
実務・試験とも、目標は「幻覚ゼロ」ではなく「許容可能なリスク」です。医療・法務・対外公開ほど、要求される確認レベルが上がります。対策はユースケースごとに設計します。
4層の対策スタック
下から上に積み上げるイメージで整理します（すべてを常に実施する必要はありません）。
-
層1：プロンプト・推論設定
「不明ならわからないと答える」、温度を下げる、出力形式を固定（プロンプト・プロンプトエンジニアリング）。
-
層2：根拠の付与（RAG・検索）
参照文書を渡して根拠性を高める（RAG）。検索ミスには注意。
-
層3：自動検証
引用の有無チェック、数値の再計算、別モデルによる批判的レビュー、ルールベース検証。
-
層4：人のファクトチェック
一次情報・複数ソースで確認（TF-0257）。
RAGは万能ではない
RAGは対策の有力手段ですが、幻覚を完全に消すものではありません（TF-175、TF-0171）。検索結果の誤り、無関係な段落の参照、モデルが資料を無視して捏造する、といった失敗モードがあります。
| 失敗モード | 補助対策 |
|---|---|
| 検索ヒットが外れる | チャンク設計、リランキング |
| 資料が誤っている | ナレッジの品質管理 |
| 引用を無視して生成 | 出典必須のプロンプト、後段検証 |
人による確認（最後の層）
人間中心のAIの考え方どおり、重要な判断は人が担います。チェックの優先度は次のとおりが実務的です。
- 数値・日付・固有名詞
- 法規・契約・医療に関わる記述
- 対外公開・顧客向け資料
- 社外秘・個人情報の有無
評価・監視
本番運用では、対策の効果を継続的に測ることが重要です（AIガバナンスの監視・改善と接続）。
ベンチマーク
社内FAQで正答率・引用一致率を測定
ユーザーフィードバック
誤回答報告の収集
回帰テスト
モデル更新後に幻覚率が悪化していないか
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| RAGで幻覚ゼロ | 有力手段だが完璧ではない（TF-175） |
| 断定的な口調＝正確 | もっともらしく誤ることもある（TF-0256） |
| 根拠確認は不要 | 提案資料も人が確認（TF-0452） |
| 技術対策だけで十分 | ファクトチェック等の人の検証も必要（TF-0257） |