新しいAI信頼性レポートでChatGPTが最も信頼性の低い業務用チャットボットに選ばれる

ChatGPTはAIチャットボット市場を支配しているかもしれませんが、新しいレポートによると、人気は信頼性と同じではないことが示唆されています。2025年12月の調査では、主要AIチャットボットが日常業務シナリオでどのように機能するかを検証し、ChatGPTが専門的なタスクに対して最も信頼性の低いオプションとしてランク付けされました。この調査結果は、日常業務でAIツールにますます依存している企業にとって新たな懸念を提起しています。

Relumによって実施されたこの調査は、単に紙上のスペックを見るだけでなく、実際の専門的シナリオで10の主要AIチャットボットをストレステストしました。結果は？誇大宣伝と現実の間に大きな乖離がありました。

この調査では、各チャットボットを4つの主要基準で評価しました。これらは、幻覚率、顧客製品評価、タスク間の応答一貫性、およびダウンタイム頻度でした。各要因が総合的な信頼性リスクスコアに貢献し、スコアが高いほど職場での潜在的な問題が大きいことを示しています。

ビジネスリーダーが夜も眠れなくなる統計がこちらです：市場の81％を支配し、高いユーザー評価を誇るにもかかわらず、ChatGPTは35％の幻覚率を記録しました。

平たく言えば、ChatGPTが提供する3つの回答のうち1つ以上に捏造または不正確な情報が含まれているということです。ファンタジー小説を書くために使用するなら問題ありませんが、コンプライアンスレポートや財務意思決定に使用するなら、それは災害のレシピです。その結果、この調査ではChatGPTに99点満点中99点という信頼性リスクスコアが付けられ、グループ内で最悪の結果となりました。

Googleも同様に良い結果ではありませんでした。Geminiはアップタイムが良好でしたが、純粋な精度では実際にはさらに悪く、グループ全体で最も高い38％の幻覚率を記録しました。これは現在のAI市場における奇妙なパラドックスを浮き彫りにしています：私たちが最も使用するツールは、しばしば事実を正確に保つのに最も苦労しているものなのです。

ClaudeとMeta AIは曖昧な中間地点を占めています。Claudeは文章スタイルで好まれているにもかかわらず、頻繁なダウンタイムと17％の幻覚率により、2番目に信頼性が低いとランク付けされました。Meta AIはより正確でしたが（15％の幻覚）、ユーザーはその体験を好まないようで、グループ内で最低の満足度評価（5点満点中3.4点）を与えています。

「アンダードッグ」– GrokとDeepSeekがChatGPTから注目を集める

大手が失敗しているなら、誰が実際に仕事をしているのでしょうか？驚くべきことに、この調査ではGrokとDeepSeekが専門的な使用に最も信頼性の高いツールであると指摘しています。彼らはOpenAIのような巨大なマーケティング予算やブランド認知度を持っていませんが、単純により良く機能しました。DeepSeekはサービス停止がゼロで、幻覚を最小限に抑えました。

Kimiも一貫性とアップタイムの間で良いバランスを見つけ、高得点を獲得しました。一方、Perplexity AIのような有料オプションは堅実でしたが、より安価で知名度の低い代替品がそれらを上回っている場合、サブスクリプションコストが価値があるかどうかという疑問を提起しました。

Relumの最高製品責任者であるRazvan-Lucian Haiducは、信頼性がAI採用決定の中心的な要素であるべきだと警告しました。彼は、米国企業の約65％が現在、日常業務でAIチャットボットを使用していると指摘しました。従業員の約45％がこれらのツールに機密性の高い企業情報を共有していることを認めています。

AIが日常業務にますます組み込まれるにつれて、誤情報のリスクは増大します。Haiducは、最も広く使用されているチャットボットが必ずしもすべての業界に最適であるとは限らないと強調しました。精度、アップタイム、タスク固有のパフォーマンスはブランドの知名度よりも重要であるべきです。

このレポートは業界にとって現実確認の役割を果たしています。チャットボットが有名だからといって信頼を与えるべきではありません。それは一貫した、検証可能な真実によって獲得されるべきです。現時点では、市場リーダーたちには追いつくべき深刻な課題があるようです。