1. 利用シーンを先に決める
議事録、CSV分析、リサーチ、資料作成など、利用者が行いたい作業を先に定義します。AIサービス全体の万能な優劣ではなく、その課題で必要な品質を評価します。
2. 比較条件を記録する
可能な限り、入力素材、指示文、制限、正解または採点基準、試行回数を共通化します。実行環境、ツール利用、プランなどに差が残る場合は、その差をページ内に記載します。
3. 正式モデル名を明記する
利用画面や実行記録で確認できた正式モデル名を掲載します。確認できない場合は、その旨を明記し、確認できた候補と同等の精度であるかのようには扱いません。
4. 評価軸を分ける
正確さ、例外検出、指示の適用、速度、使いやすさ、料金などは別の評価軸です。1つの強みだけから総合的な優劣を断定しません。
5. 再現性を高める
検証日、試行回数、採点結果、入力データの識別情報など、公開できる記録を残します。生成コードを再実行していない場合など、評価していない項目も明記します。
6. 更新と訂正
モデル更新や条件変更により結果が変わり得るため、検証日を表示します。誤りや不公平な比較条件が判明した場合は、対象の結論を見直し、必要に応じて再検証します。
7. PR・提供
金銭、製品、アカウント、クレジットなどの提供を受けた検証は、対象ページの冒頭で分かるように表示します。提供の有無にかかわらず、結果の改変依頼は受けません。
制定・最終更新：2026年8月1日