W杯のVARが教えてくれた、AIテクノロジーの限界との向き合い方｜精度が上がっても、それだけで公平にはならない

世界中が見た「奇妙な2つの判定」

クロアチア戦──見えない接触で消えた同点弾

まず、事実関係を報道ベースで確認します。W杯2026のノックアウトステージ、ポルトガル対クロアチア戦で、クロアチアが試合終盤に決めた同点ゴールが、VARのオフサイド判定によって取り消されました。焦点になったのは、味方選手がボールに触れたごく一瞬です。公式球に内蔵されたセンサーが「クロアチアの選手に接触した」ことを検知し、その結果オフサイドが成立したと説明されました。テレビ映像では判別が難しいレベルの接触が、劇的な得点を幻に変えたのです。

イングランド戦──「センサーに異常なし」で認められたゴール

一方、その後の準々決勝、ノルウェー対イングランド戦では、正反対のことが起こりました。前半終了間際、ノルウェーのゴールキックが空中を移動する際、ピッチ上空に張られたロボットカメラ用のケーブル（スパイダーカムのワイヤー）に触れたように見え、直後にボールの軌道が変化しました。そのままイングランドが攻撃を続け、45+2分にジュード・ベリンガムが同点ゴールを決めます。ボールがワイヤーに当たったなら、本来はプレーを止めて再開すべき場面でした。しかしFIFAは、ボールが空中にあった間にセンサーが接触を示さなかった、という趣旨の声明を出します。

「イングランドの45+2分のゴールに先立ち、ボールが空中にあった間、コネクテッドボールのセンサーは『ボールの鼓動』にピークを示さなかった。したがって、ボールが上空のワイヤーに触れて軌道を変えたという証拠はない」

出典：FIFAの声明（2026年7月、ESPN報道より要約引用）

目に見えない微細な接触は「あった」と裁かれ、目に見える形の接触は「なかった」と裁かれる。同じ大会、同じ技術、同じ種類のセンサーが、まったく逆向きの説明を生んだわけです。下の図は、この非対称を整理したものです。

大切なのは、どちらの判定が「正しかったか」を裁くことではありません。ここで注目すべきは、正反対の結論が、いずれも「センサーがそう示したから」という同じ一言で正当化された点です。技術そのものは中立です。結果を分けたのは、センサーの数字を人間がどう解釈し、どこで思考を止めたか──その一点でした。

「AIだから」が検証を止める——説明責任の空白地帯

結論だけを受け取り、根拠を追えない構図

この2つの判定に共通していたのは、発表が「センサーがそう示した」「異常はなかった」という結論の提示にとどまり、その根拠となった生データや検証プロセスが公開されなかったことです。私たちは、なぜそう判断できるのかを追検証する手段を持たないまま、結論だけを受け取る立場に置かれます。

人間の判定であれば、話は違います。担当者が「こう判断した」と言えば、私たちは「どの前提で、何を根拠にしたのか」を問い、突き合わせ、必要なら反論できます。判断の理由が言語化できるからこそ、検証と反証が成り立つのです。ところがセンサーやAIの判定は、「複雑だから」「精密だから」という理由で、その説明を求める側が反証の足場を失いがちです。精度が高いという評判が、そのまま「疑わなくてよい」という空気に横滑りしてしまう。ここに、説明責任の空白地帯が生まれます。

強調しておきたいのは、これがAIの技術的な限界の話ではない、ということです。センサーの精度は年々向上していますし、多くの場面で人間の目より正確でしょう。問題は技術の側ではなく、その出力を人間がどう扱うか──運用の側にあります。「AIが出した数字だから」を、検証を打ち切る免罪符にしてしまう。この姿勢こそが、W杯のピッチでも、会社の会議室でも、まったく同じ形で牙をむきます。

事例：根拠を遡れない会議

具体的な場面を想像してみましょう。ある会社の会議で、AIが「この施策に予算を3,000万円振り向けるべきだ」と提案したとします。担当者が「なぜ3,000万円なのか」と尋ねても、返ってくるのは「モデルがそう算出した」という答えだけ。前提となったデータの範囲、外れ値の処理、想定した期間──その中身を誰も遡れないまま、数字だけが承認されていきます。人間の担当者が根拠を語れば全員で検証できたはずの判断が、「AIが出した」という一言で検証を素通りしてしまう。これは判定の精度とは無関係に起こる、運用上の事故です。同じことは、与信審査でも、人事評価でも、在庫の発注でも起こり得ます。

そもそも「観測」は存在しない——判定はすべて「解釈」である

センサーが捉えるのは「出来事の影」にすぎない

ここで、もう一段深い問題に踏み込みます。私たちは「センサーは事実を観測している」と考えがちですが、これは正確ではありません。物理的な出来事そのものを、私たちは直接には観測できないのです。観測できるのは、出来事が残した信号やデータ──いわば「出来事の影」だけです。そして、影から出来事の意味へと至るには、必ず「解釈」という飛躍が挟まります。

イングランド戦のFIFAの説明を思い出してください。センサーが観測したのは「ボールの鼓動」と呼ばれる信号のパターンであって、「ワイヤーに触れたかどうか」そのものではありません。「鼓動にピークがない、ゆえに接触はなかった」という判断は、信号から意味を引き出す解釈です。生の事実ではなく、解釈された結論なのです。ここに解釈が挟まっていること自体は、避けようがありません。センサーであれ人間であれ、データから意味を取り出す以上、解釈は必ず必要になります。

AIは無関係な相関も「もっともらしく」量産する

問題は、この「解釈」という工程に、AIがかつてない規模のリソースを注ぎ込めるようになったことです。AIは、膨大なデータから相関やパターンを見つけ、それを一見もっともらしい物語として提示することに長けています。関係が本当にある事柄──たとえば「気温が上がれば冷菓の需要が伸びる」といった解釈なら、これは妥当で、役にも立ちます。

厄介なのは、関係がまったくない事柄についても、AIは同じように「もっともらしい解釈」を生成できてしまうことです。「風が吹けば桶屋が儲かる」という、無理筋の因果連鎖を思い出してください。人間なら「さすがにこじつけだ」と踏みとどまるところを、AIは大量のデータと計算力で、疑似相関やそれらしいストーリーをいくらでも量産できます。関係があるものを説明できるのは当然として、関係がないものにまで説得力を与えられてしまう。ここが本質的な危険です。経営会議で「このデータがこの施策の効果を証明しています」と示されたグラフが、実は無関係な数字を結びつけただけ、ということが起こり得るのです。上の図の右側──実際にはバラバラな点の集まりに、それらしい線が引かれてしまう構図が、まさにこれにあたります。

W杯を通じて世界が体験したのは、「精密なセンサーの結論」と称するものが、実は「信号の一つの解釈」に過ぎなかったという事実です。そしてAIと協業する私たちが本当に警戒すべきなのは、その解釈が、関係のあるなしにかかわらず、常に「妥当そうな顔」で差し出されてくることなのです。

「客観」は誰のものか——4つのサッカー史が示す「解釈と力」の階段

マラドーナから三笘へ——「客観」への期待と、その足元

「観測は解釈である」という話を、サッカーの歴史がもう少し立体的に見せてくれます。1986年、マラドーナの「神の手」は、明らかな反則が人間の審判の目を逃れ、そのままゴールとして認められました。技術がない時代、人の目は誤り、時に不正すら見逃す。私たちが「客観的な計測」を求めたのは、まさにこの種の不条理をなくすためでした。

その願いは、2022年の「三笘の1mm」で成就したかに見えました。肉眼では「ラインを出ていた」ように見えたボールが、VARの計測によって「わずかに残っていた」と裏づけられ、ゴールが認められたのです。人の目を超える精度が真実を明らかにした——多くの人がそう受け止めました。ところが後に指摘されたのは、広く出回った「1.88mm」という数値の根拠とされた写真が、ラインの真上から撮られたものではなく、正確な残り幅を算出できるものではなかった、というファクトチェックもあります。「客観的な数値」そのものが、実は一つの解釈だったのです。それでも私たちは、この鮮烈な成功体験を通じて「測定こそが真実だ」という感覚を深く刷り込まれていきます。

贔屓とタスクフォース——解釈は「力」の上に立っている

ここから先が本題です。VARは「ボールが出たか」という事実を差し出してくれます。しかし、その事実がどう扱われるかは、つねにより大きな解釈の下にあります。どの映像を選び、どの瞬間を基準にし、そもそも何を確認すべき事実とみなすのか——この枠組み、すなわち目的関数が変われば、VARが示した"事実"は、より大きな解釈によって上書きされ、時に無効化されます。第1章で、FIFAが「ボールが足を離れた瞬間」を基準の映像として選んだように、事実確認の技術は、その上位にある解釈まで確定させてはくれないのです。

さらに危ういのは、同じ高精度の技術が、都合によって正反対の使われ方をすることです。結果が自分たちに有利なときは「AIが証明した、これは客観的だ」と称え（AI礼賛）、不利なときは「判定は仕組まれている」と疑う（陰謀論）。同じ技術が、目的次第で称賛の道具にも、不信の道具にもなる。実際、2026年大会ではアルゼンチン対エジプト戦でエジプトの得点がVAR介入で取り消されるなど、アルゼンチンに有利とされる判定が続き、SNSでは「VARゼンチン」「FIFAtina」といった皮肉まで飛び交いました（各種報道より）。この「アルゼンチンに有利ではないか」という疑いも、その裏返しの「技術があるのだから公平だ」という安心も、どちらも技術を自分の立場の正当化に使っている点では同じです。指摘したいのは判定の是非ではありません。私たちが精度の高さを、そのまま公平さの保証だと錯覚してしまうことの危うさです。これは社内でも起こります。ある部門は「AIのスコアが我々の正しさを示している」と使い、別の部門は同じスコアを「恣意的だ」と退ける──技術が、立場を正当化する材料に成り下がるのです。

そしてその外側には、大会そのものを枠づける政治権力があります。2026年大会では、開催国のアメリカで大統領を長とする「ワールドカップ・タスクフォース」が設けられ、大会は国家的なプロジェクトとして推進されています。数百億ドル規模の経済効果が見込まれる催しが、誰の招致で、誰の枠組みのもとで運営されるのか。特定の政治的立場の当否を論じたいわけではありません。ただ、技術がいくら中立でも、それを取り巻く目的や力の構造まで中立にしてくれるわけではない、という事実は押さえておく必要があります。システムに与えられる目的を設定するのは、最終的にはつねに「力」だからです。企業に置き換えれば、AIに与える目的そのものを決めるのは、経営という力にほかなりません。

4つの出来事は、一段ずつ上る階段になっています。観測は解釈の上に立ち（三笘）、解釈は裁量と力の上に立ち（贔屓とその裏返し）、システム全体は目的を設定する権力の上に立つ（タスクフォース）。ここから導かれる最も重要な結論はこうです。どれほど高精度な解釈も、それ自体が公平な制度や効率的な社会を保証してくれるわけではありません。精度が高いことと、目的が正しいこと・制度が公平であることは、まったく別の問題なのです。だからAIについて問うべきは「客観的か」ではなく、「この客観性は、誰の、どんな目的の上に成り立っているのか」になります。

この視点は、次に見る「目的関数と判断関数のズレ」を、単なる技術論ではなく、組織の力学の問題として捉え直させてくれます。誰が目的を握るのか——その問いを持ったまま、話を進めます。

本当の問題は「測っている対象がズレている」こと

目的関数と判断関数は、そもそも別物である

もう一歩踏み込むと、W杯の判定騒動の根には、精度以前の「何を測っているか」という問題が横たわっています。オフサイドという規則が本来目指しているのは、「攻撃側が不当な位置的優位を得るのを防ぐ」という、いわば競技の公平性を保つための目的です。これを仮に「目的関数」と呼びましょう。ところが、実際に運用される判断は「身体のどの部位が、幾何学的な線を越えたか」という静的な境界線の判定に切り詰められています。これを「判断関数」と呼ぶことにします。

目的関数と判断関数の間には、必ずズレがあります。「不当な優位を防ぐ」という目的と、「線を1cm越えたか」という判定は、本来は同じものではありません。精度が低かった時代には、このズレは「誤差」の中に吸収され、大きな問題にはなりませんでした。判定がアバウトだったからこそ、規則の精神と運用がなんとなく折り合っていたのです。ところがセンサーとAIによって判断関数の精度が極限まで高まると、切り詰められた判断関数そのものが、寸分の狂いもなく厳密に適用されるようになります。「肩の先が出ていた」「髪の毛一本分の差だった」といった判定が、まさにこの矮小化の産物です。精度が上がったことで、規則の精神からのズレが消えるどころか、むしろ拡大して見えるようになった──ここに逆説があります。

ビジネスのあらゆる指標に潜む同じズレ

この構造は、あらゆる組織や制度にそのまま当てはまります。「顧客に満足してほしい」という目的は「対応時間の短さ」に、「良い教育をしたい」という目的は「テストの点数」に、「健全な経営をしたい」という目的は「今四半期の数字」に切り詰められます。置き換え自体は避けられません。測れる形にしなければ運用できないからです。問題は、その置き換えにズレがあることを忘れ、判断関数だけを高精度で追い始めた瞬間に起こります。指標が精緻になるほど、私たちは指標そのものを目的だと錯覚し、本来達成したかったものから静かに遠ざかっていきます。

精度を上げた側には、より高度な目的関数が求められる

ここに、見落とされがちな非対称があります。観測の精度が上がるほど、それを扱う側には、より高度な目的関数を参照する力が求められるということです。審判団は、髪の毛一本の接触まで検知できる観測技術を手にした代わりに、「これほどの精度で、いったい何を裁くべきなのか」という、以前よりはるかに高度な判断を迫られるようになりました。1cm単位で曖昧だった時代には問う必要のなかった問い——「そもそもオフサイドは何のための規則か」を、ミリ単位の精度は容赦なく突きつけてきます。

ところが現実には、道具の精度だけが先行し、それを目的に結び直す判断力が置き去りにされています。高度な目的関数を用意しないまま高精度の観測だけを使うから、技術的には寸分の狂いもなく正確なのに、規則の精神からすれば頓珍漢としか言いようのない判定が生まれてしまう。精度の向上は、判断する側の責任を軽くするどころか、確実に重くするのです。これはそのまま、企業がAIを導入するときに突きつけられる問いでもあります。強力なAIを手にした組織ほど、それに見合った高度な目的設定と判断の力を、自ら備えなければなりません。

AIは包丁である——増幅器としてのAI

善悪は道具ではなく「目的」に宿る

ここで、本稿の核心を述べます。AIは、それ自体が世界や社会を良くする道具ではありません。包丁と同じで、使い方次第・目的次第の道具です。名シェフの手にあれば料理を生み、そうでない使い方をすれば凶器にもなる。AIもまったく同じで、善悪は道具ではなく、握る側の目的に宿ります。

ただし、AIには包丁と決定的に違う点があります。それは増幅率です。AIによって、目的関数が脆弱なまま──つまり「何を最適化すべきか」が曖昧だったりズレたりしたまま──の知性（個人であれ組織であれ）が扱える情報量と実行量が、爆発的に増えました。その結果、目的が正しく設定されていれば善が大きく増幅されますが、目的がズレていれば、そのズレがもたらす負の影響も同じ勢いで増幅されるのです。「賢い道具を手に入れた」のではなく、「目的のズレを高速かつ大量に実行する道具を手に入れた」可能性を、常に疑う必要があります。

0.5%の偏りが、組織を揺らすまで

数字で捉えると、その怖さがより鮮明になります。仮に何らかの判断ロジックに0.5%の系統的な偏り──たとえば特定の層を常に高く（あるいは低く）見積もる癖──があったとします。手作業で少数の案件を扱っていた頃なら、この偏りは他の判断のばらつきに埋もれ、実害はほとんど出ませんでした。ところが同じ0.5%の偏りを、数万件の自動処理に載せて毎日回せば、偏りは相殺されずに一方向へ積み上がり続けます。1人が年に数回犯していた種類の誤りが、システムによって桁違いの頻度と範囲で繰り返される。採用でも、与信でも、価格設定でも、同じことが起こります。誤りが小さいからこそ気づかれず、増幅され続けるという点に、この問題の陰湿さがあります。逆に言えば、目的関数さえ健全なら、同じ増幅器は善を同じ速度と規模で広げてくれます。だからこそ、増幅する前に「何を増幅しようとしているのか」を問うことが決定的に重要になります。

それでもAIが強力な「善」になる条件

目的と計測が一致する領域では、AIは疑いなく善である

ここまで警鐘を鳴らしてきましたが、AIやセンサーの導入をやめるべきだ、という主張ではありません。むしろ逆で、条件さえ整えばAIは極めて強力な武器になります。その条件を、W杯の事例が教えてくれます。

同じ大会で、ゴールライン・テクノロジー──ボールがゴールラインを完全に越えたかを判定する仕組み──は、ほとんど論争を生みませんでした。なぜでしょうか。それは、この判定においては「目的関数」と「判断関数」がほぼ一致しているからです。「得点は、ボールがラインを完全に越えたときに認められる」という規則の目的そのものが、「ボールがラインを越えたか」という測定対象と、ずれなく重なっている。目的と計測が一致している領域では、精度の向上はそのまま判定の質の向上につながり、AIは疑いようのない善として機能します。

「任せる領域」と「握り続ける領域」を分ける

私たちの身の回りにも、この「ズレのない領域」は数多くあります。たとえば音声の文字起こしや翻訳、文章の誤字検出は、「正しく書き取る・訳す」という目的と、実際に測っている一致度がほぼ重なります。こうした領域では、AIに思い切って任せるほど成果が出ます。逆に、人事評価や与信、コンテンツの良し悪しの判断のように、目的と計測の間に大きなズレを抱える領域では、任せきりにせず人の検証を残す。この「任せる領域」と「握り続ける領域」の線引きを、感覚ではなく目的と計測の一致度で見極めることが、AIと賢く付き合う要になります。AI導入の可否を分ける本当の分水嶺は、「精度が高いかどうか」ではなく、「測っている対象が、達成したい目的とずれていないかどうか」なのです。

AIが「解釈」を担うとき、ビジネスの現場で何が起きるか

W杯の構造は、そのまま事業の3領域に写る

W杯のピッチで起きた「センサーがそう言ったから」という思考停止は、ビジネスの現場にそのまま写し取れます。とりわけ、予測・評価・検査という、AIが「解釈」を肩代わりしやすい3つの領域で、同じ事故が繰り返し起こります。

予測・評価・検査に共通する落とし穴

1つ目は予測です。売上や需要の予測精度（MAPEなどの数字）を上げることに全力を注ぐ現場は多いのですが、予測精度は判断関数であって、目的関数ではありません。予測が99%当たっても、その予測が「何を予測しているか」を取り違えていれば、意思決定は歪みます。金額ベースで当たっていても、品目や顧客層の構成がずれていれば、現場は最適化されません。2つ目は評価です。「顧客満足」や「事業への貢献」は測れないので、対応時間や行動ログといった代理指標に置き換えます。すると計測が精緻になるほど、人は代理指標そのものを最適化しはじめる。KPIダッシュボードは緑色に輝いているのに、顧客の体感は悪化している──これがグッドハートの法則です。

ある指標が目標として設定されると、その指標はもはや良い指標ではなくなる。──人は「目的」ではなく「測られている数字」を最適化しはじめるからである。

出典：グッドハートの法則として一般に知られる経済学の経験則

3つ目は検査です。AIによる画像検査や各種センサーが「異常なし」と出力したとき、それが意味するのは「機器が検出できる範囲において異常が見つからなかった」ことであって、「現物に異常がない」ことではありません。機器の正常性と、現物の正常性は、別のものです。学習していない種類の欠陥や、想定外の不具合は、そもそも検出対象になりません。見ていない範囲の不良は、システム上「存在しない」ことになってしまうのです。下の表は、この3領域に共通する「目的」と「代理指標」のズレを整理したものです。

そしてもう一つ、第3章で見た「解釈の量産」がここに絡みます。指標が悪化したときにAIへ理由を問えば、「季節要因」「特定チャネルの不調」といったもっともらしい説明はいくらでも返ってきます。私たちは「原因がわかった」と錯覚し、本当の構造的なズレから目をそらしてしまう。データにもとづく説明が、かえって思考停止の口実になるのです。異常を見たときに問うべきは「それらしい説明がつくか」ではなく、「その説明は追検証できるか、別の説明を排除できているか」です。

鵜呑み型AI運用の5大リスク

5つのリスクは同じ根から生える

3つの領域を貫く共通のリスクを、ここで整理しておきます。いずれもW杯のピッチで観察されたものと同型で、そのまま組織のリスクに読み替えられます。

5つ目の「ズレの高速・大量増幅」は、これまで述べてきた増幅器の論理そのものです。他の4つのリスクは以前から存在していましたが、AIはそれらを桁違いの規模と速度で顕在化させます。だからこそ、リスクの一つひとつに対して、意識的な歯止めを運用に組み込む必要があるのです。

AI利用の「謙虚さ」を保つ3つの原則

目的を握り、境界を明示し、増幅前に点検する

では、具体的に何をすればよいのか。難しい話ではありません。AIの精度を疑うのではなく、AIに任せる「目的」と「境界」を人が握り続けること。そのための3つの原則を提案します。こうした姿勢は、国が示す指針とも重なります。総務省・経済産業省のAI事業者ガイドラインも、AIの出力を鵜呑みにせず、人による監督と説明責任を確保することを一貫して求めています。

とりわけ原則③が見落とされがちです。私たちはつい「測れるようになったから測る」と考えますが、本当に問うべきは「測るべきものを測れているか」です。精度が上がったタイミング、自動化の範囲を広げたタイミングこそ、増幅器の出力が大きくなる瞬間であり、目的とのズレが最も拡大しやすい瞬間でもあります。精度の高さと、説明責任の重さを混同しない。高精度なAIを導入するほど、その出力を検証する側の責任は軽くなるのではなく、むしろ重くなるのです。

人が「検証ループ」を握るという実行条件

AI・センサーと判断の間に「検証ゲート」を置く

最後に、これらの原則を絵に描いた餅にしないための、実行条件に落とし込みます。鍵は、AIやセンサーの出力と、実際の判断・実行の間に、人による「検証ゲート」を明示的に置くことです。下の図は、その運用ループを表しています。

自動化と人の「責任分界」を設計する

ポイントは、AIの出力を「結論」ではなく「証拠のひとつ」として扱い、人がそれを検証したうえで判断・実行に進み、さらに定期的に目的と指標そのものを問い直す、という循環をつくることです。図の点線が示すように、この検証ゲートを外して出力を実行に直結させた瞬間、システムは第5章で見た暴走モードに入ります。自動化に任せる範囲と、人が最終的に責任を持つ範囲を、あらかじめ分界しておく──この設計こそが、増幅器を暴走させないための、最も現実的で普遍的な歯止めです。少人数の組織であっても、「どの判断は人が握り、どの作業はAIに委ねるか」を一枚の紙に書き出すだけで、検証ループは動き始めます。

まとめ：AIに問うべきは「正しいか」ではなく「何を測っているか」

W杯2026の判定騒動が最終的に突きつけたのは、技術が悪いという話ではありませんでした。問われたのは、技術の出力を鵜呑みにする人間の側の姿勢です。AIは包丁と同じく、目的次第の道具にすぎません。しかも、目的のズレを高速かつ大量に実行してしまう増幅器である以上、目的がずれたまま握れば、誤りは静かに、しかし桁違いの規模で広がっていきます。物理的な事実は直接には観測できず、私たちが手にするのは常に「解釈」です。そしてAIは、関係のあるなしにかかわらず、その解釈を「もっともらしい顔」で無限に差し出してきます。マラドーナから三笘、そして大会を枠づける政治まで見てきたとおり、どれほど高精度な解釈も、それ自体が公平な制度や効率的な社会を保証してくれるわけではありません。精度は、目的の正しさを担保しないのです。

だからこそ、AIと協業する私たちが持つべき問いは、「このAIは正しいか」ではなく、「このAIは何を測っていて、それは私たちが本当に測りたいものと一致しているか」です。予測でも、評価でも、検査でも、経営判断でも、この問いを組織の習慣として持ち続けられるかどうかが、これからの競争力を分けます。高精度な道具を手にした時代に本当に問われているのは、道具の性能ではなく、それを握る私たちの目的の確かさなのです。