AIを信頼している人ほど、AIの助言があると判断精度が落ちる｜295人の実験
社内でAI活用を進める立場にいると、自然と自分がいちばんの推進派になります。可能性を語り、抵抗を説得し、率先して使う。その姿勢が導入を前に進めます。
ただ、その姿勢が自分自身の判断にどう作用しているかを点検した人は、あまり多くないはずです。
この記事では、295人を対象にした実験をもとに、AIへの態度が本人の見極めの精度に及ぼす影響を整理します。
出典は論文「Examining human reliance on artificial intelligence in decision making」（Sophie Nightingale、Lancaster University心理学科、Scientific Reports 16巻1号5345頁、DOI: 10.1038/s41598-026-34983-y、2026年2月5日掲載、オープンアクセス）です。
情報源の扱いについて断っておきます。本記事の執筆環境からは、この論文のページが認証画面へ転送され、本文を直接取得できませんでした。 以下の内容は、同じURLで本文まで到達し、アブストラクト原文・統計値・考察部の逐語引用を含む記録を残した別の検証工程にもとづいています。その記録に含まれない数値や引用は扱っていません。
30秒で要点
- 295名（平均年齢33.79歳）が、実写40枚とAI合成40枚の計80枚の顔画像について本物か合成かを判定した。判定のたびに助言が提示されるが、その助言が正しいのは半分だけだった
- 助言が「AI由来」か「人間由来」かだけで比べると、見極めの精度にも判断の偏りにも有意差は出なかった
- 差を生んだのは受け手の態度だった。AI助言を受けた人のうち、AIへの態度がより肯定的な人は、そうでない人より見極めの精度が低かった
- 人間の助言を受けた群では、対人的な信頼の水準は精度に影響しなかった
- 論文は、AIが意思決定能力の変化を生じさせる点で独特の位置にあるかもしれないと述べている
| 用語 | 意味 |
|---|---|
| 弁別力（d'） | 本物と偽物をどれだけ正確に見分けられたかの指標。高いほど見極めができている |
| 反応バイアス（c） | 迷ったときにどちらへ倒しやすいかの偏り。精度とは別の軸 |
| 信号検出理論 | 「当たった／外れた」を、見極めの精度と判断の偏りの2つに分けて捉える枠組み |
| GAAIS | AIに対する一般的な態度を測る尺度 |
まず、出所だけでは差が出なかった
この研究でいちばん誤読されやすいのは、ここです。先に押さえます。
参加者は2群に分けられ、片方は「人間からの助言」、もう片方は「AIからの助言」として同じ形式の助言を受けました。この群の違いだけで比較したとき、弁別力にも反応バイアスにも統計的に有意な差はありませんでした（弁別力：w = 10564, 95% CI = [-0.15, 0.10], p = .69／反応バイアス：w = 10256, 95% CI = [-0.08, 0.03], p = .41）。
つまり、この実験は「AIの助言を受けると人の判断が悪くなる」ことを示したものではありません。 助言にAIというラベルが付いているだけでは、集団としての精度は変わらなかった、というのが最初の結果です。
この点を飛ばすと、話が逆になります。
差を生んだのは、受け手の側だった
では何が精度を分けたのか。研究は、参加者のAIへの態度（GAAIS）と、人に対する信頼傾向を別途測定していました。
結果はこうです。AIの助言を受けた参加者のうち、AIへの態度がより肯定的だった人は、そうでない人より実写と合成の弁別力が低かった。
そして対照的に、人間の助言を受けた群では、対人的な信頼の水準は弁別力に影響しませんでした。
この非対称性が、この研究の中心です。「人を信じやすい人は騙されやすい」という一般論であれば、人間助言群でも同じ傾向が出るはずでした。出ていません。AIの助言を受けた場合にだけ、受け手の態度が精度に効いたということになります。
論文はこの点について、人間の助言における信頼が同様の影響を持たなかったことから、AIが意思決定能力の変化を生じさせる点で独特の位置にあるかもしれない、と述べています。「かもしれない（may be）」という推量であり、断定ではありません。
実験の設計を、分母と分子で押さえる
数字の意味を確認しておきます。
- 参加者：295名（平均年齢33.79歳）
- 1人あたりの判定数：80枚（実写40枚、AI合成40枚）
- 助言の正解率：半分だけ。つまり助言に従い続けても正答率は50%にしかならない設計
3つ目が効いています。助言は当たっているときも外れているときもあり、参加者は助言をそのまま採用するか、自分の見立てを通すかを毎回選ぶことになります。この選択の質が、弁別力として現れます。
そして各判定には5段階の確信度も回答させています（1 = まったく自信がない、5 = 非常に自信がある）。
なぜ「推進する側」ほど気づけないのか
この結果が実務にとって重いのは、影響が出た層が組織の中でAIを最も使う層と重なるからです。
ひとつは、態度と役割が結びついていることです。AI活用を任される人は、たいていAIに前向きな人です。人選の段階でそうなります。つまり、この研究で精度が落ちた側の特性を持つ人が、実際にAIを最も多く使う位置に配置されます。
もうひとつは、精度の低下が本人からは見えないことです。弁別力が落ちるというのは、間違いが増えるという意味ですが、間違えた本人は間違えたと気づいていません。気づいていれば直しています。見落としは、見落とした時点では存在しないものとして扱われます。
そして三つ目に、懐疑的な人の意見が「抵抗」として処理されがちなことです。導入を進める場面では、慎重な意見は前に進めることの障害として扱われます。しかしこの研究の枠組みで読むなら、AIに懐疑的な人は、少なくともAI助言下の見極めにおいては、精度が高い側にいた可能性があります。組織が抵抗として押し戻しているものが、点検の機能を持っていたかもしれないという読み方ができます。
確かなことと、まだ確かではないこと
確かなこと：実験が295名・80枚の顔画像・助言の正解率50%という設計だったこと。助言の出所（AI／人間）だけでは弁別力にも反応バイアスにも有意差が出なかったこと。AI助言群でAIへの態度が肯定的な人ほど弁別力が低かったこと。人間助言群では対人的信頼が弁別力に影響しなかったこと。論文がAIの独特の位置づけについて推量として述べていること。掲載がScientific Reports、2026年2月5日であること。
まだ確かではないこと：本記事は論文本文を直接確認していません。 別の検証工程の記録に依拠しており、その範囲を超える数値・引用は扱っていません。また、課題は顔画像の真贋判定であり、業務上の判断——選択肢が2つに割り切れない、正解が後になるまで分からない種類の判断——に同じ結果が当てはまるかどうかは、この研究からは分かりません。掲載は2026年2月であり、その後の追試の有無も確認していません。
判断軸の提示
AI活用の体制を組むとき、「誰が使うか」だけでなく「誰が点検するか」を、AIへの態度で分けて考えること。
推進役と点検役を同じ人が兼ねる構成は、効率としては自然です。しかしこの研究が示唆しているのは、その兼務が精度の面で不利に働きうるということです。
具体的には、次のような分け方になります。
- 推進役は、AIに前向きな人が担う — これは変える必要がありません。導入を前に進めるには必要な役割です
- 点検役は、別の人が担う — できれば、AIに対して慎重な見方を持っている人
- 点検役の指摘を「抵抗」として処理しない — 指摘の内容を、態度の問題ではなく中身で扱う
- 確信度を記録する — 「これは自信がある／ない」を残しておくと、後から見返したときに、自信と正しさの対応が確認できる
3番目が組織的にはいちばん難しく、いちばん効きます。慎重な意見を潰さない仕組みがなければ、2番目の配置は形だけになります。
自分でも試せる、最小の検証
自分がAIの出力を採用した直近のケースを3つ挙げ、それぞれについて「なぜ採用したのか」を1行で書いてみてください。
「内容を確認して妥当だと判断した」と書けるなら、その3件では見極めが働いています。「特に問題を感じなかった」としか書けないケースがあれば、そこは採用ではなく通過です。
そのうえで、AIに慎重な同僚に同じ3件を見てもらうと、この記事の内容を自社で確かめる最小の形になります。相手が引っかかった箇所が、自分が通過していた箇所です。
この記事で扱ったような、AI活用の体制設計を自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。
状況を整理する（15分）