AIの能力向上と「信頼していいか」は、なぜ別問題なのか

AIの能力向上と「信頼していいか」は、なぜ別問題なのか

「AIの性能が急速に上がっている」というニュースを見るたびに、「では自社の業務にどこまで任せてよいのか」という判断も一緒に前進している気がしてしまうことがあります。しかし、この二つは本来別の問いです。能力が上がったことと、その能力を安心して任せられると確認できたことは、同じ調査・同じ基準で測られているとは限りません。

Stanford大学人間中心AI研究所（HAI）が発行する「Stanford AI Index 2026」は、この二つのずれを正面から指摘しています。この記事では、同レポートが示す「能力は測って見せるが、安全性は測って見せない」という非対称性を手がかりに、AI導入の判断でこの二つを混同しないための考え方を整理します。

30秒で要点

• Stanford AI Index 2026は「責任あるAIの取り組みが、AIの能力向上のペースに追いついていない」と総括している
• 主要なフロンティアAIモデルの開発企業は、ほぼ全社が能力ベンチマークの結果を公表する一方、責任あるAI（安全性・信頼性）のベンチマーク報告は不揃いだと報告されている
• 記録されたAIインシデントは2024年の233件から2025年に362件へ増加しているが、これは「記録された」件数であり、実際の発生件数そのものではない
• AIの雇用への影響について、専門家と一般の見方には約50ポイントの開きがある
• 「能力が進歩している」という情報と「安全性・信頼性が確認できている」という情報は別の軸であり、導入判断では両方を別々に確認する必要がある

Stanford AI Indexとは何か、何を確認したのか

Stanford AI Indexは、スタンフォード大学の人間中心AI研究所（HAI）が毎年発行している、AI分野の動向をまとめたレポートです。2026年版では、AIモデルの能力の進歩だけでなく、安全性・ガバナンス・社会への影響についても調査結果がまとめられています。

この記事で扱うのは、その中でも「能力の伸び」と「責任あるAIの取り組み」のペースの差という論点です。似たテーマとして、生成AIの利用者数や組織での採用率がどれだけ速く広がっているかという「普及速度」の論点もありますが、それについては別記事で扱っているため、この記事では繰り返しません。ここで扱うのは、能力そのものではなく、「その能力をどこまで信頼してよいかを確認する仕組みが、能力の進歩に追いついているか」という、一段別の問いです。

「測って見せる情報」と「測って見せない情報」の非対称性

Stanford AI Index 2026が示す中心的な指摘は、次のようなものです。主要なフロンティアAIモデルの開発企業は、ほぼ全社が能力ベンチマーク(モデルがどれだけ高い精度でタスクをこなせるかという指標)の結果を公表しています。一方で、責任あるAI、つまり安全性や信頼性に関するベンチマークの報告は、企業によってばらつきが大きく、不揃いだと報告されています。

これは、「AIが何をできるか」については各社が競うように情報を出す一方で、「AIがどれだけ安全か、信頼できるか」については、情報を出す企業と出さない企業が混在している状態を意味します。能力の情報だけを見ていると、あたかも信頼性についても同じだけの透明性があるかのような錯覚を持ちやすくなりますが、実際にはそうではありません。

この非対称性を裏づけるように、同レポートは記録されたAIインシデント(AIに関連する問題事案として何らかの形で報告・記録された件数)が、2024年の233件から2025年には362件へ増加したと報告しています。ここで注意が必要なのは、この件数が「記録された」数であるという点です。報告・記録の仕組みが整備されるほど、これまで表に出てこなかった問題も件数として計上されるようになります。したがって、この増加分がそのままAIの危険性の増加を意味するとは言い切れません。一方で、「記録に値する問題として扱われる事案が増えている」こと自体は、軽視してよい情報でもありません。

受け止め方の違いにも、非対称性が表れている

Stanford AI Index 2026は、AIの雇用への影響についての受け止め方にも、大きな開きがあると報告しています。専門家の73%がAIによる雇用への好影響を予想する一方、一般の回答者では23%にとどまり、約50ポイントの差があるとされています。経済や医療といった分野でも、同様の乖離が見られるといいます。

また、AIを管理する制度への信頼についても、国ごとに割れているとされています。米国では自国政府への信頼が31%と最も低い水準にあり、一方でEUは国際的な規制の主体としてより高い信頼を得ていると報告されています。

さらに、経営層の見立てにも興味深いずれがあります。全米経済研究所(NBER)が2026年に発表した調査では、米国・英国・ドイツ・オーストラリアの企業経営層およそ6,000人を対象に調査したところ、過去3年間についてAIが雇用や生産性に影響しなかったと答えた割合が9割に上りました。ところが同じ経営層が、今後3年間については生産性が1.4%向上すると見込んでいます。過去の実績としては「ほとんど変化がなかった」と答えながら、将来については前向きな予想を立てているという食い違いが見られます。なお、この調査における従業員側の予想は雇用+0.5%であり、経営層の予想(雇用-0.7%)とも一致していません。

これらの数字が示しているのは、AIの能力そのものだけでなく、「その影響をどう受け止めるか」「その運用をどこまで信頼できるか」についても、立場によって見え方が大きく異なるという事実です。

確かなことと、まだ確立していないこと

ここで、この記事が根拠としている情報のうち、何が確かで何がまだ確立していないかを分けておきます。

確かなこと

• 主要なフロンティアAIモデルの開発企業のほぼ全社が能力ベンチマークを公表する一方、責任あるAIのベンチマーク報告は不揃いであると、Stanford AI Index 2026は報告しています
• 記録されたAIインシデント件数は、2024年の233件から2025年に362件へ増加したと同レポートは報告しています
• AIの雇用への影響について、専門家と一般の見方に約50ポイントの開きがあると報告されています

まだ確立していないこと

• インシデント件数の増加が、記録の仕組みの整備によるものか、実際の問題発生数の増加によるものかは、この記事で参照した情報だけでは切り分けられません
• 日本国内におけるAIガバナンスへの信頼度や、責任あるAIの取り組み状況についての数値は、この記事では確認していません。参照した情報は主に米国・グローバル規模の調査です
• 個別のAIベンダー・製品ごとの安全性の優劣は、この記事では扱っていません。扱ったのはあくまで業界全体の傾向です

なぜ「能力の進歩」と「信頼できる状態」を混同しやすいのか

多くの人が能力の進歩と信頼性の確立を同じものとして受け取ってしまうのには、理由があります。

一つは、能力に関する情報のほうが圧倒的に目に入りやすいことです。新しいモデルが発表されるたびに、ベンチマークのスコアや性能比較のニュースが流れます。一方で、安全性や責任あるAIへの取り組みは、公表する企業自体が少なく、報道でも扱われる機会が相対的に少ないため、情報として目に入る量そのものに差があります。

もう一つは、「高性能=よくできている」という印象が、「信頼してよい」という判断にそのまま横滑りしやすいことです。あるタスクを高い精度でこなせるという情報と、そのタスクを安全に、意図しない挙動なく任せられるという情報は、本来別の評価軸です。しかし人は、片方の情報(高性能である)を見せられると、もう片方の情報(信頼できる)も暗黙のうちに補って解釈してしまう傾向があります。

さらに、公表されていない情報は、存在しないことと区別がつきにくいという問題もあります。あるベンダーが責任あるAIのベンチマーク結果を公表していないとき、それは「特に問題がないから公表していない」のか「公表できるほどの検証をしていない」のかを、外部からは判別できません。情報の不在を、安全である証拠だと誤読してしまう危険があります。

判断軸の提示:能力の情報と信頼性の情報を、別々に確認する

この記事の立場は、AIツール・AIベンダーを評価するとき、「能力に関する情報」と「責任あるAIに関する情報」を、意識的に分けて確認するというものです。

• 能力ベンチマークのスコアだけで、信頼性まで判断しない:高い性能を示す数字は、そのタスクをこなせる能力の証拠であって、安全に任せられる証拠ではありません
• 責任あるAIについて何を公表しているかを、導入判断の材料の一つに加える:公表の有無・内容の具体性は、そのベンダーが安全性の検証にどれだけ投資しているかを推し量る手がかりになります
• 公表がない場合は「不明」として扱い、「問題なし」とは解釈しない:情報の不在は中立的な事実であり、良い意味にも悪い意味にも即断しないほうが安全です

自分の判断でも試せる、最小の検証

大掛かりな調査をしなくても、この視点を自社のAI導入検討に取り入れる最小の一歩があります。

現在検討している、あるいはすでに使っているAIツール・サービスについて、提供元が公開しているドキュメントやサイトを確認し、「能力に関する情報」と「安全性・責任あるAIに関する情報」がそれぞれ見つかるかどうかをチェックしてみてください。分母を「確認した項目数(能力・安全性の2項目)」、分子を「実際に情報が見つかった項目数」と定義すれば、粗い指標として記録に残せます。能力に関する情報しか見つからない場合、それは「安全性の情報を、意識的に探しにいく必要がある状態」だと捉えることができます。

判断の土台として押さえておくこと

• AIの能力向上と、その能力を信頼してよいという確認は、別の軸で進む:Stanford AI Index 2026は、責任あるAIの取り組みが能力向上のペースに追いついていないと報告しています
• 能力ベンチマークが公表されていても、責任あるAIのベンチマークが公表されているとは限らない:主要開発企業のほぼ全社が前者を公表する一方、後者の報告は不揃いです
• 数字の増加(インシデント件数など)は、記録の仕組みの変化も反映している可能性がある:件数だけで実害の増減を断定しないほうが安全です
• 公表されていない情報を「問題なし」と読み替えない:情報の不在は、確認が必要な空白として扱うほうが、判断を誤りにくくなります

次の一手:AI導入の全体像で、AIにできること・できないことの前提を整理してから、個別のツール選定に進むと、能力と信頼性を混同しにくくなります。

この記事で扱わなかったこと

個別のAIベンダー・製品ごとの安全性評価や、日本国内におけるAIガバナンスの整備状況には、この記事では踏み込んでいません。扱ったのは、Stanford AI Index 2026が示す「能力の進歩」と「責任あるAIの取り組み」の間のペースの差を、AI導入を検討する際の判断軸としてどう活かすかという考え方です。

この記事で扱ったような、AI導入の判断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。