2026年10月8日にNBER Working Paper 34745「Behavioral Economics of AI: LLM Biases and Corrections」の公式掲載ページを再確認した。要旨は、複数のLLMへ人間の認知バイアスを記録する実験群を適用し、選好ベースの課題では高度・大規模なモデルほど人間らしい回答、信念ベースの課題では先進的な大規模モデルほど合理的な回答が多いという非対称性と、合理的判断を促すプロンプトによる補正を報告する。ワーキングペーパーの要旨を越えて、モデル名、課題一覧、効果量、常に合理的という結論を補わない。
「高性能なAIを使えば、判断も自動的に合理的になる」——この前提は、事実確認では役に立つことがあっても、優先順位や価値判断まで同じように扱えるとは限りません。
この記事では、LLMの規模や性能と、判断の合理性を一つの尺度で結びつけないために、NBERのワーキングペーパーの要旨を読み解きます。
出典はPietro Bini、Lin William Cong、Xing Huang、Lawrence J. Jinによる「Behavioral Economics of AI: LLM Biases and Corrections」です。NBER Working Paper 34745 は2026年1月発行で、2026年10月7日に掲載ページを再確認しました。ワーキングペーパーの要旨に書かれた範囲を扱い、未確認のモデル一覧や効果量は補いません。
30秒で要点
- 人間の認知バイアスを調べるために設計された実験群を、複数のLLMファミリー、モデル版、規模へ適用した研究である
- 選好ベースのタスクでは、モデルが高度・大規模になるほど回答がより人間らしくなると報告されている
- 信念ベースのタスクでは、先進的で大規模なモデルがより合理的な回答を生成することが多いと報告されている
- 合理的な判断を促すプロンプトでバイアスが減ると要旨は述べるが、タスク別の効果量までは示していない
- 「賢いモデルほど常に合理的」という一本の基準では、選好判断と事実確認を区別できない
表が収まらない場合は、横にスクロールできます
| 用語 | 意味 |
|---|---|
| 選好ベースのタスク | 何を好むか、何を優先するかという価値判断を含む課題 |
| 信念ベースのタスク | 何が正しいか、事実はどうかという真偽の判断を含む課題 |
| 人間らしい応答 | 人間の意思決定で観測されるバイアスを含む方向の応答 |
| 合理的な応答 | 一貫した基準で、規範的な判断に近づく方向の応答 |
研究が分けた二つの判断
この研究の要点は、LLMに同じ「賢さ」の物差しを当てなかったことです。人間の認知バイアスを記録してきた心理学・行動経済学の実験を、LLMの応答にも適用し、タスクの性質ごとに傾向を見ています。
選好ベースのタスクでは、モデルがより高度・大規模になるほど、応答が人間らしくなると要旨は報告します。ここでいう人間らしさは、文章が自然という意味ではなく、人間の判断で知られるバイアスを含む方向へ近づくという意味です。
一方、信念ベースのタスクでは、先進的で大規模なモデルが合理的な回答を生成することが多いとされます。同じモデルの高度化が、価値判断ではバイアスの強まり、真偽判断では合理性の高まりという逆向きの結果を取りうる。このねじれを見落とさないことが重要です。
なぜ一つの評価軸にまとめてしまうのか
ベンチマークで目にしやすいのは、数学、コード、事実確認など、正解を定めやすい課題です。モデルの更新で正解率や一貫性が上がる経験を重ねると、優先順位づけや採用判断にも同じ信頼を持ち込みやすくなります。
しかし「どちらを選ぶべきか」という問いには、事実の正誤だけでなく、誰の価値を、どのリスクを、どの期間で優先するかが含まれます。AIの回答が筋道立っていても、その優先順位が自社の責任者の基準と一致するとは限りません。
プロンプトによる補正をどう読むか
NBERの要旨は、LLMに合理的な判断を促すプロンプトでバイアスが減ると述べています。実務上は有用な示唆ですが、ここから「合理的に考えてと書けば、どの偏りも消える」と広げることはできません。要旨だけでは、選好と信念のどちらに主に効いたのか、モデル別の効果がどの程度かを特定できないためです。
自社で使うなら、同じ依頼を通常プロンプトと補正プロンプトで実行し、採用・修正・人による却下を記録します。結果が変わったときは、より正しいと決めつけず、判断基準の変更が起きたと解釈して人が確認します。
確かなことと、まだ確かではないこと
確かなこと：NBER Working Paper 34745は2026年1月発行で、人間のバイアスを調べる実験群をLLMへ適用しています。要旨は、選好ベースでは高度化・大規模化に伴い人間らしい応答が増え、信念ベースでは合理的な応答が増えるという非対称性と、合理的な判断を促すプロンプトによるバイアス軽減を報告しています。
まだ確かではないこと：この記事は掲載ページの要旨を中心に整理しています。具体的なタスク一覧、評価したモデルの全リスト、モデル別の効果量、プロンプト補正のタスク別の効き方はここでは確認していません。したがって、研究の数字を自社の精度や安全性へ換算しません。
自社でも試せる、最小の検証
直近のAI依頼を10件だけ取り出し、事実確認か、優先順位・価値判断かをラベル付けします。そのうえで、AIの提案をそのまま採用したか、理由を書き換えたか、人が最初から判断したかを記録します。
この表があれば、モデルの更新前後に「賢くなったか」だけでなく、どの種類の判断で人の基準が変わったかを比較できます。