2026年10月8日にAustralasian Journal of Information Systems掲載の「The Role of Roles: When are LLMs Behavioural in Information Systems Decision-Making」を再確認した。研究はフィッシング脅威の識別、製品ローンチ、ITプロジェクト管理の3タスクでChatGPTの役割指定を比べ、人間役では人間の意思決定者のような行動と同様のバイアスへの脆弱性、AI役では一貫性と行動的要因への脆弱性低下を要旨の範囲で報告する。モデル版数、試行回数、発生率、改善幅を補わず、役割指定だけで合理性や品質を保証しない。
「あなたはベテランの営業担当です」と書くと、AIの回答は具体的になります。しかし、その具体性の中に、営業担当らしい判断の偏りまで含まれるなら、役割指定は文体調整ではなく挙動の変更です。
この記事では、Australasian Journal of Information Systemsに掲載された研究をもとに、役割指定がChatGPTの意思決定をどちらへ寄せるかを整理します。
出典はNazmiye Guler、Michael Cahalane、Samuel Kirshner、Richard Vidgenの「The Role of Roles: When are LLMs Behavioural in Information Systems Decision-Making」です。掲載ページはAJIS Vol.29で、DOIは10.3127/ajis.v29.5573です。2026年10月7日に書誌と要旨を再確認しました。
AIエージェントは人間の認知バイアスを引き継いでいないかは疑う視点を扱います。本記事は、役割指定という操作で挙動が変わるかを扱い、利用者の先行発話が出力へ影響する研究とは会話履歴の有無で切り分けます。
30秒で要点
- 研究は、フィッシング脅威の識別、製品ローンチの意思決定、ITプロジェクトの管理という3タスクでChatGPTを評価した
- 役割の割り当てが、行動的な意思決定と合理的な意思決定のどちらへ導くかを比較した
- 人間の役を促すと、人間の意思決定者のように振る舞い、同様のバイアスへの脆弱性を示した
- AIとして振る舞うよう指示すると、一貫性が高まり、行動的要因への脆弱性が減った
- 版数、試行回数、バイアス発生率、改善幅は確認した公開要旨にないため、製品比較へ外挿しない
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 |
|---|---|
| 役割の割り当て | 「あなたは〇〇です」と立場を与えるプロンプト |
| 行動的な意思決定 | 感情や文脈、提示のされ方に影響される人間らしい決め方 |
| 合理的な意思決定 | 一貫した基準で同じ条件なら同じ結論に近づける決め方 |
| 一貫性 | 似た入力へ似た判断を返す度合い |
三つのタスクで何を比べたか
研究は、情報システム分野の文献から三つの実験タスクを選びました。フィッシング脅威の識別、製品ローンチの意思決定、ITプロジェクトの管理です。いずれも、入力の見せ方やこれまでの投資が判断に影響しやすい領域として扱われています。
そのうえで、ChatGPTへ人間の役を与える条件と、AIのように振る舞う条件を比べました。記事では、役割指定で文章が読みやすくなったかだけでなく、判断が行動的な方向へ寄ったかを見ます。
人間の役では人間らしい偏りが出た
掲載ページの要旨は、人間の役を引き受けるよう促されたChatGPTが、人間の意思決定者のように振る舞い、同様のバイアスへの脆弱性を示したと報告します。
これは、役割指定が役に立たないという意味ではありません。顧客の反応を仮説化する場合には、人間らしい揺れを観測したいこともあります。ただし、具体的な語り口を得たことと、判断の妥当性が上がったことを同じにしないことが必要です。
AIの役では一貫性が上がった
AIのように振る舞うよう指示した条件では、より高い一貫性と、行動的要因への低い脆弱性が報告されています。規則に沿った整理や候補の比較では役立つ可能性がありますが、一貫性は正しさの保証ではありません。
人間の反応を予測したい用途なら、AI役の一貫性がむしろ現実から離れる可能性もあります。目的を「人間の仮説化」と「規則に沿う整理」に分け、役割指定の前後で判断の差を記録します。
役割プロンプトを検証可能にする
同じ入力を、人間役・AI役・役割なしの三条件で実行します。出力の長さや丁寧さだけでなく、選択肢、理由、反対理由、レビューでの修正を表に残します。
モデルの版数が要旨にない以上、特定製品の性能ランキングは作れません。自社で使う版数、日時、温度などを記録して初めて、プロンプト差とモデル差を区別できます。
確かなことと、まだ確かではないこと
確かなこと：AJIS Vol.29（2025）の研究は、三つのISタスクでChatGPTの意思決定を調べ、役割指定が行動的・合理的な判断への寄り方を変えると報告しています。人間役では人間のバイアスに脆くなり、AI役では一貫性が高まり行動的要因への脆弱性が減りました。
まだ確かではないこと：掲載ページの要旨からは、実験モデルの版数、試行回数、バイアス発生率、改善幅を特定できません。三つのISタスクでの結果を、すべての業務、モデル、役割指定へ一般化しません。
自社でも試せる、最小の検証
一つの判断課題を三条件で実行し、AIの提案を採用したか、人が修正したか、反対理由を説明できたかを記録します。人間役の出力が具体的でも、AI役の出力が一貫していても、最終判断は実データと人のレビューで確認します。
この記事で扱ったような、AIのプロンプトと判断品質の関係を自社の条件で整理したい場合は、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）