「AIを使いました」と言った人ほど信じてもらえない——13の実験が見つけた透明性のジレンマ

「AIを使いました」と言った人ほど信じてもらえない——13の実験が見つけた透明性のジレンマ

提案書の草案をAIに書かせた。分析の下ごしらえをAIにやらせた。そのことを、相手に伝えるべきか。

近年、この問いは個人の良心の問題から、社内ルールや取引先の要請の問題へと移りつつあります。「AI利用は明示すること」と決まっている組織も増えました。決まっているなら迷う余地はない——はずなのですが、実際に書き添えようとすると、多くの人が一瞬手を止めます。これを書いたら、評価が下がるのではないか。

その直感は、少なくとも一つの研究においては裏づけられています。

この記事では、2025年に公表されたSchilke & Reimannの研究「The transparency dilemma: How AI disclosure erodes trust」（Organizational Behavior and Human Decision Processes 188 (2025) 104405）をもとに、正直に開示した人ほど信頼されないという逆説と、それでも私たちが何を選ぶのかを考えます。

出典は著者サイトで公開されている論文PDFです。

なお、当サイトには近いテーマの記事が2本あります。AIチャットを使う人ほど信頼していないとしたら、UI設計はどう変わるかは「AIを使う側がAIを信頼しているか」をUI（画面の見た目・操作）の観点から扱い、信頼は、情報量ではなく判断の一貫性から生まれるは信頼の作られ方そのものを扱っています。この記事が扱うのは、AIを使ったと明かした人間が、他の人間からどう見られるかです。視点が異なります。

30秒で要点

• 13の実験を通じ、AI利用を開示した行為者は開示しなかった行為者より一貫して信頼されないという結果が報告されている
• 論文内のメタ分析（4,093観測値）でも、開示条件は統制条件より信頼が明確に低かった（θ = 0.81, p < 0.001）
• この効果は、開示が義務的であっても消えない
• ただし、黙っていて第三者に暴露された場合の信頼は、自己開示よりさらに低い（Study 13：暴露 M=2.49 ＜ 開示 M=3.15 ＜ 開示なし M=4.02）
• 評価者が技術に好意的な場合や、AIの正確性を高く見積もる場合にペナルティは減衰するが、消失はしない

何が観測されたのか

研究は13の実験からなり、その全体を通じて、AI利用を開示した行為者は開示しなかった行為者より信頼されないという結果が一貫して得られたと報告されています。アブストラクトの表現では「Thirteen experiments consistently demonstrate that actors who disclose their AI usage are trusted less than those who do not」——13の実験は、AI利用を開示した行為者が、そうしなかった行為者より信頼されないことを一貫して示している、です。

さらに論文内では、実験結果を統合したメタ分析が行われています。4,093観測値（Study 8を除外）を対象としたこの分析で、AI開示条件は統制条件より信頼が明確に低いという結果が出ています（θ = 0.81, z = 10.52, 95% CI [0.66, 0.96], p < 0.001）。

この θ という数値をどう形容するかについては、慎重にしておきます。効果量の指標にはいくつかの定義があり、この論文がどの定義を採っているかまでは本記事の執筆時点で確認できていません。ここでは数値をそのまま提示するにとどめ、「大きい」「中程度」といった形容は付けません。確かなのは、統計的にゼロとは言い切れない差が、一貫した方向で観測されたということです。

「自分から言ったから疑われた」のではない

この結果を最初に読んだとき、筆者は「自発的に言うから、かえって怪しまれるのだろう」と考えました。わざわざ申告する人は、何かやましいことがあるのではないか——そう受け取られている、という説明です。

しかしこの解釈は、研究結果と噛み合いません。同研究は、この効果が開示が義務的であっても消えないと報告しています。「ルールで書くことになっているので書きました」という状況でも、信頼は下がる。自発性の有無では説明がつかないということです。

ここが、この研究のいちばん厄介な部分です。もし自発的な開示だけが罰せられるのであれば、「制度として一律に義務化してしまえば、開示者だけが損をする状況は解消される」という対処が成立します。全員が書くなら、書いたことが個人のシグナルにはならないからです。実際、多くの組織はその方向で考えています。しかしこの結果は、その回避策がうまくいかない可能性を示しています。

黙っていれば良い、とはならなかった

では、開示が不利なら黙っているのが合理的か。ここで見るべきなのがStudy 13です。

税務アドバイザーのシナリオを使ったこの実験では、3つの条件が比較されました。信頼の平均値は次の順でした。

（F(2,192)=37.41, p<0.001, η²=0.28）

順序を言葉にすると、黙っていて露見しなければ最も信頼される。自分から言えば下がる。黙っていて第三者にばらされれば、もっと下がる。

この構造は、意思決定として見ると独特です。「開示しない」という選択の期待値は、露見確率に依存します。露見しなければ最善、露見すれば最悪。一方「開示する」は、中間の値で確定します。つまりこれは、確実な中程度の損失と、確率的な最大損失との選択になっています。

そして、AIの利用がこの先ますます検出しやすくなっていくのだとすれば、露見確率は時間とともに上がっていく側の変数です。今日の期待値計算と、3年後の期待値計算は同じになりません。

なお、これはシナリオ実験——オンライン税務サービスを想定した仮想の状況——であり、実際の取引関係でそのまま再現されるかどうかは確認されていません。数値そのものを自社の状況に当てはめるのではなく、順序の構造を見るべき結果だと考えています。

相手によって、多少は変わる

信頼ペナルティは、誰に対しても同じ大きさで働くわけではありません。同研究は、いくつかの調整要因を報告しています。

評価者が技術に好意的な態度を持つ場合、ペナルティは減衰します（交互作用 b=0.19, z=5.38, p<0.001）。評価者がAIの正確性を高く見積もっている場合も同様です（b=0.17, z=5.35）。相手がAIに前向きであれば、開示の打撃は小さくなる、ということです。

ただし、いずれも減衰であって消失ではありません。「相手がAI推進派だから開示しても問題ない」とまでは言えない結果です。

もうひとつ、予想を裏切る結果もあります。AI習熟度や、回答者自身のAI利用経験との交互作用は有意ではありませんでした。「相手も普段からAIを使っているのだから、開示しても分かってもらえるはずだ」という予測は、この研究の範囲では支持されていません。自分が使っていることと、他人が使ったことを許容することは、別の話だということになります。

なぜこうなるのか、という問いには慎重でいたい

ここまでが、出典から読み取れる範囲です。ここから先——なぜAI利用の開示が信頼を下げるのか——という機序の説明は、本記事では踏み込みません。論文にも解釈は書かれていますが、本記事の執筆にあたって原典本文を直接確認できた範囲を超えるため、推測で補うことはしないという判断です。

代わりに、確認できた事実の形だけをもう一度置いておきます。自発性では説明できず（義務でも起きる）、相手のAIリテラシーでも説明できない（交互作用が有意でない）が、相手の技術への態度では多少説明できる（交互作用が有意）。 この形が、機序を考えるときの制約条件になります。

確かなことと、まだ確かではないこと

確かなこと：13の実験を通じて、AI開示者が非開示者より一貫して信頼されないという結果が報告されていること。メタ分析（4,093観測値）で開示条件の信頼が明確に低かったこと（θ = 0.81, p < 0.001）。この効果が義務的開示でも消えないこと。Study 13で暴露＜開示＜開示なしの順だったこと。技術への好意的態度とAI正確性の高評価が交互作用として有意で、AI習熟度と自身のAI利用経験は有意でなかったこと。

まだ確かではないこと：この研究は2025年に公表されたものであり、AI利用が今よりさらに一般化した状況で同じ結果が出るかどうかは分かりません。Study 13はシナリオ実験であり、継続的な取引関係の中での再現性は確認されていません。効果量θの定義、および信頼低下がどのような心理的機序で生じているのかについては、本記事では原典を確認できた範囲を超えるため扱っていません。同じ著者らによる後続研究があるとされていますが、原典を確認していないため内容には触れていません。

それでも、開示を選ぶという判断について

ここからは、研究結果そのものではなく、私たちがこれをどう受け取るかの話です。

この研究を「開示は損だから避けよう」と読むことは可能です。数字だけを見れば、そう読めます。ただ、その読み方は一つのことを見落としています。この研究が測っているのは、開示という単発の行為に対する反応であって、開示を続けている関係の帰結ではありません。 13の実験はいずれも、評価者が行為者を初めて評価する場面を扱っています。

私たちが仕事で相手にしているのは、たいてい一度きりの評価ではありません。同じ相手と何度も判断をやり取りする関係です。その中で、一度の開示が持つ意味と、開示を続けた結果として相手が持つ像は、別のものになりえます。少なくとも、この研究はその後者について何かを言っているわけではありません。

そのうえで、この研究が突きつけているのは、「正直にしていれば信頼されるはずだ」という前提が成立しない場面があるという事実です。開示にはコストがある。そのコストを払わずに済む方法を探すのではなく、コストがあることを知ったうえで払うかどうかを決める。ここが判断の分かれ目になります。

隠すという選択が不利になるのは、露見したときです。そして露見確率は、自分では十分に制御できません。制御できない変数に賭けるか、確定した中程度のコストを引き受けるか。この記事の立場は後者ですが、それは「正直が報われるから」ではなく、報われないと分かったうえでなお、そちらのほうが制御可能だからです。

判断軸の提示

「開示するかどうか」を単発で考えず、「露見したときに説明できる状態か」を先に確認すること。

開示のコストは、この研究が示すとおり実在します。しかし、そのコストを避けるために非開示を選ぶ場合、判断の質は「露見しないこと」に依存します。依存先が自分の制御下にないなら、それは判断ではなく賭けです。

具体的には、開示の可否を議論する前に、次を確認する順序になります。

1. その成果物のどこにAIが関与したか、自分で説明できるか — 説明できないなら、開示・非開示以前に、成果物への責任が持てていない
2. 露見したとして、そのとき何と言うか — 言えることが今あるなら、それは今言っても成立する内容のはず
3. 相手との関係は一度きりか、続くのか — 続く関係なら、この研究が測っていない領域に入る

自分でも試せる、最小の検証

直近で自分がAIを使って作成した成果物を1つ選び、「どこにAIを使い、その出力を自分がどう検証したか」を3行で書いてみてください。

書けるなら、それが開示するときの文面になります。書けないなら、開示の是非を考える段階ではなく、成果物の作り方そのものに戻る段階です。この研究が扱っている信頼ペナルティは、少なくともこの3行を書ける人が支払うコストの話であって、書けない人のための逃げ道の話ではありません。

この記事で扱ったような判断を、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。