AIで作った提案や文章を、どこまで相手に伝えるか。2025年の研究は、AIの利用を明かした人への信頼が低くなる場面を報告しています。けれど、実験の平均値から「黙るほうが得」「開示すれば必ず損」と個人の結論を出すことはできません。
ここで扱うのは、AIを使った人が、他の人からどう評価されるかです。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で扱うAI自体への信頼や、信頼は、情報量ではなく判断の一貫性から生まれるとは、問いを分けて読みます。
30秒で要点
- 論文は13実験を報告します。開示条件と統制条件を統合したメタ分析は、開示を操作しないStudy 8を除く4,093観測です。
- Study 13では、架空の税務相談で「第三者に明かされた」「本人が明かした」「明かされない」の三条件を比較しています。
- 群平均は、あなたの信頼が何点になるか、露見確率がいくらか、仕事上の損失がいくらかを示しません。
- 現場では、取り決め、AIの関与範囲、人が確認したこと、関係の継続性を別に確かめます。
数値と、数値が答えていない問い
出典はSchilke & Reimannの著者公開論文です。2025年4月23日公開、巻188・論文104405で、方法・結果・留保の必要範囲を確認しました。
表が収まらない場合は、横にスクロールできます
| 論文の比較 | 報告された値 | 読み違えないための条件 |
|---|---|---|
| 論文内メタ分析 | θ＝0.81、z＝10.52、95% CI［0.66, 0.96］、p＜0.001 | 開示対統制、4,093観測。Study 8などを除外した集計 |
| Study 12 | 義務的・任意の開示設定の両方で信頼差を観測 | ニュース記事で制度を想定させる実験。現実の全社運用や規制の効果ではない |
| Study 13 | F(2,192)＝37.41、p＜0.001、η²＝0.28 | 架空のオンライン税務相談で条件間を比較 |
θを「81%の人が信頼しなくなる」と読み替えることはできません。統計的な差と、個々の取引で生じる費用も別です。
Study 13の三条件
表が収まらない場合は、横にスクロールできます
| 条件 | 信頼の平均 M | ばらつき SD |
|---|---|---|
| 第三者による暴露 | 2.49 | 0.88 |
| 本人による開示 | 3.15 | 1.17 |
| 開示なし | 4.02 | 0.96 |
参加者は、税務アドバイザーとの架空のチャットとAI利用についての情報を提示され、信頼を評価しました。同じ人が隠し続けた後に暴露された経過を追った研究ではありません。
本人開示と暴露の平均差は 3.15−2.49＝0.66、開示なしと本人開示の平均差は 4.02−3.15＝0.87 です。これらは条件間の群平均の差です。「開示すれば0.87点を確実に失う」「露見しなければ最善」といった個人の損得計算には変換できません。
この研究から露見確率や金銭的損失を求め、非開示の期待値を計算することもできません。将来AIが検出しやすくなる、という予測をこの実験が確認した事実として書くことも避けます。
自発性、相手の態度、正当性を分ける
Study 12は「本人が自発的に言ったから疑われる」という説明だけでは足りないことを示唆します。ただし、全員が同じ開示制度で働いた長期の結果を測ったわけではありません。
表が収まらない場合は、横にスクロールできます
| 評価者についての分析 | 交互作用の報告 | この範囲での読み方 |
|---|---|---|
| 技術への態度 | b＝0.19、p＜0.001 | 好意的な態度で負の関連が弱まる |
| AIの正確性の評価 | b＝0.17、p＜0.001 | 正確とみなす人で負の関連が弱まる |
| AIへの習熟 | b＝0.00、p＝0.89 | 差を弱める明確な証拠は得られなかった |
| 自分のAI利用経験 | b＝0.08、p＝0.30 | 同じく明確な交互作用は確認されなかった |
論文では、調べた調整変数の範囲でも開示の負の効果が残ると報告します。「詳しい相手なら影響がない」とも、「どんな相手でも永久に同じ」とも言えません。
何を不適切と感じたのか
Study 6は仕事上の通知、Study 7はAI利用が周囲からどう評価されるかの手がかりを使い、行為の正当性という説明を検討しています。これは仕組みについての検証ですが、人が不信を抱く理由を一つに確定するものではありません。
Study 8は正当性と投資行動を扱い、AI利用の開示そのものは操作していません。そのため「13実験すべてが同じ開示比較をした」とまとめず、メタ分析から除かれた理由を区別します。
続く関係へ、そのまま当てはめない
著者は、多くの実験が初対面に近い相手への評価を扱い、すでに信頼関係がある相手にも結果が広がるかは未確認としています。従来手作業だった仕事が中心で、高度に自動化された仕事や、AIが普及した将来の反応も検討課題です。
長い付き合いでは、過去の実績、説明の一貫性、間違いを直した経験も判断材料になります。これらが開示の影響を消すと保証することも、この研究からはできません。
現場で開示を考える順序
以下は研究の効果を再現する手順ではなく、著者が用意した判断整理です。
- 相手との取り決めを確認する。 開示が必要なら、その条件に沿います。平均的な信頼差を理由に取り決めを無視する判断にはつなげません。
- 関与範囲と、人の確認を分ける。 構想、下書き、計算、最終判断のどこにAIを使い、何を人が確認したかを書きます。「使った／使わない」だけで説明を終えません。
- 相手との関係と、成果物の重要性を見る。 初回の評価か、続く仕事か。誤りがあったとき誰が直し、説明するか。研究で測った場面と自分の場面を照合します。
例えば架空の提案書なら、「見出しの案をAIで作った」「料金と仕様は担当者が原資料で照合した」「未確認の将来予測は提案から外した」と説明できます。この文面で信頼が必ず上がるという実証はありません。関与と責任を説明可能にするための例です。
三行で、説明できない箇所を見つける
直近の成果物を一つ選び、次の三行を書いてください。
- AIに任せた範囲：何を入力し、何を出力させたか。
- 人が確認した範囲：どの原資料や計算と照合したか。
- 残る不確かさ：何が未確認で、誰がどう確認するか。
書けない箇所があれば、成果物の作り方や確認に戻ります。この練習は信頼の測定でも、開示の損失を減らす検証済みの方法でもありません。書いた内容と実作業が一致するかを確認するための教材です。
自社の前提を整理したいときは、状況を整理する（15分）も入口になります。