AIも人間のように「自分の手柄」を盛ると判明

文章を作るAIは、人のような気持ちを持たない、かたよりのない道具だと考えられがちです。

人のような感覚を持たないと考えられるAIでも、見栄を張ったり、自分をよく見せたりすることはあるのでしょうか。

では、そんなAIを何体か集めて、一緒に作業をさせたらどうなるでしょうか。

作業が終わったあと、1体ずつに「あなたはどれくらい貢献しましたか？」と聞いてみるのです。

人間なら、つい自分の働きを大きく見積もってしまいそうな場面です。

研究チームは今回、GPT系のAIを使った8つの実験で、まさにこの問いを確かめました。

AIたちは、自分の働きを正直に申告したのでしょうか。

研究の詳細は、2026年11月4日付で学術誌『Personality and Social Psychology Bulletin』に掲載されました。

5体のAIに、一緒にジョークを書かせてみた

研究チームが注目したのは、人間の心理学で調べられてきた2つのクセです。

1つ目は、グループの成果に対する自分の貢献を、実際より大きく見積もってしまうクセです。

これは、手柄の盛りすぎ(オーバークレーミング)と呼ばれます。

2つ目は、うまくいけば自分の手柄にし、失敗すれば他人のせいにするクセです。

こちらは「自己奉仕バイアス」と呼ばれています。

このうち盛りすぎがあるかどうかは、簡単な足し算で確かめられます。

5人で1つの仕事をしたなら、全員の取り分を足すとちょうど100%になるはずです。

平等に分けるなら、1人あたりの取り分は20%です。

もし全員の申告を足して100%を超えたら、誰かが自分の分を盛っていることになります。

そこで研究チームは、GPT-4oというモデルで動くAIを5体ずつ組ませて、一緒にジョークを書かせました。

ジョーク作りは、みんなでアイデアを出し合う、共同の創作作業です。

用意したグループは50組で、のべ250体のAIが参加しました。

ちなみに、AIたちが書いたジョークは、50組中44組が「賞を取ったカカシ」のネタでした。

残りは、「原子を信用しない科学者」と「道を渡るニワトリ」のネタだけだったそうです。

作業のあと、各AIに別々に「自分はどれくらい貢献したか」を%で答えさせたのです。

このとき、「ただ20と答えてはいけない」とも指示しています。

つまり、申告を足し合わせるだけで、AIに盛りすぎのクセがあるかどうかが分かる仕組みです。

50組のジョーク作り、5体の手柄を足すと平均何%？

結果は、はっきりと100%を超えていました。

50組の平均で、5体の申告を足し合わせた合計は113.7%だったのです。

1枚のピザを5人で分けたのに、それぞれの言い分を足すと1枚を1割以上はみ出してしまう計算です。

1体ずつ見ると、自分の貢献の平均は22.74%で、平等な取り分の20%より高めでした。

1体あたりの上乗せは約2.7ポイントと小さく見えますが、5体分が積み重なると合計は大きくずれます。

では、これはAIの答えがたまたまぶれただけなのでしょうか。

AIには、答えのばらつき具合を決める設定(温度)があります。

温度を0にすると、答えのでたらめなぶれが最も小さくなります。

研究チームは、温度を0にした場合と、高くした場合でも同じ実験をしました。

合計の平均は、温度0で113.2%、高い温度で114.5%と、最初の実験とほとんど変わりませんでした。

3つの条件の間に、はっきりした差は見られなかったのです。

ぶれが最も小さい温度0でも盛りが残ったことから、盛りすぎは偶然の誤差ではないと研究チームは見ています。

次に研究チームは、%ではなく順位で答えさせる方法も試しました。

5体の中で、自分の貢献が何位にあたるかを答えさせたのです。

順位にかたよりが無ければ、自分を上位2つに入れる割合は5分の2、つまり40%になるはずです。

ところが実際には、AIは63.6%の割合で自分を上位2つに入れていました。

反対に、自分を下位2つに入れた割合は22.4%にとどまりました。

%で聞いても順位で聞いても、AIは自分の働きを仲間より上に見ていたことになります。

さらにAIは、グループの成功は自分の手柄にし、失敗は他のせいにする傾向(自己奉仕バイアス)も示しました。

AIは手柄の取り分だけでなく、責任の向け方まで、人間のクセに似たふるまいを見せたのです。

「仲間の分も考えて」と言っても、盛りは消えなかった

では、自分のことばかり見ないよう促せば、盛りすぎは直るのでしょうか。

研究チームは、自分と仲間の貢献に同じだけ目を向けるよう、AIに指示してみました。

自分の分を答えるときに、他の4体の貢献もあわせて見積もらせたのです。

しかも、5体分を足すと100%になるように割り振るよう、はっきり指示していました。

すると、5体がそれぞれ答えた自分の分の合計は106.8%まで下がり、最初の113.7%よりはっきり小さくなりました。

それでも100%は超えており、盛りすぎが消えることはありませんでした。

興味深いのは、AIが仲間1体あたりの貢献を平均19.66%と見積もっていたことです。

平等な取り分の20%をわずかに下回っており、仲間の働きを少し低く見ていたことになります。

盛りすぎは、AIに人物像を与えても残りました。

研究チームは、性別や民族の異なる人物(ペルソナ)としてふるまうようAIに指示して、同じ作業をさせています。

どの人物像でも、盛りすぎははっきりと現れました。

男性と女性の人物像の間には、差はありませんでした。

アメリカ人とアフリカ系アメリカ人の人物像では、合計の平均がどちらも115.2%でした。

一方、アジア系アメリカ人の人物像では112.0%と、少しだけ低めだったのです。

人を対象にした一部の研究でも、助け合いを重んじる文化では盛りが小さくなると報告されています。

研究チームは、AIが学んだ人間の文章が、こうした文化の違いをある程度写し取っていたと見ています。

気になる結果は、ほかにもあります。

新しい世代のGPTほど、盛りすぎがよりはっきり出ていたのです。

古い世代のモデルでは盛りすぎはほとんど見られず、GPT-4級のモデルになってはっきり現れたといいます。

さらに、答える前に段階を追って考えさせるやり方(思考の連鎖)でも、盛りすぎは減りませんでした。

むしろ、じっくり考えさせたほうが、自分の手柄を多く見積もるようになったのです。

研究チームは、人のような感覚を持たないと考えられるAIでも、人間の自己アピールや自己防衛をまねする可能性があると述べています。

そのうえで、AIは中立だという前提を見直し、かたよりを抑える工夫を改良する必要があるとしています。

なお、今回の結果は、GPT系のAIにジョークを共同で書かせるという作業で得られたものです。

AIに手柄を聞くと、5体の言い分を足しただけでピザ1枚が1割以上はみ出すほど、その見積もりは人間くさいものでした。

参考文献

Humanlike Self-Enhancement and Self-Protection in Generative Pre-Trained Transformer-Based AI Agents: Of Overclaiming and the Self-Serving Bias (Personality and Social Psychology Bulletin)
https://doi.org/10.1177/01461672261499423

元論文

Humanlike Self-Enhancement and Self-Protection in Generative Pre-Trained Transformer-Based AI Agents: Of Overclaiming and the Self-Serving Bias
https://doi.org/10.1177/01461672261499423

ライター

山下 浩介: むずかしい研究を、なるべく分かりやすく伝えたい。専門の言葉はふだんの言葉に置きかえて、身近な例で例える。それで「わかった」「楽しかった」と言ってもらえたら嬉しいです。 好きなのは、通学路や台所や日常の中にある科学。眠っているあいだに記憶が整理される話や、虫の鳴き方に意味がある話のように、読み終わったあとに誰かへ話したくなる研究を探しています。

編集者

ナゾロジー 編集部