「AI活用」に関連して読みたい編集部お薦め記事

AIに任せちゃいけないワークフロー第1位は？　現場の本音から探る「人とAIの境界線」

AIの提案を年間20回スルー　データが暴く日本企業CEOの「慎重すぎる前進」

　AIのへつらいとは、バランスの取れた分析を提供するのではなく、ユーザーが示した考えを肯定し、称賛し、同調しようとするAIの性質を指す。AIが論理性よりもユーザーへの同調を優先すると、この現象が生じる。その結果、筋道の通った推論を犠牲にして、同意を維持するために回答内容を変えてしまう。こうした挙動は、ユーザーが好む回答を評価する学習やフィードバック方式に起因する。AIのトレーニングでは、AIの助言が良い意思決定につながったかどうかを判定するよりも、ユーザーからの好意的な反応を計測する方が容易だからだ。

　2025年4月、OpenAIは「GPT-4o」が過度にへつらうようになったため、アップデートを一時撤回した。短期的なユーザーフィードバックを過大に評価していたと同社は説明している。この傾向は特定のAIに限った話ではない。科学誌『Science』に掲載された2026年の研究論文では、主要なLLM（大規模言語モデル）11種類を調査した結果、AIは人間と比べてユーザーの行動を肯定する割合が49％高かった。さらに、へつらいを含む回答を受け取ったユーザーは、自分が正しいと強く思い込み、対立を解決しようとする意欲が減退した。それにもかかわらず、そうした回答をより高く評価し、モデルを信頼する傾向が調査結果では示されている。

　経営層というのは、反対意見が届きにくい環境に身を置いている。従業員が懸念を率直に伝えるとは限らず、側近の助言者も回答を忖度（そんたく）しがちだからだ。そのため経営幹部は、AIのへつらいによる影響を特に受けやすい。チャットボットを使えばそうしたひずみを排除できるように見えるが、別のひずみを生み出すことになる。

　それは、ユーザーの論点設定（フレーミング）に左右されてしまう点だ。AIへのプロンプト自体が、隠れたバイアスの発生源となるのだ。例えば「事業売却が正しい理由を説明せよ」という指示には、結論と期待する回答がすでに含まれてしまっている。一方で「事業の継続、再構築、提携、売却の選択肢を評価し、選択に必要な証拠を示せ」という中立的な指示であれば、意思決定の課題として成立する。

　また、英AI Security Instituteの研究「Ask Don't Tell: Reducing Sycophancy in Large Language Models」によると、疑問形で尋ねた場合はAIのへつらいがほぼゼロになったのに対し、同じ主張を平叙文で伝えるとへつらいの度合いが高まった。その差は24ポイントに達し、ユーザーが強い確信を示すほど差は広がった。リーダーが自身の見解に自信を持つほど、AIはその見解を検証すべき仮説ではなく、所与の前提として扱いやすくなる。

戦略的意思決定に与える影響

　戦略的な決定は状況の捉え方に左右される。AIは誤ったフレーミングを一見もっともらしい論理へと仕立て上げてしまう。

　経営幹部約2400人を対象とした2026年のグローバル調査「BCG AI Radar」によると、CEOの半数が自らの雇用の安定はAI戦略の成否にかかっていると考えている。また90％以上の企業が、年度内に投資回収が見込めなくてもAI投資を維持または増額する意向を示した。

　このような状況下でAIアシスタントを使うと、拙速な判断を合理化してしまう。「他社に後れを取るわけにはいかない」という焦りを、「後れを取る」ことの定義すらあいまいなまま洗練された推進計画へと変換してしまうのだ。CEOは「1年以内にAI製品を投入しなければならない」と思い込むかもしれない。チャットボットは成長予測や競合の発表情報、段階的なロードマップを整えて提示する。しかし、本質的な問いは検証されないままだ。自社に独自の強みはあるのか。顧客はお金を払うのか。今は待機した方が大きな価値を生むという証拠はないのか。

　戦略面だけでなく、AIのへつらいは人事や投資についての決定にも悪影響を及ぼし、法的なリスクや金銭的な損失を招く恐れがある。

人事の意思決定に与える影響

　人事についての判断は、特にAIのへつらいの影響を受けやすい。AIへの入力情報が経営幹部側の一方的な視点に限られることが多いからだ。経営幹部がある同僚について「非協力的で業務を妨害している」と説明し、対処法を尋ねたとする。AIモデルは過去の会議の経緯、個人の評価基準、これまでのいきさつ、幹部自身の振る舞いを知ることはできない。入力された幹部の語り口だけを分析するため、へつらいの回答は幹部の主張を支持し、相手への否定的な見方を採用して、処分や対立の激化を推奨してしまう。プロンプトの言葉遣いが客観的に見えても、分析結果は幹部の偏見を体裁よく整えたものにすぎない。

　へつらいを含んだ助言を受けた人間は、自らの立場に対する確信を深め、他者の意見に耳を傾けなくなる。これは従業員への不当な評価につながり、企業にとっての情報損失を招く。欠陥のある戦略に異を唱えた有能な幹部が、不当に懲戒処分を受ける事態にもなりかねない。

　欧州連合（EU）の「AI法」（EU AI Act）では、採用、昇進、解雇、業務割り当てに用いられるAIアプリケーションを高リスクに分類し、適切な注意義務を求めている。一般的なチャットボットとの個別の対話自体は雇用管理システムとして規制されないとしても、その出力を公式の人事プロセスに持ち込めば法務やガバナンス上の重大なリスクに発展する。

投資判断に与える影響

　投資判断は数字に基づいて下される。しかし、そうした数字は前提の上に成り立っており、AIを利用したとしても不確かな入力情報が客観的になるわけではない。例えば、CEOが急成長中の企業を買収するための論拠をまとめるようAIに指示したとしよう。一見客観的に見える分析の背後には、幾つかの問題が潜んでいる。買収を推進したい人間が集めた都合の良い証拠が使われている点、客観的な評価ではなく決定の正当化をAIに求めている点、そして算出された数値によって主観的な仮定があたかも精密であるかのように見せかけられている点だ。資本配分の現場でも同様の事態が起こり得る。「中核事業」と位置付けられた部門には甘い前提が置かれ、「レガシー事業」と見なされた部門には過度に保守的な前提が適用されてしまう。

　AIは、主張の前提が崩れた際のリスク（感応度）を明示すべきだ。有用な分析とは、ユーザーの意図をそのまま反映するのではなく、価値を生み出すための前提条件を提示するものである。

AIのへつらいを見抜き、対処する方法

　へつらいはAIの既知の誤作動（フォールトモード）であり、AIが常にユーザーの最初の立場を補強するわけではない。カーネギーメロン大学が2026年に発表したワーキングペーパー「AI Sycophancy and Decisions」によれば、AIにへつらいの傾向は見られたものの、平均するとユーザーの初期の考えを修正させる効果も確認された。

　流ちょうな助言を無批判に受け入れないために、リーダーは次の二つの検証を行う必要がある。

　まず、前提を反転させる。正反対の結論を導くための最も強力な論拠を作成するようAIに指示する。また感応度をテストする。成長率、顧客維持率、時期などの前提がわずかに変化しただけで提言が逆転するなら、その意思決定は脆弱（ぜいじゃく）だといえる。

　次に事実を中立に提示する。同一の事実関係を、中立、好意的、批判的という3通りの切り口でAIに入力してみる。もし結論が変わるなら、データそのものではなく、入力時のフレーミングが分析結果を左右している証拠だ。

リーダーは何をすべきか

　こうしたリスクへの安全策として「人間を介在させる」（Human-in-the-loop）手法を挙げる企業もいる。しかし、人間自身が問いを立て、証拠を選び、望む回答をあらかじめ持っている場合、その安全策は機能しない。米国立標準技術研究所（NIST）の「AIリスクマネジメントフレームワーク」（AI RMF）でも、人間とAIの組み合わせがユーザーのバイアスをかえって強めてしまい、後続の意思決定をゆがめる可能性があると指摘されている。

　形式的な人間の承認プロセスよりも実効性のある統制手法として、以下の取り組みが求められる。

• AIを使う前に初期の見解を記録し、AIが無条件に受け入れるべき前提ではなく、検証対象の「仮説」として扱う
• プロンプトは疑問形で作成し、断定的な表現をさける。断定を質問に変えることは、AIに「へつらうな」と指示するよりもへつらいを抑える
• 最初の対話で生じた思い込みを引き継がないよう、新しい対話セッションを立ち上げ、別の担当者や別のAIモデルを使って反対意見を作成する
• 証拠にアクセスでき、不利益をかぶることなく反対意見を述べられる権限を持った役員や顧問を指名し、前提への反論を担当させる
• 便利さだけでなく、意見の不一致も評価基準にする。誤った前提にAIが異を唱えられるか、ユーザーが強い希望を述べてものまれないかを検証する