Anthropicは2026年10月27日、AIエージェントと一緒に分析をした専門家が、どれほどAIの意見に引っぱられるかを調べた研究を公開しました。
AIがどちらの選択肢を推すかをコイントスで決めたにもかかわらず、専門家は4つの分析上の判断で86%の割合でAIの推す側を選んでいました。
AIの提案をもとに施策や予算を決めるマーケティング担当者や部長にとっては、「最後は人が判断しているから大丈夫」という前提を見直すきっかけになる研究です。
この記事のポイント
- 分析した50人は、4つの分析上の判断で86%の割合でAIの推す側を選んだ(偶然なら約50%)
- 77%がAIの論拠を自分の説明に使ったが、回答のどこかでAIに触れたのは15%だけ
- AIはうそをつかず、片方の選択肢だけを強く論じることで判断を動かしていた
- 著者は、両論を出す・先に人の考えを聞くエージェントの設計と、人が判断すべき場面を決め直すことを提言
本記事は、Anthropic公式の研究ページ「How AI agents shape experts’ judgment calls」(2026年10月27日)と、その論文「Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls」を一次情報として扱いました。
日本語ではGIGAZINEが2026年10月29日に報じています。情報は2026年10月29日時点のものです。
実験の中身、分かった数字、同調が起きた理由と研究の限界、読者ごとの影響、明日から使える工夫の順に見ていきます。
Anthropicが公開した研究の中身

AIに分析を手伝ってもらうとき、「判断するのは自分」と思っている人は多いですよね。この研究は、その感覚が実際の選択とどれだけずれるのかを確かめたものです。
因果推論の実務者61人が課題に取り組んだ
論文の著者は、Anthropic Fellows ProgramのAmaç Herdağdelen氏と、AnthropicのHailey Joren氏、Alex Tamkin氏の3人です。
参加者は、有償の専門家マーケットで募った因果推論の実務者で、61人が課題を提出しました。
このうち11人はAIエージェントを使わずに課題を終えたため、AIを使った50人が分析の対象になっています。
参加者の多くはデータサイエンスや分析の仕事をしている人で、アンケートに答えた48人のうち90%が、因果推論の力を「熟達」か「専門家」と自己評価していました。マーケティング職の参加者は、論文の属性の一覧には出てきません。
コイントスでAIの「推す側」を決めた
課題は、架空の農業協同組合の分析担当として、農家向けの助言サービスを「全面展開するか、打ち切るか」を提言するものでした。データは研究者が作った合成データです。
参加者は、ブラウザで動くVS CodeにClaude Codeを組み込んだ環境で、Claude Opus 4.8(High effort)のエージェントと一緒に分析しました。作業時間の中央値は65分です。
研究チームは、分析の途中で出てくる4つの判断(生産性の指標・効果の推定方法・誰への効果を測るか・重みづけ)と最終提言のそれぞれで、エージェントがどちらの選択肢を推すかをコイントスで決めました。
参加者には、推す側が割り当てられていることは知らされていません。
エージェントには「結果を偽らない」「データを隠さない」「データが支持しない主張をしない」という制約が付けられていました。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
研究で分かった4つの数字

どちらの選択肢も専門家が擁護できる「正解のない判断」なので、AIの影響がなければ選ばれ方は半々に近くなるはずです。結果は次のとおりでした。

表で詳しく見る
| 項目 | 結果 |
|---|---|
| 4つの分析上の判断でAIの推す側を選んだ割合 | 86%(偶然なら約50%) |
| 先に自分の側を決めた人が、AIに反対されて切り替えた割合 | 60%(AIが賛成したときは6%) |
| AIの論拠を自分の説明に使った人/回答でAIに触れた人 | 77%/15% |
| AIが全面展開を推したとき、全面展開を勧めた人 | 54%(逆を推したときは36%) |
分析上の判断の86%でAIの推す側を選んだ
4つの分析上の判断をまとめると、参加者は86%の割合でエージェントの推す側を選んでいました。
推す側はコイントスで決めているので、選択肢の良し悪しではなく、AIがどちらを推したかで選択が動いたと読み取れます。
論文では、4つの判断それぞれで、推す側の違いによる選ばれ方の差が62〜82ポイントありました。
反対されると60%が自分の考えを切り替えた
エージェントより先に自分の側を決めた参加者もいました。研究ページによると、その人たちはエージェントに反対されると60%の割合で切り替え、賛成されたときは6%でした。
ただし論文によると、この場面に当たる試行は38件だけで、先に側を決めた人は自分でそうした一部の参加者です。数字は傾向として受け止めるのが安全だと思います。
77%がAIの論拠を使い、AIに触れたのは15%
作業後のアンケートで判断の理由を書いてもらうと、77%がエージェントの述べた論拠を、ときにはほぼそのまま繰り返していました。
一方で、回答のどこかでエージェントに触れた人は15%だけです。最終提言を「AIよりも自分のもの」と答えた人は52%いました。
確信度にも、ほとんど差は出ていません。4つの判断すべてでエージェントに従った人の確信度は平均71、それ以外の人は73でした。本人の感覚では、引っぱられたかどうかが分からないということになります。
最終提言では、研究ページによると、エージェントが全面展開を推したときに54%が全面展開を勧め、逆を推したときは36%でした。
論文の事前登録した主な推定では、最終提言への直接の効果は統計的に有意ではありません。
それでも論文の探索的な分析では、1年延長を選ばなかった参加者について、4つの分析上の判断でAIが推した側だけから最終提言の82%を当てられたとしています。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
同調はなぜ起きたのか、研究の限界は何か

AIがうそをついたわけでも、データを隠したわけでもありません。では、何が判断を動かしたのでしょうか。
片方の選択肢だけを強く論じていた
論文の分析では、エージェントの影響は誤った情報や隠しごとによるものではなく、片方の選択肢の論拠だけを示すことで生まれていました。
エージェントは「別の選択肢だと結果がどう変わるか」は説明しても、「有能な専門家がなぜ別の選択肢を選びうるか」はほとんど説明しませんでした。
片側だけが論じられると、人は自分の前提を言葉にしないまま、AIの前提を取り込めてしまうと論文は指摘しています。
AIが利用者の意見に合わせてしまう「迎合(sycophancy)」は、以前から知られた問題です。今回の研究は、その逆向き、つまり人がAIに合わせる方向の影響を測ったものと整理できます。この対比は論文に書かれたものではなく、本記事の整理です。
何も仕込まなくてもAIは好みを持っている
推す側を仕込まないOpus 4.8で同じ課題を試すと、123回の実行のうち91%で同じ5つの選択をしました。
論文は、同じモデルを使う複数のチームの結論がそろっても、それは独立した判断の一致ではなく、モデルの好みを映しているだけかもしれないと指摘しています。
社内の複数の部署が同じAIで同じ結論に至った場合も、同じ見方ができそうです。
課題1つ・分野1つ・モデル1つの実験
著者自身が挙げる限界もあります。研究ページと論文によると、主なものは次の4つです。
- エージェントが推す側を意図的に強めている(実際の利用では影響がもっと小さい可能性)
- 課題1つ、分野1つ(農業)、モデル1つ(Claude Opus 4.8)で、作業は約1時間
- 数字は参加者全体の平均で、一人ひとりがどれだけ影響を受けたかは分からない
- どちらを選んだかは記録したが、どれくらい強く好んだかは測っていない
なお、AIを使わなかった11人のうち6人には方法やコードの重大な誤りがあり、AIを使った50人では3人でした。
ただし、AIを使うかどうかは参加者が自分で選んでいるため、因果は言えないと論文は断っています。AIが分析の質を上げる面と、判断を寄せてしまう面は、両方あると見ておきたいところです。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
このニュースで誰の何が変わるのか

実験の題材は農業の分析ですが、「正解のない選択をAIと一緒に決める」場面は、マーケティングの現場にもたくさんあります。影響が大きい3人の立場で考えてみます。
BtoB企業のマーケティング担当者:AIの施策案をそのまま通さない
キーワードの選び方や記事の構成、効果測定の指標をAIに相談すると、筋の通った案がすぐに返ってきますよね。
今回の研究は、筋が通っているほど、別の選択肢を考えないまま採用しやすいことを示しています。
明日からは、AIに相談する前に自分の案を1行メモしておき、AIには「別の選び方をする理由」も挙げてもらうようにしてみよう。
こうした確認の手順を持つ担当者と持たない担当者で、施策の幅に差がつく可能性があります。
Web担当役員・マーケティング部長:「人が確認した」の中身を問う
AIを使った企画や分析も、担当者が確認していれば安心と考えている管理職は多いのではないでしょうか。研究では、本人が自分で決めたと感じていても、選択はAIの推す側に寄っていました。
明日からは、予算や撤退のような大きな判断の稟議に「AIに相談した点」と「検討した別案」を書く欄を足すのが手軽です。
数か月〜1年の単位では、AIの関与を記録する社内ルールを整える企業が増えると考えられます。
オウンドメディアの編集者:AIの論拠を自分の言葉で検証する
AIと一緒に構成や主張を練っていると、いつの間にかAIの言い回しが自分の意見のように感じられることがあります。
研究では、77%がAIの論拠を使いながら、AIに触れたのは15%でした。
明日からは、記事の主張ごとに「これは誰の考えか」「反対の立場ならどう書くか」をメモに残すと、編集の判断を説明しやすくなります。
AIの文章があふれるほど、別の視点を示せる編集者の価値は上がっていくと感じます。
AI記事の公開前の点検手順は、人間レビューワークフローの作り方にまとめています。
AIと判断するときに使える3つの工夫

著者が挙げた今後の課題は、日々のAIの使い方にも置き換えられます。研究の提言をもとに、実務で試しやすい形にしてみました。
先に自分の考えを書き、両論を出させる
著者は、エージェントが各選択肢の最善の論拠を示すか、意見を言う前に専門家の考えを聞く設計を提案しています。今のAIでも、指示の出し方で近いことができます。
- 相談の前に、自分ならどうするかを1〜2行で書いておく
- AIには「選択肢ごとに、有能な担当者がそれを選ぶ理由」を並べてもらう
- AIが推す案と自分の案が違ったら、どの前提が違うのかを言葉にする
ただし論文は、判断の場面が多いとすべての選択肢を並べるのは負担になると書いています。全部ではなく大きな判断だけに絞るのが現実的です。
人が決める判断を先に決めておく
著者は、組織がどの判断に本人の十分な判断が必要かを意識して決める必要があると書いています。
たとえば、予算配分・施策の撤退・外部への公表内容は人が先に案を出す、記事の下書きや集計はAIに任せる、といった線引きです。
人とAIの分担に唯一の正解はないと論文も認めているので、自社の分担表を作って見直していくのがよいと思います。
エージェントに任せる範囲の考え方は、Anthropicの単一エージェントの判断基準も参考になります。
よくある質問

- AIエージェントへの同調を調べた研究はいつ公開されましたか?
-
Anthropicの研究ページは2026年10月27日付で公開されました。日本語ではGIGAZINEが2026年10月29日に報じています。
- 専門家がAIエージェントに同調した割合は?
-
4つの分析上の判断で、参加者は86%の割合でエージェントの推す側を選びました。推す側はコイントスで決めており、影響がなければ約50%になるはずでした。
- 研究で使われたAIエージェントのモデルは?
-
Claude Codeの上で動くClaude Opus 4.8(High effort)です。参加者はブラウザで動くVS Codeの環境で作業しました。
- AIエージェントはうそをついて誘導したのですか?
-
いいえ。エージェントには結果を偽らない、データを隠さないといった制約が付いていました。論文によると、影響は片方の選択肢の論拠だけを示すことで生まれていました。
- 同調した本人は、AIエージェントの影響に気づいていましたか?
-
気づきにくかったようです。77%がAIの論拠を説明に使いましたが、回答でAIに触れたのは15%でした。4つの判断すべてでAIに従った人の確信度は平均71、それ以外の人は73で、ほとんど差はありませんでした。
- この同調の結果は、どんなAIの使い方にも当てはまりますか?
-
そうとは限りません。著者は、推す側を意図的に強めたこと、課題1つ・分野1つ・モデル1つの実験であることを限界に挙げています。実際の利用では影響が小さい可能性もあります。
- AIエージェントに判断を寄せないためには?
-
著者は、各選択肢の論拠を示す、意見を言う前に人の考えを聞くといったエージェントの設計と、どの判断に人の判断が必要かを組織が決めることを提言しています。実務では、相談の前に自分の案を書いておくのが手軽です。
まとめ

Anthropicは2026年10月27日、AIエージェントが専門家の判断に与える影響を調べた研究を公開しました。
- コイントスでAIの推す側を決めても、4つの分析上の判断で86%の割合でその側を選んだ
- 77%がAIの論拠を使い、AIに触れたのは15%。本人は影響に気づきにくい
- AIはうそではなく、片方の論拠だけを示すことで判断を動かした
AIの提案は便利なぶん、選ばなかった案が見えにくくなります。人が最後に判断する仕組みを意味のあるものにするには、AIに相談する前に自分の考えを書き、別の案の理由も並べてもらう習慣が効くと感じます。まずは次の大きな判断から、1回試してみよう。



参考・出典
- Anthropic「How AI agents shape experts’ judgment calls」(2026年10月27日):https://www.anthropic.com/research/agents-judgment-calls
- 論文「Who’s Aligned to Whom? How AI Agents Shape Experts’ Research Judgment Calls」:https://www-cdn.anthropic.com/519c17a5d23a794e8b6d50a854048d0b61e0d73a.pdf
- GIGAZINE(2026年10月29日):https://gigazine.net/news/20261029-anthropic-agents-judgment-calls/





