AIが人間と働く時代、何が問題なのか？
ChatGPTに代表される生成AIや、自動化技術の進展により、AIはもはや特別な存在ではなくなりました。営業、採用、マーケティング、製造など、あらゆる業務の中にAIが入り込みつつあります。
ところが、多くの職場で耳にするのは、こんな声です。「AIが出した答えをどこまで信用していいのかわからない」「とりあえず早くAIを入れないと他社に後れを取る」「結局面倒が増えるだけだから嫌だ」
実は、AI導入がうまくいくかどうかは、性能や精度以上に、「人間とAIが信頼関係を構築できるか」にかかっているのです。
本稿では、組織行動と人間心理の観点から、AIに対する人間の信頼のメカニズムを解き明かした重要なレビュー論文「Human Trust in Artificial Intelligence: Review of Empirical Research（Glikson & Woolley, 2020）」をもとに、「ビジネスの現場でAIを使いこなすために必要な視点」を紹介します。この論文は、過去20年間にわたる実証研究を対象としたシステマティックレビュー（系統的文献レビュー）であり、AIと人間の関係性、とりわけ信頼に関する理論と実証知見を横断的に整理したものです。
出典
- Ella Glikson and Anita Williams Woolley, Human Trust in Artificial Intelligence: Review of Empirical Research, Academy of Management Annals VOL. 14, NO. 2, 2020. https://doi.org/10.5465/annals.2018.0057
なぜ“信頼”がAI導入の成否を決めるのか
生成AIやロボティクスといった技術革新により、業務のあらゆる場面にAIが組み込まれ始めています。しかし実際の導入においては、技術的な精度やコストの問題以上に、「人がどれだけAIを信頼できるか」が成否を左右しています。
Glikson & Woolley（2020）のレビューは、過去20年間の実証研究をもとに、AI導入が成功するかどうかを決める最大の要因は「信頼」であることを明確に示しました。どれほど高性能なAIであっても、ユーザーの信頼を得られなければ使われず、逆に過剰な信頼（overtrust）は誤用や事故につながる危険があります。
この「適切な信頼」をどう設計するかが、これからのAI導入における鍵です。信頼は単なる心理的な好みではなく、「どういう設計が信頼を促すか」「どういう条件で信頼が揺らぐか」という知見が、すでに多くの研究で明らかになってきています。
本章以降では、こうした信頼の構造と形成プロセスについて、認知心理学・組織行動論の視点から体系的に見ていきます。
“信頼”には2つの種類がある
信頼には、大きく分けて「認知的信頼」と「情動的信頼」の2種類があります。
- 認知的信頼（Cognitive Trust）は、合理的な評価に基づく信頼です。「このAIは正確だ」「このモデルは専門知識に基づいている」「十分にテストされている」といった根拠によって成立します。
- 情動的信頼（Emotional Trust）は、安心感や共感、親しみといった感情に基づく信頼です。「このAIは丁寧に対応してくれる」「使っていて不快感がない」「人の気持ちをわかってくれるように感じる」といった印象がそれにあたります。
たとえば、AIチャットボットを顧客対応に導入した企業では、「返答が早く正確であること」によって認知的信頼を得られた一方、「冷たい印象を与える」「気持ちに寄り添ってくれない」といった不満から情動的信頼を失ったという報告があります。
また、AIによる採用面接では、応募者が「公平で客観的だ」と感じれば認知的信頼を持ちやすくなりますが、「無機質で話しづらい」と感じれば情動的信頼が築かれず、逆効果になることもあります。
つまり、AI導入に成功するには、性能や制度といった“頭の納得”だけでなく、“心の納得”をどう得るかが鍵になるのです。
信頼のプロセスは「どんなAIか」によって変わる
AIと一口に言っても、その「姿かたち」や「関わり方」はさまざまです。Glikson & Woolley（2020）は、AIの表現形式を以下の3タイプに分類しています。人間がどのように信頼を形成するかは、このタイプによって大きく異なることが示されています。
1. ロボット型（Embodied AI）
実際に物理的な身体を持ち、人間と空間を共有するタイプのAIです。倉庫内で物を運ぶロボットや、介護現場で人と触れ合うロボットが該当します。
このタイプは視覚的・触覚的な存在感があるため、情動的信頼が築かれやすく、親しみやすさや共感性が信頼形成に大きく影響します。一方で、見た目に反して判断能力が限定されていると、ギャップによる失望が起こるリスクもあります。
2. バーチャル型（Virtual Agent）
画面上で人間と対話するAI、たとえばチャットボットや音声アシスタントがこれに当たります。
バーチャル型は、ロボット型ほど情動的信頼は生まれにくいものの、言語でのやり取りやパーソナライズによって信頼を形成できます。顧客対応や社内ポータルでのナレッジ支援など、非物理的な場面で活用されます。
3. 埋め込み型（Embedded AI）
特定のシステムやツールの中に組み込まれており、明示的に姿を見せないタイプのAIです。たとえば、推薦エンジン、検索補助、監視アルゴリズムなどがこれにあたります。
ユーザーがAIの存在を意識しないことも多く、信頼が形成されにくいという特徴があります。したがって、出力の根拠や行動の理由を明示するなど、透明性の設計が信頼形成に不可欠です。
このように、AIのタイプによって、信頼が「どう育つか」「どう維持されるか」は大きく異なることがわかりました。
リーダーや設計者は、自社が導入しようとするAIがどのタイプに属するのかを見極め、それに応じた信頼形成プロセスを設計する必要があるのです。
信頼を高める「設計」の力
AIは性能だけで信頼されるわけではありません。人がAIを信頼するかどうかは、どのように設計されているかに大きく左右されます。
レビュー論文によれば、AIへの信頼を高めるうえで、特に有効な5つの設計要素が示されています。
1. 一貫性（Consistency）
AIの判断や出力が、状況や時間にかかわらず安定していること。
たとえば、同じ条件の問い合わせに対して、日によって異なる回答が返ってくるようでは、信頼は築けません。
2. 説明可能性（Explainability）
なぜその答えを出したのか、理由や根拠をユーザーが理解できること。
チャットボットであれば、「過去のFAQに基づいてこの回答を提示しています」と明示するだけで、ユーザーは安心感を得られます。
3. パーソナライズ（Personalization）
ユーザーの過去の利用履歴や文脈に応じて対応を最適化すること。
たとえば、社内ナレッジ検索で、自分が所属する部署の情報を優先的に表示するなど、使う人に合わせて変化することで、情動的信頼が生まれやすくなります。
4. 即時性（Timeliness）
人のペースを崩さないスピード感で応答すること。
遅延がストレスになる業務現場では、たとえ正確な回答でもレスポンスが遅ければ信頼は得られません。
5. アピアランス（Appearance）
見た目の印象、つまりインターフェースの安心感や直感性も無視できません。
顔のあるロボットが安心感を与えるように、たとえ画面上でも「丁寧な言葉遣い」「わかりやすいUI」は情動的信頼を形成します。
これらの要素は、認知的信頼と情動的信頼の両方に影響を与えますが、設計の工夫次第でコントロール可能です。
信頼とは、育つものであると同時に、設計できるものなのです。
AIへの過信を防ぎ、適切に使うには
AIに対して私たちは、時に「信用しすぎ」、時に「まったく信用しない」という極端な反応を示してしまいます。
Glikson & Woolley（2020）が強調するのは、「AIの性能に合ったちょうどよい信頼」、すなわち信頼のキャリブレーション（calibration）の重要性です。
信頼がズレると、何が起きるか
- Disuse（不使用）：AIが有用でも、「信用できない」と判断されれば使われません。たとえば、診断支援システムを医師がまったく参照しないケース。
- Overtrust（過信）：AIが不完全でも、「正しいに違いない」と思い込んでしまう。たとえば、自動運転車に任せきりで事故に至るケース。
このような信頼の“ズレ”は、組織にとって大きなリスクとなります。
適切な信頼に導く設計とは？
研究では、信頼のキャリブレーションを助けるために以下のような施策が効果的であるとされています。
- 「確認を促す」設計
AIが判断した結果に対して、必ず人が確認・承認するステップを入れる。たとえば、AIが抽出した契約リスクに、法務担当者が“OK”を出して初めて顧客提示されるような仕組み。 - 「根拠を開示する」インターフェース
出力の背景（参考にした情報、信頼度のスコア）を併記する。これにより、ユーザーが盲信せずに判断材料として活用できる。 - 「フィードバックループ」の導入
AIの出力に対してユーザーが「正しい」「間違っている」と評価できる仕組みを持ち、学習や信頼調整に反映させる。
AIとの“関係性”を設計する時代へ
AIは道具であると同時に、チームの一員としての「存在」になりつつあります。とくに、生成AIや対話型AIの登場によって、「このAIとどのように付き合うか」「どうすれば互いに理解し合えるか」といった関係性の設計が問われる時代がやってきました。
これまでのITツール導入と異なり、AI導入には人間側の“感情”や“意味づけ”が深く関わります。つまり、単にマニュアルを配って使わせるのでは不十分なのです。
信頼は一方的に「持つ」ものではなく、相互のやり取りや経験の積み重ねで育つ“関係”です。これは、上司と部下、チームメンバー同士の信頼と同様です。AIにも「学習中であること」「間違えることもあること」「人間の判断が必要な場面があること」を適切に伝え、AIとのやり取りを通して信頼が調整される仕組みを組み込む必要があります。
AIは人間の代替ではなく、拡張です。人間が見落としがちなパターンを提示し、判断を補佐し、新たな視点を与えてくれる存在です。だからこそ、感情的な反発や盲目的な過信を避け、「AIとの関係性をどう築くか」が組織の競争力を左右するのです。
ChatGPT時代における信頼の新たな課題と展望
このレビュー論文が書かれたのは2020年、ChatGPTが登場する以前のことです。しかし、今日ではChatGPTのような対話型生成AIが急速に社会に浸透し、誰もが日常的にAIと対話する時代となりました。では、ChatGPTという最新のAIをこの研究の知見に照らし合わせると、私たちは何を学ぶことができるでしょうか。
第一に、ChatGPTは極めて高い「情動的信頼」を誘発しやすい存在であると言えます。自然な言葉づかい、即時の応答、礼儀正しいトーンは、まるで“理解してくれている”ような印象を与えるため、多くのユーザーが感情的な安心感を覚えやすくなります。
しかし、Glikson & Woolleyが指摘するように、信頼にはもう一つの軸——「認知的信頼」があります。これは、そのAIが知識や判断能力において信頼に足る存在であるかどうかを意味します。ChatGPTは、大量のテキストデータから言語的パターンを学習しており、しばしばもっともらしい文章を生成しますが、その情報の正確性や根拠には限界があります。つまり、「感じは良いが、実は間違っている」状態が生じやすいのです。
この点から、ChatGPTの利用には「情動的信頼」と「認知的信頼」のバランスに特に注意が必要です。信頼のキャリブレーション（調整）を怠ると、AIを過信したり、逆に無用に排除したりすることになりかねません。
この研究の知見を応用すると、以下のような設計・運用方針が重要になります：
- 透明性の確保：ChatGPTが参照している情報源や、その限界を明示するUI設計を行う（例：「これは2023年11月時点の情報に基づいています」など）。
- 目的整合の明文化：AIがユーザーと同じゴールに向かっていることを示す（例：「この回答はあなたの意思決定を支援する目的で提供されています」）。
- フィードバックループの設計：ユーザーからの評価や修正履歴を活用し、信頼を調整する仕組みを整える（例：評価ボタン、「参考にならなかった」選択肢の活用など）。
- 責任分担の設計：AIの出力に基づく判断に対して、最終的な責任が誰にあるかを明確にする（例：社内の業務に導入する際は、ChatGPTの出力を“案”として扱い、人間が最終確認するプロセスを組み込む）。
- 関係性の再設計：ChatGPTを道具ではなく「会話パートナー」「補助的助言者」として捉え、その位置づけをチーム全体で共有する文化づくり。
このように、ChatGPTのような対話型AIにも、Glikson & Woolleyのレビュー論文で指摘された信頼の理論枠組みは十分に適用可能です。そして、これらの知見は、AIを単なる便利ツールとしてではなく、「人と協働する存在」として受け入れるための指針となります。
AIの未来は、人間との関係性の質によって決まります。ChatGPTを活用する際も、「信頼は設計できる」ことを忘れてはなりません。
まとめ：AI時代のリーダーへの提言
AIの進化は止まりません。生成AI、ロボティクス、予測アルゴリズム。もはやAIは、単なる業務効率化の手段ではなく、私たちの「判断の相棒」になりつつあります。しかし、どれほど高性能なAIであっても、組織の中で信頼されなければ使われず、逆に過信されれば事故につながる。AIを「適切に」使うには、その信頼の設計が鍵を握ります。
では、現場を率いるリーダーは、どのようにこの課題に向き合えばよいのでしょうか。ここでは、本稿で紹介した知見をもとに、特に重要な視点を提示します。
1. “信頼されるAI”は、人の側の設計で決まる
信頼はAIの機能ではなく、人間が設計するものです。信頼されるかどうかは、AIの判断根拠を「わかりやすく伝える設計」があるかどうか、ユーザーが自分で確認・訂正できる「裁量の余地」があるかどうかで決まります。リーダーは、AIを選ぶとき、精度だけでなく“信頼設計”の観点から評価する必要があります。
2. メンバーは「AIを使いすぎる人」と「拒絶する人」の両方がいる
職場では、AIを頼りすぎる人（overtrust）と、AIをまったく信用しない人（disuse）が共存するのが現実です。このギャップを埋めるには、リーダー自身がAIとの付き合い方のモデルを示すことが効果的です。「判断の補助として使う」「疑問があるときは人間に相談する」などのスタンスを共有し、極端な使い方を抑える文化を作ることが重要です。
3. 信頼は「一度で作る」ものではなく「育てるもの」
AIは完璧ではありません。ときに間違え、ときに驚くような成果を出します。その都度、使う側の人間が「このAIはどこまで信用できるか」を調整していく必要があります。これを信頼のキャリブレーションと呼びます。
信頼は、最初に得るものではなく、経験を通して育てるもの。導入初期には過度な期待を抑え、試行錯誤しながら関係を育てていくマインドをリーダーが持つことが求められます。
おわりに：AIとともに意思決定する時代へ
AIは人間の代替ではありません。判断の質を高め、視点を広げ、議論を豊かにする存在です。しかしそれは、正しく信頼されているときに限ります。
この論文は、AIを社会に根づかせるために最も必要なのは、「アルゴリズム」ではなく「信頼の理解と設計」であると教えてくれます。ChatGPTのようなAIがますます広がるこれからの時代、AIを導入するリーダーの最大の仕事は、“信頼をつくること”なのかもしれません。
AIを用いたサーベイ、コーチングサービスはこちら↓
【サーベイ】×【AIコーチング】で自律型組織へ導く
この記事の執筆者
