10月8日、Neuroscience Newsが「AI Chatbots Are Hardwired to Defend the Status Quo」と題した記事を公開した。ウォータールー大学の研究チームが、大規模言語モデル（LLM）が気候変動対策に関する選択肢を提示する際に「現状維持バイアス」を示すことを5万件超のプロンプトで実証したという内容だ。
11モデル・約5万5000プロンプトで明らかになった「現状維持バイアス」
ウォータールー大学のSeth Wynes准教授（環境学部）らが発表した研究は、LLMの現状維持バイアスを気候変動の文脈で体系的に検証した初の研究とされる。論文はEnvironmental Research Communications（2026年10月1日付）でオープンアクセス公開されており、DOIは10.1088/2515-7620/aea1ebだ。
研究チームは7,548件の固有クエリを作成し、それぞれを少なくとも6種類のLLMでテストすることで、合計54,888プロンプトの実証データセットを構築した。対象ドメインは以下の4領域だ。
- 自動車購入・個人の交通手段選択
- 家庭の暖房システムと省エネ改修
- 食事の嗜好とレシピ
- 地域・自治体の気候政策決定
対象モデルは11種類で、元記事によればGPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro、Llama 3、Mistral、Copilot（Microsoft）など2026年時点の主要な商用・オープンソースLLMが網羅されている。近年、行政や政策シンクタンクがLLMを政策立案支援・パブリックコメント分析に活用し始めている文脈において、このバイアスの実証は特に重要な意味を持つ。
核心の数字：既存政策は70%承認、新規気候政策は34%
最も鮮明なバイアスが現れたのは、政策評価シナリオだ。
研究チームは「ある施策を実施すべきか」という問いを設計し、その施策を「現在すでに実施されている政策」として提示するケースと、「新たな気候介入策・規制変更」として提示するケースを比較した。内容は同一のまま、「現状維持かどうか」という文脈だけを変えた実験設計だ。
結果：
- 既存・現行の施策として提示→承認率70%
- 新規の気候政策として提示→承認率34%
さらに、政策の選択肢を比較するシナリオでは、ユーザーがすでに選んでいる選択肢（現状）を支持する頻度が、代替案を推奨する頻度の2倍に達した。
論文中ではこのバイアスの強さをオッズ比で表している。オッズ比とは「ある事象が起きる確率」と「起きない確率」の比を2群間で比較した統計量であり、単純な頻度や割合の差とは異なる指標だ。結果として、現状維持フレームで提示された施策は、変化を求めるフレームで提示された施策と比べてオッズ比で平均7.5倍推奨されやすいという数字が示されている。この数値はあくまでオッズの比であり、「7.5倍の頻度で推奨される」という単純な解釈とは異なる点に注意が必要だ。
EVの推奨率は、現実の普及率を下回る
消費者向けの文脈でも同様の傾向が確認された。
研究チームがEVの購入推奨を分析したところ、LLMがEVを勧める頻度は地域の実際の普及率とある程度の相関を示した。ここで用いられた指標はスピアマン順位相関係数（rs = 0.48）で、これは「普及率が高い国ほどEVを推奨しやすい」という傾向が統計的に存在することを示す中程度の相関だ（1.0が完全相関、0が無相関）。ノルウェーのユーザーにはカナダのユーザーより高頻度でEVが推奨される、という地域差は確かに存在する。
しかし問題は、いずれの国においても推奨率が現実の販売シェアを下回っていた点だ。新車販売におけるEVシェアがすでに高い水準に達している国でも、LLMの推奨率はそれに追いつけていない。
Wynes准教授はこう説明する。
「ほぼすべての国でLLMは現実の変化より遅いペースで動いており、実際に売れているEVの台数より少ない推奨しかしていない。安全が確立された医療アドバイスのような分野では現状維持が有用かもしれないが、気候変動の領域は本当に変化が必要な分野だ」
また、食事のレシピ推奨については、植物性食品（低排出）への偏りは確認されず、ベジタリアンまたはヴィーガンのレシピが占める割合は**40%**にとどまった。
LLMが「保守的」になる構造的理由
この現象の根本にあるのは、LLMの学習データの性質だ。大規模コーパスは過去の人間の選択と言語を反映しており、必然的に過去の「ノーマル」を内包する。心理学で言う「現状維持バイアス」（status quo bias）——変化より現状を好む傾向——が、モデルの出力に構造的に組み込まれている状態だ。
このバイアスが臨床医学や構造工学のような安全性重視の領域では有用なガードレールになる一方、エネルギー転換のように「過去からの逸脱」が求められる分野では逆効果となる。LLMのバイアスを巡っては政治的・社会的偏向に関する研究が先行してきたが、今回のように気候政策という具体的なドメインに絞った大規模実証研究は珍しく、政策立案支援へのAI活用が加速する中でその意義は大きい。
ユーザー側の対策としてWynes准教授は以下を提案している。
「これらのモデルには、新しいものも含めてブラインドスポットがあることを認識する価値がある。バイアスを意識した上で、新しい行動を取る場合の根拠を示すよう明示的に求めるとよい」
今後の課題
研究チームは今後、フロンティアモデルのアップデートを継続的に追跡し、ファインチューニングやリアルタイム検索機能の統合がこのバイアスを軽減するかどうかを検証する予定だ。また、AIが商取引プロセスに組み込まれることで高炭素消費パターンがさらに固定化されるリスクについても注視するとしている。
詳細はAI Chatbots Are Hardwired to Defend the Status Quoを参照していただきたい。
