「AIにレビューを要約してもらってから買った」。最近、そんな買い物の仕方をしている人は多いと思います。星の数や口コミを一つずつ読むより、生成AIに「この商品の評判を3行でまとめて」と頼んだほうが速いからです。ところが、その便利さの裏側で、私たちの「買う・買わない」という判断そのものがAIに静かに動かされている可能性が、最新の研究で見えてきました。
2026年5月31日、日本経済新聞は「AIが人間の決定操る 商品レビュー要約で長所のみ抽出、購入3割増」と題した記事を報じました。これはAIが悪意を持って人をだますという話ではありません。AIが文章を要約するときの「クセ」が、結果として消費者の判断を一方向に押し込んでしまう、という構造的な問題です。
この記事では、報道の元になった研究の中身を正確に確認したうえで、「AIに分析される側」「AIに要約を見せられる側」である私たち利用者が、どうすれば操られずにAIと付き合えるのかを整理します。AIを使って顧客の声を分析する手法とは逆の視点、つまり消費者・利用者としての「AIリテラシー」の話です。
日経が報じた「購入3割増」の正体
まず、数字の出どころをはっきりさせます。日経の見出しにある「購入3割増」は、米カリフォルニア大学サンディエゴ校（UCSD）の研究チームが2025年12月に発表した論文「Quantifying Cognitive Bias Induction in LLM-Generated Content」が元になっています。自然言語処理の国際会議で報告されたものです。
実験はシンプルです。電子機器など1000件の商品レビューを用意し、70人の被験者を2つのグループに分けました。一方には「実際に人が書いたレビュー」を、もう一方には「AIが生成したレビュー要約」を読ませ、その商品を買いたいかどうかを答えてもらいました。
結果はこうです。
| 読んだもの | 「購入する」と答えた割合 |
|---|---|
| 人が書いた元のレビュー | 52% |
| AIによる要約 | 84% |
同じ商品、同じ元情報であるにもかかわらず、AI要約を読んだグループは購入意欲が52%から84%へ、32ポイント上昇しました。これが「3割増」の中身です。内容を盛ったわけでも、嘘を足したわけでもありません。ただ「要約した」だけで、人の判断が大きく傾いたのです。
ここで誤解しないでほしいのは、この数字は「全人類が必ず3割購入を増やす」という意味ではないことです。70人という限られた被験者による特定条件下の実験結果です。それでも、AI要約が判断を一定方向に動かしうるという傾向そのものは、無視できない大きさで現れています。
なぜAI要約は「長所だけ」を抽出してしまうのか
では、なぜAIに要約させると都合よく長所が前面に出てくるのでしょうか。意地悪をしているわけではありません。原因は、大規模言語モデル（LLM、文章を生成するAIの仕組み）が持つ2つの特性にあります。
1. 文章の真ん中を見落とす「Lost in the Middle」
LLMには「Lost in the Middle（中盤の喪失）」と呼ばれる傾向があります。長い文章を処理するとき、前半と後半は重視しますが、中盤の情報を十分に考慮しないという性質です。
商品レビューを思い浮かべてください。多くの人は「良かった点」を最初に書き、終盤や中盤に「ただ、ここが惜しい」と欠点をそっと添えます。AIが中盤を軽く扱えば、その「惜しい点」がごっそり抜け落ちた要約ができあがります。書き手は正直に欠点を書いたのに、要約には残らない。読者には長所だけが届く、という流れです。
2. ポジティブに寄せる「フレーミング効果」
もう一つは、AI要約がネガティブな表現をやわらげ、ポジティブな印象に寄せやすいという点です。「電池の持ちが悪い」が「電池はやや控えめ」になるような、表現の置き換えです。一つひとつは小さな差ですが、要約全体では商品の印象がじわりと良い方向へ動きます。これを心理学では「フレーミング効果」と呼びます。同じ事実でも、言い回し次第で受け取り方が変わる現象です。
さらにこの研究では、AIが要約を作る過程で約60%という高い割合でハルシネーション（事実にない情報の生成）を起こしていたことも報告されています。元のレビューになかった「使いやすい」「コスパが良い」といった評価が、AIの筆によって生まれてしまうことすらあるのです。
レビューだけじゃない――裁判・選挙にも及ぶ「決定操作」
日経の記事が指摘していたのは、買い物の場面だけではありません。AIが人間の意思決定に影響を及ぼす場として、裁判と選挙も挙げられています。
裁判の場面では、膨大な判例や証拠資料をAIに要約させる動きが進んでいます。しかしレビューと同じく、AIの要約が特定の事実を強調したり省いたりすれば、判断材料そのものが偏ります。人が最終決定するとしても、その手元に届く情報がAIによって整形されていれば、結論は静かに引っ張られます。
選挙も同じ構図です。有権者が候補者や政策をAIに尋ねて判断する場面が増えれば、AIの要約のクセや学習データの偏りが、世論の形成に影響しかねません。どれも「AIが命令して人を動かす」のではなく、「AIが整えた情報を人が信じて自分で決める」という、より気づきにくい形の操作です。
生成AIを業務で活用する立場の人にとって、これは他人事ではありません。社内でAIに議事録や市場調査レポートを要約させているなら、まさに同じリスクの上で意思決定をしている可能性があるからです。
「分析する側」と「見せられる側」――立ち位置で対策は変わる
ここで一つ、整理しておきたいことがあります。AIとレビューの関係には、立場の異なる2つの視点があります。
| 立場 | やっていること | 主なリスク | 必要なリテラシー |
|---|---|---|---|
| 分析する側（事業者・マーケター） | AIで顧客レビューを集計し、商品改善やVOC（顧客の声）分析に使う | 要約の偏りで現場の本音を読み違える | 元データに立ち返る検証習慣 |
| 見せられる側（消費者・利用者） | AI要約を読んで買う・選ぶを決める | 長所だけ見せられ判断が傾く | 要約を鵜呑みにしない読み方 |
事業者としてAIでレビューを分析する話は別の記事で扱っています。今回フォーカスするのは下の段、「見せられる側」が操られないためのリテラシーです。多くの人は無意識にこちら側に立っています。AIに「まとめて」と頼んだ瞬間、自分が要約の影響下に入っていることに気づいていないからです。
PR
ファスト&スロー（上）あなたの意思はどのように決まるか?（ダニエル・カーネマン／ハヤカワ文庫）
ノーベル経済学賞のカーネマンによる名著。人がいかに直感に流され、提示のされ方（フレーミング）で判断を変えてしまうかを膨大な実験から解説します。AIの要約に判断を委ねる前に読んでおきたい一冊です。
AIに操られないための「要約リテラシー」5つの習慣
では、便利なAI要約を捨てずに、判断を奪われないためにはどうすればいいのか。今日から使える5つの習慣にまとめました。
習慣1：高評価の要約ほど元レビューを1～2件読む
AI要約が「おおむね好評」と返してきたときこそ要注意です。中盤や末尾の欠点が削られている可能性があります。最低でも元レビューを1～2件、特に星3つ前後の評価を直接読みましょう。本音は中間評価に潜んでいます。
習慣2：「短所も3つ挙げて」と必ず追加で聞く
AIは聞かれたことに答えます。「要約して」だけだと長所中心に返りがちなので、続けて「この商品の短所・不満点を3つ挙げて」と尋ねます。質問の立て方を変えるだけで、隠れていたネガティブ情報が出てきます。
習慣3：数字や固有名詞は元情報で裏を取る
「電池が20時間持つ」「90%が満足」といった具体的な数字は、ハルシネーションの温床です。約6割の確率で事実にない情報が混じるという研究結果を思い出し、数字が決め手になる場面では必ず公式情報や元レビューで確認します。
習慣4：AIを変えて同じ質問を二度する
ChatGPT・Gemini・Claudeなど、複数のAIに同じ要約を頼んでみてください。要約のクセはモデルごとに違うため、見え方が割れたら「そこに判断の分かれ目がある」というサインです。一つのAIの結論を唯一の正解にしないことが大切です。
習慣5：最終判断は「自分の基準」に戻す
要約はあくまで材料集めです。買うかどうかの最終判断は、AIの結論ではなく「自分が何を重視するか」に戻して決めます。AIの要約に「買い」と言われて買うのではなく、自分の基準に照らして選ぶ。この一手間が、操作と自律の分かれ道になります。
Before / After――要約リテラシーを身につけると何が変わるか
この5つの習慣を取り入れる前と後で、買い物や意思決定はこう変わります。
| 場面 | Before（要約を鵜呑み） | After（要約リテラシーあり） |
|---|---|---|
| 商品購入 | AI要約の「好評」で即購入し、届いてから欠点に気づく | 短所も確認し、納得して買うので後悔が減る |
| 業務レポート | AI要約の結論をそのまま会議に出す | 元データで裏を取り、説得力のある報告にする |
| 情報収集 | 一つのAIの答えを事実として記憶する | 複数ソースで検証し、判断の精度が上がる |
違いは「速さ」ではなく「納得感」です。AIの便利さはそのまま使いつつ、決定権だけは自分の手元に残す。それが操られない使い方の核心です。
PR
生成AIの仕組みと社会への影響を、専門外の人にもわかる言葉で解説した一冊。AIがなぜ事実にない情報を作るのか、その限界を理解しておくと、要約を読むときの目線が変わります。
なぜ私たちはAIの要約を信じてしまうのか
ここまで読んで、「自分はAIを盲信していないから大丈夫」と感じた人もいるかもしれません。ところが、人がAIの要約を受け入れてしまう背景には、本人の意志とは別の心理的なメカニズムが働いています。これを知っておくと、無意識のうちに判断を委ねている自分に気づきやすくなります。
権威バイアス：機械は中立だと思い込む
人には「機械やシステムが出した情報は客観的で中立だ」と感じやすい傾向があります。心理学では権威バイアスや自動化バイアスと呼ばれるものです。人間が書いた口コミには「この人は大げさかも」と疑いの目を向けるのに、AIが「総合的に好評です」とまとめると、なぜか公平な判定のように聞こえてしまう。実際には、AIの要約も学習データや要約のクセという偏りを抱えているにもかかわらず、です。
認知的節約：考えるのをやめたくなる
もう一つは、人が「できるだけ頭を使わずに済ませたい」という性質を持っていることです。冒頭で紹介したカーネマンの言葉を借りれば、人の思考には素早く直感的な「速い思考」と、じっくり論理的な「遅い思考」があります。AI要約は「速い思考」に心地よく馴染みます。一度きれいにまとまった結論を見せられると、わざわざ元レビューを読み返す「遅い思考」を起動するのが面倒になる。この省エネ志向こそ、要約に判断を明け渡してしまう最大の入り口です。
流暢性の罠：読みやすい文章ほど正しく感じる
AIの要約は、文法が整い、言い回しも滑らかです。人は文章が流暢で読みやすいほど、その内容を「正しい」「信頼できる」と感じやすいことが知られています（処理流暢性効果）。元の口コミが誤字だらけの生々しい本音であっても、AIがきれいに整えた瞬間、内容の真偽とは無関係に説得力が増してしまうのです。読みやすさは、必ずしも正確さの証ではありません。
これら3つは、どれも「気をつけよう」と思っただけでは消えません。だからこそ、後半で紹介する5つの習慣のように、意志ではなく「行動のルール」で対処することが効果的になります。
業務で生成AIを使う人がいま意識すべきこと
仕事で生成AIを使う場面では、リスクはさらに大きくなります。個人の買い物なら多少の後悔で済みますが、業務の意思決定では誤った要約が組織全体を動かしかねないからです。
たとえば、顧客アンケートの自由記述をAIに要約させて「満足度は高い」と判断したものの、実際には中盤に集中していた改善要望が抜け落ちていた、というケースは十分起こりえます。市場調査レポート、競合分析、契約書の要点整理――AIに任せている要約のすべてに、同じ「長所だけが残る」リスクが潜んでいます。
だからこそ、業務でAIを使う人ほど「要約は仮説、判断は検証してから」という姿勢が欠かせません。AIを使いこなすとは、AIに任せきることではなく、AIの出力のクセを理解したうえで主導権を握ることです。この感覚を身につけている人と、要約を鵜呑みにする人とでは、これからの数年で意思決定の質に大きな差が開いていくはずです。
具体的な仕組みとして、社内のAI活用ルールに「要約の根拠となった元データを必ず添付する」という一文を加えるだけでも効果があります。要約だけを資料に貼るのではなく、元のアンケートや一次資料へのリンクをセットで残す運用にすれば、後から誰でも検証できます。これは特別なツールも費用も要らず、明日からでも始められる対策です。AIに任せる範囲と、人が確かめる範囲をあらかじめ線引きしておくことが、組織として操られないための土台になります。
AIに操られないためのセルフチェックリスト
最後に、AI要約に判断を委ねていないか、自分で確認できるチェックリストを用意しました。商品を買うとき、業務で要約を使うとき、当てはまる項目があれば一度立ち止まってみてください。
| チェック項目 | できている？ |
|---|---|
| 1. AI要約だけで「買う・採用する」を決めていないか | □ |
| 2. 短所・不満点もAIに明示的に質問したか | □ |
| 3. 数字や固有名詞を元情報で裏取りしたか | □ |
| 4. 中間評価（星3つ前後）の元レビューを読んだか | □ |
| 5. 最終判断を「自分の基準」に戻して決めたか | □ |
5つすべてにチェックが入れば、あなたはもう「見せられる側」ではなく、AIを道具として使いこなす側に立っています。
よくある質問（FAQ）
Q1. AIにレビューを要約させること自体がいけないのですか？
いいえ、要約させること自体は問題ありません。膨大なレビューを短時間で把握できるのはAIの大きな利点です。問題は要約を「最終結論」として鵜呑みにすることです。要約は判断の入り口、最終決定は自分で、という使い分けを意識すれば、便利さを保ったまま操作を避けられます。
Q2. 「購入3割増」はどんな商品でも起きるのですか？
今回紹介した研究は電子機器などのレビュー1000件、被験者70人という特定条件での結果です。すべての商品ジャンルで必ず3割増えるわけではありません。ただし「AI要約が長所に偏りやすい」という傾向自体はジャンルを問わず起こりうるため、どんな買い物でも油断はできません。
Q3. なぜAIは欠点を見落とすのですか？悪意があるのですか？
悪意ではなく、技術的な特性です。LLMには長い文章の中盤を軽視する「Lost in the Middle」という傾向があり、レビュー中盤や末尾に書かれた欠点が要約に残りにくくなります。加えて表現をポジティブに寄せやすい性質もあるため、結果として長所が前面に出ます。
Q4. どのAIなら偏らずに要約してくれますか？
「絶対に偏らないAI」は現時点で存在しません。モデルごとに要約のクセは異なるため、ChatGPT・Gemini・Claudeなど複数のAIで同じ質問を試し、見え方の違いを比べるのが現実的な対策です。一つのAIの結論を唯一の正解にしないことが重要です。
Q5. ハルシネーションが約6割というのは要約のたびに起きるのですか？
研究で報告された約60%は、要約生成の過程で何らかの事実にない情報が混入した割合です。毎回大きな誤りが出るわけではありませんが、数字や固有名詞など「決め手になる情報」ほど裏取りが必要だと考えてください。
Q6. 仕事でAI要約を使う場合、特に注意すべき点は？
業務では誤った要約が組織の意思決定を左右します。顧客アンケート、市場調査、契約書要点などをAIに要約させたら、結論を会議に出す前に必ず元データで裏を取ってください。「要約は仮説、判断は検証後」を徹底することがリスク回避の基本です。
Q7. 子どもや高齢の家族にはどう伝えればいいですか？
「AIのまとめは、良いところを多めに見せてしまうことがある」とシンプルに伝えるのが効果的です。そのうえで「気になる商品は、悪い口コミも見てから決めようね」と具体的な行動をひとつ示すと、専門知識がなくても操作されにくくなります。
まとめ――便利さを使い、決定権は手放さない
AIによる要約は、私たちの時間を大きく節約してくれる便利な道具です。同時に、UCSDの研究が示したように、その要約は「長所だけが残る」方向へ判断を静かに動かす力を持っています。購入意欲が52%から84%へ跳ね上がったという数字は、決して大げさではありません。
大切なのは、AIを恐れて使わないことではなく、AIの要約のクセを理解したうえで主導権を握ることです。高評価ほど元レビューを読む、短所も明示的に聞く、数字は裏を取る、複数のAIで比べる、最終判断は自分の基準に戻す。この5つの習慣を持つだけで、あなたは「操られる側」から「使いこなす側」へ移れます。
生成AIをもっと深く、もっと安全に活用するための実践情報を、メールマガジンでも継続的にお届けしています。AIに振り回されず、道具として味方につけたい方は、ぜひ登録してみてください。
