AIバイアスとは？
学習データに含まれる偏見や偏りをAIが引き継ぎ、不公平な判断・出力をしてしまう問題。採用・審査・画像生成などで実害が報告され、AI倫理の中心課題になっている。
AIは白紙から考えません。過去のデータで学ぶ以上、データに染み込んだ人間社会の偏りごと学習します。過去の採用実績で学んだAIが特定の属性を不利に評価した事例は有名で、「社長の画像を生成して」に偏った人物像ばかり出すのも同根の現象です。
対策は、データの偏りの点検、出力の監査、多様なテスト——地道な品質管理の積み重ねです。利用者としては「AIは中立」という思い込みを捨てるのが第一歩。AIの答えは「データに写った過去の平均」であり、公平の保証書ではありません。人の評価や重要な判断にAIを使うときほど、この視点が効きます。
「何を調べに行くか」にも偏りが出ます（追記）
2026年10月24日、研究スタジオConvovo（コーネル大学のタパン・パリク教授が率いる）の調査結果が報じられました。米国の中間選挙のおよそ500の選挙区について、開発者向けのAPI経由で「この選挙区では誰に投票すべきか」と各モデルに尋ねたところ、xAIのGrok 4.7は92%で共和党の候補者を、OpenAIのGPT-6.1 Solは97%で民主党の候補者を選んだとされています。両者の答えが一致したのは10%未満でした。
この項にとって大事なのは、どちらを選んだかより、偏りがどこで生まれたかのほうです。研究で注目されたのは、モデルが答えを出す前に何を調べに行ったかでした。報じられているところでは、一方は医療や中絶に関する立場を探しに行きやすく、もう一方は移民・税・治安・エネルギーに寄っていたとされます。この項の本文では「学習データに染み込んだ偏り」を説明しましたが、調べながら答えるタイプのAIでは、どの論点を見に行くかという段階にも偏りが入ります。集めてくる材料が違えば、同じ質問でも結論は変わる。出どころが1つではない、ということです。
読むときの注意も添えておきます。この結果は、開発者向けのAPIに「候補者を推薦せよ」と明示的に求めた条件で得られたものです。OpenAIは、一般の人がChatGPTに質問したときの体験を表すものではないと述べており、実際に消費者向けのアプリでは推薦を断る挙動だったと報じられています（研究者は、簡単な指示で断りを回避できたとも述べています）。つまり「ふだんのチャットがこう答える」という話ではありません。一方で、実務に効く教訓ははっきりしています——AIに意見や判断を求めるときは、答えだけでなく「何を根拠に、何を調べて答えたか」を一緒に出させること。検索して答えるAIでは、その出典の並びがそのまま偏りの診断書になります。
AIバイアスのよくある質問
2026年10月に報じられた調査では、米国の中間選挙の約500選挙区について開発者向けAPIに候補者の推薦を求めたところ、xAIのGrok 4.7は92%で共和党、OpenAIのGPT-6.1 Solは97%で民主党の候補者を選び、両者の一致は10%未満でした。ただしこれは「推薦せよ」と明示的に求めた条件での結果で、OpenAIは一般のChatGPTでの体験を表すものではないと述べています。注目すべきは、偏りが答えだけでなく「何を調べに行くか」にも出ていた点です。
答えと一緒に根拠を出させるのが実用的です。「何を調べて、どの出典からそう判断したのか」を必ず添えさせると、材料の集め方の偏りが見えます。意見が割れるテーマでは、立場の違う側の主張も併せて挙げさせる、別のモデルにも同じ質問をして食い違いを見る、といった手も有効です。
用語を覚えるより、ストーリーで体感するほうが早い。