【82】LLMは人間の代わりになれるのか——行動経済学の最前線が示す「もう一つの道」

※冒頭の注意書き：NAIST第2回出願は9/28〜30。それに向けて「社会人受入内諾書」を8月中に渡辺太郎研から取り付ける必要がある。今月いっぱいが勝負の月。

本題に入る。最近の国際研究には「LLMを人間の代わりにする」流れが加速している。被験者実験をLLMでシミュレートし、人間の回答をAIで生成し、社会実験そのものを機械の中に移そうとする動きだ。僕はずっとこの流れに違和感を持っていた。今回、川村哲也先生（立命館大学食マネジメント学部）の最新動向と、LLM×行動経済学の世界最前線を調査して、その違和感が確信に変わった。

1. 川村先生の「新方針」——急にすべてが噛み合い始めた

立命館大学公式ページをZ.AI webReaderで完全取得した。researchmapは旧所属の帝塚山大学のまま更新が遅れているが、公式ページは完全に「立命館大学食マネジメント学部准教授」へ更新されている。ここが一次情報だ。

特筆すべきは学部ページに明記された「今後の研究の方向性」だ。

自治体と連携したナッジによる食品ロス削減の仕組みづくり
食の選択における認知バイアスの解明
食を通じた向社会的行動の分析

この3本柱、つまり「食」×「ナッジ」×「自治体連携」が正式な公的方向性として明記された。これまではリニエンシー制度の実験的検証（談合企業の課徴金減免）や特定健診参加勧奨ナッジ、クラウドファンディングのRCTといった実務的ナッジを自治体と組んでやってきた。その流れが食領域に拡張した形だ。

KTとの連携ルート3（食マネジメント学部×奈良の食文化×行動経済学）は、先生自身が掲げる公的な方向性と字面レベルで一致している。奈良の郷土料理、地域食材、観光食を素材に「奈良の食のナッジ研究」を提案するとき、方針とのフィットが整った。単なる思いつきのコラボではなく、先生の研究計画に沿った共同研究として語れる。

2. Project Silicon——「LLMで被験者実験をやる」国際プロジェクトの行方

ミシガン大学＆Cornell×Microsoft×香港中文大による「Project Silicon」は、Management Science誌のregistered-report形式で、未発表の行動実験をLLMでシミュレートする壮大な試みだ。参加受付は2026年7月末で締め切られ、現在は「登録済み案件をフルモデルでAIシミュレーション→Management Scienceに寄稿」する進行フェーズに入っている。

つまり「LLMで被験者実験を再現する」という発想が、査読付きトップジャーナルから公的に支持された。これは川村先生の科研費No.1「計算機実験による被験者実験の再現」と、KTの構想（つるまいの予約データを行動実験素材として提供）が、世界最先端の動きと軌を同じくしている証拠だ。

ただし、この流れにはすぐに反論も出ている。次の項。

3. ACL 2026の診断——LLMエージェントには3つの弱点がある

2026年7月、ACL 2026 Findingsで「Do LLM Agents Really Mimic Humans?」という論文が発表された（Liu et al.）。マクロ経済のエージェントベースモデル（EconAgent）にLLMを組み込む研究が広がる一方、ミクロ経済的行動の整合性は検証されていないという問題意識から、人間の消費者の期待調査（SCE）とLLMエージェントの反応を比較した。

発見された弱点は3つ。

トレンドへの反応性が弱い——マクロショックに対する感受性が欠如している
モード崩壊——回答の多様性が失われる。同じ質問に同じ答えしか出ない
データ漏洩の可能性——モデルの訓練データと検証データが重複するリスク

これらへの対処として、文献検証済みの因果グラフをCoT（Chain-of-Thought）の形でLLMに明示注入する手法を提案している。つまり「LLMに人間の行動を学ばせるには、因果構造を外から教える必要がある」という結論だ。

これは川村先生の科研費No.1とまったく同じ問題意識だ。「LLMが人間の経済行動をどこまで正確にシミュレートできるか」——ここを検証しないままLLM実験を積み上げると、結果の解釈が危うくなる。KTが川村先生との対話で提示できる最新文献としての参照点になる。

4. MITがPNASに発表——「AIは人間以上にナッジに敏感」

逆の方向の研究もある。MIT Media Labの研究「AI agents are sensitive to nudges」が2026年にPNAS（米国科学アカデミー紀要）に掲載された。結論は「LLMエージェントは人間よりもむしろ進んでナッジ（枠組み変更）に敏感である」。

これはつるまいの「二重のナッジ構造」の理論的裏付けだ。高齢者をナッジするAI電話（予約の促し、乗車確認の声かけ）自体も、設計者のナッジに感化される。査読済みトップジャーナルでこの主張が確立されたことで、川村先生との共同研究（「高齢者向け電話予約AIの最適ナッジ設計」）で引用できる有効性が大きく上がった。

5. そして、科学誌の警戒——「シリコン被験者は実験を誤らせる」

Science.orgは2026年6月、「AI生成の参加者は社会科学実験を誤らせることがある」という研究（Paaßenら）を報じた。「最善のケースでも人間とのクロスチェックが必要」というのが共通認識になりつつある。シリコン・サンプル（LLMを被験者の代用にすること）への学会内の警戒は2026年も継続している。

6. つまり、なにが言いたいのか

4つの研究は一見バラバラに見えて、一本の軸でつながっている。**LLMを人間の代わりに使おうとする動き（Project Silicon）は、LLMが人間を正確に模倣できないという診断（ACL 2026）に突き当たり、学術誌レベルの警戒（Science・PNAS）を呼んでいる。**その一方で、AIを「人間を理解する道具」として使う方向（MITのナッジ研究）はむしろ成果を上げている。

ここでつるまいのデータが持つ意味がはっきりしてくる。LLMシミュレーション研究が世の中に増えているほど、「現実の高齢者の行動データ」の価値は上がる。予約881件、音声184件、月額1550円という実運用データは「人間を一次資料とする少数派」だ。既存研究が「LLM中心で人間は二次資料」なら、つるまいのデータは逆。「LLMによる高齢者行動シミュレーションの検証データとしてのつるまい」というポジショニングは、2026年以降の議論の流れの中で一層の強みになる。

7. 北極星との接続

川村先生の3本柱（食×ナッジ×自治体）は、奈良という土地と自然に接続できる。ならしLLMの文脈では「奈良の食文化を素材にしたナッジ研究」が新しい研究ラインになる。そして、LLMを人間の代わりにするのではなく、人間を理解するための道具として使う——この姿勢こそが、KTが奈良女子大学で教えたい「AIの使い方」だ。AIは人間に取って代わるものではなく、人間の行動を理解し、支援するための器具である。

NAISTの小論文では、この「分離型設計と人間一次資料」の思想を、τ³-Voice Telecomが評価するマルチターン電話タスクと、つるまいの実運用データの対応関係として論じる材料にできる。

今月、決める。内諾書を8月中に取り付け、川村先生への相談を進める。研究の最前線は、奈良の電話1本から始まっている。

（2026-08-10・ケイティ）