民主主義の弱点を生成AIと討論すると自分の考えは変わるのか｜AIの説得力の研究

放課後、討論の準備用のメモを開き、賛成側の理由を書いたところで、反対側の欄に置く言葉を探します。題が「民主主義のデメリット」なら、生成AIに反論を頼むと、自分が挙げた理由に沿って答えが返り、続きを読みたくなる場面があります。筋の通った反論に納得したとき、考えを深めたのか、相手の言い方に押されたのかが気になるところです。生成AIとの討論で考えが変わることはありますが、納得の強さと根拠の確かさを別々に点検することが、練習の中心になります。

民主主義の弱点を生成AIと討論すると自分の考えは変わるのか｜AIの説得力の研究

放課後、討論の準備用のメモを開き、賛成側の理由を書いたところで、反対側の欄に置く言葉を探します。題が「民主主義のデメリット」なら、生成AIに反論を頼むと、自分が挙げた理由に沿って答えが返り、続きを読みたくなる場面があります。筋の通った反論に納得したとき、考えを深めたのか、相手の言い方に押されたのかが気になるところです。生成AIとの討論で考えが変わることはありますが、納得の強さと根拠の確かさを別々に点検することが、練習の中心になります。

AIは同じ話題で問い返したり、異なる立場から理由を挙げたりする相手にできます。その一方で、返答が滑らかで、自分の迷いに合っているほど、どの事実を確かめたのかを飛ばして結論へ進みたくなります。小論文や面接に向けた準備なら、会話の終わりに賛否が決まったことだけでなく、変わった理由を手元に残したいところです。以下では、人の考えを動かした実験、効果が大きくならなかった比較、討論を学習に使う工夫を順に見ます。

要点

• AIとの会話による信念や意見の変化
• 人との比較や対話の設計によって変わる説得力
• 意見の変化、相手への寛容さ、考える力の区別
• 根拠の照合を挟んでから書く、自分の結論

民主主義のデメリットを論じる前に、何が変わったかを分けます

民主主義は、人々が政治の決定に参加することを基本とする仕組みで、合意を作るまでに時間がかかることなどが弱点として論じられます。討論では、その弱点についての事実と、参加や決定の速さのどちらを重く見るかという評価を分けて扱います。前者は資料との照合で直せる部分があり、後者には自分が何を大切にするかという判断が含まれます。AIの反論を読んで立場を動かすときも、変わったのが知識なのか、評価の置き方なのかを見ていきます。

たとえば、ある出来事の説明を読み直して見方を変える場合は、判断の材料を更新しています。一方、同じ材料を読んでも、見過ごしていた人の負担を重く見るようになれば、評価の基準が動いています。どちらも意見の変化ですが、メモに残す理由は違います。「AIに言われて納得しました」で止めず、前者なら修正した事実を、後者なら重みを変えた観点を書き添えます。

また、反対意見をうまく説明できるようになることと、その意見に賛成することも別です。討論の準備では、相手の理由を正確に言い直せても、自分の結論を保つ場合があります。逆に結論だけを変えても、反対の理由を説明できなければ、考えた過程が見えにくくなります。練習前のメモには、現在の立場だけでなく、支えている理由と迷っている点を並べておきます。

研究を読むときにも、何を成果と呼んだかに注目します。ある主張への賛成の強さを測る実験と、反論の組み立て方を調べる研究では、同じ「討論」の言葉があっても評価する対象が違います。この区別を先に持つと、AIに説得されたという結果を、そのまま学習の成功として読む混同を避けやすくなります。

個別の対話で、信念や意見が動いた実験があります

Costello（2024）は、陰謀論を信じる成人のオンライン参加者2190人を対象に、GPT-4 Turboとの証拠にもとづく個別の対話を調べました。陰謀論は、出来事の背後にある集団の秘密の企てを想定する説明を指します。会話によって陰謀論を信じる度合いは約20%下がり、その効果は2か月後にも残りました。これは考えを変えた人の割合ではなく、信じる度合いの変化です。

この研究の対話では、参加者が信じている内容に合わせて証拠を示しています。単に反対の結論を投げ返す形ではなく、その人の理由に応じて会話を進めた点が特徴です。もともと強く信じていた人にも変化が見られ、著者らは、納得できる証拠が示されれば見解を修正する余地があると述べています。ここで動いたのは特定の説明への信念であり、討論の勝敗を採点した結果ではありません。

Salvi（2025）は、成人900人を、討論相手が人かGPT-4か、相手が参加者の属性情報を持つか、話題についての意見の強さなどが異なる条件に無作為に分けました。無作為に分けるとは、参加者が好きな条件を選ぶのでなく、くじ引きのような方法で割り当てることです。AIと人の説得力に差が出た組では、属性情報を持つGPT-4のほうが説得的だった割合は64.4%でした。この割合は参加者全員が説得された割合でも、AIの発言が正しかった割合でもありません。

読者がこの比較から注目したいのは、相手のことを知っているかが、討論の条件として扱われた点です。自分の背景を細かく伝えるほどよい練習になると決める前に、その情報を渡す目的を考えます。反論の組み立てを練習するなら、実際の家庭事情や個人の詳しい属性の代わりに、議題と現在の理由を示す方法があります。相手が何を材料に返答したかが見えるよう、入力した内容もメモに残します。

人より強い説得力が、どの条件でも出るわけではありません

Hölbling（2025）は、おもに英語圏から集めた参加者17,422人を含む7研究を、メタ分析でまとめました。メタ分析は、複数の研究の結果をまとめて計算し直す方法です。大量の文章を学習して返答を作る大規模言語モデルと人を比べると、全体では説得力に統計的に有意な差はありませんでした。有意な差がないとは、この分析で偶然のばらつきと区別できる差が示されなかったという意味です。

研究どうしの結果には大きなばらつきがあり、どのモデルを使うか、どのように会話を進めるか、何を話題にするかが関わっていました。先に見たSalvi（2025）の結果も、個人の属性を使う条件を含む実験として読むと位置づけが明確になります。条件を変えても同じ強さで人を上回るという説明より、会話の作り方によって結果が動くという理解が、この比較に沿っています。

Argyle（2025）の成人を対象としたオンライン調査実験では、AIが作った説得の文は対照条件より態度を動かしました。ただし、個人に合わせた文や、AIとやり取りしながら考える方法には、一般的な文を読む場合を大きく上回る説得効果の証拠がありませんでした。さらに、態度が穏やかになることと、異なる政治的立場の人を受け入れる寛容さへの効果は一致せず、後者の効果は弱く一貫しませんでした。

次の表では、比較相手と測ったものをそろえて読みます。人数や効果の大きさを追加して順位をつける表ではなく、結果を受け取る際の区別を示しています。討論練習の目的が意見の再検討なのか、反論の練習なのかに応じて、注目する行が変わります。

「偏っている」という評判も、受け取り方を変えます

DiGiuseppe（2026）は、米国の成人2,144人が、自分の持つ経済政策の誤解についてChatGPT（GPT-4.1）と3往復の会話をする実験を行いました。参加者の支持する政党に対してモデルが不利に偏っていると伝える短い文を見せると、誤解を正す効果は、中立の対照条件より28%弱まりました。どの条件でも誤解の訂正は起こりましたが、偏りを知らせた条件では、AIへの信頼や使いたい気持ちも低くなりました。

この比較で変えたのは、AIの答えだけでなく、参加者に示すAIについての説明です。「偏り」という言葉を聞いた後の疑いが、正しい修正まで受け入れにくくする側に働いた点に特徴があります。警戒する気持ちが強くなったことと、内容を正確に評価したことは、別々に見ておく必要があります。研究を理由に特定の政党や利用者を評価するのではなく、発言者についての印象も説得の条件になると読みます。

放課後の準備でも、返答を読む前からAIを全面的に信頼したり、反対にすべて退けたりすると、理由の検討が抜けることがあります。返答を検討するときは、「誰の答えなら信じるか」という判断と、「どの資料がこの主張を支えるか」という作業を分けます。AIが自分の立場を支持した場合も、反対した場合も、同じ項目を照合する形にします。

照合する材料が手元にないまま言い合いを続ける場面では、いったんAIとの討論を止めて資料を読むほうが目的に合います。特に、結論への賛同だけを繰り返し求める使い方では、新しい根拠を吟味する作業が進みません。AIにどちらの立場が正しいかを決めさせて、その評価を自分の結論の理由にする使い方も避けます。会話を再開する目安は、反論のうち資料で照合したい箇所を自分で示せることです。

討論の練習では、主張と根拠のつながりを見える形にします

Chen（2025）は、大学2年生64人を、文章だけでオンライン討論をする群と、論証の図を使い、困った際にChatGPT 3.5の助けを求められる群に分けました。論証の図は、主張、支える理由、反論などのつながりを図にしたものです。図とChatGPTを使った群では、理由を分析し評価する批判的思考の力が伸び、反論の活動も増えました。一方、AIが出した情報の正確さや適切さには疑問が残りました。

この研究では、AIによる支援と論証の図を組み合わせています。ChatGPTだけを加えた条件と、図だけを加えた条件を比べた設計ではないため、伸びをAI単独の効果に分けることはできません。練習に取り入れる際には、画面で会話する時間を増やすより、どの理由がどの主張を支えるかを可視化した部分に注目します。

たとえば、メモの中央に自分の結論を置き、その周りに理由を書きます。AIの反論が返ったら、新しい結論を書き足す前に、どの理由への反論なのかを線で結びます。どの理由にも結びつかない反論なら、議題がずれていないか、結論の意味を読み替えられていないかを点検します。反論をたくさん集めることより、応答する場所を特定する作業を優先します。

さらに、根拠となる事実と、その事実から導いた評価を、異なる欄に置きます。事実の欄には資料名と該当箇所を記し、評価の欄には自分の判断の理由を書きます。AIが説明の途中で年や国を取り違えたり、資料より広い範囲に結論を広げたりした場合は、その部分を採用する前に戻って照合します。図を整えるだけで終わらず、支えのない箇所を空欄のまま残すと、次に調べる作業が具体的になります。

自分の結論を書くまでに、資料を読む工程を挟みます

実際の準備では、AIを開く前のメモを残したまま、会話後の変更を書き加えます。前の記録を消さずに置くことで、立場が変わった箇所と、説明だけが詳しくなった箇所を見比べられます。判断の過程を後から読めるように、変更の理由も同じ場所へ書き込みます。

AIへの短い指示は、「この議題の賛成と反対の理由を挙げ、事実の主張と価値の判断を分けてください」といった形にします。返答を受けたら、自分の立場を動かした根拠を選び、教科書や資料集の該当箇所を開きます。資料に書かれた範囲とAIの説明が一致するかを読み、条件が抜けていたらメモに戻します。資料で支えられない説明は、結論の根拠の欄に入れず、未解決の欄へ移します。

次に、AIの画面から目を離し、自分の言葉で結論を書きます。結論に続けて、その理由と、反対側のどの指摘を受け入れたかを説明します。立場を変えなかった場合も、退けた反論とその理由を残すと、単に聞き流した場合との違いが見えます。保護者は賛否が自分と同じかよりも、資料を根拠にして話しているかを見ます。

保護者と準備のメモを読む際には、次の項目を使えます。全部に印をつけることを目標にせず、理由を説明しにくい項目から読み直します。子どもの意見を保護者の意見へ直すための採点表にはせず、説明の抜けを探すために使います。

• 会話前の自分の理由が残っていること
• 受け入れた反論と、退けた反論の区別
• 資料名と該当箇所を示せる根拠
• AIの言い回しを外して説明できる結論

入力する内容の扱いや利用条件は、使うサービスの最新の説明を開いて読みます。討論の題と関係しない個人情報まで渡す必要があるかも、その時点で検討します。練習の記録には採用した根拠と残った疑問を書き、立場を変えた理由を後からたどれるようにします。

よくある質問

AIと話して意見が変わったら、流されたことになりますか

意見が変わったという事実だけで、流されたと決める必要はありません。新しい事実を資料で確かめて修正したのか、大切にする観点を見直したのか、相手の言い方だけに納得したのかを分けると、変化の中身を振り返れます。会話前後のメモを並べ、結論を変えた理由に対応する資料の箇所か、自分が重みを変えた観点を書き添えます。

AIに反対役を続けさせるほど、練習になりますか

会話の長さや反論の多さだけを、練習の成果にはしません。先に見たChen（2025）の結果では、主張と根拠を図でつなぐ活動も含まれており、返答を受け続けるだけの練習とは作業が違います。反論の対象がどこかを線で示し、それに対して自分が答えを書けるか、資料を読み直す必要があるかを見てから、次のやり取りへ進みます。

保護者は、AIの答えを全部読み直すほうがよいですか

まず、子どもが自分の結論を支えるために採用した箇所を一緒に読みます。会話を最初から採点するより、どの反論で迷い、何を調べて判断したかを聞くと、説明の抜けに作業を絞れます。根拠がAIの返答だけだった箇所は、教科書や資料集と並べて読み、どの記述に支えられているか、条件が省かれていないかをメモに加えます。

この記事の限界

対象は成人や大学生であり、今回集めた研究には、日本の中高生が日本語で民主主義のような価値の問いを討論した際の考えの変化を調べたものは含まれていません。英語圏中心の統合結果や、米国の経済政策の誤解を扱う実験を、日本の生徒が公民の題材を考える練習へ広げるには、参加者と言語と議題の隔たりがあります。

研究時点のGPT-4 Turbo、GPT-4、ChatGPT 3.5、GPT-4.1の結果が、現在使えるモデルで同じように生じるかも未検証です。追跡して信念の持続を測った例はありますが、ここで引いた対話による考えの変化の研究は、成人の短い会話にとどまります。

参考文献

1. Costello TH ほか. Durably reducing conspiracy beliefs through dialogues with AI. Science. 2024;385(6714):eadq1814.
2. Salvi F ほか. On the conversational persuasiveness of GPT-4. Nat Hum Behav. 2025;9(8):1645-1653.
3. Chen X ほか. Effects of ChatGPT and Argument Map (AM)-Supported Online Argumentation on College Students’ Critical Thinking Skills and Perceptions. Educ Inf Technol. 2025;30(12):17623-17658.
4. Hölbling L ほか. A meta-analysis of the persuasive power of large language models. Sci Rep. 2025;15(1):43818.
5. Argyle LP ほか. Testing theories of political persuasion using AI. Proc Natl Acad Sci U S A. 2025;122(18):e2412815122.
6. DiGiuseppe M ほか. Perceived political bias in large language models reduces persuasive abilities. PNAS Nexus. 2026;5(10):pgag324.

よくある質問