AI面接の公平性はどう確保する？精度と公平性を両立する設計｜東京大学・山崎俊彦教授

AI面接の公平性は、一般に流通しているAIをそのまま使うだけでは担保できません。過去の評価データに含まれる偏りを学習しないよう、AIの設計そのものを工夫する必要があります。

採用の現場でAI面接の導入が広がる一方、「AIの評価は公平なのか」という不安は根強くあります。東京大学の山崎俊彦教授は、AI面接サービスを手がける企業との共同研究で、4万件以上の過去の面接データを用い、精度と公平性の両立に取り組みました。この研究に基づく論文は、2026年3月に電子情報通信学会 画像工学研究委員会のIE賞を受賞しています。

本記事では、山崎教授へのインタビュー（聞き手：デフィデ株式会社 代表 山本哲也）をもとに、AI面接の公平性を確保する設計の考え方、実データを生かす産学連携、AIの「破滅的忘却」という課題、そしてAI時代にビジネスパーソンが磨くべき2つの力を解説します。

AI面接の公平性はどう確保する？

AI面接はすでに多くの企業で活用が進んでいます。一方で、最終的な判断は人が担うべきだと考える企業も少なくありません。

出典：レバレジーズ「AI面接導入に関する実態調査」（2026年3月発表、採用担当者1,625名）、学情「キャリア採用業務における生成AI活用」調査（2026年、人事担当者295名）

面接官による評価のブレを減らし、より多くの応募者に公平な機会を提供できることは、AI面接の大きな利点です。ただし、それはAIが公平に設計されていることが前提です。山崎教授は、この点を明確に指摘します。

「ただ単に一般に流通している AIや生成AIをそのまま使うだけでは、決して公平性と精度は担保できません。」

――山崎教授

事例：タレントアンドアセスメントとの共同研究

対話型AI面接サービスを展開するタレントアンドアセスメントから、「ビジネスとしてAIをより信頼して使えるよう、精度を高めたい」という相談を受けて始まったのがこの共同研究です。山崎教授の研究室が強みとしてきた、AIによる人と人とのコミュニケーションの分析やアドバイス生成のノウハウが生かされました。

精度と公平性を両立させる「設計」の力

過去の評価データを教師として学習させる場合、一般的な学習方法のままでは、「特定の性別だから合格」「不合格」といった偏見（バイアス）を簡単に学習してしまいます。そこで山崎教授の研究では、AIの中身の数式の部分、例えば予測値と正解の差を評価する「ロス関数」の設計を工夫し、偏りが生じないようにしました。ほかにもさまざまな工夫を重ねることで、実験上、実用を見据えた水準で精度と公平性の両立を確認しています。

山崎教授は、これを車にたとえます。システム全体が車なら、AIはエンジンです。エンジンの性能を高めるために、どのネジをどう変えるか、どの歯車にするかを設計し直し、目的に合わせた「一点もののエンジン」を作る――それが研究の本質だといいます。

生成AIが誰でも使える時代だからこそ、既存のAIを安易に使うのではなく、目的に合わせて設計する力が差を生む――山崎教授の研究は、そのことを示しています。

実データと異分野連携が、AI研究の価値を高める

山崎教授は、企業や大学・研究所との共同研究を数多く手がけています。その理由は大きく2つあります。

• 実データが欠かせない：魅力に関する研究には、大学が持っていない、インターネットでも手に入らない実際のビジネスのデータが必要。AIの予測を企業で実際に試してもらう取り組みも欠かせない
• 一つの専門だけでは解けない：魅力工学には、画像計測工学、認知心理学、感性工学など多様な分野の研究者が集まる。さまざまな専門性を持つ人との協働があってこそ立ち向かえる

「『自分たちだけで、閉じた世界で頑張ればどうにかできるものではない』と捉えています。」

――山崎教授

今でこそ企業や研究機関から声がかかるようになりましたが、始めた当初は自ら何度も企業を訪ね、研究への思いを伝えてデータの共有をお願いしたといいます。

婚活・広告での社会実装

婚活の分野では複数の企業と協働し、単なるマッチングにとどまらず、サービスへの満足感を高める仕掛けや、相手に好印象を持ってもらえる発話内容やタイミングなどのテーマに取り組みました。広告の分野では、デジタルマーケティングを手がけるセプテーニと共同で、広告の良し悪しの予測とその理由の説明、さらに「このデザインはどうか」「ここを改善するとよい」というアドバイスをAIが生成する研究を行っています。

AIの「破滅的忘却」とは

破滅的忘却とは、AIが新しい情報を学習した際に、以前に学習した情報を急激に忘れてしまう現象です。コンピューターでありながら、時間をかけて学習させていくと、人間と同じように昔のことを忘れてしまうのです。

例えば、動物の名前を答えられるように学習させたAIに、次に果物の名前を覚えさせると、AIは「動物の名前は忘れてよい」と受け取ってしまい、それが簡単に起こります。単純にメモリを増やせば解決するわけではなく、メモリの大きさと継続学習での忘却は数式の上でも別の問題です。山崎教授は、忘却が起こるメカニズムを解明し、過去の知識を保ちながら新しい知識を学ばせる新たなモデルの提案に取り組んでいます。

AI時代に必要な「想像力」と「言語力」

AIと共生する時代には、AIに何をどう処理・出力してほしいのかを具体的に指示できる力が求められます。山崎教授が特に重要だと考えるのは、次の2つです。

「言語力や論理力、広い意味で国語力みたいなものは鍛えておく、磨いておく価値はあると思います。」

――山崎教授

よくある質問（FAQ）

Q. AI面接は公平ですか？

A. 山崎教授は、一般に流通しているAIや生成AIをそのまま使うだけでは、公平性と精度は決して担保できないと指摘しています。過去の評価データをそのまま学習すると、特定の属性で合否を判断するような偏りが簡単に生じるため、学習の段階で偏りを防ぐ工夫が必要です。

Q. AI面接ではどのような情報で評価しますか？

A. 山崎教授とタレントアンドアセスメントの共同研究では、言語情報と音声情報を使っています。どのような言葉遣いで文章を組み立てるか、どのようなテンポや抑揚、アクセントで話すかを手がかりに、人が採点してきた忍耐力や創造性、リーダーシップなどの項目を、AIが同様に点数化できるようにしました。

Q. AIのバイアスはどう防ぐのですか？

A. 山崎教授の研究では、AIの中身の数式の部分、例えば予測値と正解の差を評価するロス関数の設計を工夫することで、偏見やバイアスが生じないようにしています。システム全体を車にたとえると、AIはエンジンにあたり、目的に合わせて部品から設計し直す「一点もののエンジン」を作ることが重要だとしています。

Q. 破滅的忘却とは何ですか？

A. 破滅的忘却とは、AIが新しい情報を学習した際に、以前に学習した情報を急激に忘れてしまう現象です。例えば、動物の名前を覚えたAIに果物の名前を学ばせると、動物の名前を忘れてしまうことがあります。単純にメモリを増やせば解決する問題ではなく、忘れないように学ばせる方法の研究が進められています。

Q. 大学と企業の共同研究にはどんな意味がありますか？

A. 山崎教授は、魅力に関する研究には実際のビジネスのデータが欠かせず、AIの予測を実際のビジネスで試してもらう必要があると述べています。また、画像計測工学や認知心理学、感性工学など多様な専門家と協働しなければ、一つの研究室の閉じた世界だけでは解けない問題が多いとしています。

Q. AIを使いこなすためにビジネスパーソンに必要な力は何ですか？

A. 山崎教授は、特に「想像力（イマジネーション）」と「言語力」を挙げています。AIが期待通りの答えを返さなかったとき、自分の指示のどこが悪く、相手がどう受け取ったのかを想像して言い換える力と、コミュニケーションの土台となる言語力・論理力・国語力が、AIとの付き合い方を左右します。

まとめ：AIの価値は「そのまま使う」より「どう設計するか」で決まる

• AI面接の公平性は、一般のAIをそのまま使うだけでは担保できない
• 4万件以上の面接データを用いた共同研究では、ロス関数などの工夫で精度と公平性の両立を実験上確認し、IE賞を受賞
• 目的に合わせてAIを「一点もののエンジン」として設計する力が差別化につながる
• 実データと異分野の専門家との協働が、AI研究と社会実装の価値を高める
• AI時代にビジネスパーソンが磨くべきは、想像力（イマジネーション）と言語力

後編では、AIが均質な成果物を量産する時代に人間の価値はどこにあるのか、「型破り」と基礎力の関係、そしてAIに選ばれるための信頼の築き方について伺います。