イノベラボでは、生成AIを活用したヒューマン・デジタルツインの応用可能性を検証するため、人間とAIの相互作用が行動に与える影響を実験的に評価しています。その一例として、環境配慮行動を題材とした「ごみ処理ゲーム」を用いた研究があります。

本研究では、公共財ゲームを環境問題の文脈に応用したシミュレーション環境を構築し、参加者がAIまたは人間と協働しながら意思決定を行う状況を再現しました。参加者は工場の経営者という設定で、発生した廃棄物をどの程度リサイクルするかを複数ラウンドにわたり選択します。リサイクル量は個人と全体の利益の双方に影響するため、協力行動が重要となる構造です。

実験では、人間のみで構成されたグループに加え、AIを含む複数の構成パターンを設定し、途中でメンバー間のコミュニケーションの有無も操作しました。その結果、AIが参加する場合であっても、対話が行われた条件ではリサイクル量が増加する傾向が確認されました。特に、人間1名とAI2名の構成では、コミュニケーション後に行動の改善が顕著に見られました。

この結果は、AIとの対話が人間の意思決定や協力行動に影響を与える可能性を示しています。仮想環境において人間とAIの相互作用を再現し、行動の変化を定量的に評価できる点は、ヒューマン・デジタルツインの有効性を示す重要な要素です。この研究成果は学会においても高い評価を受けました。

また、イノベラボでは、生成AI×ヒューマン・デジタルツインを活用し、多くのシミュレーションで低コストを実現しています。

LP調査
Webサイトのランディングページ（LP）の評価では、20代から70代までの男女1,200人分の仮想人物を生成AIにより生成し、LPを閲覧させたうえで、「内容を理解できたか」「行動したいと思ったか」をアンケート形式で評価しました。その結果、いずれの年代でも高い評価が得られました（シミュレーションコスト：5.8円）。

ポスターの効果検証
生ごみ分別回収の協力者を増やすことを目的としたポスターの効果検証では、1,163人分の仮想人物を生成し、ポスター閲覧前後の行動意向を調査しました。その結果、協力すると回答した割合は59％から71％へと12ポイント増加しました（シミュレーションコスト：372円）。

ダークパターン反応検証
ダークパターン（ユーザーを意図的に誤解させる設計）に対する反応の調査では、100人分の仮想人物を生成して評価を行いました。その結果、76%がダークパターンに影響を受けるという結果が得られました（シミュレーションコスト：0.16円）。

公共財ゲームの検証
複数人が相互作用する状況の再現性を検証するため、公共財ゲームを仮想人物に実施しました。その結果、支出決定の傾向において実際の人間に近い行動パターンが確認されました（シミュレーションコスト：720円）。

このように生成AIとヒューマン・デジタルツインを組み合わせることで、規模や費用といった制約を大幅に低減することが可能になっています。

さらに、イノベラボでは、日本人を対象にした「心理学実験データ」や「行動経済学実験データ」といった人間理解に関する学術知見を生成AIに学習させることによって、多様かつリアルな日本人像の再現を可能にしています。

一般的な生成AIは高い応答能力を備えていますが、肯定的かつ協調的に振る舞うよう設計されているため、シミュレーション用途では「理想化された人物」に近い反応を示す傾向があります。そのまま利用した場合、シミュレーション結果と現実の実証結果との間に乖離が生じる可能性があります。

より高い精度で結果を予測するためには、現実の人間がもつバイアスや非合理性、さらには否定的な反応も含めて再現できる設計が必要です。そのため、イノベラボでは人間理解に関する知見を活用し、より現実に近い振る舞いを再現するための研究を進めています。

イノベラボでは、AIに人間の心理的側面をより精緻に反映させるため、基盤モデルに対して段階的なチューニングを行っています。

具体的には、心理学や行動経済学に関するオープンデータや既存研究の知見を整理しています。既存の研究データは著作権や利用規約の制約があるため、そのまま使用せず、重要な知見を抽出したうえで独自の心理学実験を設計し、新たにデータを収集・分析しています。分析によって得られた回答傾向や行動特性は、AIモデルに順次反映しています。

これまでに、約1万人分・約700項目に及ぶ設問およびアンケートデータを蓄積しています。これにより、単なるテキスト生成を行う対話AIではなく、統計的根拠に基づいて振る舞う「仮想日本人」の再現を可能としています。どのようなデータを収集し、どのようにAIへ反映するかが、本取り組みにおける中核的な技術要素となっています。

ヒューマン・デジタルツインの構築には、IT技術に加え、高度なドメイン知識や多様な視点が不可欠です。イノベラボでは、この前提に基づき、大学研究者や企業など外部機関との連携を重視し、共同研究を進めています。業種を問わず複数の企業が関心を示しており、問い合わせの多くは関連する学会発表を契機として寄せられています。

連携にあたっては、勉強会や社内講演を通じて担当者と対話を行い、課題認識や関心領域を共有した上で、共同研究の可能性を検討します。研究は一方的な投資や委託ではなく、対等な立場で意見を交わしながら進める協働型の関係を基本としています。

現在は、政策提言を行う大手シンクタンクとの共同研究も進行しています。政策・制度に関する知見と、イノベラボが有するITおよびデータ分析の専門性を組み合わせ、実効性の高い検討を行うことを目的としています。本プロジェクトでは約1年をかけて共同研究の計画を策定し、専門グループの設置を含む体制整備を関係機関と協議しながら進めています。

このようにイノベラボでは、オープンイノベーションの考え方に基づき、多様な知見やアイデアを取り入れながら研究を推進しています。特定の分野や組織に限定せず、検証を重ねながら発展させていく方針をとっています。

共同研究を進めるうえで、イノベラボが重視しているのはスピードです。研究の初期段階は不確実性が高いため、仮説検証を短いサイクルで繰り返すことが不可欠です。これまでの取り組みから、意思決定の遅れや硬直的な運用体制が検証効率の低下を招くことも確認しています。

こうした認識に基づき、イノベラボはスモールスタートを基本とし、企画内容を検証しながら段階的に見直す進め方を採用しています。このアプローチにより、現在の研究においても、組織の枠を超えた実務レベルの連携を継続しています。