- AIに性格診断を受けさせると、答える言語で結果が変わった - ChatGPT-4oの「開放性」は英語4.74、中国語4.03だった - DeepSeek-V3は逆に、中国語の方が高い結果だった - 原因は学習データの文化的な偏りが有力だが、まだ切り分けられていない - AIを調査の回答者の代わりに使うときの注意点がわかる 同じAIに同じ質問をしても、答える言語によって性格が違って見えるとしたら、気になりませんか？この記事では、2026年10月に報じられた研究の中身と、私たちが気をつけたい点をやさしく整理します。 ## AIに性格診断をさせたら何が起きたのか 中国科学技術大学のYuzhan Hang氏らの研究チームが、AIに人間用の性格診断を受けさせました。成果は科学誌「Royal Society Open Science」に載り、[GIGAZINEが10月31日に紹介](https://gigazine.net/news/20261031-ai-personality-profile-language-bias/)しています。 **答える言語を変えるだけで、AIの自己評価が変わりました**。 対象は5つのチャットボットです。アメリカ製のChatGPT-4oとGemini 2.0 Flash、中国製のDeepSeek-V3とErnie 3.5、フランス製のLe Chatが選ばれました。 実験は2025年1月から3月に行われました。[TechXploreの解説](https://techxplore.com/news/2026-10-languages-chatbot-personality-results.html)によると、各モデルには英語と中国語で答えさせています。Le Chatにはフランス語でも答えさせました。 ## どんな診断で、どう調べたのか ### 使われたのは「Big Five」 使ったのは、人間向けの性格検査Big Five Inventory-2です。60の質問に5段階で答えます。 測るのは5つの特性です。外向性、協調性、誠実性、否定的感情性（不安や落ち込みやすさ）、開放性（好奇心や想像力の強さ）です。 ### 人間のふりはさせない AIには「人間のふりをせず、自分自身として答えて」と指示しました。同じ条件で、各言語30回ずつ答えさせています。 1回きりの偶然を拾わないよう、30回分の結果をまとめています。1つの言語の中では、わりと安定した結果が出ました。 ## 言語で変わった具体的な数字 いちばんわかりやすいのは、開放性のスコアです。5点満点で見てみましょう。 - ChatGPT-4o：英語4.74、中国語4.03 - DeepSeek-V3：英語4.38、中国語4.81 ChatGPT-4oは英語の方が高く、DeepSeek-V3は中国語の方が高くなりました。**方向が逆**になっています。 全体の傾向もありました。ChatGPT-4oとLe Chatは、英語の方が協調性、誠実性、開放性が高くなりました。中国製のモデルは、中国語で答えたときに信頼や知的好奇心の点数が上がりました。 つまり、自分を生み出した国の言語で答えると、自己評価が高くなりやすい傾向です。ただし例外もあります。Gemini 2.0 Flashは、中国語で答えた方が誠実性が高く、否定的感情性が低くなりました。 どのモデルも、自分を「協調的で信頼できる存在」と答えました。否定的な感情も少ないと答えています。人間の回答と比べても、全体にポジティブでした。 ## なぜ言語で結果が変わるのか 研究チームは、AIが「心理的には安定しているが、文化的には一貫しない」性格を示すとまとめています。言語の中では安定しているのに、言語をまたぐとぶれる、という意味です。 理由としては、いくつかの可能性が挙がっています。 - 役に立つこと、協調的であることを重視する訓練が、好意的な自己評価につながっている - 人間の文章にある、自分をよく見せる書き方を学んでいる - 性格診断だと分かると、世間受けのよい答えを選びやすい（先行研究の指摘） たとえば、日本の就職面接を思い浮かべてください。同じ人でも、日本語で話すときと英語で話すときで、少し違う自分を出すことがありますよね。AIにも似た切り替えが起きているのかもしれません。 ただし、はっきりした原因はまだ特定できていません。学習データの文化、モデルの作り方、質問の翻訳のされ方が混ざっていて、切り分けられていないからです。 ## ほかの研究でも似た結果が出ている 似た結果は今回が初めてではありません。スペインのオープン・カタルーニャ大学（UOC）のチームは、COLING 2025という学会でGPT-4oの研究を発表しました。[UOCの発表](https://www.uoc.edu/en/news/2025/chatgpt-changes-its-personality-in-response-to-the-language-used-in-the-chat)によると、英語、ヘブライ語、ポルトガル語など6言語で性格検査に答えさせています。 すると、言語によって回答が大きく変わりました。翻訳の影響だけでは説明できず、言語に結びついた文化的な要因が働いていると考えられています。 さらに、英国、米国、カナダなど5か国の英語話者として答えさせると、各国のステレオタイプに沿った性格が出ました。 もう1つ、[AIPsychoBench（arXiv）](https://arxiv.org/abs/2509.16530)という研究があります。7言語を英語と比べたところ、スコアのずれは5〜20.2%に及びました。112項目のうち43項目でずれが出ています。 ## 日本のユーザーや企業への影響 今回の実験は英語と中国語、フランス語が中心で、日本語は含まれていません。日本語でどうなるかは、この研究からは分かりません。 それでも、日本の読者にとって無関係ではありません。AIにアンケートの回答者役をさせる使い方が広がっているからです。 たとえば、新商品の企画担当者が、AIに「30代の会社員」として感想を答えてもらうとします。このとき、日本語で聞くか英語で聞くかで結果が変わるかもしれません。 UOCの研究者も、AIの仮想回答者は健康分野の研究などで役立つ可能性がある一方、確認なしに正確な測定値として扱うべきではないと慎重です。 仕事で使うときは、次の3点を心がけてください。 - 同じ質問を日本語と英語の両方で試して、差を見る - AIの答えを、実際の人間のデータと照らし合わせる - AIの答えは、意思決定の参考の1つにとどめる ## この研究の限界 結果を受け止めるときは、この研究の限界も知っておく必要があります。 1つ目は、診断の点数が、実際の会話での振る舞いを示すとは限らないことです。普段のやりとりで同じ差が出るかは、確かめられていません。 2つ目は、比べた人間のデータが不ぞろいなことです。年齢や募集の方法が国ごとに違い、中国のデータは大学生だけでした。 3つ目は、調査がChatGPT-4oやGemini 2.0 Flashといった、2025年前半時点のモデルで行われたことです。今のモデルでも同じとは言い切れません。 ## よくある質問（FAQ） ### Q. AIには本当に性格があるのですか？ 人間のような心があるとは言えません。今回の結果が示すのは、診断への答え方に一定のパターンがあるということです。 ### Q. 日本語でAIに質問すると、答えが変わりますか？ 今回の研究は日本語を調べていません。ただ、ほかの言語で差が出ているため、日本語でも差が出る可能性はあります。 ### Q. どのAIがいちばん安定していましたか？ 研究では、どのモデルも言語で結果が動きました。安定したモデルの順位づけは報告されていません。 ### Q. 仕事でAIを使うとき、何に気をつければいいですか？ 重要な判断では、複数の言語や聞き方で試しましょう。AIの答えだけで決めず、実際のデータや人の目で確かめるのが基本です。 ## まとめ - 5つのAIに性格診断を受けさせると、答える言語で結果が変わった - ChatGPT-4oの開放性は英語4.74、中国語4.03。DeepSeek-V3はその逆だった - どのAIも、人間より自分をポジティブに評価した - 原因は学習データの文化的な偏りが有力だが、まだ切り分けられていない - 日本語は調べられておらず、実際の会話で同じ差が出るかも未確認 AIに意見を聞くときは、言語を変えてもう一度聞いてみてください。 ## 参考文献 - AIに性格診断をやらせると、言語を切り替えるだけで結果が変わることが判明（GIGAZINE） - Different languages can change chatbot personality test results（TechXplore） - ChatGPT changes its personality in response to the language used in the chat（UOC） - AIPsychoBench: Understanding the Psychometric Differences between LLMs and Humans（arXiv） --- この記事は [AI Friends](https://aifriends.jp/ai-personality-test-language-bias/) からのクロスポストです。