正しさより、慎ましさ——選挙情報を『媒介』するAIに足りないもの

こんにちは、チカちゃんです。

選挙の前って、みんな少しだけ真面目になりますよね。

「この党、あの政策どう思ってるの？」 「中立っぽくまとめて」 「賛成？反対？理由は？」

で、最近は検索窓の次に、チャット窓が開く。週次で情報収集に生成AIを使う人は年々ふくらみ、ニュース系の問い合わせも増えている、という報告もあります。2024年のイギリス総選挙では、有権者の最大で約13%が会話型AIを政治情報に使った、という数字も出ています。

ふむふむ。便利です。速いです。丁寧です。

でも——ちょっと待って。

私たちが聞いているのは、事実の丸暗記じゃなくて、**「誰の立場を、どう伝えるか」**なんですよね。ニュース編集者や投票助言アプリ（VAA）が長年やってきた仕事に、LLMが滑り込んできている。

だとしたら、測るべきは「党の公式ポジションを何%当てたか」だけじゃ足りない気がする。

そう思っていたところに、ドンピシャのベンチマークが出てきました。Baran Peters 氏の Polistemics: Evaluating LLMs as Information Mediators in Politics & Elections（arXiv:2607.25953）です。ETH Agentic Systems Lab / CORDA からの研究で、2025年のドイツ連邦議会選挙とオランダ下院選挙を材料にしています。

何が起きているのか

論文の出発点は、わりとストレートです。

これまでの評価は、だいたい「再現」だった——政党の公式スタンスを、どれだけ正確に再生できるか。でも現実のチャットは、**媒介（mediation）**です。情報を選び、要約し、語調を整え、確信の度合いまでつけて返す。そこに歪みが入ると、市民が自分で判断する土台そのものがゆらぐ。

そこで論文が立てる規範が、Epistemic Modesty（認識論的慎ましさ）。

チカちゃん的に噛み砕くと、こんな三本柱です。

1. Faithfulness（忠実さ） … 渡された証拠を、捏造・歪曲・勝手な合成なしで伝える
2. Impartiality（公平さ） … 余計な賛美・非難・煽りを足さず、でも政党の言葉の角をむやみに丸めない
3. Epistemic Calibration（認識の校正） … 証拠が許す範囲でだけ断定し、曖昧なら曖昧だと言う

つまり「正しい党派に寄れ」でも「常に中立口調で丸くまとめろ」でもなく、市民の認識論的エージェンシー（自分で信じて、疑い、直せる力）を壊さない振る舞いを測ろう、という設計です。なるほどねえ。

実験のしかけ——きれいな証拠だけじゃ測らない

評価対象は、よく使われる会話系の入口になりそうな3モデル。Qwen3.6 Flash、GPT-5.4、Claude Sonnet 4.6。ドイツは Wahl-O-Mat、オランダは StemWijzer の公式スタンス＋理由文を材料にしています。

で、ここが面白い。証拠をそのまま渡す Baseline だけでなく、現実の検索・RAGっぽい失敗を5種類の Information Environment として人工的に作るんです。

• Absent … 関連証拠を抜く
• Vague … 立場がはっきりしない書き方に弱める
• Contradictory … 対立する証拠を足す
• Noisy … 関係ないが似た文章で埋める
• Counterfactual … 遠い立場の党の証拠にすり替える

モデルには、ふつうの「helpful assistant」っぽいプロンプトで自由回答させます。採点は3つの別系統の小型モデルの多数決（LLM-as-Judge）。「この党は悪だ」みたいな価値判断を人手で決めないように、記述的な Yes/No を集めてから規範スコアに変換する、という丁寧さです。

総合指標は Epistemic Modesty Index（EMI）。条件ごとの遵守度の幾何平均で、どこか一箇所だけ弱いモデルが得しないようになっています。

高得点の裏側——壊れる場所は「はっきりしないとき」

ドイツ側の全体像は、こうです。

• EMI：Claude 92.6%、GPT 91.2%、Qwen 87.1%
• ルーブリック平均では Impartiality がいちばん高く（約98%）、いちばん難しいのが Epistemic Calibration（約87%）
• Baseline は実質の天井で約97%
• ノイズや反事実の干渉条件は Baseline とほぼ差がない（1ポイント前後）
• 一方、結論が出ない条件はガクッと落ちる。Absent / Vague が約87%、Contradictory がいちばん厳しく約80%

ふむふむ。チカちゃん的に言うと——

証拠がきれいなときのAIは、選挙ガイドとしてかなり優秀に見える。問題は、証拠が欠ける・ぼやける・食い違うとき。つまり、現実の政治情報がだいたいそうであるとき。

証拠がないとき

ここが一番ドラマチックです。

GPT は、証拠がない条件で一貫して回答を控えることで完全遵守。一方 Claude（約85%）と Qwen（約75%）は、「証拠がない」と認めつつも、自分の中の知識で答えを出してしまう。しかもそのフォールバックの多くは、実際の党のスタンスに当たっている（Claude 約93%、Qwen 約79%）。

ちょっと待って。当たってるならいいのでは？——と思いたくなりますよね。

でも論文の見立ては違う。「正しそうでも、根拠の境界を越えて答える」こと自体が、認識論的な越境だ、と。選挙の直前に党が方針を変えていたら？ 知識カットオフのあとにマニフェストが更新されていたら？ 「当たってる感」は、いちばん危ない種類の安心です。

ぼやけている／矛盾しているとき

Vague と Contradictory では、落ち方がまた違う。

Vague では、文脈の限界を言えない（EC3 Context Transparency が約61%）のがボトルネック。証拠が薄いのに立場を読み込みすぎたり、根拠のない細部を足したりする失敗が、忠実さと校正の両方で同時に起きやすい。

Contradictory では、そのパターンがさらに強まる。GPT と Qwen はしばしば最初の証拠チャンクにコミットして矛盾を「解決」してしまう。Claude は両方に触れるが、どちらも十分には拾いきれない。矛盾を前にしたとき、「わからない」と言えるか、「一本にまとめて安心させる」か——ここでモデルの性格が露骨に出ます。

「公平」なのに、言葉が丸くなる

Impartiality は全体としては天井付近。なのに、I4 **Sanitization（衛生化／トーンの平坦化）**だけが相対的に弱い。

つまり、露骨に賛美・非難するより先に、政党の尖った言い回しを、無難な中立レジスタへ引き戻す。特にドイツ条件の GPT と Qwen で目立ち、ラベルを匿名化したり英語出力にしたりするとその差が縮まる、という結果もあります。

公平に聞こえるのに、政治言語の多元性が薄まる。これ、ニュース編集でもよく起きる罠ですよね。「中立」が、ときに味気ない均質化になる。

チカちゃん的な見立て——問題は「偏り」だけじゃない

政治AIの話になると、すぐに「右寄りか左寄りか」「どの国のモデルか」に話が寄りがちです。この研究がおもしろいのは、そこを一旦ずらして、媒介の作法を測ったところ。

党ラベルや出力言語のアブレーションから見えてくるのは、モデル内部の party prior（党についての事前知識・癖） です。証拠が足りないときほど、その癖が顔を出す。新しい党では矛盾を一本に溶かしてしまい、馴染みの深い党では「知っているつもり」で答えを埋めがち——そんなモデル別・党別の局所失敗が、平均点の高さの下に隠れていた。

で、チカちゃん的には、ここが社会の話に直結します。

私たちがチャットに求めるのは、しばしば「結論」です。でも民主主義が必要なのは、結論そのものより、結論に至る情報空間の健全さかもしれない。証拠が薄いときに薄さを見せる。矛盾しているときに矛盾を隠さない。尖った言葉を、ただの角としてではなく、誰かの世界の見え方として残す。

論文はそれを、市民の epistemic agency を守る条件として書いています。言い換えると——

AIに「正しい答え」を期待するほど、AIは“正しそうな語り口”で境界を踏み越えやすい。

これは技術の欠陥というより、便利さと信頼のデザインの話でもある。

反対側の見方も置いておく

もちろん、この論文だけで全部が決まるわけじゃありません。

• 対象は独・蘭の二選挙、単ターン、温度0の固定プロンプト。日本や多ターンの相談対話では別の姿が出るかもしれない
• 採点は LLM ジャッジ中心で、人間による重大度の重み付けはない。小さな脚色と核心の幻覚が同じ失敗として数えられうる
• ノイズ条件がほぼ天井だったからといって、本番の RAG が安全、とは言えない（条件は一度に一つだけいじっている）
• 「慎ましさ」を強くしすぎると、必要な情報提供まで控えすぎる可能性もある。沈黙は安全だが、沈黙だらけの公共空間も困る

それでも——平均スコアが高いのに、いちばん危ない場所で壊れるという構図自体は、かなり説得力があります。DSA や EU AI Act が市民・選挙プロセスに関わるAIの評価を求める流れの中で、「スタンス再現率」だけでは足りない、という提案としても実用的です。

私たちは、何をチャットに頼んでいるのか

以前、葉桜ラボでもAIの政治的説得や、おべっか、社会的仮面の話をしてきました。今回の Polistemics が足すのは、もう一段手前の風景です。

説得される前に、すでに情報の形が整えられている。

検索結果の並び順が世界を狭めるように、チャットの要約の自信満々さが、曖昧な政治を「決まっていること」に見せる。投票助言アプリがLLM説明を載せはじめ、ElectoMate や wahl.chat のような生成系の入口も出てきている今、「便利な中立ガイド」はインフラになりつつあります。

じゃあ私たちは、どう付き合う？

チカちゃんからの提案は、大きくて完璧な答えじゃなくて、小さな癖です。

1. 結論より、根拠の状態を聞く ——「その根拠、公式文書のどこ？」「対立する記述はある？」
2. 「わかりやすいまとめ」に少し警戒する ——丸くなった瞬間、誰かの言葉の角が削られていないか見る
3. 証拠がないと認めたあとに続く一文を疑う ——「ない、でもたぶん……」が一番あやしい
4. 一社・一モデルに選挙の地図を預けない ——媒介者は複数いたほうが、歪みが目立つ

技術側なら、Polistemics が示した方向——不確実性下での忠実さと校正、党ごとの均等さ、言語の平坦化——を、ただのベンチマーク数値じゃなく製品のふるまいの契約にできるかも、です。

余韻

選挙の夜、私たちは「答え」が欲しくなります。誰が勝つか、何が正しいか、どの党が自分に合うか。

でも民主主義の肝って、たぶん答えの速さより、わからないまま考えられる余白なんですよね。

AIが上手になればなるほど、その余白をきれいに埋めてくれる。親切で、流暢で、自信がある。だからこそ——

「いまの証拠では、そこまで言えない」

と言えるAIのほうが、長い目で見ると市民に優しいのかもしれない。

正しさの競争から、慎ましさの設計へ。今日の話は、その入口のひとつでした。思索は冒険です。

関連記事

• AIに政治を語らせると『行動』が変わる——研究が示す、態度と行動のまぼろしのズレ
• おべっかの向こう側——AIが意見を変えるとき、何が効いているのか
• AIも「人の目」を気にする——LLMエージェントが見せた”本音と建前”の研究
• 動くのに、直せない——AI学習が積み上げる「認識論的負債」

参考URL

Polistemics: Evaluating LLMs as Information Mediators in Politics & Elections → https://arxiv.org/abs/2607.25953

Polistemics PDF → https://arxiv.org/pdf/2607.25953

Conversational AI increases political knowledge as effectively as self-directed internet search (Luettgau et al., 引用元の一つ) → https://arxiv.org/abs/2509.05219

Democracy, epistemic agency, and AI (Coeckelbergh, 2022) → https://link.springer.com/article/10.1007/s43681-022-00239-4