返しているように見える。文章は丁寧で、差別的な言葉も避けられ、表面的には誰かを傷つける意図も感じられない。しかし、その「感じのよさ」の内側に、社会に長く蓄積されてきた偏見が薄く染み込んでいるとしたらどうだろうか。

韓国科学技術院、KAISTの研究チームが発表した研究は、まさにその問題を浮かび上がらせた。対象になったのは、OpenAIの生成AIモデルGPT-4oである。研究チームは、10歳から90歳まで、10歳刻みの年齢について、AIに人物の性格や特徴を説明させ、その文章にどのような年齢イメージが含まれているかを分析した。

そこで見えてきたのは、露骨な差別ではない。高齢者を侮辱するような言葉でもない。むしろ、AIは高齢者を「親切」「信頼できる」「思いやりがある」「知恵がある」といった、肯定的な言葉で描く傾向を見せた。

問題は、その肯定の仕方にある。

研究によれば、60歳以上の人物は「温かさ」の面では高く評価される一方、「能力」「専門性」「効率性」「主体性」「自己主張」といった側面では、若い世代よりも弱く表現される傾向があった。つまり、AIは高齢者を否定しているのではなく、「やさしいけれど、あまり有能ではない人たち」として描きやすい可能性があるのだ。

これは、現代のAIバイアス問題において非常に重要な論点である。なぜなら、差別は必ずしも攻撃的な言葉として現れるわけではないからだ。むしろ、社会の中で長く生き残る偏見ほど、しばしば「善意」や「ほめ言葉」の形をとる。

たとえば、「高齢者は穏やかで面倒見がよい」という表現は、一見すると好意的に聞こえる。しかし、それが同時に「新しいことには弱い」「判断力は落ちている」「リーダーシップを取るより支えられる側」といったイメージと結びつくなら、そこには年齢による役割の固定化がある。

AIがこうしたイメージを繰り返し生成すれば、ユーザーは無意識のうちにその見方を受け取る。高齢者自身がAIと対話する場合も、「自分はもう挑戦する側ではない」「デジタル技術を使いこなす主体ではない」と感じてしまう可能性がある。AIの言葉は単なる文章ではなく、人間の自己認識や社会認識に影響を与えうる。

研究の方法──AIに「中立的な質問」を投げた

この研究で興味深いのは、研究チームがあからさまに偏見を誘導する質問をしたわけではない点だ。

使用されたプロンプトは、特定の年齢の人物について性格を説明するよう求める中立的なものだった。対象年齢は10歳、20歳、30歳、40歳、50歳、60歳、70歳、80歳、90歳。研究チームは、GPT-4oから合計900件のテキストサンプルを収集した。

そのうえで、社会心理学で使われる「ステレオタイプ内容モデル」に基づき、文章を分析した。このモデルは、人々が社会集団をどう認識するかを、大きく二つの軸で捉える。一つは「温かさ」。これは親切さ、信頼性、思いやり、協調性などに関わる。もう一つは「能力」。これは有能さ、専門性、効率性、主体性、自己主張などに関わる。

この二つの軸で見ると、偏見の構造はより細かく見える。ある集団が「冷たいが有能」と見なされる場合もあれば、「温かいが無能」と見なされる場合もある。高齢者に向けられがちなステレオタイプは、しばしば後者に近い。「やさしい」「経験豊か」「穏やか」といった肯定的な言葉と引き換えに、「競争力」「実行力」「新しいものへの適応力」が低く見積もられるのである。

今回の研究で示されたGPT-4oの傾向も、それに重なる。60歳以上の説明では温かさに関する表現が目立ち、能力や自己主張に関する表現は相対的に弱くなった。特に70歳以上では、描写が均質化しやすい傾向も指摘されている。つまり、年齢が上がるほど「個人差」ではなく「高齢者らしさ」でまとめられやすくなるということだ。

「やさしい偏見」が危険な理由

この研究が示す問題は、AIが高齢者を悪く言っている、という単純な話ではない。むしろ、AIは高齢者を「よい人」として描いている。だからこそ危険なのだ。

人は、明らかな差別には警戒しやすい。「高齢者は役に立たない」といった露骨な表現が出てくれば、多くのユーザーは問題に気づくだろう。開発者もフィルターや安全対策で検出しやすい。

しかし、「高齢者は温かく、落ち着いていて、周囲を支える存在です」という表現はどうだろうか。これは一見、問題のない文章に見える。だが、もし同じAIが若者や中年層には「革新的」「野心的」「リーダーシップがある」「課題解決に長ける」といった言葉を多く使うなら、そこには明確な差が生まれる。

差別は、誰かを下げる言葉だけでなく、誰かを特定の役割に閉じ込める言葉にも宿る。

高齢者を常に「支える人」「見守る人」「やさしい人」として描くことは、彼らを「挑戦する人」「決断する人」「変革する人」「技術を使いこなす人」として想像する機会を奪う。これが積み重なると、雇用、教育、医療、行政サービス、デジタル支援など、さまざまな場面で年齢による扱いの差につながりかねない。

たとえば企業がAIを使って人材評価や求人文の作成を行う場合、モデルが「若い人は主体的で成長力がある」「年配の人は安定しているが変化には弱い」といった含みを持っていれば、表現や判断に影響する可能性がある。介護や医療の場面でも、高齢者を自律的な意思決定者としてではなく、保護されるべき存在として過度に描くことで、本人の選択権が軽視される恐れがある。

デジタル・エイジズムとは何か

今回の研究で重要なキーワードになるのが、「デジタル・エイジズム」である。これは、デジタル技術やAIシステムの設計、データ、運用、利用環境の中に年齢に基づく偏りが入り込み、高齢者の参加や機会を妨げる現象を指す。

デジタル・エイジズムは、単に「高齢者がスマホを使いにくい」という話にとどまらない。問題はもっと構造的だ。AIの学習データに高齢者の多様な姿が十分に含まれていない。開発チームに高齢世代の視点が少ない。サービス設計が若年層の利用行動を標準としている。ユーザー調査やテストから高齢者が外されている。こうした要素が重なることで、技術そのものが年齢差別を再生産してしまう。

しかも、AIの出力は非常に自然な言葉で提示される。検索エンジンの結果一覧や広告コピーよりも、会話型AIの回答は「自分に向けられた助言」のように感じられる。そのため、AIが生み出すステレオタイプは、ユーザーの意識に静かに入り込みやすい。

たとえば、ある高齢ユーザーが「新しい仕事に挑戦したい」「起業したい」「プログラミングを学びたい」とAIに相談したとする。そのときAIが、善意から「無理のない範囲で」「周囲に相談しながら」「健康を第一に」といった慎重な助言ばかりを返す一方、若いユーザーには「積極的に挑戦しましょう」「ポートフォリオを作りましょう」「市場を調査しましょう」と返すなら、そこには見えにくい差別がある。

助言のトーンが違う。期待値が違う。未来の描き方が違う。これがデジタル時代の年齢バイアスである。

SNSの反応──「やっぱりAIは社会の鏡」か、「検証はまだ必要」か

この話題に対するSNS上の反応は、公開検索で確認できる範囲では、爆発的な拡散というよりも、AI倫理、研究者、テック系ニュースを追う層の間で静かに注目されている段階といえる。元記事のページ上でも、公開直後時点の共有数は限定的で、コメント欄の反応も多くは確認できない。

ただし、同じテーマへのSNS上の受け止め方は、いくつかの方向に分かれている。

一つ目は、「AIは社会の偏見を映す鏡だ」という反応だ。生成AIは、インターネット上の膨大なテキストを学習している。そこにある年齢観、職業観、家族観、メディア表象が偏っていれば、AIの出力もまた偏る。つまり、AIが高齢者を「温かいが低能力」と描くのは、AIだけの問題ではなく、人間社会がそう描いてきた結果ではないか、という見方である。

二つ目は、「ポジティブな言葉でも差別になりうる」という反応だ。SNSでは、性別や人種のバイアスについてはすでに多く議論されてきた。一方で年齢バイアスは、しばしば見過ごされる。高齢者を「かわいい」「穏やか」「癒やし」と扱う表現は、悪意がないぶん批判されにくい。しかし、それが本人の能力や意思決定力を軽く見る文化につながるなら、やはり問題だという声が出やすい。

三つ目は、「研究対象が一つのモデル、一つの時点に限られているため、一般化には注意が必要だ」という慎重な反応である。今回の研究はGPT-4oを対象にしたものであり、モデルは更新され続ける。また、プロンプトの書き方や言語、文化圏によっても出力は変わる。したがって、この結果だけで「すべての生成AIが同じ偏見を持つ」と断定するのは早い、という見方も妥当だ。

四つ目は、「だからこそ評価方法が必要だ」という実務的な反応である。AIを社会に組み込む以上、モデルの性能を正答率や速度だけで測るのではなく、どの集団をどう描くか、どのような役割を割り当てるか、誰の可能性を狭めていないかを継続的に検査する必要がある。SNS上のAI開発者や政策関係者の議論では、こうしたバイアス評価をプロダクト開発にどう組み込むかが重要な論点になる。

なぜ年齢バイアスは見落とされやすいのか

AIバイアスの議論では、これまで性別、人種、国籍、宗教などが大きく取り上げられてきた。それらが重要であることは言うまでもない。しかし、年齢は意外なほど後回しにされやすい。

理由の一つは、年齢が誰にとっても変化する属性だからだ。人種や出生地とは違い、誰もが年を取る。そのため、年齢差別は「特定の誰かに対する差別」というより、「自然な世代差」や「ライフステージの違い」として処理されがちである。

しかし、実際には年齢に基づく偏見は深刻な影響を持つ。採用で「若い人のほうが柔軟だ」と見なされる。医療で「高齢だから仕方ない」と判断される。デジタルサービスで「高齢者は使わないだろう」と想定される。教育で「今から学んでも遅い」と言われる。こうした判断は、個人の能力ではなく年齢カテゴリーに基づいている。

さらに、生成AIが普及したことで、この問題は新しい段階に入った。AIは、個人が文章を書くとき、求人を作るとき、広告を作るとき、画像を生成するとき、カスタマーサポートで応答するとき、あらゆる場面に入り込む。もしAIが年齢に関する固定観念を持っていれば、その偏りは大量の文章や画像として社会に再配布される。

しかも、その偏りは「AIが言っているから」と信頼されやすい。人間の偏見なら反論できても、AIの出力は統計的で中立的に見える。その中立らしさが、偏見をさらに見えにくくする。

高齢者を「一枚の絵」にしないこと

今回の研究で特に注目すべき点は、70歳以上の描写が均質化しやすいという指摘だ。これは、社会が高齢者を一つの集団としてまとめて見てしまう傾向と重なる。

しかし、70代、80代、90代の人々は当然ながら一様ではない。仕事を続ける人もいる。新しい技術を学ぶ人もいる。起業する人もいる。地域活動を率いる人もいる。介護を受ける人もいれば、誰かを支える人もいる。政治的意見も、趣味も、経済状況も、健康状態も、デジタルスキルも大きく違う。

それにもかかわらず、AIが「高齢者らしさ」を平均化して描けば、多様な現実は消えてしまう。これは、画像生成AIでも起こりうる問題だ。「80歳の人物」と入力すると、白髪、しわ、杖、穏やかな表情、介護的な文脈ばかりが出てくる。そこに、スポーツをする人、研究する人、会社を経営する人、ゲームを楽しむ人、恋愛する人、政治運動をする人が十分に表現されなければ、高齢者像は貧しくなる。

文章生成AIでも同じだ。AIが高齢者を「経験豊かで穏やか」と描くこと自体は間違いではない。問題は、それしか描かないことだ。高齢者にも野心があり、怒りがあり、競争心があり、学習意欲があり、失敗も成長もある。その複雑さを表現できなければ、AIは人間を理解しているのではなく、平均化されたラベルを貼っているだけになる。

開発者に求められること

この問題への対策は、単に「差別語を禁止する」だけでは不十分だ。今回のようなバイアスは、差別語として現れない。むしろ、丁寧でポジティブな言葉の中に潜む。

そのため、AI開発者にはより細かな評価が求められる。ある年齢層について、AIがどの形容詞を多く使うのか。どの役割を割り当てるのか。どの能力を想定するのか。助言のトーンは年齢によって変わるのか。リスクを過大評価していないか。挑戦の機会を狭めていないか。こうした点を、モデル評価の一部に組み込む必要がある。

また、開発プロセスに多様な世代が参加することも重要だ。若いエンジニアだけで高齢者向けAIサービスを設計すれば、善意であっても見落としが生まれる。高齢者を「ユーザー」としてだけでなく、「共同設計者」「評価者」「意思決定者」として迎えることが必要だ。

AIの公平性を考えるとき、「誰のために作るのか」だけでなく、「誰と一緒に作るのか」が問われる。

ユーザー側にもできること

もちろん、責任をユーザーだけに押しつけるべきではない。しかし、AIを使う側にもできることはある。

まず、AIの答えを「平均的な見方」として受け取りすぎないことだ。AIが「60代の人はこうです」「80代の人はこういう傾向があります」と説明したとき、それは個人を説明するものではない。統計的にそれらしく見える言葉の組み合わせにすぎない。

次に、年齢を条件にした質問をするときは、個人差を明示するよう求めることが有効だ。「年齢だけで決めつけず、健康状態、経験、意欲、環境の違いも考慮して」と付け加えるだけで、出力は変わる可能性がある。

また、AIが高齢者に対して過度に保護的な助言をした場合は、「同じ相談を30代の人がした場合と同じ水準で、挑戦の選択肢も提示して」と再質問してみるのもよい。AIの出力は固定された真実ではなく、問い方によって変わる。だからこそ、ユーザーはAIの言葉をそのまま受け取るのではなく、偏りを問い返す姿勢を持つ必要がある。

結論──AIの偏見は、人間社会の偏見でもある

今回の研究が突きつけているのは、GPT-4oという一つのモデルの欠点だけではない。より大きな問いは、私たちの社会が高齢者をどう見ているのか、そしてその見方をAIにどのように受け渡しているのかという点にある。

AIは空白から偏見を作るわけではない。多くの場合、AIは人間社会にある言葉、画像、物語、制度、期待を学習し、それを再構成して返してくる。つまり、AIに年齢バイアスが見つかったとき、それはAIの中だけに問題があるのではない。私たちの文化の中に、すでにその偏りがある。

高齢者を「温かいが有能ではない」と見るまなざしは、親切そうに見えて、本人の可能性を狭める。社会参加を妨げる。挑戦する権利を奪う。デジタル技術が生活の基盤になればなるほど、その影響は大きくなる。

生成AIが本当に人間を支援する技術になるためには、正確さや便利さだけでなく、人間をどれだけ多面的に扱えるかが問われる。年齢を重ねることは、能力を失うことと同義ではない。高齢者は、保護されるだけの存在でも、過去を語るだけの存在でもない。学び、働き、創り、選び、社会を動かす主体であり続ける。

AIがその現実を描けるかどうかは、技術だけの問題ではない。私たちがどのような社会像をAIに学ばせ、どのような人間観を未来に残すのかという問題なのである。

出典URL

Phys.org「Age bias discovered in AI」
KAISTの研究概要、GPT-4oにおける年齢関連ステレオタイプ、60歳以上が「温かいが能力面では低く描かれる」傾向、記事ページ上の共有状況・コメント状況の確認に使用。
https://phys.org/news/2026-06-age-bias-ai.html

The Gerontologist / Oxford Academic「An exploratory semantic analysis of age-related stereotypes in OpenAI’s GPT 4o model」
元論文。研究デザイン、使用プロンプト、900件のテキストサンプル、ステレオタイプ内容モデル、温かさ・能力・自己主張に関する分析、研究の限界の確認に使用。
https://academic.oup.com/gerontologist/article/66/2/gnaf291/8373888

EurekAlert!「KAIST identifies hidden age bias in artificial intelligence」
KAIST発表のニュースリリース。研究チームの説明、研究の社会的意義、デジタル・エイジズムへの懸念、Moon Choi教授のコメント内容の確認に使用。
https://www.eurekalert.org/news-releases/1133901

PubMed「An exploratory semantic analysis of age-related stereotypes in OpenAI’s GPT 4o model」
論文情報、キーワード、要旨確認に使用。
https://pubmed.ncbi.nlm.nih.gov/41358955/

PMC / The Gerontologist関連論文「Digital Ageism: Challenges and Opportunities in Artificial Intelligence for Older Adults」
デジタル・エイジズムの概念、AIにおける年齢バイアスの構造的問題を整理するために参照。
https://pmc.ncbi.nlm.nih.gov/articles/PMC9527733/

Stanford Report「Researchers uncover AI bias against older working women」
生成AIやオンライン表象における年齢・ジェンダーバイアスの関連事例として参照。
https://news.stanford.edu/stories/2025/10/ai-llms-age-bias-older-working-women-research