Structured Exploration vs. Generative Flexibility: A Field Study Comparing Bandit and LLM Architectures for Personalised Health Behaviour Interventions

この研究は、身体活動意欲を高めるための 4 週間のフィールド調査を通じて、行動変容技法の選択における構造化された探索（バンディット）と生成の柔軟性（LLM）を比較し、LLM による文脈に応じた応答がユーザーの支援感を高めた一方で、LLM 単独とバンディット最適化の組み合わせに有意な差は見られなかったことを明らかにしています。

要約

この論文は、**「運動を続けるためのスマホアプリ」**をどう作れば、一番人が「助かる！」と感じるかを調べた研究です。

研究者たちは、2 つの異なる「AI の考え方」を比較しました。

1. 「賢い統計屋」(バンドット)：過去のデータから「誰が、どんな時に、どんなアドバイスが効くか」を数学的に計算して、最適なアドバイスを選ぶ人。
2. 「天才的な作家」(LLM)：ユーザーが書いた日記や気分を読んで、まるで人間のように自然で温かい文章をその場で作ってくれる人。

彼らは、この 2 つを組み合わせたり、単独で使ったりして、5 つのパターンで 4 週間、54 人の参加者に運動のアドバイスを送りました。

---

🍎 発見された 3 つの大きな驚き

この研究でわかったことは、私たちが直感的に思っていることとは少し違っていました。

1. 「計算」より「共感」が勝つ

【アナロジー：レストランの注文】
Imagine you go to a restaurant.

• パターン A（統計屋）：「あなたの過去の注文データによると、あなたは今日、高カロリーなハンバーガーを注文する確率が 80% です。だから、これをおすすめします」と、冷たいデータに基づいて注文を確定させます。
• パターン B（作家）：「今日は雨ですね。お疲れのようですね。でも、少し散歩して気分転換しませんか？その後のコーヒーは最高ですよ」と、あなたの様子を汲み取って言葉を紡ぎます。

結果：参加者は、パターン B（作家）を圧倒的に「助かる」と感じました。
実は、「統計屋」が計算して「最適なアドバイス」を選んでも、それが「作家」が作った温かい文章と組み合わさっても、「作家」が単独で書いたものと同じくらいしか評価されませんでした。
つまり、「どのアドバイス（技術）

2. 「日記」は「おしゃべり」じゃない

【アナロジー：鏡と友達】
多くの人は、AI と話すとき「お友達」として接すると思っています。でも、この研究では参加者は AI を**「鏡」**のように感じていました。

• 友達：「ねえ、昨日どうだった？」「じゃあ、一緒に歩こうよ！」と双方向の会話。
• 鏡：自分の悩みや日記を「鏡（AI）」に書き込むと、鏡が「あなたのその気持ち、わかったよ。でも、こうしてみたら？」と返してくる。

驚きの事実：参加者は、「AI なら何を言っても怒られないし、バレない」と感じたため、人間には言えないような深い悩み（家族の病気やストレスなど）を、AI に対してはむしろもっと正直に打ち明けていました。
AI を「人間になりきった友達」にする必要はなく、「自分の気持ちを整理してくれる道具」として位置づける方が、人は安心して心を開くことがわかりました。

3. 「多様性」は「発見」のチャンス

【アナロジー：料理のメニュー】

• 作家（LLM）：「今日は気分が乗らないから、甘いものがいいかな」と、ユーザーの好みに合わせて**「甘いもの**（成功を強調するメッセージ）ばかり選んでしまう傾向がありました。
• 統計屋（バンドット）：「今日は甘いものも、辛いものも、酸っぱいものも、全部試してみないと、ユーザーの本当の好みのバランスがわからない」と、あえて多様なメニュー（異なるアドバイス）を混ぜて提供しました。

結果：
「統計屋」が選んだ多様なアドバイスは、ユーザーが「あ、自分はこの方法だとやる気が出るんだ！」と新しい発見をするきっかけになりました。
一方、「作家」はユーザーの好みに合わせすぎて、同じようなアドバイスばかりになりがちでした。
**「自分が何が好きか、実は自分でもわかっていない」**という場合、AI があえて「多様な選択肢」を提示してくれることが、長期的には役に立つことがわかりました。

---

🎯 結論：どんなアプリを作ればいいの？

この研究から、これからの AI 健康アプリには、以下の 3 つのことが大事だとわかりました。

1. 「計算」より「聞き取り」を重視せよ
   数学的に「最適なアドバイス」を選ぶことよりも、「ユーザーが書いた内容をちゃんと読んで、それに応えること（共感）が、一番「助かる」と思わせる鍵です。
2. 「友達」になろうとせず、「道具」になれ
   AI が無理に人間らしく振る舞う必要はありません。むしろ「あなたの気持ちを整理してくれる、安全な鏡」としての役割を明確にした方が、人は心を開いてくれます。
3. 「多様性」を隠さない
   ユーザーが「これだ！」と気づくまで、AI はあえて「いつもと違うアドバイス」も混ぜて、ユーザー自身が「自分の好みの発見」をする手助けをしてあげましょう。

一言で言うと：
「完璧な計算」よりも、**「あなたの話をちゃんと聞いて、温かく返してくれること」**が、人を動かす一番の魔法なのです。

技術概要

1. 研究の背景と課題 (Problem)

デジタルヘルス介入において、行動変容技法（BCT: Behaviour Change Techniques）は重要な要素ですが、効果的な技法の選択と配信は依然として困難です。

• 現状の課題: 既存のシステムは標準化されたメッセージを送信しがちであり、文脈を考慮せず、ユーザーのエンゲージメントが急速に低下する「介入疲労（intervention fatigue）」が発生します。
• 技術的対立:
  • 文脈付きマルチアームドバンディット（cMAB）: 統計的に根拠のある BCT の最適化が可能ですが、メッセージ生成は固定的なテンプレートに依存しやすく、柔軟性に欠けます。
  • 大規模言語モデル（LLM）: 文脈に敏感で柔軟なメッセージ生成が可能ですが、意思決定プロセスがブラックボックスであり、医療規制環境での解釈可能性が課題です。
• 研究の仮説: cMAB による BCT の最適化と、LLM によるメッセージ生成を組み合わせるハイブリッドアプローチが、ユーザーの知覚される有用性を最大化すると考えられていました。

2. 研究方法 (Methodology)

本研究は、身体活動の動機付けを目的とした4 週間のフィールドスタディ（N=54）を実施しました。

• 実験デザイン: 被験者内デザイン。各参加者は 28 日間、ランダムに割り当てられた 5 つの異なるメッセージ生成アーキテクチャのいずれかから毎日 1 通のメッセージを受け取りました。
• 5 つの比較条件:
  1. RCT (ランダム制御): 4 つの BCT からランダムに選択し、固定テンプレートを使用。
  2. cMAB_only: 文脈（自己効力感、規制焦点など）に基づき cMAB が BCT を選択し、固定テンプレートを使用。
  3. LLM_only: LLM が BCT を選択し、テンプレートを個人向けに生成（状態非依存）。
  4. LLM_tracing: LLM が BCT を選択し、過去の対話履歴を含めてメッセージを生成（状態依存）。
  5. cMAB+LLM (ハイブリッド): cMAB が BCT を選択し、LLM がその技法に基づいてメッセージを生成。
• データ収集:
  • 毎日、ユーザーは気分やストレスなどの心理測定値と自由記述の振り返りを入力し、メッセージの「有用性（1-5 点）」を評価しました。
  • 研究終了後、9 名の参加者に対して半構造化インタビューを実施。メッセージ生成の手法を明かす前後で、メッセージのランキング評価を行いました（期待の再調整効果の測定）。
• 分析手法: 線形混合効果モデルによる定量的分析と、帰納的テーマ分析による定性的分析。

3. 主要な貢献 (Key Contributions)

1. 実証的知見: 4 週間のフィールドスタディを通じて、BCT 選択の最適化（cMAB）だけでは、生成の応答性（LLM）が異なる場合、知覚される有用性の向上には寄与しないことを示しました。
2. 概念的貢献: 「文脈の承認（Contextual Acknowledgement）」と「入出力の比例性（I/O Proportionality）」が、ユーザーの知覚される有用性を決定する主要なメカニズムであることを特定しました。
3. アーキテクチャ的トレードオフ: 「構造化された探索（Structured Exploration）」と「生成の自律性（Generative Autonomy）」の間のトレードオフを明らかにし、AI 健康システム設計における新たな指針を提示しました。

4. 結果 (Results)

定量的結果

• 有用性の評価: LLM ベースのアプローチ（LLM_only, LLM_tracing, cMAB+LLM）は、テンプレートベースのアプローチ（RCT, cMAB_only）よりも有意に高い有用性評価を得ました（LLM 平均約 3.8 点 vs テンプレート平均約 2.7 点）。
• ハイブリッドの限界: cMAB+LLM（最適化された BCT 選択＋LLM 生成）は、LLM のみ（LLM_only）と比較して有用性の向上を示しませんでした。
• BCT の選択パターン:
  • LLM ベースのアプローチは、「利益枠組み（Gain-framing）」に 60-70% 集中する傾向がありました。
  • 一方、MAB ベースのアプローチ（cMAB_only, cMAB+LLM）は、トムソン・サンプリングの特性により、4 つの技法全体に均等に分散して選択していました。

定性的結果（インタビュー）

• 対話モードの認識: ユーザーはシステムを「対話型エージェント」ではなく、「パーソナライズされたフィードバック付きの日記（Interactive Diary）」として認識していました。
• 情報開示の増加: AI であるため社会的評価を気にしないという認識から、人間には話せない個人的・感情的な内容（悲しみや不安など）を多く共有しました。
• 入出力の比例性（I/O Proportionality）: ユーザーは、自分が詳細な自由記述を入力した場合、それに見合った詳細な応答を期待しました。テンプレートによる画一的な応答は「無視された」と感じさせ、有用性を低下させました。
• 手法の開示による評価変化: メッセージ生成の手法（AI かどうか、学習アルゴリズムの有無など）を明かした後のランキングでは、ユーザーの好みが変わりました。特に「学習システム（cMAB）」への信頼が高まる一方で、単純な「LLM」への期待が高まりすぎたため、実際のメッセージが期待に満たず評価が下がったケースが見られました。

5. 意義と結論 (Significance & Conclusion)

• 最適化よりも応答性: 健康行動介入において、アルゴリズムによる BCT の最適化（どの技法を選ぶか）よりも、**ユーザーの入力に対する文脈的な承認（どのように応えるか）**の方が、知覚される有用性に決定的な影響を与えることが示されました。
• 探索と発見の価値: LLM は特定の技法（利益枠組み）に偏る傾向がありますが、MAB は体系的に技法を探索します。ユーザーは、自分では選ばなかった技法に出会うことで「発見」の機会を得ており、これは行動変容の多様性を保つ上で重要である可能性があります。
• 設計への示唆:
  • トランスペアレンシーの設計: 手法の開示はユーザーの期待を再調整するため、どのようにアルゴリズムを説明するかが受容性に影響します。
  • ツールとしての位置づけ: 人間関係を模倣する「リレーションシップエージェント」ではなく、判断を委ねる「ツール」として位置づけることで、ユーザーはより率直な自己開示を行うことが示唆されました。
  • トレードオフの管理: 構造化された探索（多様な技法の提示）と、生成の柔軟性（文脈への適応）のバランスを取る設計が求められます。

本研究は、AI 駆動の健康介入システムを設計する際、単なるアルゴリズムの高度化だけでなく、**「ユーザーの入力をどう承認し、反映するか」**という HCI 的な視点が不可欠であることを強調しています。