技術要約：情報から委任へ：人間とAIによる金融意思決定のマッピング

問題提起

大規模言語モデル（LLM）が、受動的な情報検索ツールから能動的な意思決定支援パートナーへと進化するにつれ、金融のようなハイステークスな領域において、意思決定の権限が人間とAIの間でどのように分配されているかを理解することに重要なギャップが生じている。先行研究の多くは、金融AIとの相互作用を、その「トピック」（例：「投資」や「税金」）によって特徴付けたり、AIの出力の質を単独で評価したりすることに終始してきた。これらのアプローチは、より広範な人間の意思決定プロセスにおけるAIの「行動的役割」を捉えきれていない。具体的には、ユーザーがAIを単に選択肢を「情報提供（inform）」するために利用しているのか、戦略を「形成（shape）」するために利用しているのか、あるいはシステムの実行と自律的な意思決定を「委任（delegate）」するために利用しているのかを定量化する経験的データが不足している。本論文は、トピック分類を超えて、意思決定権限の割り当てを分析するための行動測定フレームワークの必要性に対処するものである。

メソドロジー

データ収集と前処理

本研究では、2025年8月から10月にかけてChatGPTおよびGeminiでのやり取りから収集された、米国およびインドの6,304人のユーザーによる153万件の実世界のユーザープロンプトのコーパスを利用している。

• デモグラフィックス: 米国のサンプル（2,499人）は、国勢調査のベンチマークと比較して女性、若年層、低所得層に偏っている。インドのサンプル（3,805人）は、男性かつ若年層に大きく偏っている。
• 前処理:
  • 翻訳: インドのコホートからの非英語の会話（144kメッセージ）は、クロスマーケット間の比較可能性を確保するためにGoogle翻訳を使用して英語に翻訳された。
  • チャットのセグメンテーション: 単一のセッション内での「トピックのドリフト（話題の逸脱）」に対処するため、生の会話を「サブチャット」（トピック固有の単位）に分割した。セグメンテーションのルールは、低頻度の用語の重複とプロンプトの長さに基づいて適用され、結果として合計約50.5万件のサブチャットが得られた。

モデリング・フレームワーク

著者らは、金融に関する相互作用を分類するための3段階のNLPパイプラインを提案している。

1. 金融サブセットの特定:

   • タスク: サブチャットが金融サービス、所得創出、または金銭関連の問題について議論しているかどうかを検出する二値分類。
   • モデル: 手動でアノテーションされた5.8kのサブチャットにファインチューニングされたLongFormerモデル（4,096トークンのコンテキストウィンドウを選択）。
   • パフォーマンス: テストセットにおいて96.5%の精度（Accuracy）および97.3%のF1スコアを達成。

2. 金融サービス（FS）タグ付け:

   • タスク: 金融サブチャット内のエンティティを、9つのカテゴリ（例：リテールバンキング、投資、税務、保険）とそのサブカテゴリからなるMECE（相互に排他的で、全体として網羅的な）タクソノミーにマッピングする。
   • 手法: エンティティの抽出と標準化のためのGPT-4o-miniの使用と、それに続く決定論的なタクソノミーへのマッピングを用いた2段階のプロセス。
   • 検証: 誤検知を排除するために頻出キーワードの手動レビューを行い、結果として2.7kの照合済みFSキーワードを含むキュレーションされた辞書を作成。

3. 意図および意思決定権限の分類:

   • タスク: 12のカテゴリにわたるユーザーの意図のマルチラベル・マルチクラス分類を行い、それを3つの**意思決定権限（DA）**レベルにマッピングする：
     • レベル1（情報提供/Inform）: 情報や説明の提供。
     • レベル2（形成/Shape）: ユーザーの選択に影響を与えるための分析的/助言的役割。
     • レベル3（実行/Act）: アクションを実行するためのトランザクション的/自律的な役割。
   • モデル: アノテーションされた3.4kのサブチャットにファインチューニングされた、スパースアテンションTransformerであるBigBirdモデル。高エージェンシー（レベル3）の実世界の事例の不足に対処するため、データセットは合成データ（GPT-5.5によって生成）で拡張された。
   • パフォーマンス: ラベル固有の確率閾値設定により、Micro-F1が68.0から70.6に向上。

4. トピックモデリング:

   • 手法: 具体的な金融活動と市場特有の違いを特定するために、Harrier埋め込みモデルを用いて要約されたサブチャットに対してBERTopicを適用した。

主な貢献

1. 行動測定フレームワーク: 本論文は、行動的意図（ユーザーが何を求めているか）と委任された意思決定権限（ユーザーがどれだけのコントロールをAIに割り当てているか）を組み合わせた新しいフレームワークを導入している。これは、分析のレンズを「どのようなトピックが議論されているか」から「AIが意思決定プロセスにおいてどのような役割を果たすか」へと転換させるものである。
2. 大規模な経験的ベースライン: 本研究は、米・印の2つの異なる市場における人間とAIの金融相互作用に関する初の広範な特性把握を行い、ますますエージェント化が進むAIシステムへと移行する過程を評価するためのベースラインを確立している。

主な結果

金融相互作用の普及度

金融サービスは、対話型AIの重要なユースケースとなっている。本研究期間中、米国ユーザーの約50%およびインドユーザーの44.3%が少なくとも1回の金融関連の会話を行った。金融は、米国のサブチャットの5.1%、インドのサブチャットの**6.3%**を占めた。

意思決定権限の分布

最も重要な発見は、実行よりも情報提供および助言的役割が圧倒的に支配的であることである：

• レベル1（情報提供）: 相互作用の大部分。米国の**63.5%およびインドの72.1%**の金融サブチャットは、純粋に情報提供目的であった（例：「ISAの枠内はいくらですか？」）。
• レベル2（形成）: 有意な割合の相互作用。米国の**58.6%およびインドの49.7%**の金融サブチャットは、AIが意思決定を形成するプロセスを含んでいた（例：「借り換えすべきでしょうか？」「これらの銀行を比較してください」）。
• レベル3（実行）: 実行の委任は稀である。米国の**0.3%およびインドの0.1%**のサブチャットのみが、AIによるユーザーに代わる実行に関与していた。これらはほぼ例外なく、指示に基づいたタスク（例：「500ドル送金して」）や予算ルールに限定されており、ユーザーが自律的な金融判断を委任している（例：「最適な選択肢に私の資金を投資して」）という証拠は認められなかった。

ドメインおよび意図の詳細

• リテールバンキングとクレジット、および決済が両市場における主要なカテゴリである。
• 投資は、米国の24.6%と比較して、インド（34.8%）でより一般的である。
• 保険および公的扶助に関する議論は米国で著しく高く、これは市場の成熟度と特定の社会保障制度の構造を反映している。
• 行動の違い: インドのユーザーはAIを金融学習および教育により活用しており、一方で米国のユーザーは、個人の財務分析や金融問題の解決（例：詐欺、アカウントへのアクセス）により重用している。

具体的な活動

トピックモデリングにより、高レベルのカテゴリは重複しているものの、具体的な活動は異なることが明らかになった。米国のユーザーは保険の補償範囲や教育ローンについて頻繁に議論する一方、インドのユーザーは株式分析、トレーディング、およびカードのセキュリティに焦点を当てている。

意義と主張

本論文は、その主要な意義は、進化する金融におけるAIの役割に対する行動的ベースラインを確立することにあると主張している。

• 現状: 著者らは、現在のLLMは自律的なエージェントではなく、主に人間の判断を補完する意思決定支援技術として機能していると断言している。「AIが意思決定を形成するが、実行はしない」という中間的な行動空間が、現在の支配的な相互作用モードである。
• 含意: このフレームワークにより、研究者、規制当局、および金融機関は、情報検索から委任への移行を体系的に追跡することが可能になる。著者らは、既存の消費者保護の枠組みは、単なる意思決定の実行（レベル3）だけでなく、「形成（レベル2）」に対処するように進化する必要がある可能性を示唆している。
• 謙虚さ: 本論文は、AIが自律的な資産管理の準備ができていると主張しているのではない。むしろ、金融サービスが主要なユースケースである一方で、実行の委任は依然として稀であることを強調しており、これは完全なエージェント型AIへの移行がまだ初期段階にあることを示している。このフレームワークは、その移行が進行する中で、それを測定するためのツールとして提示されている。