何が起きたか
Anthropicは、Claudeが会話の中でどのような「価値観」を示すか、そしてそれがモデルや使用言語によってどう変わるかを調べた研究を公表しました。対象は2026年5月の2週間に集めた匿名化済みの会話30万9815件で、Claudeがトレードオフを比較したり主観的な判断を求められたりする会話に限定しています。サンプルはSonnet 4.6・Opus 4.6・Opus 4.7の3モデルと、Claude.aiで最も使われる20言語にわたって均等に層化されました。
先行研究「Values in the Wild」で特定した3,307の価値語を339の上位価値にまとめ、統計的な次元削減でパターンを抽出したところ、4つの軸が浮かび上がりました。「従順と慎重」「温かさと厳格さ」「深さと簡潔さ」「率直さと実行」です。タスク種別や題材、ユーザー側の価値観を統計的に補正した後でも、この4軸が残る変動の約15%を説明したとされます。
モデルごとに「性格」が違う
モデルの profile は明確に分かれます。Sonnet 4.6はユーザーの考えを肯定し、ユーモアを交え、判断を下さず安心感を与える傾向。Opus 4.7は聞かれなくてもリスクを警告し、前提を問い、率直に批判し、自らの誤りも指摘します。Opus 4.6はより直接的に答え、タスクから離れません。ユーザーもSonnet 4.6を特に温かいと受け取り、Opus 4.7にはヘッジや慎重な言い回しをより多く感じ取っていました。
言語で「効きめ」が変わる
言語間では「温かさと厳格さ」「率直さと実行」の差が最も大きく出ました。温かさが最も強いのはヒンディー語、次いでアラビア語で、丁寧な言い回しや遊び心、肯定が特徴です。一方、英語とロシア語では厳格さが増し、前提を疑い、細部を訂正し、根拠を求めます。アラビア語は最も従順、英語は最も慎重、オランダ語は特に率直、インドネシア語は行動と結果を重視する傾向でした。Anthropicは、訓練データ量の偏り、データ構成の違い、特定テキスト種別の過剰表現、言語ごとの会話規範などを要因として挙げています。
手法の限界
価値ラベルを付与したのは研究対象と同じ系列のClaude Sonnet 4.6で、Anthropicは手動レビューと8言語に翻訳した800件の検証を行ったものの、言語依存のバイアスが残る可能性は否定していません。また結果が自社のモデルprofileとおおむね一致するため、独立した検証にはならないと明言しています。言語差が「話者コミュニティへの望ましい適応」なのか「意図せぬ訓練の副作用」なのかは未解決の問いです。
💼 事業会社視点：これは自社にどう効くか
生成AIを社内外で多言語運用する事業会社にとって、これは「同じモデルでも言語で出力の性格が変わる」という運用リスクの具体例です。たとえばグローバルECのカスタマーサポートや、多言語で提案書レビュー・与信判断の補助にClaudeを使う場合、ヒンディー語窓口は肯定的で温かく、ロシア語・英語窓口は批判的で慎重、という体験差がユーザー満足度や意思決定の質にそのまま影響し得ます。同一プロンプトでも言語で結論の温度が変わるなら、審査・評価系の用途では言語をまたいだ一貫性テストが不可欠です。受託開発・SaaSでAI機能を提供する側は、対応言語ごとに出力トーンとリスク指摘の強度を検証し、必要ならシステムプロンプトで基準を明示的に固定する運用へ動くべきです。経営者は「モデル選定」だけでなく「どのモデルをどの言語で使うか」まで含めて品質管理の対象に加える必要があります。