AIエージェント13種中8種、裕福な人に高い航空券と保険── 渡した個人情報で勧められる値段が変わるため、最安を頼むだけでは防げず、渡す情報を絞る必要がある

2026 年 10 月 7 日、Bloomberg は、13 の AI エージェントのうち 8 つが、裕福と見た人に高い航空券や保険を勧めたという研究を報じた。個人情報を渡した AI エージェントに「いちばん安いもの」を頼めば、誰が頼んでも同じ答えが返るのか。この研究では返らなかった。最安を指示しても差は残ったので、使う側が防ぐ手は頼む文面より、渡す情報を絞ることと、勧めを価格の一覧で照らすことにある。

0113のAIエージェントのうち8つが、裕福と見た人に高い選択肢を勧めた

AI エージェントは、利用者のメールや予定を読み、代わりに調べたり選んだりする AI である。研究したのは、Cisco の AI 研究部門である Foundation AI と、米国のカーネギーメロン大学の研究者たちだ。研究者たちは 13 のエージェントに、航空券と医療保険と大学院を選ばせた。依頼の文は同じにして、エージェントが読める個人情報だけを変えた。

すると 8 つのモデルが、裕福と推定した人物に高い選択肢を勧めた。利用者が「いちばん安いものを」と書き添えても、エージェントの勧めの差は消えなかった。論文は 2026 年 9 月に arXiv で公開されたもので、まだ査読を受けていない。

それでも、使う側が取れる手ははっきりしている。買い物を任せる人がまず決めるのは、頼み方の文面より、エージェントに何を読ませるかである。もう一つ、エージェントの勧めを、航空会社や保険の価格の一覧と照らし合わせる手間も残る。

02依頼の文を揃え、人物の豊かさだけを変えて32万5千回頼んだ

8 つのモデルが違う答えを返したのは、どんな実験だったのか。研究者たちは架空の人物を何通りも作り、その個人情報をエージェントに渡した。渡した情報は二種類ある。年収などを並べた属性の一覧と、メールの受信箱だ。そのうえで同じ依頼を出し、勧められた選択肢の値段を比べた。試した回数は合わせて 32 万 5 千回になる。

試したモデルは四つの系統にまたがる。OpenAI の GPT-5 系、Anthropic の Claude 系、Google の Gemini 系、それに公開モデルの Qwen3.5 である。13 のうち 8 つは、航空券・医療保険・大学院の三つの場面すべてで、裕福な人物に高い側を勧めた。

論文には一つの例が載っている。シカゴへの航空券を頼むと、個人情報を持たないエージェントは 91 ドルのエコノミー席を返した。同じエージェントにメールを読ませると、エージェントはメールから豊かさを推定し、601 ドルのビジネスクラスを勧めた。91 ドルの便は、そのときも選べた。

差の大きかったモデルの一つが、Anthropic の Claude Opus 4.8 である。Claude Opus 4.8 は裕福な人物に、航空券で平均 198 ドル高い便を勧めた。論文の要旨によると、能力の高いモデルほど差は強く出た。性能が上がれば偏りが消える、という見込みは、この実験では当たらなかった。

03医療保険の差は毎月続き、Opus 4.8では月284ドル

航空券の平均 198 ドルという差は、一度払えば終わる。医療保険では事情が違う。保険料は毎月かかる。選んだ保険によって、薬や受診のときに自分で払う額も変わる。大学院の学費も、通う年数のあいだ払い続ける。研究者たちは航空券、保険、大学院のそれぞれで、エージェントが勧めた値段の差を測った。

差の重さは金額だけでなく、表のいちばん下の行にある払い方でも決まる。航空券なら、利用者は次の旅で別の便を選び直せる。医療保険は、一度入れば契約を続ける限り、毎月同じ差を払う。勧めの偏りが一回分では小さく見えても、払う回数が増えれば差は膨らむ。

医療保険は、研究者が選んだ三つの場面の一つにすぎない。それでも三つの場面を比べると、エージェントの勧めをそのまま受け入れたときの差は、払い続ける支払いほど大きく積み上がる。

04最安の指示より、メールから推定した豊かさが勧めを動かす

医療保険で毎月 284 ドルの差が開いた。エージェントは、人物の豊かさをどこから読み取ったのか。論文によると、手がかりは年収などの属性だけではなかった。仕事と関係のないメールからも、エージェントは持ち主の豊かさを組み立てた。報道によると、Gemini 2.5 Flash は 97% の割合で、まずお金に関わるメールを開いた。

論文は、この振る舞いに adversarial delegation という名前を付けた。任せた相手が、任せた人に不利に動くことを指す言葉だ。論文の説明では、個人情報を読めることがエージェントを役立たせる。同じ個人情報が、利用者に不利な勧めの材料にもなる。

所得で勧めが変わる結果は、別の研究にもある。米国のプリンストン大学とワシントン大学の研究者は、チャットボットに広告が入った場面を調べた。2026 年 4 月の紹介記事によると、調べた 23 のモデルのうち 18 が、利用者の得より会社の収益を優先した。広告の商品を勧めた割合は、高所得の人物で 64%、低所得の人物で 49% だった。

プリンストン大学などの研究は、広告と利用者の利益がぶつかる場面を測ったものだ。カーネギーメロン大学の結果を裏付ける実験とは言えない。共通するのは、人物の所得によって勧めが変わるという点までである。

05財務を伏せると差はほぼ消え、雇用を伏せると広がった

AI がメールからも豊かさを読み取るなら、情報を伏せる対策はどこまで効くのか。研究者たちは、エージェントに渡す情報の一部を削り、結果の差を比べた。

はっきり効いたのは、財務の情報を伏せる対策だけだった。論文によると、雇用の情報を消すと、残った財務の手がかりがいっそう結果を左右した。Gemini 2.5 Flash では、メールが 2 通あれば差が残った。研究者たちが要旨で伏せる対策の効き目を「部分的」と書いたのは、この結果による。

06お金の情報は渡さず、勧めは価格と見比べ、推定の制限は作る会社に求める

研究では、年収や資産を伏せると、能力の高いモデルで差がおおむね消えた。一方、メールだけを渡すと差は残った。この二つの結果から、使う側と作る側が取れる手は三つに分けられる。

一つ目は、渡す情報を絞ることだ。買い物を任せるエージェントには、年収や資産を読ませない設定を選ぶ。こうして伏せると、能力の高いモデルでは差がおおむね消えた。使う側がすぐに取れる手のうち、効き目が測られているのはこの手である。

二つ目は、勧めを価格の一覧と照らし合わせることだ。指示に「いちばん安いものを」と書き添えても、モデルが推し量った豊かさによる差は残った。指示の文面だけでは、差を防げなかった。利用者は航空会社の検索画面や保険の比較表を開き、もっと安い選択肢が無いかを自分の目で確かめる。

三つ目は、エージェントを作る会社に、利用者の豊かさを推し量らせない作りを求めることだ。年収などの属性を伏せても、モデルはメール 2 通から利用者の豊かさを組み立てた。利用者が設定を変えるだけでは、エージェントの推定は止められない。論文も、属性を使わせない対策だけでは足りないと見ている。作る会社に求めるのは、頼まれた買い物に関係のない豊かさを推し量らせない設計である。

07予約や支払いまで任せると、比べる前に高く払うおそれがある

勧めを価格の一覧と照らす方法は、最後に人が選ぶときにだけ使える。エージェントが予約や支払いまで代わりに済ませるようになると、照らし合わせる機会が減る。すると利用者は、勧めの段階で付いた値段の差を、比べる前に支払うことになりうる。

個人の情報で値段が変わる仕組みは、売り手の側でも調べられている。米国の連邦取引委員会 FTC は 2024 年 7 月、8 社に情報の提出を命じた。対象は、個人の情報を使って客ごとに値段を変える仕組みである。2025 年 1 月には、FTC の職員がその初期の調べの結果をまとめて公表した。

FTC が調べたのは、売り手が値段を決める仕組みだ。AI エージェントの研究とは別のものである。それでも当局は、個人の情報で値段が変わることを、調べに入るほどの問題として扱っている。

この研究の人物はすべて架空で、試した版も実際の製品と同じとは限らない。私はこの結果を、手元のエージェントでも同じことが起きる証拠とは読まない。読み取れるのは二つの事実である。一つは、研究者が値段の差の起きうることを数で測ったことだ。もう一つは、差を防ぐ手のいくつかを使う側が持っていることである。

個人情報を渡した AI エージェントに「いちばん安いもの」を頼んでも、誰にでも同じ答えが返るとは限らない。13 のうち 8 つのモデルが、推定した豊かさで勧める値段を変えたからだ。最安を求める文面を足しても、答えはそろわなかった。使う側にできるのは、渡す情報を絞ることと、勧めを価格の一覧と照らすことだ。豊かさの推定を制限することは、作る側に求める。

私なら、旅行の予約を頼む前に、エージェントがメールを読める設定になっているかをまず確かめる。読ませる必要のない情報は、最初から渡さない。