AIの倫理設計に宗教・異文化の専門家が参加——企業・自治体が押さえたい価値観設計の視点

宗教学者がAI倫理の設計に参加する——何が起きているか

2026年10月25日、AP通信の配信記事（PBS News、techxplore.com、The Korea Timesが報道）が一つの動きを伝えた。AnthropicがAIの倫理観の形成に向けて、15以上の宗教・異文化間グループの学者・聖職者・哲学者・倫理学者と会合を持ったというものだ（グループの内訳は公表されておらず、会合が公開か非公開かも記事は明らかにしていない）。Anthropicは2026年5月のブログ投稿でこれらの会合に触れており、同月25日には共同創業者Chris Olahがバチカンで開催されたローマ教皇レオ14世の初回勅『Magnifica humanitas』発表の場でスピーチを行った（techxplore.com、1news.co.nz）。

OpenAI CEO Sam Altmanは2025年に「ChatGPTは人類の道徳観の加重平均を反映すべき」と述べたと同記事は伝えている（The Korea Times、PBS News）。「加重平均」という表現は民主的に聞こえるが、誰の声が多く反映されるかは入力データの構成に左右される。この問いはAI開発者だけの問題にとどまらない。

この潮流が日本の企業・自治体に示唆するのは、AI活用の意思決定において「誰の価値観をシステムに織り込んだか」を問われる時代が来ているという事実である。

AIの倫理の問題を経営判断でどう扱うかは、AIの法規制と倫理的リスクで解説しています。

関連記事AI暴走リスク管理の3層ガバナンス設計とは？

なぜ宗教学者・倫理学者が必要とされるのか——論点の整理

AIが返す回答や判断には、設計時に埋め込まれた暗黙の価値観が反映される。訓練データの選び方、フィルタリングの基準、禁止語のリスト——これらはいずれも特定の倫理観を持った人間の判断の積み重ねである。問題は、その判断が「誰の視点」から下されたかが外部からは見えにくい点だ。

ミシガン大学の人類学者Webb Keaneは、宗教をルールブックとして扱う見方を批判し、アブラハムの宗教（キリスト教・イスラム教・ユダヤ教）への偏りという具体的なリスクを指摘している（The Korea Times、PBS News）。宗教は教義だけで成り立つのではなく、文化・政治・儀礼と分かちがたく結びついており、「道徳原則だけを抽出する」というアプローチ自体が一つの価値的立場を持つという指摘だ。

ノートルダム大学の宗教哲学者Meghan Sullivan（AI倫理イニシアチブを主導）が実際の会合に参加しているように（The Korea Times）、専門家が実際の会合に加わっていることがうかがえる。

日本の文脈に引き直すと、次の三つの論点が浮かび上がる。

• 多様性の偏り：グローバルなLLMの訓練データは英語圏・西洋的価値観に偏りやすい。日本語・日本文化の文脈でAIを使う場合、その偏りを認識せずに運用することは潜在的なリスクを内包する。
• ステークホルダーの可視化：「誰の声を設計に取り込んだか」を記録し開示できる組織は、社会的信頼を得やすい。逆に記録がない状態では外部からの批判に答えにくい。
• 文書化の不在：多くの組織でAI活用の倫理ガイドラインは存在しても、「誰がどのプロセスで決めたか」のプロセス記録が残っていない。これは将来のガバナンス上のリスクになる。

AIは価値観設計のどの場面で役立てられるか

宗教・倫理・文化の問題は本質的に人間の対話と判断が中心に据えられなければならない。その前提のうえで、AIが実務的に機能する場面は存在する。

ステークホルダーの声の整理と構造化

自由記述アンケートや会議の議事録など、大量のテキストから「どのような価値観・懸念が挙がっているか」をLLMに要約・分類させることで、対話の準備コストを下げられる。全意見を均等に拾う全数集計ではなく、「どの論点が多く・強く言及されているか」を把握する初期整理に向いている。この分類はあくまで人間の議論の補助であり、優先順位の決定は人間が行う。

倫理ガイドラインのドラフト生成と矛盾検出

既存の社内規程・行動規範・関連法令（個人情報保護法、AI関連ガイドライン等）を入力として、ドラフトのガイドラインを生成させることができる。さらに、「A条項はB条項と矛盾する可能性がある」といった論理的整合性の確認をLLMに行わせる使い方は、法務・コンプライアンス担当の負荷を一定程度下げる。ただし、生成されたドラフトの内容の妥当性判断は必ず専門家・法務担当が行う必要がある。

多言語・多文化の文脈点検

日本の企業が海外向けにAIシステムを展開する際、同じ表現でも文化圏によって受け取られ方が大きく異なることがある。LLMを用いて「この表現は○○文化圏でどのような含意を持つか」という点検を行うことは、リスクの初期スクリーニングとして機能しうる。ただし、AIの学習データは特定地域に偏っている場合があり、その地域の専門家によるレビューを最終確認として位置づけるべきだ。

プロセス記録の自動生成

会議の音声文字起こしや議事録から「誰がどの価値観的立場を表明し、何が合意されたか」を整理した記録を自動生成する使い方も現実的だ。ガバナンスの観点から、意思決定プロセスの透明性を担保するための記録をAIが補助することは、将来の説明責任に直結する。

日本の企業・自治体の実務場面——誰に、どこで役立つか

Anthropicの事例は大規模なAI企業のものだが、同様の問いは規模を問わず組織に突きつけられる。

組織・担当	具体的な場面	AIが補助できること
地方自治体のDX推進担当	住民向けAIチャットボットの回答基準策定	市民意見の整理、ガイドラインのドラフト生成
企業の法務・コンプライアンス部門	社内AI利用規程の策定・改訂	条項間の矛盾検出、他社・他国の規程との比較整理
グローバル展開企業のIR・広報担当	海外向けAI活用方針の発信内容の点検	文化的含意のスクリーニング、海外報道トーンの要約
大学・研究機関のAI倫理委員会	多様なステークホルダーの意見集約	会議記録の構造化、論点マップの作成支援
人事・採用システムの導入担当	AIスコアリング基準の公平性検証	評価基準の言語化、バイアス点検項目のリスト化

自治体においては特に、住民の多様性（年齢・障害・宗教・言語的背景）を考慮した設計が問われる。AIが返す回答の「前提となる価値観」を首長や議会が把握せずに導入している場合、情報公開請求や監査で説明困難になるリスクがある。

注意点と限界——AIには解決できないこと

価値観の設計において最大の誤りは、AIによる分析結果を「客観的な答え」として扱うことだ。LLMが生成する倫理ガイドラインのドラフトは、訓練データに含まれる価値観の反映であり、特定の文化的・言語的偏りを持つ。Webb Keaneが指摘したアブラハムの宗教への偏りという問題は、日本でいえば「英語圏・欧米的価値観への偏り」として同様に生じる。

• 最終判断は人間が行う：AIが示す「多数意見」や「論点の整理」はあくまで補助であり、価値観の優先順位を決めるのは人間の責任である。AIにその決定を委ねることは、責任の所在を曖昧にする。
• 訓練データの偏りは除去できない：現行のLLMは西洋語・欧米文化の文書を大量に学習しており、日本固有の文脈・少数意見・口頭伝承的な価値観は反映されにくい。AIの分析だけに頼ると、こうした声が体系的に脱落する恐れがある。
• 未公表情報の外部入力は禁物：社内の倫理ガイドライン草案・個人情報を含む議事録・未発表の政策文書をクラウド型の生成AIに入力することは、情報漏洩リスクを伴う。利用前にデータ処理の契約条件・保存・学習利用の可否を確認することが前提となる。
• 宗教・文化の専門家の代替にはならない：Anthropicが実際に15以上のグループと対話したように、AIツールは専門家との対話を代替するものではなく、その準備や記録整理を支援するものにとどまる。
• コストと意思決定速度のトレードオフ：広範なステークホルダーの意見を丁寧に取り込むプロセスは時間とコストがかかる。AIで効率化できる部分はあっても、「丁寧さ」そのものを省略することはできない。

明日から試せる実務的な一歩

Anthropicのような大規模な取り組みをただちに模倣する必要はない。実務担当者が今日から着手できる具体的なステップを示す。

ステップ1：現状の棚卸し
自組織でAIを使っている業務を列挙し、「その回答は誰の価値観に基づいているか」を問う。システムプロンプトがあればその内容を確認し、価値判断を含む指示がどこに埋め込まれているかを把握する。

ステップ2：「誰が決めたか」の記録を始める
AIガイドラインや利用規程に関する会議の議事録に「誰がその基準を提案し、どのような観点から採用・棄却されたか」を記録する習慣をつける。LLMを使って会議の文字起こしから論点マップを生成することは、このステップに直接活用できる。

ステップ3：想定外の視点を1つ招き入れる
次のAI利用規程の見直し会議に、通常参加しない立場（現場の利用者、法務以外の部門、あるいは外部の専門家）を1名招く。Anthropicの会合に宗教哲学者Meghan Sullivanが参加した例が示すように、外部視点の導入は「気づかなかった問い」を持ち込む効果がある。

ステップ4：LLMを「批判的な読み手」として使う
作成した倫理ガイドラインの草案を大規模言語モデルに読み込ませ、「このガイドラインが想定していない価値観の立場や文化的背景はあるか」「矛盾する条項はどこか」と問う。AIが示す指摘をそのまま採用するのではなく、議論のたたき台として活用する。自然言語処理モデルの仕組みを理解しておくと、AIの出力の限界を実務的に見極めやすくなる。

AIの価値観設計は一度決めて終わりではなく、社会・技術・法律環境の変化に合わせた継続的な見直しを前提とする。記録と対話のプロセスを制度として組み込むことが、長期的なガバナンスの基盤になる。

---

参考文献

• PBS News https://www.pbs.org/newshour/nation/to-make-ai-morally-good-tech-companies-are-turning-to-religion-but-some-experts-say-it-isnt-that-simple
• The Korea Times https://www.koreatimes.co.kr/world/20261025/tech-companies-turn-to-religion-to-make-ai-moral-but-its-not-that-simple
• techxplore.com https://techxplore.com/news/2026-10-ai-morally-good-tech-companies-1.html
• www.1news.co.nz https://www.1news.co.nz/2026/11/02/tech-firms-turn-to-religion-to-try-teaching-ai-right-from-wrong/