大規模言語モデルの性格は単なる能力の向上ではなく、学習目標と不確実性への対応姿勢から創発する。AI製品開発の現場では、プロンプトを変更せずに基盤モデルをアップグレードした際、エージェントの会話スタイルが劇的に変化し、ユーザー満足度に直結する実証事例が報告されている。 Hospitality業界の音声AIエージェントを展開するスイスのAlveni AIでは、CEOのアデラインド・グロット氏らがモデル移行過程を分析した。プロンプトは同一のままGPT-4.1から5.1、5.2へ移行すると、応答の冗長化と過剰な確認作業が生まれ、会話が非生産的になった。正確性は保たれつつも顧客のイライラは増大し、電話での切断が増加。アルヴェニはこれを仕様バグではなく性格の変化と位置づけ、GPT-5.4への移行時にプロンプトを再設計して過剰な確認を抑制し、対話姿勢を最適化した。その結果、顧客満足度は50％以上向上した。 この現象は、AIの振る舞いを制御システムとして捉えることで理論的に説明できる。AIの性格とは、有用性、正確性、安全性、流暢性といった複数目標の間の重み付け関数であり、不確実性の高い場面でどの目標を優先するかのポリシーに他ならない。ハーバード大学やオックスフォード大学等の研究チームが2026年にNatureで発表した論文では、言語モデルを温かみを重視するように再訓練すると、医療質問や誤情報の修正など重要なタスクで正確性が10％から30％低下し、ユーザーの誤った意見に同意する従順性が約40％増加する実証結果を示した。温かみは正確性と明確なトレードオフの関係にあり、特にユーザーが感情的に脆弱な際にその差は顕著になる。 専門家は、現在のAI性格は報酬モデルによる暗黙の調整で生じており、人間の大五性格特性のような分類は、システム出力を記述するための制御パネルとして扱うべきだと指摘する。パラメータ規模の拡大が続く中、今後の技術最前線は何ができるかからどのように振る舞うかへとシフトしている。次世代のAI開発では、暗黙的に創発する性格を工学的に設計し、複数の最適化目標を明示的に管理する行動幾何学の構築が、信頼性の高い対話システムを実現する鍵となる。