AIは真のリーダーシップを見抜けるか？
本稿では、ハーバード大学等の研究者らが発表したNBERワーキングペーパー「Measuring Human Leadership Skills with AI Agents」に基づき、AIエージェントを用いたリーダーシップスキル測定の可能性と、それが私たちの働き方や組織のあり方にどのような変革をもたらしうるのかを、研究内容とその考察を交えながら解説します。
Spotifyでわかりやすく音声配信：「らみのAIテックラジオ」
まえがき
現代社会において、組織の生産性や国家の繁栄を左右する重要な要素として「優れたリーダーシップ」が挙げられます 。しかし、個人のリーダーシップスキルを客観的に測定し、育成することは長年の課題でした。
従来の評価方法は主観が入りやすく、コストや手間もかかるため、より科学的で効率的なアプローチが求められています。本稿で紹介する研究は、AIエージェントを活用することで、この課題に新たな光を当てるものです。
AIが人間の複雑な社会的スキルをどこまで評価できるのか、その驚くべき結果と未来への展望を探ります。
研究の核心：AIはリーダーシップを測れるのか？
この研究の根幹をなす問いは、「LLMで作成されたAIエージェントは、チームにおける人間の相互作用を効果的にシミュレートできるか？」という点にあります 。具体的には、人間がAIエージェントからなるチームを率いて課題を解決する「AIリーダーシップテスト」の成績が、その人物が人間のみのチームを率いた際の実際のリーダーシップ能力（因果的影響）と、どの程度強く関連するのかを検証することを目的としています 。
もしAIエージェントが人間のフォロワーの代わりとして機能し、リーダーシップの質を測定できるのであれば、それはリーダーシップ研究や人材評価の方法に大きな変革をもたらす可能性があります。
従来、リーダーシップスキルを客観的に測定する試みは、多くの参加者を長期間にわたって追跡したり、複雑な実験計画を組んだりする必要があり、コストとロジスティクスの両面で大きな負担が伴いました 。AIを用いることで、これらの障壁を大幅に低減できるかもしれないという期待が、本研究の背景にはあります。
研究チームは、この問いに答えるため、大規模かつ事前登録された実験室実験を実施しました 。事前登録とは、研究計画や仮説をデータ収集前に公開することで、研究者のバイアスを排除し、結果の透明性と信頼性を高めるための手続きです。この厳密なアプローチにより、得られた知見の確からしさが担保されています。
リーダーを選び育てる行為は、企業経営やチーム開発において欠かせない要素です。しかし、これまでのリーダーシップ評価は「人柄」や「経験」など曖昧な観点に偏りがちでした。
今回紹介する研究では、人間チームと同様にAIエージェントを率いて成果を比較するという斬新な方法を用いて、リーダー個々の貢献を可視化しようと試みています。
研究の背景：リーダーシップの重要性と評価の難しさ
リーダーシップが企業業績やプロジェクト成功に与える影響は、多数の研究が裏付けています。過去数十年にわたり、経済学や経営学の文献では、リーダーの管理手腕が生産性やチームのモチベーションを大きく左右するとの報告が相次いできました。たとえば、個々の業務能率だけでなく、意思決定の迅速化や組織文化の形成にもリーダーシップの質が深く関係しています。
しかし、その「質」を客観的に測定する手法は意外なほど確立していませんでした。これまでは、たとえばリーダーシップ研修の受講歴や、上司や部下からの360度評価、あるいは単純な売上指標などが用いられることが多くありました。
それらの指標は確かに参考にはなるものの、「その人が本当にチームにどう影響を与えているか」を端的に示す指標としては必ずしも十分ではありません。さらに、評価を行う人数が増えれば増えるほど、高コストかつ主観的なバイアスが入りやすいという懸念も存在します。
そこで、近年ではより厳密なアプローチを志向する研究が登場し始めました。たとえば「リーダーが異なるチームを率いた際にどれほど成果に差異が生じるか」を、実験的に比較しようとする動きです。
ただし、この種の方法は実際には多大な人的リソースと時間を消費します。多人数をランダムに割り当て、繰り返しグループを構成し直す必要があるため、実験デザインの組み立てと実施には難易度の高い調整が求められるのです。
こうした課題を一挙に解決しうる可能性を秘めているのが、「AIエージェント」をリーダーの部下役とする実験方法です。本稿で取り上げるNBERのWorking Paper「Measuring Human Leadership Skills with AI Agents」（2025年4月公表）は、この手法の有用性を示した先駆的な研究と言えるでしょう。
研究概要：AIエージェントと人間チームを比較する実験デザイン
AIエージェントの導入動機
研究の着想は、「AIエージェントが人間のコミュニケーションパターンをある程度再現できるなら、そのエージェントを活用してリーダーシップを測定することが可能ではないか」という仮説に端を発しています。
具体的には、LLMの開発により、テキストチャットを通じて多様な応答を生成できるAIが登場してきました。これを組み合わせれば、「リーダー1人＋AIエージェント複数」という架空のチームをつくり、人間同士で行うのと類似のタスク遂行を試せるのではないか、と考えられたのです。
Hidden Profile課題の特徴
Hidden Profile課題は、グループ・ディスカッション研究において頻繁に使用される有名なパラダイムです。各メンバーが断片的な情報を所有し、その情報が共有されない限りチームとして正解にたどり着けない仕組みが組み込まれています。今回の研究では、さらに以下の工夫がされています。
リーダーとフォロワーの明確な役割分担
リーダーが最終決定を行い、フォロワーはリーダーからの質問に答える形で情報提供を行う。
確率的な回答が必要
必ずしも一つの正答だけを目指すのではなく、「AとBの可能性が50％ずつ」というように確率的な回答が適切となる場合も想定される。
問題の新規作成
研究時点でAIが事前に学習していないような新規問題を用意し、AIが既存知識からただ答えを“知っている”という状況にならないよう調整。
実験結果：AIリーダーシップテストが示す驚くほど高い相関
研究チームが注目したのは、「AIフォロワーを率いた際のリーダーのスコア（AIテストスコア）」と「人間フォロワーを率いた際のリーダーのスコア（グラウンドトゥルース）」との相関です。実験のサンプル数249名において、生データレベルでの相関係数はおよそ0.81という極めて高い値が示されました。
これは、単にハードスキル（タスク理解度や流動性知能など）を反映するだけでなく、ソフトスキル面も含めてAIテストが実際の対人リーダーシップ能力をよく捉えている可能性を示唆します。
さらに、リーダーが持つハードスキル（タイピング速度や知能テストスコアなど）を統制した上で算出した指標同士の相関も0.69にのぼりました。これは、コミュニケーション力やチームマネジメント力といったソフトスキルの面でもAIとのやり取りが人間チームへの貢献と密接に関連していることを示します。
リーダーがもたらす成果の大きさ
同研究では「1SD（標準偏差）分だけ優れたリーダー」がチーム成果をどれだけ押し上げるかも分析されています。たとえば、タスクスコアにして約0.65 SDほどの上昇が見られるとのことです。これは、優秀なリーダーによってチームの解答精度が大きく改善されることを意味します。
そしてAIエージェントを率いる場合でも同様の傾向が見られました。AIフォロワーを相手にしても、優秀なリーダー（+1SD）と凡庸なリーダー（平均）では成果に大きな差がつくのです。この一貫性が示唆するのは「どのような相手を率いるか」に関わらずリーダーの統率力というのはある程度普遍的な形で作用している、という可能性です。
スキル評価：年齢や学歴よりも「流動性知能」や「感情知覚能力」
次に、どのようなリーダー特性が成功をもたらすかという分析も行われました。結果として、下記のスキルが高いほどリーダーシップ評価も高い傾向を示しています。
流動性知能（Fluid IQ）
ロジカルシンキングや問題解決に長けた人物ほど、Hidden Profile課題でも情報を素早く統合して正解に迫りやすい。
感情知覚能力
チーム内での微妙なコミュニケーションを捉えやすい人物は、適切な問いかけを行い、意見をバランスよく拾う傾向がある。
経済的意思決定能力
リソース配分や確率的判断に強い人は、チームでの情報集約を合理的に行い正解に近づきやすい。
一方で、年齢・性別・人種・学歴などのデモグラフィック要因はリーダーシップパフォーマンスを有意には説明しませんでした。この点は、ビジネスや人材開発の現場で「漠然としたリーダーシップ像」を抱いている企業に対し、より客観的な評価手法を導入することの意義を示唆しています。
行動パターン：質問数とターンテイクが鍵
リーダーの行動ログを分析した結果、「問いかけの多さ」や「メンバーとの発言ターンのバランス」が成功に寄与していることがわかりました。単にリーダーが一方的に喋り続けるのではなく、要点を押さえた質問を行い、フォロワーに適切に話を振り、情報を収集・再確認する行動パターンが大切なようです。
AIフォロワーの場合でも、良いリーダーは的確なプロンプトや追加質問を行い、AIエージェントが持つ情報を引き出していることが、会話ログから確認されました。また、「私」よりも「私たち（we / us）」を使う人のほうが、チームスコアが高いという結果も得られています。これは、人間のチーム内コミュニケーション研究でも繰り返し確認されている現象で、チームの一体感を生み出しやすい言語表現がリーダーシップの一助となっていると考えられます。
ただし、ポジティブな感情表現（ポジティブワード）の頻度に関しては、人間チームでは有意に関連があるのに対し、AIチームではあまり相関が見られなかったとのことです。AIエージェントには感情がないので、感情面での働きかけが成果に結びつきにくい可能性があります。この点は、将来的に「感情的応答をシミュレートするAI」を導入すれば変わる余地があるでしょう。
考察：AIによるシミュレーションとリーダーシップ研究の展望
今回の研究成果から得られる示唆は多岐にわたりますが、特に注目されるポイントを挙げてみましょう。
リーダーシップ評価の低コスト化・高効率化
従来の人間チームを用いた実験は、フォロワー役の人件費や時間的調整が膨大でした。これをAIエージェントで置き換えることで、費用や労力が大幅に削減されるため、より多くの被験者を対象に大規模な実験を実施できる可能性が開けます。
対面・オンラインを問わない評価指標の統一化
物理的に一堂に集まらなくても、リーダー候補者がAIフォロワーと対話しタスクを進めるデザインはオンラインでも完結します。リモートワークが普及した社会情勢において、グローバルな人材育成にも応用しやすいでしょう。
ソフトスキル評価の可能性拡大
AIが相手でも「組織的コミュニケーション」や「意思決定のプロセス」をある程度観察・評価できることが示されました。人間相手のチームと高い相関を持つという点は、ソフトスキルを評価する新たなツールとして魅力的です。
現実の組織データとの照合
今回の実験はあくまでラボ環境での検証であり、実組織の中で同様の相関が再現されるかどうかは今後の課題です。ただし、既存のケーススタディや労働経済学の知見との整合性を探れば、実務界への橋渡しがさらに進む可能性があります。
応用例：企業の人材育成・組織開発へのインパクト
採用プロセスでの新たな指標
従来の採用面接では「リーダー候補者が在籍チームにどの程度貢献するか」を厳密には測定しづらい面がありました。AIフォロワーを活用した短時間のシミュレーションによって、評価者が観察困難なソフトスキルを可視化する方法が確立すれば、より客観的で公平な採用判断が可能になるでしょう。
リーダーシップ研修の成果測定
リーダーを対象とした研修やトレーニングプログラムの効果検証にも応用が期待されます。たとえば研修前後でAIエージェントを用いたチームタスクを複数回行い、リーダーシップスコアの向上度を定量的に測ることができます。人件費を抑えながら多くのリーダー候補者に反復テストを行えば、研修の真の効果検証がより手軽になるはずです。
組織変革やマネージャーの配置転換
大規模企業が数多くの拠点や部門にマネージャーを配置する際、各候補のリーダーシップレベルを迅速に測ることは難題です。実地研修や他部門への短期異動には多大なコストがかかります。一方、AIエージェントを用いたテストなら、各マネージャーが複数の仮想チームを率いるシナリオをシミュレーション可能です。そこから得られた指標を参考に、最適な人材配置をより合理的に判断できるかもしれません。
AIと人間の差異と課題：感情要素や高度な戦略性
先述のとおり、本研究では人間チームとAIチームの成果が高い相関を示す一方、全く同一の振る舞いが再現できているわけではありません。とくに感情面での交信において、人間フォロワーは「ポジティブワード」や「エンゲージメントの高さ」に敏感に反応し、それが成果にも好影響を与えている形跡がありました。
一方、現状のAIエージェントにはまだ感情的リアクションが限定的であり、リーダーがどれだけポジティブに呼びかけてもスコア向上にはあまり寄与しなかったようです。
また、強い人間フォロワーは「メタレベルの戦略アドバイス」をリーダーに与えることがあり、これがタスクの組み立てや時間管理に好影響を及ぼすケースが観察されました。現状のAIエージェントはユーザーの問いかけに従って情報提供するには長けているものの、自発的にタスクを再構成したり、リーダーに提案したりする点ではまだ限界があると考えられています。
このため、「AIを完全に人間の代役とみなせるか」という問いには依然として慎重な姿勢が必要です。ビジネス現場や学術研究の領域でも、AIエージェントを用いた実験手法はあくまで補助的役割として捉え、最終的には現場の実データとの突合や対人コミュニケーションでの検証が欠かせません。
多様なAIエージェントと外部検証の重要性
NBERのWorking Paperの結論においては、今後の課題として以下の点が強調されています。
AIエージェントの多様化
現在のLLMは比較的画一的な動作指針を持ちがちですが、将来的には、人間同様に個性や性格特性を再現したエージェントを大量にシミュレーションできる可能性があります。多様なフォロワー像を仮想的に作り出すことができれば、リーダーが直面する実環境により近いテストを構築できるでしょう。
現実組織データとの突合
ラボ実験で良好な相関が観察されたとしても、実務上の複雑な要因（たとえば組織文化、上下関係、評価制度など）を含む状況下でも同様の結果が再現されるかは未知数です。現場データとの擦り合わせによる外部妥当性の検証が肝要になります。
倫理・公正性の担保
AIによるリーダーシップ評価が広まる場合、バイアスが生じないよう注意を払う必要があります。もしAIエージェントの内部モデルに不適切な偏りがあると、特定のコミュニケーションスタイルのリーダーを過大あるいは過小評価してしまう恐れがあるため、評価設計の透明性や検証体制の整備が求められます。
AIテストが示すリーダーシップの深層的側面
AIリーダーシップテストは、単にリーダーのスキルを測定するだけでなく、リーダーシップの発揮や自己認識といった、より深層的な側面に関する洞察も与えてくれる可能性を秘めています。研究では、このAIテストがリーダーシップに関する既存の知見を再現できるか、また新たな発見につながるかについても検討されました 。
リーダーシップへの意欲と過剰な自信
実際にリーダーの役割を引き受けようとする意欲は、特にジェンダー平等の観点から実務上の関心事となっています 。本研究では、自己の能力を実際よりも高く評価する「過剰な自信」を持つ人ほど、リーダーになりたがる傾向があるかを検証しました。過剰な自信は、参加者自身のパフォーマンス評価と実際のパフォーマンスを比較することで測定されました 。
その結果、AIエージェントのチームを率いることへの意欲は、過剰な自信と正の相関を示しました。興味深いことに、これは人間チームを率いることへの意欲と過剰な自信との相関とほぼ同じ結果でした 。
つまり、AIリーダーシップテストは、人間社会で見られる「自信過剰な人ほどリーダーになりたがる」という心理的傾向を再現したのです。このことは、AIを用いた環境が、既存の社会科学的な現象をより効率的に研究するためのプラットフォームとして機能しうることを示唆しています。
自己評価の正確性とリーダーとしての貢献
さらに本研究では、リーダー自身のパフォーマンスに対する自己評価の「正確さ」と、そのリーダーがチームに与える実際の貢献度との関連性という、これまであまり光が当てられてこなかったテーマにも踏み込んでいます。このような関連性を調査することが困難だった一因は、リーダーの因果的な貢献度を正確に推定することの難しさにありました 。
驚くべきことに、「自己のパフォーマンスをより正確に評価できるリーダーほど、チームにより大きく貢献する」という関連性が、AIテストと人間による評価の両方で独立して見出されました 。研究者らは、この発見がAIの訓練データに存在した可能性は非常に低いと考えており、AIテストがリーダーシップに関する新たな知見の発見に貢献しうることを示唆しています 。
この「自己評価の正確性」と「リーダーとしての貢献度」の関連は、リーダーシップにおけるメタ認知能力（自己の強みや弱みを客観的に把握する能力）の重要性を示唆しています。
優れたリーダーは単にスキルが高いだけでなく、自身のスキルレベルを正確に認識しており、それによって自身の強みを最大限に活かし、弱点を効果的に管理しているのかもしれません。AIテストがこのような新しい仮説の生成や検証のツールとなり得るという事実は、社会科学研究におけるAIの新たな可能性を切り開くものです。
これらの結果は、AIリーダーシップテストが、確立された心理現象の再現だけでなく、リーダーシップに関する未知の側面を探求するための有望な手段となり得ることを示しています。
リーダーシップ測定を変えるAI活用の可能性
本研究が提示した最大のポイントは、「人間同士で行うリーダーシップ評価に匹敵するほどAIエージェントとの協働でも個人のリーダーシップ差を正確に捉えられる」という実証的エビデンスです。低コストかつオンライン完結が可能なAIテストは、今後、企業の人材育成やアカデミックなリーダーシップ研究の幅を広げる鍵となるかもしれません。
同時に、まだ未解決の課題も少なくありません。たとえば高い感情知覚が人間チームでは特に効果的だった事実から、AIエージェント相手だけでは拾いきれない「感情的コミュニケーションの巧みさ」などは依然として重要な評価項目であると言えるでしょう。
最終的には、AIテストと人間テストの両面で評価を行い、その相互結果を組み合わせることで、より包括的なリーダー像を描くアプローチが求められるはずです。
コストと効果、両方の観点からAIエージェントの活用が有効とされているのは明らかですが、最先端の学術論文が見せる成果を鵜呑みにするだけでなく、現場での小規模な導入・試験運用・検証という慎重なプロセスを経て普及させることが重要です。そうした取り組みによって、リーダーシップに関する研究の進展と実務への貢献がスパイラル的に高まっていくことが期待できます。
AIによるリーダーシップ評価の未来：可能性と乗り越えるべき壁
本研究は、AIを用いたリーダーシップスキル測定という革新的なアプローチの概念実証として、非常に有望な結果を示しました。AIテストと人間による評価との間に顕著な類似性が見られたことは、今後のリーダーシップ開発や人材マネジメントに大きな影響を与える可能性があります。しかし、その実用化に向けては、いくつかの限界点を認識し、乗り越えるべき課題も存在します。
AIリーダーシップ評価が拓く可能性
より公平で効果的なリーダー選抜
研究結果が示すように、リーダーの貢献度は人口統計学的要因とは強く関連していません 。しかし、現実の選抜プロセスでは、無意識のバイアスなどが影響し、多くの潜在的なリーダーが見過ごされている可能性があります 。
低コストで標準化されたAIリーダーシップ評価は、個人の実質的なスキルに基づいてリーダーを選抜することを可能にし、組織のパフォーマンス向上と社会的な公平性の両方に貢献する可能性があります 。これにより、多様なバックグラウンドを持つ優れたリーダーが発掘される道が開かれるかもしれません。
リーダーシップ研修の質の向上と普及
リーダーシップスキルの重要性は広く認識されているものの、多くのリーダーは正式な研修を受けておらず、既存の研修プログラムもその効果が厳密に評価されることは稀です 。
実用的で拡張性のあるAIリーダーシップ評価は、研修プログラムの効果を客観的に測定する手段を提供し、教育者がプログラムを改善することを可能にします。これにより、労働力全体のリーダーシップスキルの供給量が増加することが期待されます 。
リーダーシップ研究の効率化と民主化
AIテストは、リーダーシップやチームワークに関する仮説を検証する上での効率を大幅に向上させる可能性があります 。本研究で人間チームを用いた評価には参加者一人あたり114ドルの費用と2名の研究者による監督が必要だったのに対し、AIチームを用いた評価は一人あたり23ドルで自律的に実施できました 。
この大幅なコスト削減とロジスティクスの簡素化は、より多くの研究者がリーダーシップ研究に取り組むことを可能にし、この分野の発展を加速させるでしょう。
認識すべき限界と今後の課題
一方で、本研究のアプローチにはいくつかの限界点も存在します。
AIと人間の認知・行動の違い
AIテストと人間テストは顕著な類似性を示したものの、完全に同一ではありません。AIエージェントの認知や行動は、人間のそれとは異なります 。特に、感情の役割がAIリーダーシップテストでは低下しているように見える点は重要です。
リーダーのポジティブな感情表現の効果がAIチームで弱まったり、リーダーの感情認知能力とパフォーマンスとの関連がAIテストで若干弱かったりする結果がそれを示唆しています 。
人間の行動の多様性の再現
本研究で用いられたAIエージェントは、人間の行動の多様性を再現しようとはしていません 。実際の人間は、性格、経験、文化的背景などによって多様な反応を示します。
今後の研究では、人間の実験データを用いて、AIエージェントがより豊かで多様な人間の行動を反映できるようにカスタマイズすることが重要な方向性となるでしょう 。
実環境での妥当性検証
本研究は実験室環境での概念実証であり、次なる重要なステップは、このアプローチを実世界の状況におけるリーダーシップの成功と結びつけて外部的に検証することです 。AIテストの評価結果が、実際の職場でのリーダーとしてのパフォーマンスやチームの成果と関連するかどうかを確認することは、この手法の実用的な有用性を確立する上で不可欠です。
これらの限界点を認識しつつも、AIを活用したリーダーシップ測定は、労働市場でますます価値が高まっている「ソフトスキル」の測定と供給を改善するための有望な道筋を示していると言えるでしょう 。
あとがき
本研究は、AIが人間の複雑なスキルであるリーダーシップを客観的に測定し、理解するための一つの道筋を示しました。AIと人間のテスト結果の驚くべき類似性は、人材評価や育成、さらにはリーダーシップ研究そのものに新たな可能性をもたらします。
AIは人間を代替するのではなく、人間の潜在能力を最大限に引き出し、より効果的な組織や社会を構築するための強力な協調相手となり得るでしょう。この技術が、個々の能力が公正に評価され、誰もがその能力を最大限に発揮できる未来の実現に貢献することを期待します。