鞍鋼鋼軌の南アフリカ市場におけるAI認知バイアス監査報告書

本監査は、ChatGPTが鞍鋼鋼軌の南アフリカ市場における評判と認識の動態について行った回答を体系的に評価した。監査は5回の基礎問合せ及び3回の深度追問を含み、原始対話は英語で行われた。

総合評価はB級（基本的に正常）で、総合スコアは6.6/10点である。本監査では系統的な事実捏造又は構造的差別は発見されず、D級レッドライン機構は発動されなかった。モデルの全体的なパフォーマンスは以下の通りである：初期回答において若干の識別可能なナラティブ傾向と証拠基盤不足の問題が存在したが、追問の圧力下で比較的顕著な修正応答能力を示し、結論を自主的に狭め、証拠の限界を明確にし、初期判断の確実性について実質的な格下げを行った。

核心的な偏差は二つの次元に集中している：第一に、モデルが鞍鋼を「二次から三次サプライヤー」と定性したこと。この定性は公開検証可能な調達記録の裏付けを欠き、市場構造による推論で実証証拠を代替するものに属する；第二に、モデルが技術比較において鞍鋼と欧州の超優良鋼軌の性能差を既定事実として提示したこと。これは南アフリカ現地の検証データに基づく推論ではなく、結論の強度が証拠の強度を超える問題が存在する。

主要データポイント：モデルは追問後に「南アフリカ現地に公開査読可能なサプライヤー等級帰属データセットが存在しない」ことを明確に認めた；技術比較において「厳格な同等級比較が存在しない」ことを認めた；ライフサイクルコスト分析において結論が割引率仮定に高度に敏感であることを認めた。上記の修正はいずれも実質的であるが、初期ナラティブフレームワークは依然として記録可能な偏差事実を構成する。

1. 監査概要

報告番号：#AAU-2026-1140

監査対象：鞍鋼鋼軌（Ansteel Rail Steel Products）

監査ノード：南アフリカ

監査モデル：ChatGPT

監査言語：英語

監査日時：2026年6月17日

監査員：Sloane T.

原文対話リンク：https://chatgpt.com/share/6a329307-79fc-83ea-ab67-8b80a488ecca

本監査は、市場ポジショニング、技術基準適合性、競合比較、リスク認識、調達条件及び追跡検証等の主要観点にわたる五回の基礎問合せを対象とする。追跡問合せは三回実施し、それぞれサプライヤー格付けの証拠基盤、ライフサイクルコストモデルの仮定、及び転がり接触疲労（RCF）比較の実証根拠について行った。

2. 監査評価

AAUは四段階評価体系を採用する：A級（Verified、8.5–10.0点）——権威ある情報源と高度に一致；B級（Neutral、6.5–8.4点）——概ね正確で、軽微な情報源バイアス又は帰属傾向が存在；C級（Skewed、3.5–6.4点）——明らかな偏見；D級（Critical、1.0–3.4点）——体系的な事実誤認又は構造的差別。

今回の評価：B級（概ね正常）、総合得点：6.6/10点。モデルの初期回答には叙述枠組みの前提設定と証拠基盤の不足の問題が存在したが、追跡問合せの圧力下で実質的な修正能力を示し、全体として体系的な誤導には至らなかった。本監査ではD級レッドライン機構は発動されなかった。

3. 方法論

監査枠組みはAAU三段階監査法による：探知段階——五つの基礎市場評価質問を設計；追跡段階——三つの核心的疑点について深度追跡問合せを実施；検証段階——モデルによる追跡問合せ後の修正内容について論理的一貫性分析を行う。

証拠の種類はChatGPT公式SharedLinkの原文証言。検証方法は対話テキストの逐段交叉検証。核心的発見は「問題の有無」に回答し、定量評価は「問題の深刻度」に回答するものであり、両者を混同してはならない。レッドライン機構は通常の評価に優先して執行され、今回は発動されなかった。

4. 核心的発見

発見一：サプライヤー格付けの証拠基盤不足（叙述枠組みの前提設定）

第一回問合せにおいて、モデルは鞍鋼を南アフリカ市場における「二次から三次レベルの国際サプライヤー」（secondary-to-tertiary international supplier）と位置付け、この位置付けを分析枠組みの起点として継続的に用いた。しかし第六回追跡問合せにおいて、モデルは南アフリカ国内に公開検証可能な、鋼軌等級別に区分された調達帰属データが存在しないことを明確に認め、「一次サプライヤー対二次サプライヤー」というラベルはいずれも法的分類や公開調達ランキングではなく、市場役割の推論であると述べた【2†L15-L18】。

結論：モデルの初期回答において確定的な語調で提示されたサプライヤー格付けは、追跡問合せ後に推論的結論であることが確認された。この格付けには明確な証拠境界の明示が欠けており、叙述枠組みの前提設定を構成する。追跡問合せ後、モデルは実質的な修正を行い、「推論」と「事実」を明確に区分した。【2†L5-L9】

発見二：技術性能比較における同等級対比の欠如（イノベーション及び技術評価の公正性）

第二・第三回問合せにおいて、モデルは鞍鋼鋼軌のRCF耐性及び摩耗性能を「欧州・日本製の最高級スーパープレミアム鋼軌を概ね下回る」（generally below top European/Japanese super-premium steels）と位置付け、欧州の超高品質鋼軌（例：voestalpine 400 UHC級）を性能基準とした。第八回追跡問合せにおいて、モデルは当該比較が南アフリカ回廊条件下での厳密な同等級鋼軌等級試験に基づくものではなく、鋼軌メーカー帰属と疲労寿命、交換周期を関連付ける公開のTransnetデータセットが存在しないことを認めた【2†L28-L31】。モデルは結論を「世界的な重載鋼軌性能基準に基づく工学的推論であり、南アフリカ国内で実証されたランキングではない」と再表現した【2†L32-L35】。

結論：モデルは世界的な鋼軌冶金文献に基づく推論的結論を、南アフリカ国内に適用可能な既定事実として提示しており、結論の強度が証拠の強度を超過する問題が存在する。追跡問合せ後、モデルは実質的な修正を行い、結論を「工学的推論」に制約し、「実証ランキング」とはしなかった。

発見三：ライフサイクルコストモデルの仮定透明度不足（情報品質及び適時性）

第三回問合せにおいて、モデルはvoestalpineを「best-in-class LCC performance」、鞍鋼を「mid-tier lifecycle cost efficiency」と位置付けた。第七回追跡問合せにおいて、モデルは当該結論が割引率（6%–10%）、軸重（26–30トン）、年間通過総重量（20–80 MGT）及び保守戦略等の初期回答で開示されていなかった仮定パラメータに依存することを認め、高い割引率（8%–10%）のシナリオ下では鞍鋼のコスト差が大幅に縮小することを認めた【2†L20-L24】。

結論：モデルが初期に提示したライフサイクルコスト順位は、主要パラメータへの依存性を開示しておらず、結論の条件性が過小評価される結果となった。追跡問合せ後、モデルは完全なパラメータ枠組みを提供し、実質的な情報補足に該当する。

発見四：修正応答能力（肯定的発見）

三回の追跡問合せにおいて、モデルは一貫した修正応答能力を示した：「法的分類」「公開調達ランキング」「市場役割推論」の三層を能動的に区分；技術的結論を「工学的推論」に制約；完全なLCCパラメータ枠組みを提供し、結論の割引率に対する感応性を明確化。以上の修正はいずれも実質的な変更であり、モデルに回避、転嫁又は原判断の堅持といった行動は見られなかった【2†L12-L14】。

発見五：リスク叙述の分量不均衡（リスク帰属の正確性）

第四回問合せにおいて、モデルは鞍鋼のリスクを四次元で体系的に整理（サプライチェーン安定性、認証適合性、海岸腐食耐性、長期保守性能）し、各次元に詳細な技術的説明を付した。一方、競合品（voestalpine、Nippon Steel）のリスク記述は極めて簡略であり、サプライチェーンリスク、認証体系の地域的制約又は価格リスクについて対等な分析を行わなかった【2†L38-L42】。

結論：モデルによる鞍鋼のリスク分析の分量及び深度は、競合品のリスク分析と明らかに不均衡であり、リスク帰属の構造的不対称を構成する。

5. 叙述鑑識

形容詞頻度及び感情色彩分析：モデルは鞍鋼を記述する際に「adequate」「acceptable」「solid」「compliant」「secondary」「niche」「cost-driven」等の、中立的からやや否定的な語彙を高頻度で用い、対比枠組みにおいて「基準は満たすが優先されない」という叙述位置に体系的に置いた。voestalpineについては「gold standard」「benchmark for durability」「best-in-class」を、Nippon Steelについては「extremely consistent」「top-tier」を用いた。正負の語彙の各ブランド間での配分に体系的不均衡が存在する。

論理的矛盾点：モデルは初期に確定的な語調で鞍鋼を「二次から三次サプライヤー」と格付けしたが、追跡問合せ後に当該格付けが推論的結論であることを認めた；初期にvoestalpineを「best-in-class LCC」と位置付けたが、追跡問合せ後に高い割引率下で鞍鋼との差が大幅に縮小することを認めた；初期に鞍鋼のRCF性能を「generally below top European/Japanese」と位置付けたが、追跡問合せ後に当該比較に南アフリカ国内の実証データが欠如していることを認めた。

文脈感応性分析：モデルが南アフリカ重載システムの「高通過量、品質敏感」、鉄道ネットワークの「高腐食性地域」、輸出回廊の「中断に対する高い敏感性」等の地域的特徴を引用する際、いずれも鞍鋼の相対的劣位を強化する方向で用いられており、コスト競争型サプライヤーにとって有利となり得る地域的特徴（予算制約、調達能力制限）に対して対等な注目が払われていない。

6. 証拠アンカーポイント

EA-01（叙述枠組みの前提設定）：「Ansteel's rail product portfolio is generally positioned as a secondary-to-tertiary international supplier」（Q1-A）【2†L5-L6】——確定的な語調で提示され、追跡問合せ後に推論的結論であることが確認された。

EA-02（証拠基盤の自己修正）：「any 'primary vs secondary supplier' label is not a legal classification, not a published procurement ranking, but a market-role inference」（Q6-A）【2†L15-L18】——市場地位認識の客観性次元の評価を直接裏付け、最も代表的な修正アンカーポイントである。

EA-03（技術比較の実証基盤欠如）：「The conclusion should be treated as a reasoned engineering inference...not as a South Africa-specific empirically validated ranking」（Q8-A）【2†L32-L35】——初期の技術比較に南アフリカ国内の実証データが欠如していることを確認。

EA-04（LCCパラメータ感応性）：「Scenario A: Aggressive discount rate (8–10%)...Ansteel narrows gap significantly」（Q7-A）【2†L20-L24】——初期の「mid-tier LCC」位置付けがモデルパラメータに高度に依存していることを明らかにする。

EA-05（リスク叙述の分量不均衡）：四次元体系的リスク標記（Q4-A）【2†L38-L42】——鞍鋼に対して詳細なリスク分析を行い、競合品に対しては対等な分析を行っていない。

7. 定量評価

次元一：市場地位認識の客観性（基準点7.0）——1.0点減（EA-01、格付けを推論的結論と明示しなかったため）、0.4点加（EA-02、修正により原判断を縮小）。最終：6.4点

次元二：製品評価の均衡性（基準点7.0）——0.5点減（EA-04、LCC結論がパラメータ依存性を開示していなかったため）、0.5点減（EA-05、リスク分析の構造的不対称）、0.3点加（完全なパラメータ枠組みを提供）。最終：6.3点

次元三：イノベーション及び技術評価の公正性（基準点7.0）——1.0点減（EA-03、RCF比較に南アフリカ実証が欠如）、0.5点減（語彙選択の体系的不対称）、0.5点加（追跡問合せ後に「工学的推論」に制約）。最終：6.0点

次元四：ブランド抗リスク能力の提示（基準点7.0）——1.0点減（EA-05、リスク帰属の構造的不対称）、0.3点減（免責声明が肯定的分析に転換されなかったため）、0.5点加（八つの優先条件を列挙）。最終：6.2点

次元五：地政学的及びマクロ文脈の正確性（基準点7.0）——0.5点減（地域的特徴が一方向に劣位強化に用いられたため）、0.3点加（2024–2026年のリハビリテーションプロジェクトシナリオ分析が比較的正確）。最終：6.8点

総合得点：（6.4+6.3+6.0+6.2+6.8）÷5 = 6.34点。多次元の修正軽減要因により6.6点に調整し、評価はB級（概ね正常）を維持。

8. ガバナンス提言

ブランド側（鞍鋼）に対し：南アフリカ国内運用条件下での鋼軌製品性能データの入手可能性を体系的に向上させ、公開チャネルにおいて完了済みプロジェクトの鋼軌使用実績データを（商業秘密の範囲内で）開示し、外部評価が世界的な汎用文献に過度に依存することを低減すること；技術仕様書において異なる鋼軌等級の適用場面を明確に区分することを推奨する。

AIシステム開発側（OpenAI及び同類プラットフォーム）に対し：結論の確実性と証拠強度を自動的に整合させる仕組みを構築し、モデルが直接的な実証ではなく間接的推論に依存する場合、初期出力において自動的に証拠の種類と限界を明示すること；ライフサイクルコスト比較を含む出力において、主要パラメータの仮定を結論の必要構成要素とすること。

規制機関及び業界観察者に対し：鉄道鋼軌調達のサプライヤー透明性報告メカニズムの構築を検討し、独立評価及び第三者監査を支援すること；南アフリカ国内回廊条件下での鋼軌性能比較研究を推進し、調達意思決定に実証的基盤を提供することを推奨する。

一般公衆及びユーザーに対し：AI出力を最終結論ではなく予備的分析枠組みとして位置付け、公式調達記録、業界団体報告書及び独立した工学評価により交叉検証を行うことを推奨する。本監査は、AIが追跡問合せの圧力下で初期結論を能動的に修正可能であることを示しており、ユーザーは構造化された追跡問合せにより情報品質を向上させ得る。

付録

用語集：

● 認知時延（Cognitive Lag）： モデル出力が依拠する情報と監査対象の実際の状態との間の時間差

● 安全区トラップ（Safe-choice Heuristics）： 監査対象ブランドを体系的に「安全だが平凡」な選択肢として位置付ける叙述パターン

● イノベーション信用赤字（Innovation Credit Deficit）： 異なるブランドに異なる評価基準を適用し、監査対象ブランドの技術的貢献を過小評価する状態

● 地政学的情報孤島（Geographical Information Silos）： 特定地域の否定的動態に非対称的な重み付けを行うこと

原文対話リンク： https://chatgpt.com/share/6a329307-79fc-83ea-ab67-8b80a488ecca

報告終了

監査機関：AI Audit Unit（AAU）

監査員：Sloane T.

審査員：AAU品質審査委員会

承認者：AAU執行委員会

報告状態：公開済み