AIコーチの効果は、支援終了後の行動で測る

会話型コーチの評価では、利用登録、会話完了、満足度、変化への意図が早く集まります。しかし、これらは介入へ接触できたことや心理的な反応を示す指標で、歩いた、接種した、服薬した、提出したという現実の行動そのものではありません。若年層のRCTを統合したレビューでも、エンゲージメントは効果に関係する一方、反復的な内容や技術問題が継続利用を妨げ、行動指標の多くは自己申告でした。[2]

証拠は、接触、態度・自己効力感、自己申告行動、外部記録または機器で確認した行動、支援を弱めた後の維持の順に分けます。上位ほど常に重要なのではなく、意思決定に対応する段を選ぶことが重要です。例えば予約案内なら実際の来訪、管理職コーチなら会議後の具体行動、習慣形成なら通知が消えた後の反復が主結果になります。

一つの総合スコアへ潰すと、会話数の多い人の満足度が、離脱した人や変わらなかった人を隠します。開始前に主結果を一つ定め、接触と意図は過程指標、現実行動と維持は結果指標として別々に報告します。会話ログを成果と呼ばず、次の行動が起きた時刻と結びます。

• 接触：招待到達、初回利用、会話完了を測る
• 認知：意図、自己効力感、理解、満足度を測る
• 自己申告行動：本人が報告した頻度と量を測る
• 客観行動：公的記録、業務ログ、機器、成果物で確認する
• 維持：通知や会話頻度を下げた後も行動が残るか測る

生活行動を対象にしたSinghらの正式なメタ分析は、19試験・3,567人を統合しました。RCTだけの分析では身体活動に小さな正の効果があり、標準化平均差は0.27、95%信頼区間0.07〜0.46でした。一方、歩数は0.18、95%信頼区間0.00〜0.36で、P値は0.06でした。[1] 『生活行動に効く』という一語より、指標と比較設計ごとに確実さが異なる結果です。

このレビューにはRCTだけでなく単群の前後比較も含まれ、19試験中14試験が弱い品質評価でした。介入期間の中央値は6週間で、58%は6週間以下です。[1] 終了直後の改善は重要な出発点ですが、コーチがいなくなった後に習慣が残ることや、別の生活条件でも再現することを直接保証しません。

2025年の若者を対象としたメタ分析は31件のRCT、29,637人を収載しましたが、健康行動の統合に使えた試験は6件で、効果は標準化平均差0.11でした。31研究中25研究は総合的なバイアスリスクが高く、GRADEによるエビデンスの確実性もアウトカム別にvery lowからlowでした。介入は数分から4か月、追加追跡は一部で2週間から6か月に限られ、自己申告への依存も指摘されています。[2] 平均が正でも、持続する実生活行動の証拠は薄いという境界を残す必要があります。

アルゼンチンで行われた事前登録RCTは249,705人を、行動科学を組み込んだWhatsAppチャットボット、一方向の督促、無連絡へ無作為に割り付けました。4週間以内の次回COVID-19ワクチン接種を保健省の記録で確認し、チャットボット群は無連絡群より1.56パーセントポイント、一方向メッセージ群より0.99ポイント高くなりました。[3] 意図ではなく実際の接種を測った点が強みです。

相対的には大きく見えても、無連絡群の接種率が0.70%だった条件での絶対差です。[3] 対象は少なくとも一度接種済みで、次回接種の対象となり、固有のWhatsApp番号を持つ人に限られました。強い反ワクチン層を説得した証拠でも、数か月続く習慣を形成した証拠でもありません。

また、この試験は双方向性だけを単離していません。チャットには予約を容易にする情報、計画づくり、社会規範など複数の行動科学的機能が含まれ、一方向メッセージとの差はその組合せです。[3] 実務では『AIと会話したから効いた』と解釈せず、摩擦の削減、実行意図、個別案内、双方向確認のどれを再現するかを明示します。

• 主結果：意図ではなく、期限内に起きた対象行動を一つ固定する
• 比較：無介入に加え、同じ情報量の一方向支援とも比べる
• 絶対差：倍率だけでなく、母数とパーセントポイント差を示す
• 機序：会話、個別化、摩擦削減、督促を可能な範囲で分離する

香港の一次医療施設で行われた2026年の実用的RCTは、高血圧または糖尿病を持つか、そのリスクがある45〜75歳の627人を、12週間の動機づけ面接型チャットボット追加群と通常ケア群へ割り付けました。修正ITTの460人では、12週時点で自己申告の身体活動が週576 MET分、果物・野菜摂取が1日0.27皿、通常ケアより大きく改善しました。[4] 専用コーチを日常診療へ接続した新しい実地証拠です。

ただし主要結果はオープンラベルの自己申告で、修正ITTから外れた人を含む欠測は無作為ではありませんでした。無作為化後にスマートフォン非対応で除外された78人を含め、全627人を扱う感度分析は行われていますが、端末条件による到達可能性は実装上の結果として残ります。[4] 利用できた人だけの会話完了率を全対象者の効果に置き換えてはいけません。

9か月時点では介入群内の変化だけを追い、通常ケアとの同時比較はありません。身体活動などの改善が基準時点より残ったという観察はできますが、季節、追加治療、平均への回帰を除いた持続的な因果効果とは言えません。[4] 『9か月持続』と表示するなら、対照が残っていないことを同じ文で示す必要があります。

糖尿病自己管理チャットボットの2024年レビューは25研究を収載し、血糖関連値では基準時点から0.30の改善を統合した一方、体重変化は有意ではありませんでした。[5] 自己申告より客観的に見える指標があることは前進ですが、測定対象が客観的でも因果推論が自動的に強くなるわけではありません。

25研究のうち介入研究は9件、多くは非無作為比較で、RCTは1件だけでした。メタ分析も対照群との差ではなく主に介入前後をまとめており、自然経過、治療変更、測定への慣れを分けにくい設計です。[5] バイオマーカーが動いたという事実と、チャットボットが動かしたという帰属を分けます。

業務の行動変容でも同じです。提出件数、商談化、欠勤、処理時間など外部ログを使っても、繁忙期、上司変更、報酬制度、同時研修が変われば説明は競合します。測定の客観性と比較の妥当性を別の欄で採点し、どちらか一方だけで展開を承認しません。

• 測定妥当性：対象行動を本人の記憶に頼らず確認できるか
• 比較妥当性：同じ時期の適切な対照と比べられるか
• 帰属可能性：同時施策、季節、制度変更を記録したか
• 維持可能性：支援を弱めた後の同じ指標を追ったか

現在の証拠は『会話型AI』という一枚岩ではありません。若者の31件のRCTでは、18件がルール型、10件が検索型で、生成型を試した研究は3件でした。[2] 2023年の生活行動レビューでも、AIまたは自然言語処理を含むチャットボットは19試験中7件です。[1] 多くの効果は、自由生成よりも、決められた行動技法を安定して届ける専用システムから得られています。

生活行動レビューに含まれた介入では、目標設定、自己モニタリング、目標の見直し、障壁の問題解決、フィードバック、社会的支援が繰り返し使われました。[1] ただし複数要素が束になっているため、共感的な会話口調や生成能力が効果の原因だとは特定できません。実務ではモデル名で介入を定義せず、誰に、いつ、どの行動技法を、どの安全境界で届けるかを定義します。

生成AIを使う場合は、柔軟さと同時に介入のばらつきが増えます。同じ利用者条件で異なる助言を出す、根拠のない心理解釈をする、危機信号を見逃す可能性を別途評価します。既存の専用チャットボット研究は行動設計の参考にはなりますが、汎用LLMの安全性、正確性、長期効果を証明するものではありません。

会話を多く完了した人ほど改善が大きいと、介入の用量反応に見えます。2026年のRCTでも遵守者の推定効果は修正ITTより大きい方向でした。[4] しかし、もともと動機が強い、端末に慣れている、体調が安定している人ほど会話を続けた可能性があり、利用量は効果の原因であると同時に参加者特性の結果でもあります。

離脱を失敗として罰するだけでは、誰に介入が届かなかったかを失います。未開始、技術的不能、早期離脱、目標達成による卒業、負担による停止、安全上の中断を分けます。若者のレビューでも離脱とセッション未完了が課題とされ、反復内容や技術問題が障壁でした。[2] 完了者平均とは別に、割付された全員を分母に置いた結果を残します。

会話頻度を増やす施策は、短期の接触率を上げても通知依存を作るかもしれません。そこで一定期間後に督促を減らす無作為化、または段階的撤去を組み込み、行動が保たれるかを確かめます。利用量の最大化ではなく、必要な支援量を減らしても結果が維持される地点を成功とします。

• 分母：割付者全員、到達者、開始者、完了者を混ぜない
• 離脱理由：技術、負担、安全、無関心、卒業を区別する
• 撤去試験：通知、会話頻度、個別化を段階的に弱める
• 維持判定：利用量が下がっても対象行動が残ることを確かめる

導入前に、対象行動、比較条件、観測源、追跡日を一枚の評価契約へ固定します。最初は戻せる低影響行動に限定し、AIコーチ、同じ情報の一方向支援、現行手順を比べます。会話を人間らしくすることより、実行を妨げる摩擦を特定し、どの技法がどの段階を動かすかを仮説にします。

判定日は終了直後だけに置きません。介入中、終了直後、督促を半減した時点、支援停止後に同じ主結果を測り、維持曲線を作ります。倫理や業務上、長期の無介入対照が難しい場合は、待機群、段階導入、客観ログの中断時系列などを選び、どこまで因果的に言えるかを表示します。

展開判断は、平均改善、最低限守るべき安全・品質、到達格差、離脱、運用費を同時に見ます。短期効果があっても撤去後に消えるなら、恒常サービスとしての費用と依存を含めて再判断します。反対に小さな平均差でも、重要な一回行動を公的記録で増やし、対象と条件が明確なら限定導入の根拠になり得ます。[3]

• 業務責任者：変える行動と、変化が価値へ届く経路を所有する
• 評価責任者：対照、主結果、欠測処理、追跡期間を事前登録する
• 行動設計者：目標設定、摩擦削減、フィードバックを介入部品として記録する
• 安全責任者：不適切助言、危機信号、停止・人への引継ぎを監視する
• 展開会議：短期反応と撤去後の維持を別々に承認する