AIウォッシングは期待値を押し上げるが相互作用の成果は変えない：フィッツの法則を用いたAIプレセボ研究

要旨: 人工知能（AI）の支援に関する期待は、プラセボと同様の相互作用結果に影響を与える可能性がある。そのような期待は、AI washing（AIの能力を過大に標榜する慣行）から生じうる。すなわち、実際の機能が限られているにもかかわらず、システムのAI能力を誇張するのである。たとえば、一部のコンピュータマウスは、コア機能にAIがないにもかかわらず「AI支援」として販売されている。本研究では被験者内デザインの研究として、28名の参加者が、3つの条件（支援なし、予測的AI支援があるとされる条件、生体信号で強化されたAI支援があるとされる条件）のもとで、コンピュータマウスを用いてFitts' Law課題を完了した。客観的なFitts' Lawのパフォーマンス指標と、主観的なパフォーマンス期待、知覚された負荷、知覚された有用性を測定した。ベースラインと比較して、参加者はプラセボ条件において有意に改善したパフォーマンスを期待した。しかし、その期待は客観的あるいは主観的評価の差には結びつかなかった。本論文は、AI washingが実際の相互作用結果を変えることなく、ユーザーの期待を膨らませることを示す証拠を提供する。欺瞞的なAIマーケティングがユーザーの期待をどのように形成しうるかを明らかにすることで、AI製品の主張における説明責任の必要性を強調する。さらに、本研究は、Fitts' Lawを、AIとラベル付けされた入力デバイスを監査するための厳密な方法論的レンズとして確立する。