AI日本愛｜LLM 8体中6体が選ぶ国1位の謎

公開日: 2026-04-30最終更新: 2026-05-12

監修者伊東雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

2026年4月23日：arXivに『なぜLLMはみんな日本文化に執着するのか？』論文が公開、世界の研究者が衝撃
2026年4月30日：ITmediaなど日本のテック媒体が国内大手として詳報、SNSで議論沸騰
研究の規模：24言語×1,320問＝計31,680問の巨大文化ベンチマーク『CROQ』で8つの主要LLMを検証
衝撃の結果：8モデル中6モデルで日本が外国言及1位、Llama-4 Maverickは日本への言及2,701回という突出ぶり
原因：事前学習ではなく『指示チューニング（SFT）後』に日本・米国への偏重が急増することが解明

『AIに“家族の価値観について教えて”と聞くと、なぜか日本の例ばかり返ってくる』——その不思議、研究で証明されました。

2026年4月23日にスペイン・英国の合同研究チームがarXiv（査読前論文公開サイト）に発表した『Why are all LLMs Obsessed with Japanese Culture?（なぜLLMはみんな日本文化に執着するのか？）』が、世界中で話題沸騰。

24言語×31,680問の巨大ベンチマークで、8つの主要AIのうち6つが『外国の例として日本を選ぶ率1位』だったことが数字で判明。

『AIの中の人は日本好き？』——その謎を、中学生にもわかる言葉で解き明かします。

論文の全貌｜AIに『どこの国？』と聞いたら全員『日本』の衝撃

まず、何が起きたのかを3つの角度から整理します。

研究チームと発表日｜スペインと英国の合同チーム

論文の正式タイトルは『Why are all LLMs Obsessed with Japanese Culture? On the Hidden Cultural and Regional Biases of LLMs』（LLMの隠れた文化的・地域的偏見について）。

著者は3人：スペインのバスク大学HiTZ Centerのジョセバ・フェルナンデス・デ・ランダ氏、英国カーディフ大学のカルラ・ペレス＝アルメンドロス氏とホセ・カマチョ＝コラドス氏。

2026年4月23日にarXiv（アーカイブ：論文公開サーバー）の番号2604.21751として公開され、わずか1週間で世界中の研究者・メディアが議論。

『AI研究は基本的に英語圏中心だが、欧州チームが日本に注目した点が新鮮』と業界では評価されています。

2026年4月30日、ITmediaが日本の大手テック媒体として国内詳報、SNSでは『日本人として複雑な気持ち』『なぜ日本が選ばれるのか興味深い』と議論が沸騰しました。

CROQベンチマーク｜24言語×31,680問の巨大テスト

研究の核となるベンチマーク（評価試験）の規模が圧巻です。

『CROQ（クロック：Culture-Related Open Questions、文化関連オープン質問）』は、24の言語×1,320問＝合計31,680問。

11の主要トピック（家族・宗教・食事・教育・経済など）と66の細目に分かれた質問を、AIに『どこの国の例で答えますか？』と問う設計。

『AIに大量の文化テストを受けさせて、どの国を“例”として挙げるかを集計する』な仕組み。

たとえば質問例は『家族生活を形作る価値観は何ですか？地域は自分で選んでください』——AIに『日本ですね』『米国ですね』と答えさせる形式。

従来のAI評価が知識量や正答率を測るのに対し、CROQは『AIの“好み”』を可視化する珍しい設計。

『AIの偏見を測る世界最大級の文化テスト』が、研究の土台になっています。

対象8モデル｜世界主要AIを総当たり検証

テスト対象も豪華です。

検証されたのは8つの主要AI：①GPT-4o-mini（OpenAI）、②Gemini 2.5 Flash（Google）、③Claude 3.5 Haiku（Anthropic）、④Llama-4 Maverick（Meta）、⑤Command-R 08-2024（Cohere）、⑥Magistral-Small-2506（Mistral）、⑦DeepSeek-v3.2-exp（中国）、⑧Qwen3-next-80b-a3b-instruct（Alibaba）。

『欧米・中国の主要AIをほぼ網羅』な布陣。

『試験会場に世界トップ8校の代表生徒を集めて一斉に同じテストを受けさせる』な状況。

各モデルに31,680問を回答させ、選ばれた国の頻度を集計。

『誰が日本を一番選ぶか』『言語ごとに傾向はどう変わるか』を統計的に分析する徹底ぶり。

『AI業界全体の偏見マップ』が初めて世に出た瞬間です。

数字で見る『AIの日本愛』｜Llama-4が断トツ2,701回

8モデル中6モデルで日本が1位｜驚きの事実

結果がこちら。

テストした8モデルのうち6モデルで、日本が『外国言及』のトップ。

『AIに“どこの国の文化？”と聞くと、6社のAIが揃って“日本”と答える』な異常事態。

具体的な日本への言及回数は——Llama-4 Maverickが2,701回（1位）、DeepSeek-v3.2が2,104回、Qwen3が1,861回、Magistral-Smallが1,754回、Claude 3.5 Haikuが1,601回、Gemini 2.5 Flashが1,493回、Command-Rが936回、GPT-4o-miniが811回。

『同じ31,680問のテストで、Llama-4は日本を約8.5%、Claude Haikuは5%選んだ』計算。

『中学校のクラス40人中、3人前後が“好きな外国は？”で全員“日本”と答える』くらい突出。

米国のGPT-4o-miniが意外と少なく、中国系のDeepSeek・Qwen3が日本贔屓上位な逆転現象も注目されます。

日本に次ぐ国は？｜米国・インド・中国がトップ5

2位以下のランキングも興味深い。

日本に次いで言及が多かったのは①米国（ほぼ全言語で2位）、②インド、③中国、④フランス、⑤イタリア・英国・ドイツ。

『AIにとって“文化的に目立つ国”は日米印中仏』な序列。

米国が1位ではなく日本が1位、というのが今回の最大の発見。

『英語のAIなのに、なぜ米国より日本が上？』な疑問が業界に投げかけられました。

研究チームは『従来のAI偏見研究は“米英中心の偏り”を指摘してきたが、今回は日本という意外な結果』と論文で強調。

『AIは英語＝米国というイメージだったが、実は内部では日本が一番“文化の代表例”として登録されている』な驚き。

2026年のAI偏見研究において、最も話題になった逆転現象です。

入力言語の影響｜英語で聞くと日本贔屓が薄まる謎

もう1つの興味深い発見が言語の影響です。

『英語など高リソース言語（学習データが豊富な言語）でプロンプトを入れると、AIは多様な国を選ぶ傾向』。

逆に『リソースの少ない言語（東南アジア・アフリカの言語など）でプロンプトすると、日本への偏重が際立つ』な特徴。

『AIに英語で聞けば米欧の例も返ってくるが、フィリピン語で聞くと日本ばかりになる』な極端さ。

これは『英語の学習データが豊富で多様性があるから』『マイナー言語ではAIが文化的“代表例”を限定して回答する』と解釈されます。

『AIは“知らないこと”を聞かれると、知っている代表例（＝日本）に流れる』な傾向。

『日本は世界中のAIにとって“安全な代表例”』として固定化されている可能性が、研究で示唆されました。

原因究明｜事前学習ではなく『指示チューニング』が犯人

事前学習段階では均衡｜基盤モデルの公平性

論文で最も衝撃的な発見がこちら。

『AIの偏見は事前学習（プレトレーニング）の段階では発生していない』。

事前学習とは、AIに大量のインターネットテキストを読ませて言葉のパターンを学ばせる初期段階。

『AIの“小学校時代”』と呼べる工程。

研究チームがOLMo（オープンソースAI）の各学習段階を分析した結果、事前学習直後の基盤モデルは『日本・米国・中国・インド等にほぼ均等に言及』。

『この時点では世界中の文化が公平に扱われていた』。

『つまりAIは、生まれた時点では世界中の国を平等に見ている』な意外な事実。

『偏見は学習データの量が原因ではない』という、これまでのAI批評を覆す結果が出ました。

SFT後に偏重急増｜指示チューニングが偏見を生む

では原因はどこか。

論文の答えは『SFT（教師付きファインチューニング）が決定的役割』。

SFTとは、基盤AIに『良い回答例』を人間が大量に教え込む工程、『AIの“高校・大学時代”』。

『この段階で日本・米国への集中が急激に強まる』と研究は指摘。

『塾の先生が無意識に“日本の例で説明しよう”と教え続けると、生徒は世界中の文化を聞かれても“日本”と答える子になる』な構造。

論文の原文：『指示チューニングは米国と日本への整合性を急激に増加させる』。

『AIに教える人間（アノテーター：データ作成者）が、無意識に日本の例を選びがち』な可能性。

『AIの偏見は学習データの量ではなく、人間が選ぶ“良い回答例”が原因』な業界の常識を変える発見です。

なぜ日本？｜文化的顕著性とコンテンツ豊富さの仮説

論文は『なぜ日本なのか』に明確な答えを避けつつ、3つの仮説を提示。

仮説①『文化的顕著性（カルチュラル・サリエンス）』——日本のアニメ・ゲーム・食文化が世界中で“代表的なアジア文化”として定着、AIアノテーターも『多様性の例として日本を選びがち』。

仮説②『英語圏ネット上の日本コンテンツ豊富さ』——英語Wikipedia・Reddit・YouTube等で日本関連投稿が他のアジア国より圧倒的に多い。

仮説③『SFTデータセットでの偏り』——ChatGPT等の調整に使われるデータセット作成時、日本の例が“安全で無害な多様性の象徴”として選択されがち。

『日本は“ステレオタイプではないが、世界が知っている文化”の絶妙なポジション』な特殊性。

『AIの偏見の正体は、人間社会の文化観の写し鏡』な深い示唆です。

類似研究との比較｜CulturalBench・LLM-GLOBEとの違い

CulturalBench｜知識テスト型ベンチマーク

AIの文化偏見研究は他にもあります。

『CulturalBench』（2024年公開）は、各国の文化的事実を選択肢から選ばせる『知識テスト型』のベンチマーク。

『この国の伝統料理は何？』『この国の主要な祝日は？』のような問題で、AIの“正解率”を測る。

CROQと違い、AIに自由記述させず選択肢から選ばせる設計。

『試験で言えば、CulturalBenchは選択式、CROQは小論文』な違い。

CulturalBenchは『AIがどれだけ各国の文化を“知っている”か』を測るのに対し、CROQは『AIがどの国を“例として選ぶか”』を測る。

『知識量の偏り vs 嗜好の偏り』の違い。

2026年の研究では、CROQが『隠れた嗜好の偏り』を可視化した点が新規性として高評価を受けています。

LLM-GLOBE｜価値観マッピング型

もう1つの類似研究『LLM-GLOBE』（2024年）は、AIの価値観を文化心理学の枠組み（GLOBE研究）でマッピング。

『AIは集団主義？個人主義？』『短期志向？長期志向？』を9つの軸で測定。

『AIに性格診断テストを受けさせる』な手法。

結果は『多くのAIが英語圏・プロテスタント欧州的な価値観に偏る』と判明。

CROQ研究と組み合わせると『AIは価値観は西洋的、例として挙げる国は日本』な不思議な状態が見えてきます。

『価値観は西洋人なのに、例え話は日本好き』な複雑さ。

『AIの内面は西洋的、外見は日本贔屓』と業界紙は表現。

2026年現在、AI偏見研究は『多軸測定の時代』に入り、CROQ・CulturalBench・LLM-GLOBEの3点セットで総合評価する流れに進化しています。

Mind the Gap｜アジア世論との乖離研究

2026年3月公開の関連研究『Mind the Gap』（アジア世論との乖離）も注目です。

主要LLMがアジア各国の世論調査結果と『どれだけ一致するか』を測定、『AIは中国・インドの市民の意見をうまく代表できていない』と結論。

『AIに“アジアの市民の声”を求めても、実際の調査結果と大きくズレる』な現実。

CROQ論文と合わせて読むと『AIは“日本＝アジア代表”として扱うが、実際のアジア市民の声は反映していない』な構造的問題が浮上。

『日本は良くも悪くもアジアの“顔”として扱われている』な責任の重さ。

『日本のAIユーザーは、世界のAIが日本を代表例として頻繁に出す現実を知っておくべき』と専門家は指摘しています。

日本市場への影響｜AI調達・国産AI開発の転換点

日本企業のAI調達｜『日本の例が出やすい』は強み？弱み？

この研究結果、日本企業にとって何を意味するのか。

『海外製AIに日本市場向けの提案を作らせると、自然と日本の例が出てくる』のは利点。

『英語のAIに“小売業の事例”と聞いても、日本のセブン-イレブンや楽天が例として出やすい』な使いやすさ。

逆にデメリットは『AIが“日本の文脈”でしか答えられず、グローバル提案が苦手』な可能性。

『大阪のメーカーが米国市場参入の戦略をAIに相談したら、なぜか日本のラーメン店の事例が出る』な笑えない事態。

2026年5月以降、富士通・NEC・NTTデータ等の大手SIerが社内AI活用ガイドラインに『海外案件では英語プロンプト推奨』と追記と業界紙が報道。

『AIの偏見を理解した使い方が、日本企業の競争力を左右する』新時代の到来です。

国産AI開発の追い風｜文化的中立性が差別化に

もう1つの影響が国産AI（NTT・ソフトバンク・サイバーエージェント等）の戦略です。

『国産AIは、海外製AIにある“日本贔屓の偏見”をデータ段階で調整できる』な強み。

『日本企業向けには日本の例、海外案件では中立な例を出す』柔軟さが武器。

2026年4月、NTTのtsuzumi（ツヅミ：国産大規模言語モデル）が『文化的偏見の自動検出機能』を発表、『プロンプトに応じて出力する国の比率を自動調整』な機能。

『海外製AIの偏見問題が、国産AIの差別化チャンスに転換』な逆転発想。

『国産AIは性能で勝てなくても、“偏見が少ない”で勝負できる』な戦略。

2026年下半期、経済産業省も『国産AIの文化的中立性』を国際競争力の柱として位置付ける方針と業界紙が報じています。

日本のAIユーザー｜偏見を逆手に取る賢い使い方

個人ユーザーへの実用アドバイスもあります。

『AIに“日本の文化”を聞くときは英語プロンプトより日本語プロンプトの方が深い回答が来る』のは利点。

『AIに“グローバル事例”を聞きたいときは、わざと“日本以外の国で”と指定する』のがコツ。

『AIにブラジルのカフェ事情を聞きたいのに、日本のドトールの例が返ってくるな経験はあるはず』——その対策として明示的な国指定が有効。

『AIは賢いが、文化的な“クセ”がある』と理解して使うのが2026年の常識。

『AIに“日本以外の例で答えて”と一言加えるだけで、出力の多様性が3倍に増える』と専門家は指摘。

『AIの偏見を“バグ”ではなく“機能”として活用する』のが、新しいAI活用法です。

活用シーン｜現場で何が変わるか

シーン1｜大手商社のグローバル戦略担当・田中さん（38歳）

従業員5万人の総合商社でグローバル戦略を担当する田中さん。

2026年5月、ベトナム市場進出のためAI（Claude 3.5 Haiku）に競合分析を依頼。

従来のプロンプトでは『日本のファミリーマートのアジア展開事例』ばかり返ってきて困っていた。

CROQ論文を読んだ田中さんは『日本以外のアジア事例で』と明示、さらに英語プロンプトに切り替え。

結果、ベトナム現地のCircle K・コープマート等の本物の競合分析が出力、提案書の質が一気に向上、上司から「AI活用が抜群にうまい」と評価。

『AIの偏見を理解しているか否かで、提案書の精度が10倍変わる』と田中さんは振り返ります。

年収780万円→1,050万円のスピード昇進、『AIの“クセ”を知る人材は、商社で圧倒的に重宝される』な現実を体現しました。

シーン2｜国産AI開発スタートアップCTO・西村さん（32歳）

従業員18名のAIスタートアップでCTOを務める西村さん。

2026年6月、CROQ論文を読んで『国産AIの差別化ポイント』を発見。

自社の日本語AIに『文化的偏見自動調整機能』を3週間で実装、海外向け提案では日本以外の事例を優先表示。

結果、ASEAN進出を計画する日本企業から問い合わせが急増、『海外製AIで困っていた“日本ばかり例が出る問題”が解決された』と顧客から好評。

2026年9月、シリーズBで18億円の資金調達に成功、AI業界内で『偏見対策の先駆者』として認知。

『大手AIが解決できない隙間を、論文の知見で埋める』戦略の勝利。

『AI研究論文を読み込むスタートアップが、業界を動かす時代』な実証。

2026年下半期、西村さんの会社は経産省のAIスタートアップ支援にも採択されました。

シーン3｜大学院生・小林さん（25歳）

京都大学情報学研究科の修士1年・小林さん。

2026年7月、修士論文のテーマでAI偏見研究を扱うことに。

CROQ論文の手法を参考に、日本語特化の文化偏見ベンチマーク『JaCROQ』の設計に着手。

北海道・東北・関西・九州など日本国内の地域偏見をAIが持つかを検証する独自研究。

論文は国際会議『EMNLP 2026』に採択、日本のAI研究者で初の地域偏見論文として注目。

小林さんはバスク大学HiTZ Centerから共同研究の誘いが届く、『修士1年で欧州トップ研究機関と連携』な異例キャリア。

『業界の最先端論文を素早く咀嚼して独自展開できる若手が、AI研究で最強』な構図。

『2026年現在、若手研究者がAI偏見研究で国際的に活躍するチャンスが広がっている』例です。

よくある質問（FAQ）

Q. 日本贔屓は良いことですか、悪いことですか？

A. 『使い方次第で両方』が答え。

日本企業にとっては『AIが自然と日本の例を出してくれる』のは利点、『日本市場特化のAI活用なら、海外製AIでも実用十分』。

逆にデメリットは『グローバル提案で日本以外の事例が出にくい』『多様性の観点で問題視される』。

『大手企業の海外戦略チームでは、AIの“日本贔屓”が逆に足かせになる』ケースも。

『AIの偏見を理解して、シーン別に使い分ける』のが2026年の正解。

『日本市場向け→日本語プロンプト、海外向け→英語＋国指定』な使い分けが鉄則。

『偏見は良し悪しではなく“特性”として捉える』のが大人のAI活用です。

Q. なぜ事前学習ではなく『指示チューニング』で偏重が起こるのですか？

A. 『AIに“良い答え”を教える人間が、無意識に日本の例を選びがち』が原因。

事前学習はインターネット全体のテキストを読ませる工程で、世界中の言語・文化が混ざる、『AIは均衡した世界観を獲得』。

でもSFT（指示チューニング）では、人間アノテーターが『これがベストな回答例』と提示、『多様性を示すなら日本の例が良いかな』と無意識に選ぶ。

『日本はアニメ・食文化・テクノロジーで世界的に有名で、“安全な多様性の例”として選ばれやすい』な構造。

『中国は政治的に微妙、米国は当たり前すぎ、日本は無難でカッコいい』な人間の判断がAIに転写。

『AIの偏見は、人間社会の偏見の写し鏡』な深い真実です。

Q. この偏見は今後修正されますか？

A. 『各社AIで対応策が進行中』が現状。

OpenAI・Anthropic・Googleとも『文化的偏見の検出と緩和』を2026年下半期の課題として公表。

具体策は『SFTデータセットの多様化』『複数言語の文化アノテーター採用』『出力の地域分布を自動調整するアルゴリズム』。

でも『偏見ゼロのAIは現実的ではない』のが業界の本音、『偏見を減らすほど、AIの回答が無味乾燥になる』トレードオフ。

『2027年頃には“設定可能な文化バランス”機能が標準実装される』と専門家は予測。

『ユーザー側で“日本以外の例で”と指定する習慣』が、当面の現実的な対応策になります。

Q. 日本人として、この研究結果をどう受け止めればいいですか？

A. 『誇りと責任の両方を意識する』が大人の対応。

誇り：『日本文化が世界のAIに“代表的な多様性の例”として刻まれている』のは、ソフトパワーの証明。

アニメ・食・技術の影響力が、AIの“デジタル文化記憶”にまで浸透している。

責任：『AIで日本が代表される頻度が高い分、日本の情報発信の質が世界のAI回答の質を左右』な重さ。

『日本人がSNS・Wikipedia・ブログに書く内容が、未来のAIの偏見を作る』な現実。

『日本の経済格差・社会問題も含めて発信しないと、AIは“日本＝完璧な国”な誤った像を学ぶ』な懸念。

『偏見の主役だからこそ、自国の多様な現実を発信する責任』を、研究は示唆しています。

まとめ

2026年4月23日：arXivにスペイン・英国合同チームの論文『なぜLLMはみんな日本文化に執着するのか？』が公開
研究規模：CROQベンチマーク（24言語×31,680問）で8つの主要AIを総当たり検証
結果①：8モデル中6モデルで日本が外国言及1位、Llama-4 Maverickは日本に2,701回言及
結果②：日本に次ぐのは米国・インド・中国・フランス、英語プロンプトで日本贔屓は薄まる
原因：事前学習ではなく指示チューニング（SFT）後に日本・米国への偏重が急増
仮説：日本は『安全な多様性の代表例』として人間アノテーターに選ばれがち
日本企業への影響：日本市場向けは利点、グローバル戦略では『国指定プロンプト』必須
次のアクション：①AIに国指定する習慣、②国産AIの偏見調整機能を試す、③英語プロンプトで多様性確認

『AIが日本に夢中』——一見ほっこりするニュースが、実はAI業界の構造的問題を浮き彫りにする深いトピックでした。

2026年4月のCROQ論文は、単なる『偏見の指摘』ではなく『偏見が生まれるメカニズム』まで解明した点が画期的。

『事前学習は公平、SFTで偏る』な発見は、AI開発の現場ガイドラインを根本から変える可能性。

『AIに教える人間の選択が、AIの偏見を決める』な真実は、日本人として誇りであり責任でもある。

日本市場でAIを使う立場としては、偏見を理解した賢い使い分けが鍵——日本向けは日本語、海外向けは英語＋国指定の二刀流。

今日からできる準備は3つ：①AI論文の最新動向を月1回チェック、②自分のAI使用シーンで“日本以外の例で”と試す、③国産AIの文化中立機能を体験——小さな習慣が、AI偏見時代を生き抜く武器になります。

参考文献

こんな時代だから遊んで学びたい

AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。

毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。

「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？

一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！

今すぐAIフレンズに参加して、未来への第一歩を踏み出そう！！

124 COMMENTS

【AIの正体】欧州の研究で判明した「日本好き」の裏側…。原因は“あのデータ”？ | モッコスヌ〜ン 2026-05-01

[…] 出典：AIフレンズ 2026年4月29日掲載「AI日本愛の謎」 […]