Column

固定スクリプトで「避難拒否」は説得できない——AIが発話ごとにポリシーを変える時代

「住民が避難を断る」という高リスク状況で、AIはどの説得戦略を選ぶべきか。Q学習フレームワーク「DiPS」の研究を、コールセンターの離脱防止シナリオへの転用視点で読み解く。

2026 / 07 / 06 5 分で読める English version →

こんにちは。Affectosphere Group の三浦です。

「今すぐ避難してください」「でも私はここに残ります」——こんな会話が実際に起きる状況を、想像したことはありますか。

火災や自然災害の現場では、避難を拒否する住民への説得が生死に直結することがあります。そしてこれは、ある意味でコールセンターで起きる「解約を断固として決意した顧客との会話」と、構造的にとても似ています。

どちらも「相手はすでに意思を固めていて、それを変える必要がある」という構図です。どちらも「何を言っても聞かない」という壁に直面する場面があります。

arXivで公開された研究（Zhang et al., arXiv:2607.01557）は、この「高リスク説得」という問題に、強化学習で取り組んでいます。提案するQ学習フレームワーク「DiPS」は、相手の直近の発話を毎ターン分析し、最も効果的な説得ポリシーをその場で動的に選択します。

今日の3点

火災避難シナリオを題材に、住民の直近の発話を分析して最適な説得ポリシーを動的に選択するQ学習フレームワーク「DiPS」が提案された。
DiPSはゼロショットLLMおよびRAGベースラインをシミュレーション・人間インタラクション双方で上回った。
「状況適応型説得AI」という新たなエージェントクラスの有効性が、高リスク対話の文脈で実証された。

「説得失敗」が命取りになる場面

研究の舞台は火災避難シナリオです。エージェント（AI）は消防士の役割を担い、住民に「今すぐ逃げてください」と説得しようとします。住民役はシミュレーターや実際の人間が担います。

このシナリオで厄介なのは、「1つの正解スクリプト」が存在しないことです。

ある住民は「自分は大丈夫だ」という過信から動こうとしない。別の住民は「ペットを置いていけない」という情緒的な理由で拒否する。また別の住民は「公的機関を信用できない」という不信感を抱えている。

同じ「避難してください」という目標でも、相手の拒否理由によって、響く言葉はまったく異なります。共感が必要な相手に論理を押しつけると逆効果になるし、事実確認が必要な相手に感情的に訴えても届きません。

これは企業のコールセンターで起きることと、ほぼ同じ構造です。「解約したい」と言う顧客の背景には、コスト問題、サービスへの不満、競合への乗り換え検討、担当者への不信感など、様々な理由があります。固定スクリプトでは、どの理由にも平均的にしか対応できない。そこには根本的な限界があります。

DiPSが解く問い

従来のLLMを使った説得エージェントには、大きく2つのアプローチがありました。

ひとつは「ゼロショット」——プロンプトで説得のガイドラインを与えて、LLM自身に判断させる方法です。もうひとつは「RAG（検索拡張生成）」——過去の成功例を検索して参照させる方法です。

どちらも「一般的に有効とされる説得戦略を使う」という設計で、相手の今の状態を見て戦略を動的に切り替えるという発想は弱いです。言ってみれば、「よい説得の教科書を読んで対話する」アプローチです。

DiPSのアプローチは本質的に異なります。「住民が今この瞬間にどういう発話をしているか」を毎ターン分析し、そのターンで最も効果的な説得ポリシーを動的に選択します。

この「動的選択」を支えているのがQ学習です。どのポリシーをどの状況で選ぶとどれだけ報酬（避難成功）が得られるか、というマッピングを学習していきます。「事前に優れた戦略を知っている」のではなく、「今この相手・今この瞬間に最も期待値が高いポリシーを選ぶ」という柔軟な意思決定を行います。

そしてその意思決定の根拠は、相手が直近で発した言葉です。住民が「でも隣の鈴木さんもまだいる」と言えば、同調圧力を和らげる戦略に切り替える。「火はまだ遠い」と言えば、リスク認知を修正する情報提供に切り替える。こうした動的な対応が、DiPSの核心です。

ゼロショットとRAGを超えた

DiPSはシミュレーションと人間インタラクションの双方で、ゼロショットLLMとRAGベースラインを上回りました。

この結果が示すのは、「質の高い説得事例をたくさん知っている」や「説得の原則をプロンプトで教える」よりも、「今の相手に合わせてポリシーを動的に選ぶ」ことの方が重要だということです。

知識や原則の量の問題ではなく、「今ここで何を使うかの判断」の問題です。

避難成功率の最大化を報酬として訓練されたDiPSは、単なる「物知りなAI」ではなく、「状況を読んで戦略を変えるAI」という別のカテゴリーに踏み込んでいます。研究者はこれを「状況適応型説得AI」という新たなエージェントクラスと位置づけています。

特筆すべきは、人間が相手のインタラクションでも効果が見られた点です。シミュレーターで学習した行動方針が、実際の人間の反応にも通用したということは、DiPSが学習したポリシーが現実的な説得構造を捉えていることを示唆しています。

コールセンターへの転用提案

DiPSの設計思想を、「高リスク離脱場面」のコールセンターシナリオに転用できないか、考えてみます。

想定するシナリオは、保険解約阻止・融資申請への誘導・退職防止面談などです。これらに共通しているのは、「相手がすでに何らかの意思決定をしており、それを覆すか補強するか」という交渉構造です。そして、「相手が次に何を言うかによって、こちらの最善手が変わる」という動的な性質があります。

転用の核心は2点あります。

まず、固定スクリプトを「複数の説得ポリシーのリスト」に置き換えることです。「共感型（相手の感情を受け止める）」「論理提示型（費用対効果や数字を示す）」「選択肢提示型（代替案を提案する）」「権威型（第三者の声や実績を引用する）」など、いくつかの説得スタイルを事前に設計します。

次に、顧客の直近の発話をリアルタイムで分析し、どのポリシーを使うかをダイアログ制御システムが提案する仕組みを作ることです。オペレーターはその提案を見ながら会話を進める、いわば「AIコーチングつきの対話」を実現します。

これは「AIがオペレーターを完全に置き換える」のではありません。「AIがオペレーターを状況適応的にコーチングする」という設計です。オペレーターの経験値に依存していた「状況を読む力」を、AIが補完する役割です。

KPIとしては、解約阻止率・申込転換率・面談後の継続率など、それぞれの業務における「翻意率」を設定できます。固定スクリプト時代との比較で、DiPS的な動的ポリシー選択がどれだけ改善するかを測定する設計が可能です。

実装的には、商用のLLMに「ポリシー選択エージェント」を組み合わせる構成から始めることが現実的です。オペレーターのスクリーンに「次の発言では：共感を示してから、コスト面のメリットを提示してみてください」といったリアルタイム提案を表示する、コーチング支援ツールとして展開する形が考えられます。

まずは業務フローを変えずに「アドバイス表示」から始めて、データが蓄積されたら徐々に自動応答に組み込む——そういうスモールスタートの設計も相性が良いと思います。

「状況を読む」AIの本質

この研究が興味深いのは、「説得」という行為を「時系列の意思決定問題」として捉え直した点だと思います。

私たちが日常的に行う説得もそうですよね。最初に感情に訴えてみて、うまくいかなければ具体的なメリットを示す。それでも動かなければ第三者の声を引用する。こうした戦略の切り替えを、私たちは無意識にやっています。

DiPSはそれを形式化し、強化学習で最適化しようとした。その考え方自体は、説得が必要なあらゆる高リスク対話に転用できる普遍性を持っています。

コールセンターだけでなく、医療現場での服薬アドヒアランス支援、教育現場での退学防止相談、法律相談での和解勧告など、「相手の翻意を促す」という構造を持つ対話すべてがこの設計思想の射程に入ります。

固定スクリプトの「平均的な対応」から、「今この相手に合わせた最善手」への転換。それがDiPSが示す方向性であり、状況適応型説得AIという新しいカテゴリーが切り開く可能性だと思います。

では！

参考論文

Tianyi Zhang, Mousumi Das, Abrar Anwar, Jesse Thomason, David Traum (2026). DiPS: Dialogue Policy Selection for High-Stakes Persuasion Agents. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。