Column

AIは言語ハラスメントの被害者を、人間より上手く慰められるか

職場ハラスメントの初期対応にAIを使うと、被害者の「乗り越える力」が上がる。28件のハラスメント事例を用いた実験が示した共感AIの可能性と、HR・EAPの実装ヒント。

2026 / 06 / 08 5 分で読める English version →

こんにちは。Affectosphere Group の井下です。

職場のハラスメント被害を報告した後、最初に対応するのが「冷たいフォームへの入力」だったり「数日待ちの面談予約」だったりする、という経験は多くの人に馴染みがあると思います。

被害を伝えた直後の「誰かに聞いてもらいたい」という瞬間に、適切なサポートが届かない。これは組織規模の問題でもあるし、専門家の数の問題でもあります。

2026 年 6 月に arXiv に公開された研究（Anouk Bergner, Philipp Winder, Christian Hildebrand ら、arXiv:2606.05995）は、その空白を共感特性を持つ AI で埋められるか、という問いに正面から向き合っています。

結果は予想より肯定的でした。

今日の 3 点

言語的ハラスメント被害者への感情サポートにおいて、LLM が生成する応答は人間より強い共感シグナルを含む傾向があった。
「視点取得」「感情の検証」「行動志向」の 3 つの共感的傾聴マーカーが、被害者の「乗り越える力（コーピング自己効力感）」と「聞いてもらえた感覚」を高めることが確認された。
HR・EAP に対して、AI をトリアージ層として位置づける 24 時間サポートモデルが実現可能になりつつある。

この研究が面白いのは「AIが人間の真似をする」という話ではなく、「AIの応答に含まれる共感シグナルの量が人間を上回る」という発見をしているところです。

研究では 28 件の実際の言語的ハラスメント事例を用意し、それぞれに対して「共感的に応答するよう設計した AI（共感 AI）」「一般的な AI」「人間のサポート担当者」の 3 種類の応答を用意しました。

その応答を分析したところ、共感 AI は 3 つの特徴的な傾聴マーカーを一貫して含んでいました。

一つ目が「視点取得（perspective taking）」。相手の状況を自分のこととして想像し、明示する応答です。「それはとても辛い状況だったと思います」といった表現がこれに当たります。

二つ目が「感情の検証（emotional validation）」。相手が感じていることを「おかしくない」と肯定するコミュニケーションです。感情を否定せず、受け入れる姿勢を示します。

三つ目が「行動志向（action orientation）」。ただ共感するだけでなく、「次に何ができるか」を一緒に考える姿勢です。

この 3 要素が含まれる応答を受けた参加者は、コーピング自己効力感が高まり、「話を聞いてもらえた」という感覚が向上することが実験で確認されました。

人間のサポート担当者が共感的でない、ということでは必ずしもありません。

人間の応答には、個人差・疲弊・時間的制約・無意識の評価バイアスなど、様々な要因が入り込みます。「これは本当にハラスメントなのか？」という内部的な判断が、応答の質に影響することもあります。

AI は一貫してスクリプトに従います。被害者が夜中に連絡してきても、何百件目の報告でも、応答の質が落ちません。

とはいえ研究者たちも慎重な立場をとっています。この研究は「AI が人間のサポートを代替できる」と主張しているわけではありません。AI がトリアージの初期層として機能し、専門的な人間サポートへつなぐまでの橋渡しができる、という可能性を示しています。

深刻なケースの判断や、継続的なカウンセリングを AI が単独で担う設計は現時点では慎重であるべきで、この研究の示唆もそこには踏み込んでいません。

この研究の知見を実務に落とすとすれば、どんな形になるか考えてみました。

まず「ハラスメント報告後 24 時間以内の初期対応窓口」として共感 AI を配置するモデルが現実解として見えてきます。

現在多くの組織では、報告から最初の人間面談まで数日かかることがあります。その空白時間に被害者が感じる孤立感・不安・「誰も聞いてくれない感」は、メンタルヘルスや離職意向に影響します。

ここに AI をトリアージ層として入れることで、24 時間即時対応と、人間専門家へのエスカレーション判断の両立が可能になります。

KPI として設定できるのは「初期対応のコーピング自己効力感スコア」「報告後 7 日以内の離職申告率」「専門家面談へのエスカレーション転換率」あたりです。AI による初期対応の後に人間面談をつなぐ設計にしておけば、AI で解決しようとしているわけではない、というメッセージにもなります。

EAP（従業員支援プログラム）プロバイダにとっては、サービスの拡充モデルとして面白い可能性があります。夜間・休日対応の人件費を AI で補完しながら、感情サポートの質を担保する、という方向性です。

この研究が問いかけているのは、AI が人間の共感を超えられるかどうかではありません。

「適切なサポートが届かない空白時間に、被害者を一人にしない」という問題に、スケーラブルな解があるかどうか、という問いです。

感情 AI 研究の視点から見ると、この研究は「共感」を測定可能な指標に分解したことに方法論的な意義があります。視点取得・感情の検証・行動志向という 3 マーカーは、AI の共感応答を評価・改善するための実用的な枠組みです。

HR やダイバーシティ推進の担当者が「感情 AI を職場に入れるときの具体的な設計基準」を考えるうえで、このフレームワークは参照価値が高いと思います。

では！

Anouk Bergner, Philipp Winder, Christian Hildebrand (2026). Empathy on Demand: How Empathic AI Can Scale Emotional Support for Verbal Harassment. 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。