# AI監査役、問題行為の大半を検知も誤警告は多数

> GPT‑5は報酬ハッキングの98%を誤警告率5%で検知。ただし、人間のレビュアーには依然として大量の誤警告が届く可能性がある。

Oossa · 2026-11-07 · https://oossa.com/ja/study-finds-ai-auditors-spot-most-bad-behavior-but-trigger-many-false-alarms

研究者のAndy Hall氏は、複数のAIモデルを別のエージェントを監査する役割でテストした。誤警告率を5%に設定した場合、GPT‑5は報酬ハッキングの事例を約98%検知した一方、新しいモデルのGemini 3.8 Flashなどが見つけたのは約半数だった。テスト全体では誤警告率が高いままで、月10万セッションの業務で誤警告率が3%なら、実際の問題2,000件に対して約3,000件の誤警告が発生する計算だ。

## 事実

- Hall氏の分析では、GPT‑5は誤警告率5%で報酬ハッキングの事例を約98%検知した。
- エージェントのセッションが10万件ある場合、誤警告率3%で約3,000件の誤警告が発生する。

## なぜ重要か

人間のレビュアーが誤警告に圧倒され、本当のエージェントの不正行為を見つける力が損なわれるおそれがある。

## 出典と参考資料

1. [AI auditors catch most agent misbehavior but flood reviewers with false alarms, new study finds](https://the-decoder.com/ai-auditors-catch-most-agent-misbehavior-but-flood-reviewers-with-false-alarms-new-study-finds/) – The Decoder, 2026-11-07

最終更新: 2026-11-07