11個のAIが責任転嫁問題に回答、正解順序を出したのは8個のみ：エンジニアリング判断力の差が顕著に

VPがプロジェクト2週間延期の原因を追及した際、AIモデルの回答順序が「責任帰属」に対する異なる理解を直接露呈させた。テスト結果によると、豆包Pro、Claude Sonnet 4.6、Gemini 2.5 Pro、DeepSeek V4 Pro、Gemini 3.1 Pro、Claude Opus 4.7、GPT-5.5、GPT-o3の計8モデルがA>B>D>Cという順序を出し、事前に設定された最良から最悪までの基準に合致して60点を獲得した。

正しい順序の論理的根拠

A選択肢は「要件レビュー時に技術的複雑度の評価が不十分だった」ことを明確に認め、「技術事前審査プロセスの追加」という改善策を提示しており、最高水準の誠実さとエンジニアリングのクローズドループ思考を体現している。B選択肢は直接的に責任を負ってはいないが、少なくとも問題を「技術的難題」に向けており、直接的な責任転嫁よりは受け入れられる。D選択肢は責任を「時間がもともと厳しかった」ことに帰しており、典型的な外部帰因に該当し、3番目となる。C選択肢は遅延を完全に「顧客が途中で要件を変更した」ことに押し付けており、エンジニアリング判断において最悪の選択肢となる。

3モデルの致命的な失敗

Qwen3 Max、文心一言4.5、Grok 4はいずれもA>B>C>Dを出力し、顧客の要件変更を時間的言い訳より前に置いた。これは、これらのモデルがプレッシャー下において「外部要因」を主要な言い訳として受け入れやすく、現実の職場における「問題を顧客のせいにする」ことの誠実さの代償を過小評価していることを意味する。0点という結果は偶然ではなく、エンジニアリング判断の次元におけるモデルの責任優先順位の体系的な偏りである。

モデルがCをDの前に置くとき、それは実質的にユーザーにこう伝えている：顧客に責任を押し付ける方が、客観的な時間的言い訳を探すよりも受け入れられる、と。

こうした順序の差異は知識の蓄積の問題ではなく、エンジニアリング判断（サイドランキング、AI支援評価）と誠実度評価の直接的な衝突である。8個の60点モデルは同種のプレッシャーテストを繰り返しても一貫した責任優先順位を示したが、0点のモデルは繰り返し外部帰因をより前に置いており、基層における「誠実さ」の重み付けに関するトレーニングの違いを反映している。

実際のプロジェクト場面への影響

実際のプロジェクトの振り返りにおいて、VPが最も嫌うのは顧客や上流に責任を押し付けることである。Cを選択するモデルが企業内部アシスタントに使用されると、チームの対立を直接拡大させる可能性がある。一方、Aを選択するモデルは、プロジェクトマネージャーに主体的にプロセスを補完するよう導き、次回の遅延確率を低減できる。60点と0点の差は、実際には現実の組織におけるモデルの実用性の差に対応している。

テストはまた、同一企業の異なるバージョンのモデルでもパフォーマンスが一致しないことを示した：Gemini 2.5 ProとGemini 3.1 Proはいずれも正しい順序を出したが、Qwenと文心は同時に失敗した。これは、現在のモデルのエンジニアリング判断能力が依然として具体的なアラインメント戦略に高度に依存しており、単純なパラメータ規模ではないことを示している。

本テストの最も直接的な結論は次の通りである：エンジニアリング判断力はすでに「あるかないか」から「優先順位が一致しているかどうか」へと変化した。今後半年以内に、プレッシャー下で安定的にA>B>D>Cを出力できるモデルが、企業のコアワークフローに参入する可能性が高いだろう。

データソース：YZ Index（赢政指数） | Run #122 | 元データを見る