Aaruは何をシミュレーションするのか。仮想人口、行動予測、検証の仕組み

新しい価格を設定したとき、どの顧客が離れるのか。金融商品の説明を変えたとき、どの投資家が信頼するのか。こうした判断では、過去の売上だけでも、アンケートの回答だけでも足りない。まだ実施していない選択肢への反応を、実施前に比較する必要がある。

Aaruは、現実の人口をデータで表現した仮想の人々に、価格、商品、メッセージ、政策などの条件を与え、その反応を推定する企業だ。市場調査や意思決定支援の候補として検討する価値がある。ただし、公開研究で確認できる中心的な成果は、調査回答の分布と一部の購買順位の再現である。新しい政策が人々の健康や所得を改善するという因果効果まで、同じ数字で保証できるわけではない。[1][2]

創業者の問いと会社の方向

AaruのAboutページは、「現実世界の規模と複雑さで、人間の行動をシミュレーションできるか」という問いを創業者の出発点に挙げる。共同創業者兼CTOのJohn Kesslerは、Aaru以前にMITのCity Science Labでシミュレーション研究を行い、現在は技術研究とシミュレーションシステムの開発を率いる。共同創業者兼CEOのCam Finkは、Breakwaterとの事例でその肩書が確認できる。[3][5]

同社の狙いは、調査を速くすることに加え、実際に資金や時間を投入する前に、選択肢の結果を検討できるようにすることだ。Aboutページの「Do good」は、善意だけでは十分でなく、結果と避けられないコストを確認すると述べる。「Think with rigor」は、仮定を明示し、証拠に応じて考えを更新する姿勢を掲げる。これは企業が表明する方針であり、すべての顧客案件で社会的改善が実証されたという意味ではない。[3]

「人を表現するモデル」と「文章を書くモデル」は違う

統計モデルは、観測されたデータの関係を使い、未知の量を推定する仕組みだ。たとえば所得と価格に対する購入確率の関係を過去のデータから学べば、まだ試していない価格での反応を推定できる。ただし、過去と将来で関係が変われば予測は外れる。

大規模言語モデル（LLM）は、大量の文章などから学び、与えられた入力に続くテキストを生成するモデルである。人物設定を与えると、その人物らしい回答を作れる。しかし、「もっともらしい返答」と「対象人口で実際に選ばれる回答の割合」は別の評価対象だ。全員が読みやすく筋の通った回答をしても、少数派の意見を減らしてしまえば、人口全体の予測は誤る。

Aaruの公開研究は、人口を生成する中核モデルと、一人分の行動の推移を予測する中核モデルは、どちらも言語モデルではないと明記している。具体的なモデル構造や学習時の損失関数は公開されていない。「ChatGPTに人物設定を与えたもの」と理解すると、この区別を見落とす。[1]

ここでいうエージェントは、仮想の一人を表す計算上のモデルである。現実の特定個人を完全に複製したものではない。Aaru自身も、特定個人の次の行動を言い当てると主張せず、条件を与えたときに人口内で可能な反応がどう分布するかを推定すると説明する。[2]

入力は意思決定、対象人口、質問

製品ページの処理は、利用者が決める部分とAaru内部の処理に分かれている。利用者はまず、比較したい選択肢、成功の基準、制約を指定する。次に対象人口を定義し、質問や刺激を用意する。刺激とは、商品の説明、広告案、価格、仮定の状況など、反応を起こすために提示する情報だ。[2]

対象人口は「成人」のように広くても、「週に買い物をし、一定の所得範囲にあり、子供と暮らす人」のように限定してもよい。ただし、対象を細かくすれば、それを支えるデータも必要になる。条件の文章が精密であることと、対応する人口が正しく再現されることは同じではない。

質問には単一選択、複数選択、順位付け、自由回答を使え、分岐や仮定の条件も設定できるという。ここで判断したいことを曖昧にすると、精密そうな出力が返っても利用しにくい。「売上を増やす」と「低所得層の利用を増やす」では、合格とする結果も確認すべき集団も変わる。

人口を作るデータと、結合分布の意味

Aaruはデータを三層に分ける。国勢調査、労働、健康、物価、地域などの公的データが人口の基礎になる。ライセンス契約に基づく匿名の取引、施設訪問、検索需要、メディア利用などが最近の行動を補う。顧客の購入履歴、セグメント、過去の調査、製品情報、運営上の制約が、個別の判断に対象を絞る。[2]

異なるデータは、地域の区切りや更新時期、含まれる人々が一致しない。カード取引には現金だけで暮らす人の行動が入りにくく、施設訪問データにも観測できる範囲の限界がある。同社は一つの資料をそのまま人口とせず、複数の情報を重み付けして比較し、欠測や偏りをモデルと報告の限界として残すと説明する。どの情報源をどの重みで組み合わせるかの全詳細は公開されていない。

人口の再現では、各属性の割合だけを合わせても不十分だ。ある属性を単独で集計した割合を周辺分布、複数の属性の組み合わせの割合を結合分布と呼ぶ。次の表は仕組みを理解するための仮例であり、Aaruの測定結果ではない。

どちらも若年50人、高齢50人、就業50人、非就業50人で、単独の割合はすべて一致する。しかし、年齢と就業を同時に見ると、働いている人の構成は逆になる。通勤需要や日中のサービス利用を推定するなら、この違いが結果を変える。

三つ以上の属性にも同じ問題がある。年齢、性別、就業状態を二つずつ集計して合わせても、特定の年齢で育児や介護のために就業していない人の集中を再現できるとは限らない。Aaruは、データに支えられた関係をネットワークとして学習し、そこから属性が整合したプロフィールを抽出すると説明する。元の資料の行をそのまま仮想の人にする方式とは区別される。[2]

一方、属性が増えると、確認すべき組み合わせも急増する。すべてを細かく合わせればよいわけではなく、少ない観測から偶然の関係まで学ぶ過学習を避ける必要がある。公開ページにあるネットワークの説明だけから、特定のアルゴリズム、損失関数、モデルの構造や重みを断定することはできない。

人口構築と反応の推移を分ける

人口構築が答えるのは「どのような人々が、どの割合でいるか」だ。反応の推移を予測する処理が答えるのは「その人々が、指定された条件や情報にどう反応するか」だ。最初の人口が正しくても、新しい価格への反応を誤れば予測は外れる。反応のモデルが優れていても、対象人口から重要な人々が抜けていれば集計結果はずれる。

Aaruの製品説明では、個人の属性や条件による反応の違いと、人口全体の分布を、観測結果と同時に照合して学習する。一人ずつの反応だけを合わせると合計がずれ、合計だけを合わせると個人の構成が不自然になり得るためだ。学習した関係を、新しい価格、商品、メッセージ、政策の条件に適用するという説明になっている。[2]

ただし、response trajectoryという言葉があるだけで、長期間の人生や、人々が相互に影響し合う社会全体を十分に検証したとはいえない。公開された大規模評価は、主に質問ごとの回答割合を対象とする。長期変化、集団間の影響、個人内の回答の整合性は、別の評価を要する。[1]

出力は回答の分布と、分析可能な記録

公開研究での出力は、エージェント一人につき一件の記録がある個票データだ。これを集計すると、選択肢ごとの割合や、所得別、年齢別などのクロス集計を作れる。製品ページは、質問と対象人口から結果をたどれる対話的な分析画面、シートや資料への出力を示す。[1][2]

個票データがあることは、すべてのクロス集計が正しいことを意味しない。たとえば二つの質問の回答割合が別々に合っていても、同じ人がどちらにも賛成する割合は誤り得る。Aaruの公開研究も、今回は一変量の分布精度を扱い、高次の関係と行単位の論理的整合性は今後の公開対象としている。意思決定者は、実際に使う集計の粒度で証拠を確認する必要がある。[1]

MAE、TVD、相関をどう読むか

2026年9月の公開研究は、9業界、186調査、2,993問、13,727の回答割合を評価し、生の平均絶対誤差（MAE）3.53パーセントポイント、平均の全変動距離（TVD）7.62ポイントを報告する。[1]

MAEは、予測と実測の割合の差を絶対値にして平均したものだ。予測40%、実測35%なら差は5パーセントポイントである。これは「5%の相対誤差」とは異なる。仮に実測の三択が50%、30%、20%、予測が45%、35%、20%なら、各差は5、5、0ポイントで、MAEは約3.33ポイントになる。

同じ仮例のTVDは、差の絶対値の合計を半分にした5ポイントだ。最初の選択肢から二番目へ5ポイント分を移せば、二つの分布が一致する。MAEが選択肢単位の差を平均するのに対し、TVDは一問全体の分布のずれを表す。選択肢数が異なる質問を読む際にも、この違いが役立つ。

報告されたPearson相関0.970は、予測割合と実測割合の直線的な関係の強さであり、「97%の正解率」ではない。値の大小をよく追っていても、一貫して過大に予測することはあり得る。順位の一致を見るSpearman相関も、割合の誤差とは違う指標だ。

研究は、標本調査そのものにも誤差があるとして、標本誤差の近似を差し引いたMAE2.78ポイントも示す。しかし、これは仮定に基づく調整値であり、調査の偏りをすべて除去した真値への誤差ではない。生の3.53ポイントを併記して読むほうが、数字の意味を取り違えにくい。

調査同士を繰り返したときの不一致と同程度だという「replication floor」の比較も、異なる調査研究の幅を参照している。同じ対象、質問、時期で人間調査を再実施した直接比較ではない。結果は有望でも、あらゆる領域で「人間と同等」と一般化できる証拠ではない。[1]

未知の結果を予測したのか、答えを知っていたのか

評価では、問題文、選択肢、対象人口の説明を入力し、評価質問と公開回答はシステムや誤差予測器の開発・調整に使っていないとAaruは記す。外部検索にはExaのみを使い、調査開始より少なくとも一日前の記録へ時点を制限し、調査元のドメインと予測市場を除外している。機密の代替データや収集・処理方法の一部も、この評価では取り除いたという。[1]

これは、未来の答えが学習や検索に混じるデータ漏洩を抑えるための設計である。中核モデルが言語モデルではないという説明も、大量の事前学習文書から回答を記憶してしまう懸念に関係する。ただし、公開説明を読むことと、非公開の全データ経路を独立に監査することは違う。

同じ無作為抽出の500問では、分布を一回の呼び出しで直接答えさせたKimi K3のTVDが12.4ポイント、gpt-oss-120bが21.6ポイントだった。比較対象には検索がなく、出力は全体の割合だけである。これはその条件での比較であり、データ、検索、計算資源まで揃えた評価でも、LLMを使う全手法への優位性の証明でもない。[1]

予測値の不確実性と、モデルの誤差

同じ仮想人口を何度も生成すると、抽出の偶然による結果の揺れが生じる。人数を増やせば、この種の揺れは小さくできる。しかし、データに含まれない集団や、誤った行動関係によるモデルの誤差は、仮想人数を増やしても消えない。4万人のシミュレーションは、4万人の実被験者から新しい証拠を集めたこととは異なる。

Aaruは、各問のTVDを結果を見る前に予測する仕組みも報告する。予測誤差の小さい約半分、1,525問を選ぶと、実測の平均TVDは4.54ポイントになる。これは採用する予測を選別した結果であり、全2,993問が同じ精度に改善されたわけではない。[1]

誤差が16ポイントを超えるかを区別するAUROCは、比較箇所の定義で0.845と報告される。AUROCは、誤差の大きい問題と小さい問題の順序をどれほど区別できるかを測る値で、予測確率が正しく校正されていることとは別だ。校正とは、たとえば「誤る確率20%」とした多数の予測が、実際にもおよそ20%誤ることを指す。高誤差側で楽観的な推定も残るため、重要な判断では平均に加えて、誤差の大きい事例や集団別の失敗を確認したい。

購買については、カード利用パネルの実取引に基づくブランドの順位と照合した別の評価もある。340組のブランド比較で、Aaruは92.4%の順位一致を報告し、購入検討を尋ねる調査指標の77.8%と比較する。これはブランド間の順位の一致であり、個人の購入を92.4%当てたことや、売上を増やしたことを意味しない。予測する購入と調査で尋ねる検討意向は対象も異なり、カードパネルが社会全体を代表するかという制約も残る。[1]

顧客事例が示す用途と、示さない効果

EYの事例は、3,600人の富裕層、30以上の市場を対象とする2025年Global Wealth Studyを、結果を見せずに再現したと説明する。対応する単一選択の53問で、Spearman相関の中央値0.90、平均差7.1パーセントポイント、実行は一日だったという。これはAaru掲載の顧客事例であり、前述の2,993問の研究とは別の評価だ。富裕層への調査を迅速に補う用途は読み取れるが、投資家の資産を増やした因果効果は測っていない。[4]

BreakwaterのConviction Advantageは、4万人の仮想投資家による71の判断を用いる四半期の資本市場レポートだ。投資家の種類、売買回転、ベンチマークへの感応度、投資期間などによって判断がどう異なるかを扱う。企業の説明や市場対応を検討する用途であり、4万人の実調査でも、運用収益の改善を検証した実験でもない。[5]

製品ページの用途は、新商品、価格、ブランド、顧客セグメント、戦略広報、シナリオ計画に広がる。シナリオ計画では、顧客だけでなく、従業員、政策担当者、競合の適応と二次的な影響も扱うと説明する。ただし、掲載された例にはillustrative scenarioと表示されたものがあり、実現した効果として読めない。政治・公共領域への応用の記載も、特定の選挙での予測実績や、政策介入の成功を自動的に裏付けるものではない。[1][6]

出典

1. Aaru, Population simulation at the replication floor, Research, 2026-09-24
2. Aaru, How a simulation works
3. Aaru, About
4. Aaru, EY Global Wealth Study
5. Aaru, Breakwater Conviction Advantage
6. Aaru, Scenario Planning

公開資料の確認基準日：2026年10月12日。製品ページ・顧客事例の説明と、公開研究の評価結果は、本文で区別している。