デザイン研究者/デザインコンサルタント
小川 修一郎
人が試してやり直せる環境をデザインでつくっています。
使う人が試せるものをまず形にして反応を見ながら直していく。研究でも事業づくりでもこの進め方は変わりません。
専門はデザインと AI です。教育系の事業会社では新規事業と R&D を、コンサルティングファームではサービスと事業の設計を手がけてきました。研究と実装を一人で行き来できるのが持ち味です。
ご相談いただけること
- UX とサービス設計
- 事業戦略から画面設計までを一貫して担当
- 新規事業の立ち上げ
- 構想づくりから試作(PoC)と事業化を経て運用まで
- 生成 AI の導入
- 2021 年から続く実務経験をもとに研究と実装の両面で支援
- 効果検証
- 実験(RCT)と行動ログを使った効果の数値化
- 共同研究と講演
- 生成 AI と学習やデザインの職能をテーマにした研究と高校や大学での講演
案件の概要と時期を添えてご連絡ください。
背景
仕事の進め方と経歴
-
研究する
人が試してやり直せる環境が成り立つ条件を実験と文献調査で探っています。
査読論文は 3 本(うち筆頭 1 本)で特許が 1 件あります。総務省の検討会では構成員を務めました。
-
つくる
試作から本番運用までクラウドもアプリも自分で開発します。
講師の評価を予測するシステムを開発して本番のサービスに組み込みました。講師管理の工数は前年比で 40% 減りました。顧客満足度も前年から 2 ポイント上がりました。
-
確かめる
実験と行動ログで測った効果を次の判断材料にします。
教育現場での生成 AI 活用を技術調査から効果測定まで一人で検証して査読論文にまとめました。
経歴
教員からエンジニアに転じたあと教育系の事業会社を経てコンサルティングファームに移りました。美術大学では 2019 年から情報表現とデザインの演習を受け持っています。生成 AI は 2021 年から実務に取り入れてきました。教育現場での活用は効果測定まで手がけて査読論文にまとめています。
スキル
- デザイン
- 顧客とユーザーの理解/価値発見と定義/デジタルプロダクト設計
- ビジネス変革
- 事業戦略と技術の事業化/仮説検証/成果指標の設計
- データ整備・活用
- 生成 AI と LLM の活用/統計分析と可視化/データ基盤
- テクノロジー
- クラウド活用/サーバレスとコンテナ/フロントエンド開発
すべてのスキルを見る(22 項目)
- デザイン
- 顧客とユーザーの理解/価値発見と定義/デジタルプロダクト設計/ユーザー視点の検証/共創のファシリテーション/デザインプロセス管理/体験価値ガバナンス/デザインによる組織運営
- ビジネス変革
- 事業戦略と技術の事業化/仮説検証(PoB:事業性の検証)/成果指標の設計(KGI / KPI)/プロジェクト管理(PMP®)/マーケティング
- データ整備・活用
- 生成 AI と LLM の活用/統計分析と可視化(Python、Looker Studio)/データ基盤(BigQuery)
- テクノロジー
- クラウド活用(GCP / AWS / Azure)/サーバレスとコンテナ(Docker / Lambda / Firebase)/フロントエンド開発(React / Vue / Next.js / Nuxt.js)/バックエンド開発(FastAPI / Django / Nest.js)/データベース(PostgreSQL / MySQL / Firestore)/SRE と CI/CD(GitHub Actions)
スキル名は経済産業省と IPA のデジタルスキル標準 ver.2.0 にある共通スキルリストに合わせています。
ここでのデザインは造形に限らず人を起点に価値を生み出して問題を解決する手段を指します(経済産業省『デザイン政策ハンドブック 2020』)。
実績
案件
教育分野の案件が中心ですが金融やヘルスケアの案件も手がけています。
守秘義務があるため案件の画像は掲載していません。成果の数値は公開できる案件のみ掲載しています。
主な案件 5 件(新しい順)
-
2025–2026
金融機関 BtoC 契約プロセスの UX 刷新
契約プロセスの UX 刷新を 3〜5 年先を見据えた中長期構想から顧客接点ごとの画面デザインまで主導しました。構想の段階では AI 同士が契約を結ぶ AI to AI の仕組みも検討しました。デザイン業務は生成 AI を使って効率化しています。
- 企画
- 要件定義
- 設計
- 導入と運用
-
2023–2025
生成 AI の教育活用 R&D
教育現場で生成 AI を使うための条件を技術調査からインタラクション設計と効果測定まで一人で検証しました。
論文にまとめた範囲は査読論文(STEM 教育研究 Vol.7)で公開しています。
- 調査
- 仮説検証
- 設計
- 実装
- 効果測定
-
2021–2022
学習継続支援の行動デザイン R&D
学習を続けやすくなる条件を行動デザインの視点で研究し、生成 AI(デジタルヒューマン技術)で一人ひとりに合わせた働きかけを提案するシステムを開発しました。
- 設計
- 実装
-
2020–2021
マルチモーダル感情解析システム
音声と表情を AI で解析して講師の評価を予測するシステムを開発し、本番のサービスに組み込みました。
講師管理の工数は前年比で 40% 減りました。顧客満足度も前年から 2 ポイント上がりました。
- 調査
- 仮説検証
- 実装
- 効果測定
- 導入と運用
-
2018–2019
IoT / LPWA 新規事業開発
IoT と省電力広域無線(LPWA)を使った新規事業を技術調査からデバイスと基盤の開発や事業化の検証まで自ら手を動かして進めました。
- 企画
- 調査
- 仮説検証
- 設計
- 実装
研究
研究していること
人が試してやり直せる環境はどうすれば成り立つのか。その条件を生成 AI と学習とデザインの職能を題材に研究しています。
論文
-
バイブコーディング体験によるプログラミング非熟練者のアプリ制作意欲への効果
情報教育シンポジウム 2026 論文集(情報処理学会), pp.103–110, 2026、査読あり
共著
-
Educational Effects of Pair Programming with Generative AI for Novice Learners
New Perspectives in Science Education 15th Ed., pp.330–337, 2026、査読あり
共著
-
通信教育課程の大学生を対象とした生成 AI チャットボット Creative Copilot によるオンライン講義でのジェネラティブアート制作支援:STEAM 教育実践のための新たなアプローチの評価
STEM 教育研究 Vol.7, pp.32–41, 2025、査読あり
筆頭著者
関心の推移
調べてきたことの移り変わり
ノートの記録をもとに関心がどう移ってきたかを月ごとにまとめました。
-
2026年6月
AI でデザイナーの仕事と稼ぎはどう変わるか
デザイナーの役割と価格設定について産業界と学術界の両方の視点から議論し、その議論に何度も書き足していきました。下旬からは AI エージェントの利用体験とデザイナーの報酬を学術論文と業界資料の両方で調べています。
-
2026年7月
デザイナーの報酬や期待と研究の方法
月の前半は AI への期待と現実のずれやキャリアや報酬を引き続き学術論文と業界資料の両方で調べました。中旬からはデザイン研究の方法論と問いの立て方に関心が移りました。AI 研究でまだ手つかずの領域を探すノートも切り口を変えながら 4 本書いています。
-
2026年8月
学びや能力の測り方と AI スロップやデザインの歩み
失敗から学べる設計や生成 AI に頼ることの影響や自分で作ることの学習効果を調べました。月末には AI が大量に生み出す質の低い生成物をデザイン史の視点で捉え直し、日本のデザイン研究の歩みを一次資料でたどりました。
-
2026年9月
仕事の標準や AI に任せる判断と新規性の見つけ方
デザインシステムの効果を裏づける証拠と工程やスキルを定めた公的な標準を調べました。そのあと決まった型の判断だけを返す AI と模試の採点を例に人の判断がどこまで AI に置き換わるのかを調べています。
-
2026年10月
スタート時の有利さと運や若手の育ち方やデザインの哲学と現場の仕事
努力できることも才能のうちなのか。スタート時点の有利さは運なのか。この二つを学術文献で調べました。生成 AI で下積みの仕事が減るなか若手が何を受け継げればよいのかとデザイン教育が果たしてきた役割も追っています。
-
2026年11月(12日まで)
量と質の関係や新規事業の確かめ方と AI に委ねる判断
AI に判断を委ねきってしまう現象(認知的降伏)がどう論じられてきたかと対策の裏づけを文献で調べました。量をこなせば質や腕前が上がるのかも調べています。
題材が変わっても何度も立ち返っている問いが二つあります。デザイナーという仕事の立ち位置はどこにあるのか。人の能力や仕事の成果は何で測るのか。
2026年11月12日までの更新記録をもとに日本語ノート(非公開のノートを含む)を最初に書いた月で分けています。
記録
ノート
AI とデザインについて調べたことや考えたことを制作の過程も含めて公開しています。
-
2026-11-22
デザインの実務と AI
LLM で生成した UI の画一的な見た目への対策(2026 年 11 月)
LLM で生成した UI の画一的な見た目への対策を 2026-11-22 に調べた。Rusia らは大きいほど似ていない距離で画一性を測った。別モデルどうしが 0.592 で人間とモデルが 0.764 だった。このプレプリントの著者 4 名は UI 生成の製品の会社に所属する。対策は次の 7 つである。一つめは禁止を並べるより具体的な指定を書くことである。二つめは作る前に方向を複数出させて人が選ぶことである。三つめはデザインシステムとトークンを機械が読める形で渡すことである。四つめは渡す材料を先に整理することである。五つめは描画した画面を撮らせて見比べさせることである。六つめはよくある型を機械で検出することである。七つめは人が直した内容を規則に戻すことである。数値が報告されているのは次の三つである。Cha らの要旨では部品を登録簿から組み立てる方式でデザインシステム準拠率が 95.08% だった。NN/g の比較ではまとめた調査から作ったデザインで採点表の基準を満たした割合が平均 77.9% だった。コメントそのままから作ったデザインでは平均 69.5% だった。Sansford らの実験ではスクリーンショットへの指摘を受けてコードを直す周回が 3 回まわされた。Distill-Qwen-14B が生成役のとき審査平均点は 5.236 から 5.690 に上がりコードの質の点は下がった。これらは準拠率か基準を満たす割合か審査の点である。どの対策でも見た目の独自性が上がるかが UI で測られた公開研究は見つからなかった。
-
2026-11-21
AI の使い方と仕組み
Jev(TypeSafe AI)活用の現状と課題(2026 年 11 月)
TypeSafe AI の Jev が公開されて 2 か月がたった。使い方に関する検証の材料は 9 月の数件から大きく増えた。GitHub には実装者が事前登録してから行った独立の評価が並んでいる。arXiv で Jev のプレプリントを探すと 63 件がヒットする。ただし査読を通ったものは 0 件である。本番で数週間以上回した運用の記録も見つからなかった。9 月の結論のうち criteria の書き方は独立の評価でも支持された。計算や日付の演算を任せないことも同じである。大きく変わったのは閾値の扱いである。閾値は課題ごとに選び直さなければならない。少数の例で点推定した閾値を使うと目標の精度を下回りやすい。カスケードは精度より費用を下げる手段と位置づけるのがよい。Jev と LLM の judge は同じ所で誤るからである。TypeSafe の docs で勧められる棄権の置き方はこの 2 か月で変わった。該当なしの選択肢を置く形から Choice とは別に Noul で問う形へ移った。ただしこの二つの形が数字で比べられた例はまだ無い。ラベル付きのデータが手元にある場面では学習した小さな分類器が Jev を上回る例が複数ある。
-
2026-11-21
AI の使い方と仕組み
やり取りのたびに Jev の判定が入る Claude Code 環境の構成の検討
ktlog.net の記事にある Claude Code 環境の構成を Jev の使い方に関する調査の観点で読んだ。記事では依頼が入口からハーネスを経て 4 つの行き先へ進む。全体の土台にはナレッジが置かれている。調査の推奨と対応する所の一つは取り返しのつかない操作が決まった規則で止まる仕組みである。人の確認が入る工程も推奨に対応する。画像の判定を別の API へ分ける点と依頼の曖昧さを別に問う点も推奨に沿う。一方で同様の構成を組む際に確かめたいのは Jev に届かないときの戻り方である。モデル版の固定とあわせて判定ごとの閾値の設定も要る。147 のスキルでは並べ替えによる検証に加えて紛らわしい対の書き分けも必要になる。品質の判定では質問の書き方と合格条件の書き方を確かめたい。似た判定を重ねたときの独立性も確認したい。なお記事から分かるのは構成までである。実際の効果は測っていない。
相談
連絡先
案件の概要と時期を添えてメールでご連絡ください。