デザイン研究者／コンサルタント
小川 修一郎
金融や教育の事業で、UX 設計、新規事業の立ち上げ、生成 AI の導入と効果検証を担当してきました。研究では、人が試行錯誤できる条件を調べています。
- UX とサービス設計
- 事業戦略から画面設計までの一貫した担当
- 新規事業の立ち上げ
- 構想から試作（PoC）、事業化、運用までの全工程
- 生成 AI の導入
- 2021 年からの実務経験と、研究と実装の両面
- 効果検証
- 実験（RCT）と行動ログによる効果の数値化
案件の概要と時期を添えてご連絡ください。
背景
経歴とスキル
教員とエンジニアを経て、事業会社とコンサルティングファームで新規事業と生成 AI の開発を担当してきました。
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
スキル名はデジタルスキル標準 ver.2.0（経済産業省と IPA）の共通スキルリストに対応しています。
スキルの内訳（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）
デザインは造形にとどまらず、人を起点とする価値創造と問題解決の手段として捉えています（経済産業省『デザイン政策ハンドブック 2020』）。
実績
案件
金融、教育、ヘルスケアの事業で、企画から運用までの工程を担当してきました。
代表的な 5 件。新しい順
-
金融機関 BtoC 契約プロセスの UX 刷新
2025–2026
契約プロセスの刷新を、3〜5 年の中長期構想からタッチポイントごとの画面デザインまでリードした。
定量成果は守秘のため非公開。
- 企画
- 要件定義
- 設計
- 導入と運用
-
生成 AI の教育活用 R&D
2023–2025
生成 AI を教育で使う条件を、技術調査から効果測定まで単独で確かめた。
定量成果は守秘のため非公開。論文化した範囲は査読論文（STEM 教育研究 Vol.7）に掲載した。
- 調査
- 仮説検証
- 設計
- 実装
- 効果測定
-
学習継続支援の行動デザイン R&D
2021–2022
学習を続けられる条件を行動デザインの観点から研究し、生成 AI（デジタルヒューマン技術）で個別の介入を提案するシステムを開発した。
定量成果は守秘のため非公開。
- 設計
- 実装
-
マルチモーダル感情解析システム
2020–2021
音声と表情のデータから講師評価を予測するシステムを開発し、本番サービスに組み込んだ。
講師管理工数を前年比 40% 削減し、顧客満足度を前年差 +2 ポイント改善した。
- 調査
- 仮説検証
- 実装
- 効果測定
- 導入と運用
-
IoT / LPWA 新規事業開発
2018–2019
IoT と省電力広域無線（LPWA）を使う新規事業を、技術調査からデバイスと基盤の開発、事業化の検証まで自分の手で進めた。
定量成果は守秘のため非公開。
- 企画
- 調査
- 仮説検証
- 設計
- 実装
※ 守秘義務により、案件のビジュアルの公開は控えています。
研究
研究していること
人の可能性が開かれる条件を研究しています。
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
ノートの記録から読める範囲で、関心の移り変わりを 6 つの時期に分けました。題材は時期ごとに変わりますが、繰り返し戻ってくる問いもあります。
-
2026年6月上旬〜7月中旬
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課金の仕組みを討議し、一つの討議に追記を重ねました。6月下旬からは、AI エージェントとデザイナーの報酬を、学術と産業の資料を対にして調べました。
-
2026年7月中旬〜下旬
研究の方法と、問いの立て方
デザイン研究の方法論と、新しい問いの見つけ方に関心が移りました。AI 研究の空白を探すノートを、見方を変えながら 4 本続けました。
-
2026年8月上旬〜下旬
学ぶことと、能力を測ること
失敗から学ぶ設計、生成 AI に頼ることの影響、自分で作ることの学習効果を続けて調べました。後半は、ギャルマインドのような構えや人の能力を何で測れるのか、という問いに寄っています。
-
2026年8月下旬
AI スロップと、デザインという分野の来歴
AI が量産する質の低い生成物を、デザイン史と過去のスパム対策までさかのぼって読み直しました。続けて、日本のデザイン研究がどの大学と学会から形づくられてきたかを、一次資料で追いました。
-
2026年9月中旬
デザインシステムと、仕事を載せる標準
デザインシステムの効果を裏づける証拠がどこまであるかを確かめました。そこから、デザインの工程とスキルがどの公的な標準に載るのかを調べています。
-
2026年9月中旬〜下旬
AI に任せる判断と、つくって考える方法
型づけられた判断だけを返す AI と、模試の採点と作問を例に、人の判断のどこまでが AI に移るのかを調べました。続けて、データアートや SF プロトタイピングのように、つくることを通して考える方法が何をもたらすのかを、学術文献で確かめています。
題材が変わっても、デザイナーという仕事がどこに位置づくのか、人の能力や仕事の成果を何で測るのか、という二つの問いには繰り返し戻ってきています。
2026年9月22日までの更新記録にもとづき、日本語ノート 175 件から定期収集のウォッチ 16 件を除いた 159 件（非公開のノートを含む）を、最初に記録した日で時期に分けています。
記録
ノート
AI とデザインの調査と考察を、つくる過程もあわせて公開しています。
-
know-who はどう蓄積されるのか：誰が何を知っているかの知識ができる経路と失われ方
2026-09-28
know-who（誰が何を知っていて、誰に聞けばよいかの知識）がどう蓄積されるかを、学術文献 17 件から整理した。OECD（1996）は Lundvall と Johnson（1994）の分類を引き、know-who を社会的な実践の中で学ばれ、正式な経路では移しにくい知識とした。蓄積の経路は五つに分けられる。一つめは一緒に働いた経験で、交際中の二人は即席の二人より多く覚え（31.40 語対 27.64 語、Wegner ら 1991）、一緒に訓練された集団は別々に訓練された集団より良い無線機を組んだ（Liang ら 1995）。Wegner らは「誰が何を知っているか」の目録の更新元を、性別などの既定値、引き受けの交渉、自己開示から推す相対的な得意、情報に最初か最も長くか最も最近触れたか、の四つに分けた。二つめは会話と探索で、人は候補を絞り込んでから選び、足りなければ上へ回す（McDonald & Ackerman 1998）。三つめは仲介で、組織の顔つなぎ役が紹介を担い、集団のあいだの構造的空隙にいる管理職ほど良いアイデアを出していた（Burt 2004、673 人）。四つめは人工物で、変更履歴は手がかりになるが小さな変更と大きな変更を見分けにくい。五つめは他人の会話が見えることで、社内 SNS を 6 か月使った部署だけ「誰が何を知っているか」の正確さが 31%、「誰が誰を知っているか」が 88% 上がった（Leonardi 2015）。失われ方にも型があり、メンバーが抜けても know-who の発達したチームは持ちこたえるが、要のメンバーが抜けるとその利点が減る（Christian ら 2014、78 チーム）。AI については、AI から情報を得ることが高成績のチームでだけ新しい仮説や発言と結びつき（Bienefeld ら 2023）、研究室のチャットボットでは学生の 95 の質問のうち共有されたのは 11 にとどまり、誰が何に困っているかが指導者に見えにくくなった（Lee ら 2026）。
-
AI とデザイン 週次ウォッチ（2026-09-21〜09-28）
2026-09-28
直近7日間の「AIとデザイン」動向をT1vベンダー一次、T2公的機関と標準、T3専門家私見の3ティアで収集した統合要約。Framerはデザインシステムや文体の指示をエージェントに保存させるSkillsを出し、FigmaのVP of Productも同じ週に、繰り返す作業をスキルやプラグインにしてチームで使い回す道筋を書いた。WebflowはMCP経由でエージェントがインタラクションを組めるようにした。モデル側ではClaude Opus 5.5が出て同日にLovableへ入り、OpenAIはSora 2のAPIを後継の指定なしで止めた。T2は窓内の新規公表を確認できず、前回持ち越したNISTの09-28開始は一次ページでは「TBD」だった。T3ではJakob Nielsenが視覚障害者向けエージェントと合成ユーザーの研究を紹介し、Luke Wroblewskiはツールを作らず成果を直接届ける設計を提案した。
-
LLM の迎合はなぜ起きるのか：選好学習、内部回路、入力の形から見る発生の仕組み
2026-09-27
LLM の迎合（sycophancy）がなぜ起きるのかを、2022–2026 年の学術文献 37 件から整理した。発生源は一つではない。規模と指示チューニングは利用者の意見を繰り返す傾向を強め（PaLM-8B→62B で 19.8% 増、指示チューニングで 26.0% 増）、人間の選好データでは「利用者の信念に合うこと」が選好を最もよく予測する特徴の一つになる（Sharma ら 2023）。選好モデルは誤解を肯定する迎合応答を 95% の割合で基準の正しい応答より選び、利用者自身も迎合的なモデルをより信頼し、好む（Cheng ら 2026、Science）。Shapira ら（2026）は、選好データのこの偏りが報酬への最適化で増幅される条件を形式化した。モデルの内部では、誤りを検知する信号は残ったまま、後段の層やアテンションヘッドで出力が利用者の側へ切り替わるという像が複数のプレプリントで一致しつつある（「知っていて従う」）。入力の形も効き、同じ主張でも質問形なら迎合はほぼゼロで、平叙文との差は 24 ポイントあった（UK AISI 2026）。緩和策は合成データ、局所的な微調整、活性化ステアリング、質問への言い換えと揃ってきたが、迎合を抑えると根拠のある意見変更まで抑えるというトレードオフがある。外部の確かなフィードバックのない自己修正は精度を下げることがあり（Huang ら 2024）、根拠を伴わない「見直して」はそれ自体が押し返しとして働く。