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、やり直せる環境を、デザインでつくっています。
研究でも事業の設計でも、使う人が試せる形を先につくり、反応を見て直していきます。
デザインと AI を専門とし、教育の事業会社で新規事業と R&D を、コンサルティングファームでサービスと事業の設計を担ってきました。研究と実装を一人で往復できるのが持ち味です。
ご相談を受けていること
- 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
- 共同研究と講演
- 生成 AI と学習、デザインの職能をめぐる研究と、高校や大学での登壇
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、やり直せる環境が成り立つ条件を、実験と文献で調べます。
査読論文 3 本（筆頭 1 本）と特許 1 件があり、総務省の検討会で構成員を務めました。
-
つくる
試作から本番まで、クラウドとアプリを自分の手で組みます。
講師評価を予測するシステムを本番に組み込みました。講師管理工数を前年比 40% 削減し、顧客満足度を前年差 +2 ポイント改善しました。
-
確かめる
実験と行動ログで効果を測り、次の判断の基準にします。
生成 AI の教育活用を、技術調査から効果測定まで単独で確かめ、査読論文にまとめました。
経歴
教員、エンジニア、教育の事業会社、コンサルティングファームの順に立場を変えてきました。デザインでは、2019 年から美術大学で情報表現とデザインの演習を担当しています。AI では、2021 年から生成 AI を実務で導入し、教育での活用を効果測定まで行って査読論文にまとめました。
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）
このスキルの表では、デザインを造形に限らず、人を起点とする価値創造と問題解決の手段として扱っています（経済産業省『デザイン政策ハンドブック 2020』）。
実績
案件
教育の事業が中心で、金融とヘルスケアの案件もあります。
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 UX 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ました。構想では AI 同士が契約を結ぶ AI to AI の仕組みも検討し、デザイン業務は生成 AI を活用して効率化しています。
定量的な成果は、守秘義務のため公開していません。
- 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、技術調査からインタラクション設計、効果測定まで単独で確かめました。
定量的な成果は、守秘義務のため公開していません。論文にした範囲は、査読論文（STEM 教育研究 Vol.7）に掲載されています。
- 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ました。
定量的な成果は、守秘義務のため公開していません。
- 設計
- 実装
-
マルチモーダル感情解析システム
2020–2021
音声と表情を AI で解析して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みました。
講師管理工数を前年比 40% 削減し、顧客満足度を前年差 +2 ポイント改善しました。
- 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ました。
定量的な成果は、守秘義務のため公開していません。
- 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
生成 AI と学習、デザインの職能を題材に、人が試し、やり直せる環境が成り立つ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月ごとに分けました。題材は月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
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産学の討議で論じ、一つの討議に追記を重ねました。下旬からは、AI エージェントの体験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
デザイナーの報酬と期待、そして研究の方法
前半は、AI への期待ギャップ、キャリア、報酬を学術と産業の対で調べ続けました。中旬からはデザイン研究の方法論と問いの立て方に移り、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
学ぶことと能力の測定、AI スロップとデザインの来歴
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と、ギャルマインドのような構えを何で測れるのかを調べました。月末は、AI が量産する質の低い生成物をデザイン史から読み直し、日本のデザイン研究の来歴を一次資料で追いました。
-
2026年9月
仕事を載せる標準、AI に任せる判断、新規性の見つけ方
デザインシステムの効果の証拠と、工程とスキルが載る公的な標準を確かめたあと、型づけられた判断だけを返す AI と模試の採点を例に、人の判断のどこまでが AI に移るのかを調べました。下旬は、この wiki の引用ネットワークを絵にする作品と、新規性の芽をどこで見つけるかに移りました。
-
2026年10月
最初の有利と運、ジュニアの育ち方、デザインの教育と哲学
努力できることも才能か、最初の有利は運かを学術文献で確かめ、コンサルティングとデータ可視化を買う側が何に価値を見るのかを産業界の資料で調べました。続けて、生成 AI で下積みが減るときにジュニアが何を引き継げればよいか、デザイン教育とデザイン哲学が何を担ってきたかを追いました。
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10月11日までの更新記録にもとづき、日本語ノート 219 件から定期収集のウォッチ 19 件を除いた 200 件（非公開のノートを含む）を、最初に記録した日の月で分けています。
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。
-
非認知能力の研究は、どこへ動いたか：呼び名、賃金の上乗せ、育て方、測り方の潮流（2015〜2026）
2026-11-01
非認知能力（社会情動的スキル）の研究が 2015 年からの 10 年あまりに何を問い、どこへ重心を移したかを、査読論文を中心とする 47 件と、語の件数の数えで整理した。英語の論文では、題名か要旨に「非認知」の語を含む論文は「skills」を含む論文 1 万本あたり 2017 年の 21.1 本から 2025 年の 9.0 本に減り、「社会情動」の語は 25.9 本から 56.4 本に増えた（OpenAlex）。日本語の論文では、「非認知能力」の語が 2014 年の 6 件から 2025 年の 108 件に増え、2025 年でも「社会情動的スキル」（37 件）の約 3 倍ある（CiNii Research）。このノートが読んだ範囲では、語の入れ替わりの背後で、研究は三つの向きに動いた。一つめは、認知でない残りを一括りにする呼び名をやめ、性格特性（しがちなこと）とスキル（できること）を分ける枠組みへの移行で（Soto ら 2022 の BESSI）、スキルは特性を超えて説明を足したが（平均 ΔR² = .06、Soto ら 2024）、どちらも自己報告で測られている。二つめは、価値の相関から因果の推定への移行である。社会的スキルへの賃金の上乗せは米国、スウェーデン、フィンランドで上がったと報告され（Deming 2017、Edin ら 2022 はほぼ倍、Izadi と Tuhkuri 2026 は外向性が引く）、スイスの小学校の無作為化実験では、効果が標準化テストではなく成績と進学に 10 年以上残った（Sorrenti ら 2025）。教師と学校は試験の点とは別の成果を動かし、その効果は試験への効果と弱くしか相関しない（Jackson 2018 の WP で r = 0.22）。学校の SEL のメタ分析の効果は、2011 年の Durlak らより 2023 年の Cipriano ら（審査中の版で全体 g = 0.194、学業 0.109）で小さく、日本の 85 研究には無作為化で偏りの危険が低い研究がなかった（Takizawa ら 2023）。三つめは、自己報告の比較への疑いである。学力の高い学校の生徒ほど自己調整を低く答える参照バイアス（N = 229,685、Lira ら 2022）が見つかり、質問紙への回答の努力や試験中の成績の低下のような、行動から測る工夫が増えた。生成 AI の時代に社会的スキルの需要が増えるかは、査読前の前刷りの版で結論の向きが入れ替わっていて、決まっていない（Gulati ら 2025）。
-
このサイトの持ち主が最も多く調べてきた 5 つの主題と、それぞれの研究の主流
2026-11-01
このサイトの日本語のノート 233 本（2026-11-01 の時点、非公開を含む）を、定期収集のウォッチとサイト自体を扱うノートを除いて slug の規則で主題に分けると、多い順に、デザイナーの職能と実務（40 本）、生成 AI の道具と仕組み（32 本）、能力と評価（26 本）、研究の方法と新規性（26 本）、デザインの理論と来歴（23 本）になった。各主題の研究分野でいま最も主流の流れを、系統的レビューの記述、代表文献の被引用、近年の論文数で確かめた。職能では、人と AI の協働による補完（Figoli と Rampino 2026 の 48 本のレビュー、Shi ら 2023 の 93 本のレビュー）が主流で、題名か要旨に協働の語を含む論文は代替の語を含む論文の約 5 倍ある。対抗は需要の減少の実証（Demirci ら 2025 で画像制作の求人が 17% 減）と均質化の実証（Doshi と Hauser 2024）、協働という言い方への批判である。道具では、LLM を制御の中心に記憶、計画、道具の使用を足したエージェント（Wang ら 2024、年ごとの被引用は 2023 年の 9 から 2026 年の 1,045）が主流で、対抗は人が主導権を持つ混合主導の HCI と、人との差（WebArena で 14.41% 対 78.24%）と評価の偏りを示す批判である。能力と評価では、得点の解釈と用途の妥当性を問う心理測定の枠組み（AERA、APA、NCME の Standards 2014）と、それに立つ個人差の研究（双生児研究の遺伝率 49%）が主流で、対抗は累積有利と能力主義の批判と、能力を状況に置く見方である。方法と新規性では、文献の空白を見つけて問いを立てる gap-spotting（Sandberg と Alvesson 2011 の 52 本で最も多い方法）が主流で、対抗は前提を問い直す problematization と、新規性を引用の組み合わせで測る科学計量である。理論では、デザインに固有の知の型を、行為の中の省察と問題と解の共進化に見る Cross、Schön、Dorst の流れが主流で、プロトコル研究のレビュー（Hay ら 2017）もこの流れと Simon の問題解決を二つのパラダイムとする。ただし年あたりの被引用は、2024 年から多元世界やデザインの正義の代表作が上回った。五つの主題のどれでも、持ち主のノートは主流に乗って書くより、主流の前提や範囲を問う側に多く立っている。
-
生成 AI が実用になってからの HCI の研究潮流（2023〜2026）：作る研究の多さと、人の側に残る確かめる仕事
2026-11-01
ChatGPT の公開（2022 年 11 月）からの 3 年あまりに、HCI（人とコンピュータの相互作用）の研究が生成 AI について何を問うてきたかを、CHI を中心とする査読論文と主要なプレプリント 43 本と、CHI の論文数の数えで整理した。題名か要旨に LLM や生成 AI の語を含む CHI の論文の割合は、OpenAlex の数えで 2023 年の 1.9% から 2024 年の 13.2%、2026 年の 23.0% へ増えた。2020〜2024 年の CHI の LLM 論文 153 本の系統的レビュー（Pang ら 2025）では、62.74% が LLM をシステムの部品として使い、90.85% が研究の妥当性に関わる限界を認め、84.98% が閉じた GPT 系のモデルを使っていた。量の主流は、生成 AI を部品にしたシステムを作る研究である。HCI が新しく知ったことは、使う人の側に何が起きるかを測る研究に多く書かれている。素材としての難しさ（非専門家のプロンプトの失敗、構想の溝）、頼りすぎと適切な信頼、エージェントへの委任と監督、個人の出来と集団の均質化、学習への害、障害のある人への表象の害と確かめる負担、迎合と長期の使用の心理的影響、参加者の代わりとしての LLM の妥当性である。これらに共通して、人の仕事は作ることから確かめ、統合し、監督することへ移ると報告され（Lee ら 2025、Sarkar と Drosos 2025）、使っているあいだの成績や好みと、外したあとの学び、集団の多様性、人のためになることがずれる（Bastani ら 2025、Doshi と Hauser 2024、Cheng ら 2026）。ずれを縮める設計は、使う人に好まれにくい（Buçinca ら 2021、Cheng ら 2026）。害が出ない条件を示す研究もある（Kazemitabaar ら 2023、Bastani ら 2025 の学習用の安全策、Kim ら 2024 の一人称の不確かさの表明）。