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
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。
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）
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。
主な案件 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。
守秘義務があるため成果の数値は公開していません。
- 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
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。
守秘義務があるため成果の数値は公開していません。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
-
学習継続支援の行動デザイン R&D
2021–2022
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。
守秘義務があるため成果の数値は公開していません。
- 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
-
IoT / LPWA 新規事業開発
2018–2019
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。
守秘義務があるため成果の数値は公開していません。
- 企画
- 調査
- 仮説検証
- 設計
- 実装
※ 守秘義務があるため案件の画像は掲載していません。
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。題材は月によって変わりますが何度も立ち返る問いもあります。
-
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
デザイナーの報酬と期待、そして研究の方法
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
学びと能力の測り方、AI スロップとデザインの歩み
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。ギャルマインドのような心構えを何で測れるのかも調べています。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、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。下旬にはこのサイトの引用ネットワークを絵にする作品づくりと研究の新規性の芽をどこで見つけるかに関心が移りました。
-
2026年10月
スタート時の有利さと運、若手の育ち方、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。下旬にはデザイン哲学の読み始め方と AI エージェントの歴史を整理しました。ユーザーヒアリングやプレイングマネージャーや個人情報の守り方といった現場の仕事も学術論文と業界資料で調べています。
-
2026年11月（12日まで）
AI に判断を委ねること、新規事業の確かめ方、量は質を生むか
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。ユーザーヒアリングの準備物はチェックリストにまとめています。続いて新規事業が受け入れられるかの調べ方と投資を続けるかどうかを判断する関門の設計を調べました。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 250 件から定期的な動向まとめ 24 件を除いた 226 件（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。
-
AI の合成回答者で受容性調査を代わりに行うサービス：作り方、数、見せ方、稼ぎ方
2026-11-14
思考特性の違う AI エージェントを多数つくり、人に行う受容性調査（コンセプト、広告、価格などを見せて受け入れられるかを確かめる調査）と同じ調査をさせるサービス 38 件を、公式の料金表と説明書、開発者の証言、業界団体の規程、調査会社の比較で調べた（2026 年 11 月 14 日時点）。エージェントの作り方は、事業者が用意したものから選ぶ型とユーザーのデータから作る型に分かれず、多くの製品は両方を持つ。違いは答えを何のデータで支えるかにあり、事業者のパネルと購買データ、公的統計、買い手の調査データ、実在の個人への長い面接の 4 つに分かれる。数の上限は、母集団の大きさ（10 万人、約 1 億人規模）、1 回の調査の回答数（5 から 10,000）、プランの枠が混ざって示され、どれも独立した人の数ではない。体数を 500 から 5,000 に増やしても誤差は 6.8 ポイントから 6.7 ポイントにしか下がらなかった（Verasight 2026）。刺激は文章がどの製品でも使え、画像と動画は製品で分かれる。Qualtrics の合成パネルは画像、動画、ファイル、リンクを処理しない。課金は、月額のセルフサーブ（月 20 ドルから）、年額契約にクレジットやトークンを付ける形、問い合わせを無制限にする定額のライセンス、見積もりの契約に分かれ、多くは回答や面接の数で消費する。人の回答との一致は売り手が自分で測った数字だけで、第三者の比較では全体の数字でも 2〜12 ポイント外れ、部分集団、価格の論理、時点の間の変化ではさらに外れた。ESOMAR、MRS、Insights Association、AAPOR の規程と報告は、合成の使用と、人の回答とどれが合成かの区別を買い手に示すよう求める。
-
デザインは何を手放させ、何を手放すのか：アンラーニングを広義のデザインから考える
2026-11-13
アンラーニング（unlearning、学び捨て、脱学習）を、造形に限らない広義のデザイン（Simon の定義する、現状をより好ましい状態に変えようとする営み）から、デザイン研究、HCI、移行研究、組織論、環境心理学、高等教育研究の文献 50 件で考えた。デザインが手放させるものは三つに分かれる。デザインする人自身の先入の案と枠、使う人と社会の実践、そして人工物や制度そのものである。一つめには実験の証拠がある。先に見た例の特徴は案に持ち込まれ、例を写すなと指示しても写しは減らなかった（Vasconcelos と Crilly 2016 が 25 研究を整理）。工学設計の教員も初学者と同じ程度に固着した（Linsey ら 2010、Viswanathan と Linsey 2013）。ただし、前の案を繰り返すことには利点もあり、固着をつねに悪とは言えない（Crilly と Cardoso 2017）。二つめと三つめは概念と事例の研究が中心で、実践を設計の単位にして「日課の危機」を作る指針（Kuijer ら 2013）、移行研究が新しさに偏り終わらせることを軽んじてきたという批判（Heyen ら 2017、van Oers 2024）、技術の否定を設計する undesign の枠組み（Pierce 2012）、作ることより壊すことが議論を生んだ unmaking の民族誌（Sabie ら 2022）がある。Tonkinwise（2018）は、デザインは既存のものを壊して置き換える行為であり、使う人には学び捨てが求められ、変化は逆戻りしにくいと論じた。これらを、同じ連作の学習科学の note（古い知識は消えずに残り、習慣は決意より文脈の変化で変わる）と重ねると、次の推論が立つ。デザインが学び捨てに効くとすれば、それは古いものを消すからでなく、古い手がかりが外れて新しいやり方を試せる場面（転居や転職のような生活の節目、実験の場）を作るからである。転居から 3 か月以内の人では、持続可能な行動を促す情報の介入が効いたという野外実験もある（Verplanken と Roy 2016）。一方、何を手放すかは中立に決まらない。意図的な不安定化は不公正な体制を再生産しうる（van Oers ら 2021）。人間中心設計の道具は先住民の実践を押しのけうる（Akama ら 2019）。デザインの側で、学び捨てを時間をおいて測り直した研究は少ない（Coskun ら 2015 は長期の評価の欠如を挙げた）。
-
学んだことは手放せるのか：アンラーニングを記憶、概念変化、習慣と技能、訂正の学習科学の文献から
2026-11-13
「いったん忘れてから学び直す」というアンラーニング（unlearning、脱学習、学習棄却）を、学習科学と認知心理学の文献 66 件で、定義、記憶、概念変化、手順と習慣と技能、効く手立て、測り方に分けて確かめた。この語は組織論から広まり、個人の水準では「知識を捨てる」から「古い知識の影響を減らす」へ定義が移っている。記憶では、古い記憶は消えるより思い出されにくくなる。思い出す練習は関連する別の記憶を忘れさせ（検索誘導忘却、512 標本で g = 0.35、Murayama ら 2014）、思い出さないよう努めることでも忘れる（120 研究で d = 0.20〜0.40、Clark ら 2026）。消去した反応は文脈と時間で戻り、記憶を呼び起こして書き換える再固定化は、人では再現が揺れている（Hardwicke ら 2016、Elsey ら 2018）。概念変化では、理科を学んだ大人も素朴な理論を持ち続け、10 領域で素朴な理論と科学の理論が食い違う文の判断が遅く不正確だった（Shtulman と Valcarcel 2012）。遅れは 65 歳前後の高齢者でも職業科学者でも残り、物理学の博士の脳では抑制に関わる領域が働いた。手順では、慣れた解が熟達したチェスの指し手の力を 3 標準偏差下の指し手並みに下げ（Bilalić ら 2008）、習慣では、新しい経路を実行意図と結びつけても約半数の反応で古い経路が出た（Wood と Neal 2007 が引く実験）。効く手立てとして、誤った考えを否定して正しい説明を示す反駁テキストには中程度の効果があり（44 比較で g = 0.41、Schroeder と Kucera 2022）、否定だけでは足りず説明が要る（Kendeou ら 2014）。ただし 1 か月を超える効果と行動の変化の証拠は薄く、教員を対象にした実験では 45 日後に効果が消え、実践の意図は変わらなかった（Ferrero ら 2020）。科学に関わる誤情報の訂正は、平均して効果が有意でなかった（d = 0.11、Chan と Albarracín 2023）。文献が描くのは、古いものを消すことでなく、古いものを残したまま新しいものが優位になる条件を整えることで、手放せたかの確かめ方（反応時間、学び直しの速さ、行動）は研究ごとに違い、同じ人を追って測った研究は少ない。