小川 修一郎

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。

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

案件を見る →

※ 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。

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。

• 仕事と練習の量は腕を上げるのか：繰り返しの回数、症例数、経験年数、練習の配り方、労働時間、職場の経験の学術文献から

  2026-11-13

  「量をこなせば上手くなる」を、日常の仕事と練習について、量の種類（繰り返しの回数、症例数、経験年数、練習の時間とその配り方、労働時間、職場の経験）ごとに、学術文献 46 件と報告 1 件で確かめた。繰り返しは最初の時期に強く効く。窓ガラスの取り付けでは、1 人あたりの産出が入社 1 年で 53% 増え（Shaw と Lazear 2008）、自動車の組立工場では 1 台あたりの欠陥が生産開始から 8 週で 8 割以上減った（Levitt ら 2013）。ただし伸びは逓減し、工場の伸びは個々の作業者でなく組織に蓄えられ、生産を止めると経験は目減りした。手術では、症例数の多い外科医ほど患者の死亡率が低く（Birkmeyer ら 2003）、病院の症例数が死亡率を下げる因果も操作変数法で示された（Hentschker と Mennicken 2018）。前立腺の手術の再発率は、術者の経験が約 250 例に達するまで下がり続けた（Vickers ら 2007）。一方、心臓外科医の成績は、同じ病院での症例数で上がり、ほかの病院での症例数では上がらなかった（Huckman と Pisano 2006）。経験年数は量の粗い代理である。仕事の経験と成績の相関は .27 で、年数より回数で測ると .43 に上がった（Quiñones ら 1995）。医師では、診療年数が長いほど質が下がると報告した評価が 62 件中 32 件あり（Choudhry ら 2005）、高齢の内科医の患者は死亡率が高かったが、患者を多く診る医師では年齢との関連が消えた（Tsugawa ら 2017）。日本の自動車の営業担当者では、経験年数と販売業績の相関は 3〜9 年の群で有意で、10 年以上の群では有意でなかった（松尾ら 1999）。練習は、同じ量でも配り方で残り方が変わる。間隔をあけた練習は詰め込んだ練習より成績が高く（Donovan と Radosevich 1999、効果量 0.46）、数学の問題を 3 問から 9 問に増やしても 1〜4 週後の成績は変わらず、同じ 10 問を 1 週あけて 2 回に分けると 4 週後の成績が大きく上がった（Rohrer と Taylor 2006）。「1 万時間」は、Ericsson ら（1993）の研究を Gladwell（2008）が「魔法の数字」と呼んだもので、Ericsson 本人は魔法の数字の証拠はないと書いた。長時間労働は、時間あたりの産出を下げる。第一次大戦の軍需工場では、週 49 時間までは産出が時間に比例し、それを超えると伸びが鈍り、約 63 時間で頭打ちになった（Pencavel 2015）。24 時間以上の当直を含む勤務の研修医は、重大な医療過誤が 35.9% 多かった（Landrigan ら 2004）。ただし研修医の勤務時間を縮めても教育の成果は改善せず、手術の経験の減少と申し送りの増加が報告された（Ahmed ら 2014）。長く働くほど型が身につくことを直接測った研究は見つからなかった。職場の経験では、挑戦の大きさの効果は逓減し、フィードバックがあると逓減が抑えられた（DeRue と Wellman 2009）。「学びの 70% は仕事の経験から」という規則には証拠の基盤が弱い（Clardy 2018）。文献が量を腕に変える条件として繰り返し示したのは、成果がすぐ分かる環境、同じ組織と同じ種類の仕事の中での積み重ね、間隔をあけた繰り返し、振り返りと他者の支援だった。

• 量が質を作るのか：傑作の数と傑作率、アイデアの数と最良案、試作の比べ方、練習の時間、陶芸クラスの逸話の出所の学術文献から

  2026-11-12

  「量が質を作る」という言い習わしを、量の種類（作品の数、アイデアの数、試作の反復、練習の時間）ごとに分けて、学術文献 35 件と逸話の出所の資料 5 件で確かめた。作品を多く作る人ほど当たりの数は多い。発明者約 150 万人、心理学者 1,742 人、科学者 20,296 人のデータで、総数と総被引用の相関は .59〜.77 だった。一方で、総数と一本あたりの平均被引用の相関は −.0004〜.07 で、数が多い人ほど一つずつが良いとは言えなかった（Forthmann ら 2020）。最も評価された作品はキャリアの中のランダムな位置に出て（Sinatra ら 2016、Janosov ら 2020）、当たりが固まる時期にも生産数の変化は見つからなかった（Liu ら 2018）。ただし上位 1% に入る論文の割合で測ると、論文数の多い研究者ほど割合が高く、若いコホートでは逓減した（Larivière と Costas 2016、2,800 万人）。アイデア出しでは、量を目標にすると良い案の数も増え（Paulus ら 2011）、後に出た案ほど独創的だった（Beaty と Silvia 2012）。しかし人は出した案から独創的な案を選びにくく（Rietzschel ら 2010）、最良案の質は数のほかに平均、ばらつき、見分ける力で決まる（Girotra ら 2010）。デザインの試作では、作る数を両条件で 5 案にそろえても、まとめて講評を受ける並列の群が 1 案ずつの群を上回った（Dow ら 2010）。練習の時間は成績の分散の 14%（2018 年の訂正後）を説明し、分野で 1〜24% と開き、スポーツのエリートでは 1% だった（Macnamara ら 2014、2016）。意図的練習を唱えた Ericsson 自身は、量ではなく教師が設計した練習を基準にした。陶芸クラスの逸話は、写真家 Jerry Uelsmann の写真の初級クラスでの手法を、著者の一人 Orland が本人から聞き、陶芸に置き換えた話だった（Orland のメール、Clear の記事の脚注）。成績の記録や比べた資料は見つからない。逸話の本は量の群が失敗から学んだと書くが、Uelsmann 本人は、十分な数を撮ってから良いものへ絞り込む、と選別の言葉で語っていた。学術文献が強く支える形は「多く作ると当たりの数が増える」であり、「量をこなすと一つずつが良くなる」は、分野、測り方、練習の中身によって結果が分かれる。

• 新規事業のゲート設計：止めるべき案を止め、育つ案を止めないために

  2026-11-11

  新規事業に投資を続けるかを段階ごとに決めるゲートについて、公的機関の制度と評価 11 件、調査会社とコンサルの資料 5 件、ゲートを作り運用する実務家の一次資料 20 件、学術の文献 14 本を読み、本文で照合した。ゲートの失敗は三つの型に分かれる。止めるべき案が止まらない、育つ案を早く止めてしまう、ゲートが承認の儀式になる。一つめには機構の研究がそろっている。経営者は失敗中の新製品を続ける強い偏りを持ち、自分で決めた事前の判断規則はあまり効かず、外から与えた規則か判断者の交代が相対的に効いた（Boulding ら 1997）。新しい製品ほど止めにくく（Schmidt と Calantone 1998）、チームでは恐れより希望が続行に強く結びついた（Huang ら 2019、66 チーム）。実務の対策は、判断する人を案の当事者から分け（サイバーエージェントの他部署による審議、英国の Gateway Review の独立した審査者）、資金を検証の段階ごとに出す（McGrath、Ries、リクルートの 4 段階）ことである。ただし、日本の大企業の新規事業の関与者 888 人の調査では、明文化した撤退基準の 28.5% が守られず、事業開始前に決めた基準は 38.1% が守られなかった（開始後に決めた基準は 17.2%、支援会社の調査で関連のみ）。基準は決めるだけでなく、誰がいつ見直すかまで決める必要がある。二つめと三つめにも証拠がある。厳しく客観的なゲート基準の反復は案件を硬直させ、新奇な製品の成果を下げた（Sethi と Iqbal 2008、120 件）。米国 SBIR の移行率の基準は探索的な研究を制約しうると評価された（全米アカデミーズ 2026）。2022 年以降は、新事業の損益分岐までの平均投資が約 1.25 億ドルから約 7,700 万ドルに下がり、資金の手綱が短くなった（McKinsey 2025）。Stage-Gate の考案者 Cooper は、ゲートの目的を投資判断の最適化から学習の速さへ移し、有望な案を早く止める誤りを避けるよう提案している（Cooper と Zhao 2026、提案で実証ではない）。

ノートを見る →

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。