AX × デザイン：学術と産業の対照

AX（Agentic Experience）とデザインの交差領域について、学術36件（agentic-experience-literature）と産業73件（agentic-experience-industry）の計109件のソースを横断して対照する。

両側のソースは同じ問題を扱っているが、語彙と関心が異なる。 産業は「AX」という新しい術語のもとで設計原則と市場機会を語り、学術は「human-agent interaction」の枠組みで実証研究を積み上げている。 本ノートでは、両者が一致する点と、一方だけが見ている点を整理する。

関連: design-agent-tools-landscape-2026（ツール動向）／mcp-design-agent-integration（MCP 統合）／multi-agent-end-user-value（マルチエージェントの価値）／vibe-coding-design-production（UI 生成エージェント）。

産業と学術が一致する3点

1. エージェンシー分配が中心問題

産業: 全ベンダーが「エージェントが実行し、人間が判断する」を設計原則に掲げた。Microsoft の「Built for Intent（補助であり置換でない）」、Anthropic の5原則、OpenAI の「常に制御下」、Figma の「焦点は目標に、AI の管理ではない」はすべて同じ構造を異なる言葉で表現している。Harrison Chase の「leash length」（v0=short、Cursor=middle、Devin=long）は介入の粒度を連続的に記述する実務的な概念である。

学術: Zhang et al.（2025）は CHI/CSCW/UIST の134件からエージェンシー分配パターンを体系化した。Adam et al.（2024）は AI 主導のタスク割当がユーザーの「自己脅威感」を増大させ委任受容を低下させることを実験で示した。Houtti et al.（2025）の OAI フレームワーク（Observe → Ask → Intervene）は「質問先行型」をユーザーが選好することを実証した。

対照: 産業は「人間が判断する」を原則として宣言するが、判断をどう設計に埋め込むかの具体は学術が提供している。Zhou et al.（2026）の「中間確認が最適」という知見は、Chase の leash length 概念に対して「どの長さが最適か」の定量的指針を与える。

2. 透明性だけでは信頼問題は解決しない

産業: Anthropic はユーザーの93%が permission prompt を承認するという実測から、per-action 承認が監視として機能していないと判断し、境界内自由動作モデルに設計を変更した。Prithvi Rajasekaran は「エージェントに自分の生成物を評価させると品質が低くても称賛する」傾向を報告した。

学術: He et al.（2025）は高品質な計画の提示が信頼とパフォーマンスを向上させるが、もっともらしい計画への過信リスクも実証した。Grunde-McLaughlin et al.（2026）は監視 UI を改善してもエラー検出の最終的な正確性向上は限定的だったと報告した。Yu et al.（2025）はプロセス透明性（chain-of-thought の公開）が信頼・満足度を有意に向上させることを実証したが、これはエラーを見逃さないこととは別問題である。

対照: 産業の「93%承認」と学術の「監視 UI 改善は正確性向上に限定的」は、同じ問題の異なる面を照らしている。透明性を高めることは信頼の必要条件だが十分条件ではない。産業は「境界内自由動作」に設計を変更したが、学術はまだ「その境界をどう設計するか」の答えを持っていない。

3. コンテキストが精度の上限を決める

産業: Harrison Chase は「成功も失敗もコンテキスト次第」と断言した。Figma は「デザインコンテキストなしで AI にコード生成を依頼することは、オンボーディング前に新人に本番コードを書かせるようなもの」と述べた。NNg は「コンテキストアーキテクチャ」を新しい設計分野として定義した。Google の DESIGN.md と Apple の App Intent Domains は、コンテキストを宣言的に構造化するアプローチの実装である。

学術: Naik et al.（2025）のマルチエージェント GenAI 開発者インタビューで「複雑性管理」が筆頭課題として抽出された。Goyal et al.（2024）の人間-エージェント・アラインメント6次元は、コンテキストの多次元性を明示した。

対照: 産業が「デザインシステムの成熟度 = エージェント出力精度の上限」という構造制約を自認していることは、学術の知見と一致する。ただし学術側にはまだ「どの種類のコンテキストがどの程度の精度向上をもたらすか」の定量的知見が不足している。

産業が語らず学術が指摘する3点

1. ジュニアの学習経路

産業は「フロアを下げる」（参入障壁を下げる）を喧伝するが、フロアが下がった先でジュニアが設計判断を学ぶ経路については語っていない。

学術は Li et al.（2024）の20名インタビューで、経験豊富なデザイナーは GenAI を補助と見なす一方、ジュニアデザイナーはスキル劣化を懸念していることを報告した。Luo et al.（2025）の83件 SLR は、ジュニアがプロンプト能力にとどまりデザインスキルを磨けない構造的リスクを指摘した。

multi-agent-end-user-value で論じた「学習が成立するほど解約される」ジレンマの学術的裏付けがここにある。産業がこの論点を避けるのは、ジュニアの学習経路が自社のサービス価値と矛盾しうるからだと推測できる。

2. 探索の終局化

産業は「効率化」と「人間の判断維持」を並置するが、効率化の極北が「探索の終局化」（ユーザーが自ら探索する機会の喪失）に至る可能性は論じない。

multi-agent-end-user-value の SO 理論的分析は、「最も billable な代理実行は最も探索を閉じる」こと、「答えを配る民主化と学べる民主化は真逆」であることを指摘した。学術側の Zhou et al.（2026）の「メタ分析でエージェントとの相互作用では向社会的行動と道徳的関与が低下する」という知見は、効率化の副作用を示唆する。

3. 監視 UI の構造的限界

産業の設計原則は「透明性」を掲げるが、監視 UI の構造的限界（ユーザーがエラーを見逃す問題は UI 改善では解消しない）は産業側では深く論じられていない。

Grunde-McLaughlin et al.（2026）の知見（監視 UI 改善はエラー検出時間を短縮するが正確性向上は限定的）と、Shome et al.（2026）の知見（102件の商用エージェントとユーザーのメンタルモデルの不一致）は、「透明性を高めれば信頼問題は解決する」という産業の暗黙の前提に疑問を投げかける。

学術が語らず産業が見ている3点

1. コスト構造

学術はエージェントの設計と UX を論じるが、推論コストとビジネスモデルの持続可能性は研究対象にしていない。

Anthropic のマルチエージェント15×トークン消費、ハーネス20×コスト、Figma の粗利92→86%低下は、AX の設計が経済的制約の中で行われることを示す。この制約は設計判断に直接影響する（コストの高い設計は採用されない）。

2. エージェントウォッシング

Gartner の「数千のベンダーのうち実質130社」という推定は、「AX」の名のもとに既存製品がリブランディングされている現象を示す。学術はこのバズワード化の構造を直接研究していない。

3. 宣言型プリミティブのアーキテクチャ

Apple の App Intents / Dynamic Profiles、Google の A2UI / DESIGN.md、Anthropic の workflows/agents 区別は、AX の設計を「実行コードでなくデータ（宣言）で定義する」アーキテクチャ的選択として実装している。学術は抽象的なフレームワークを提案するが、宣言型 vs 命令型のアーキテクチャ選択が UX に与える影響は未研究である。

AX の学術的地位

「Agentic Experience」という術語で書かれた査読論文は2026年6月時点でほぼ存在しない（agentic-experience-literature）。 学術コミュニティは同じ問題を human-agent interaction、AI delegation、agentic AI UX として研究している。

CHI 2026 のワークショップ「Agentic Automation Experiences」（DOI: 10.1145/3772363.3778732）が AX の学術的萌芽にあたるが、Maeda の術語が学術で定着するかは未定である。 産業側では Salesforce が「AX」を公式に採用し定義を発表した。NNg は「AX」の術語を使わず、別の概念体系（「AI エージェントをユーザーとして扱う」「コンテキストアーキテクチャ」）で対応している。

産業の術語（AX）と学術の枠組み（human-agent interaction）が今後収束するか分岐するかは、CHI 2027 以降の動向で判断できる。

対照表

論点	産業の位置	学術の位置	対立/一致
エージェンシー分配	設計原則として宣言	実験で最適パラメータを探索	一致（学術が具体化）
透明性	原則として掲げる	限界を実証（過信・正確性の壁）	部分一致（産業は限界を語らない）
コンテキスト依存	構造的制約として自認	概念的に指摘（定量化は不足）	一致
AX の定義	4系統に分裂	「AX」は使わず HAI で研究	分岐（術語レベル）
ジュニアの学習	語らない	スキル劣化リスクを実証	産業の盲点
探索 vs 効率化	並置（矛盾を認めず）	逆相関を指摘	産業の盲点
監視の構造的限界	93%承認→設計変更	UI改善では正確性に限界	部分一致（産業は実装で応答）
コスト構造	実測を開示	未研究	学術の盲点
エージェントウォッシング	Gartner が警告	未研究	学術の盲点
宣言型アーキテクチャ	Apple/Google が実装	未研究	学術の盲点

参照文献

学術文献は agentic-experience-literature、産業文献は agentic-experience-industry の参照文献節を参照。