デザイン業界における AI 活用 — 学術レビュー（2026）

レビュー論文の素材として、デザイン領域の AI 活用に関する査読論文・主要プレプリント・総説 37 件を軽量スコーピングで収集・整理した統合要約。各文献の完全な書誌は末尾「参照文献」を参照（DOI/URL つきで追跡可能）。出典追跡・確度・ポジション判定つきの内部作業台帳は source/review/ai-in-design/papers.md（リポジトリ内部・非公開）。産業側は ai-in-design-industry、事例ベースの先行ノートは ai-in-design-2026。SO 理論との整合性の批判的検討は ai-in-design-so-theory-debate。収集系統: scholarly-search-agent（探索）→ paper-screening-agent（選別）。規約 .claude/collection-protocol.md（捏造ゼロ・出典追跡）。

調査メタ情報

収集日: 2026-06-07 ／件数: 37（除外 0・軽量スコーピング＝見落とし回避優先）
媒体重心: ACM CHI / DIS、Design Studies、Proceedings of the Design Society (ICED)、arXiv(cs.HC)、教育系（JADE / Frontiers / ERIC）
確度の注意: 未査読プレプリント 8 件（P06, P07, P11, P23, P24, P27, P28, P32）は non-peer。撤回・予測誌は 0 件。共著者名・一部掲載先に [要一次検証] が残る（主要事実には影響しない書誌正規化の残作業）。

TL;DR

デザイン研究における AI は、2022–2024 に「画像生成ツール」から 設計プロセス全体の共創パートナー／自律エージェント へと研究対象が移った。実証研究の知見は両義的で、生産性・探索の加速を示す一方、デザイン固着の増加・アイデア多様性の低下・脱スキル化という負の効果も繰り返し報告される。総説は急増（2025 年だけで複数の SLR/メタ分析）し、研究は「ツールの有効性」から「人間の役割・判断・教育・評価」へ重心を移しつつある。

クラスタ別の要点

A. 総説・概念枠組み（11件）

基礎は Shneiderman の Creativity Support Tools（P01/P02, 2002/2007）— 探索の支援を中核に置く設計思想。これが生成AI時代の評価軸の出発点。
2025 年に SLR/スコーピングが集中（P04 GECD フレーム/54論文、P05 7分野横断/78論文、P06 LLM×UI/UX/38論文、P09 デザイナーとGenAI/25論文、P10 予測型vs生成型/83論文）。用途は「効率化」と「アイデア探索」の二極（P09）、AI 活用は評価フェーズが最多という分類（P10）が複数で一致。
P11（When Discourse Stalls）は「信頼性・IP・ツール論・環境・経済」を議論を停滞させる5つの停止ワードと批判し、言説そのものをメタに問う。

B. 共創・アイデーション（7件）

システム研究が厚い: CreativeConnect（P14, 参照再組合せ）、Luminate（P15, LLM で設計空間を構造化探索）、IdeationWeb（P18, アイデアの軌跡追跡）。
質的研究は AI を「自動化」でなく創造的パートナーとして捉える視点（P17）、AI製造設計ツールとの協働学習の困難（P19, AI出力の理解・調整・意図伝達）を示す。
対照実験（P29）は 問題定義・アイデア生成は AI 支援が有効、選択・評価は人間主導という分業を支持。

C. UI生成・design-to-code（3件）

Design2Code（P32）はスクリーンショット→コードのベンチマークを作り、レイアウト・視覚要素の再現が弱点と定量化。
PrototypeFlow（P21, TOCHI 採録）は自然言語からの反復UI生成で、テーマ設計モジュールにより暗黙意図の明示化とユーザー制御の保持を狙う。
UI モックアップの自動ヒューリスティック評価（P16, GPT-4 Figma プラグイン、専門家12名と比較）。

D. 評価自動化・合成ユーザー（3件）

UXAgent（P22/P23）は LLM エージェントの模擬ユーザーで Web を自動ユーザビリティ評価。
PersonaCite（P26）は VoC 文書を根拠に回答し、証拠不足時は明示的に回答を拒否する「検証可能な合成ペルソナ」— 合成リサーチの妥当性問題への一つの応答。

E. 創造性への影響・固着（4件）

両義性が核心。メタ分析（P07, 28論文/8,214名）は 人間+AI は単独人間を上回る（g=0.27）一方、アイデアの多様性は低下（g=−0.86）。
実験（P13, n=60）は GenAI 画像生成が設計固着を増やし発散思考を抑制。大規模観察（P34, 400万作品 DiD）は 生産性+25%・ピーク独創性向上だが平均独創性は低下。
→ 個人の生産性向上と集団の均質化・多様性喪失が同時に起きる、という一貫した像。

F. 役割変容・vibe coding（4件）

Vibe coding（P24, n=22）は自然言語→プロトタイプの新ワークフローを記述しつつ、脱スキル化・責任帰属の曖昧化を課題に挙げる。
概念モデルは従来型→生成型への設計思考の移行（P30 TDT→GDT）、AI を**共同制作者かつ「デザイン素材」**として捉える二軸（P31）。
デザインフィクション（P25, n=10）はエージェント型 AI への権限委譲・意図伝達を将来課題として可視化。

G. 教育（7件）

UX 専門家・教育者は GenAI を使うが公式ガイダンスの不在が共通課題（P12）。
教育目標の転換論が複数: テキスト生成時代の**「AI ビジュアルリテラシー／コンテンツクリエーター」**（P37）、AI は「認知アクセラレーター」で Domain Knowledge と Taste（審美的判断）が出力品質の判定に不可欠（P28）。
学生研究は受容と不安が混在（P36 学生17名／P38 自己効力感・不安の媒介 n=121）。

横断的な論点（レビューの軸候補）

加速 ⇔ 均質化: 個人の生産性・探索は増えるが、固着・多様性低下・平均独創性低下が並走（P07/P13/P34）。
役割の上方移動の実在性: 「戦略・キュレーション・Taste へ」という主張（P17/P28/P31）は、脱スキル化・責任帰属（P24）と緊張する。
評価フェーズへの AI 集中（P10）: 評価・スコアリングの自動化（P16/P22/P26）が新たな評価軸を生むリスク。
方法論の妥当性: 合成ユーザーの代表性（P22/P26）、プレプリント比率の高さ、SLR の急増による知見の重複。

SO-THEORY との接続（ai-in-design-2026 と整合）

本研究テーマ「評価の終局化を解除し、閉ざされた探索への再参入をデザインする」（source/SO-THEORY.md）に対し:

追い風: 非ビジュアル者の参入障壁低下（P04/P37）、探索空間の構造化提示（P15）は「探索への再参入」を支えうる。
警戒点: 固着・多様性低下（P07/P13）と評価自動化（P16/P26）は、特定の出力を「正解」として固定する新しい優劣化評価軸を機械化しうる。合成ペルソナの「証拠不足なら拒否」（P26）は、終局化を避ける設計の一例として注目に値する。

次に読むべき一次文献（優先）

メタ分析の原典確認: P07（g 値の前提・モデレータ）。
役割変容の実証: P24（vibe coding の脱スキル化）、P25（エージェント委譲）。
評価軸の問題: P10（評価フェーズ集中）、P26（検証可能な合成ペルソナ）。
教育: P28（Taste/Domain Knowledge）、P12（ガイダンス不在）。

参照文献

全 37 件。[未査読] は査読前プレプリント、[要一次検証] は書誌の一部が未確定（主要事実には影響しない）。リンクは DOI（または arXiv）。内部の作業台帳は source/review/ai-in-design/papers.md。

A. 総説・概念枠組み

P01 Shneiderman, B. (2002). Creativity Support Tools. Communications of the ACM 45(10). https://doi.org/10.1145/570907.570945
P02 Shneiderman, B. (2007). Creativity Support Tools: Accelerating Discovery and Innovation. Communications of the ACM 50(12). https://doi.org/10.1145/1323688.1323689
P03 Hughes, R.T., Zhu, L., & Bednarz, T. (2021). GAN-Enabled Human-AI Collaborative Applications for Creative and Design Industries: A Systematic Review. Frontiers in Artificial Intelligence. https://doi.org/10.3389/frai.2021.604234
P04 Fang, C., et al. [共著者要一次検証] (2025). Generative AI-enhanced human-AI collaborative conceptual design: a systematic literature review. Design Studies 97:101300. https://doi.org/10.1016/j.destud.2025.101300
P05 Choudhury, M.M., Eisenbart, B., & Kuys, B. (2025). Artificial intelligence (AI) in the design process – a review and analysis on generative AI perspectives. Proceedings of the Design Society (ICED25) 5. https://doi.org/10.1017/pds.2025.10077
P06 Ahmed, A., & Imran, A.S. (2025). The role of large language models in UI/UX design: A systematic literature review. arXiv:2507.04469 [未査読]. https://arxiv.org/abs/2507.04469
P07 Holzner, N., Maier, S., & Feuerriegel, S. (2025). Generative AI and Creativity: A Systematic Literature Review and Meta-Analysis. arXiv:2505.17241 [未査読]. https://arxiv.org/abs/2505.17241
P08 Heigl, R. (2025). Generative artificial intelligence in creative contexts: a systematic review and future research agenda. Management Review Quarterly 76(1). https://doi.org/10.1007/s11301-025-00494-9
P09 Christodoulou, C. (2026). A Scoping Review of Research on Designers and GenAI: Who Uses What, and What For? Journal of Design Service and Social Innovation 4(2). https://doi.org/10.59528/ms.jdssi2026.0513a47
P10 Luo, Y. (2025). Designing With AI: A Systematic Literature Review on the Use, Development, and Perception of AI-Enabled UX Design Tools. Advances in Human-Computer Interaction. https://doi.org/10.1155/ahci/3869207
P11 van der Maden, W., et al. [共著者要一次検証] (2025). When Discourse Stalls: Moving Past Five Semantic Stopsigns about Generative AI in Design Research. arXiv:2503.08565 [未査読]. https://arxiv.org/abs/2503.08565
P35 Tsang, Y.P., & Lee, C.K.M. (2022). Artificial intelligence in industrial design: A semi-automated literature survey. Engineering Applications of Artificial Intelligence 112:104884. https://doi.org/10.1016/j.engappai.2022.104884

B. 共創・アイデーション

P14 Choi, D., et al. [共著者要一次検証] (2024). CreativeConnect: Supporting Reference Recombination for Graphic Design Ideation with Generative AI. CHI 2024. https://doi.org/10.1145/3613904.3642794
P15 Suh, S., et al. [共著者要一次検証] (2024). Luminate: Structured Generation and Exploration of Design Space with Large Language Models for Human-AI Co-Creation. CHI 2024. https://doi.org/10.1145/3613904.3642400
P17 Khan, A., Shokrizadeh, A., & Cheng, J. (2025). Beyond Automation: How UI/UX Designers Perceive AI as a Creative Partner in the Divergent Thinking Stages. CHI 2025. https://doi.org/10.1145/3706598.3713500
P18 Shen, H., et al. [共著者要一次検証] (2025). IdeationWeb: Tracking the Evolution of Design Ideas in Human-AI Co-Creation. CHI 2025. https://doi.org/10.1145/3706598.3713375
P19 Gmeiner, F., et al. [共著者要一次検証] (2023). Exploring Challenges and Opportunities to Support Designers in Learning to Co-create with AI-based Manufacturing Design Tools. CHI 2023. https://doi.org/10.1145/3544548.3580999
P20 Tholander, J., & Jonsson, M. (2023). Design Ideation with AI – Sketching, Thinking and Talking with Generative Machine Learning Models. DIS 2023. https://doi.org/10.1145/3563657.3596014
P29 Chen, L., et al. [共著者要一次検証] (2025). How Generative AI supports human in conceptual design. Design Science [出版版DOI要一次検証]. https://arxiv.org/abs/2502.00283

C. UI生成・design-to-code

P16 Duan, P., et al. [共著者要一次検証] (2024). Generating Automatic Feedback on UI Mockups with Large Language Models. CHI 2024. https://doi.org/10.1145/3613904.3642782
P21 Yuan, M., Chen, J., Hu, Y., Feng, S., Xie, M., Mohammadi, G., Xing, Z., & Quigley, A. (2024). Towards Human-AI Synergy in UI Design: Supporting Iterative Generation with LLMs. ACM Transactions on Computer-Human Interaction. https://doi.org/10.1145/3773035 （旧 arXiv:2412.20071）
P32 Si, C., et al. [共著者要一次検証] (2024). Design2Code: How Far Are We From Automating Front-End Engineering? arXiv:2403.03163 [未査読]. https://arxiv.org/abs/2403.03163

D. 評価自動化・合成ユーザー

P22 Lu, Y., et al. [共著者要一次検証] (2025). UXAgent: An LLM Agent-Based Usability Testing Framework for Web Design. CHI EA 2025. https://doi.org/10.1145/3706599.3719729
P23 Lu, Y., et al. [共著者要一次検証] (2025). UXAgent: A System for Simulating Usability Testing of Web Design with LLM Agents. arXiv:2504.09407 [未査読]. https://arxiv.org/abs/2504.09407
P26 Truss, M. [共著者要一次検証] (2026). PersonaCite: VoC-Grounded Interviewable Agentic Synthetic AI Personas for Verifiable User and Design Research. CHI EA 2026. https://doi.org/10.1145/3772363.3798543

E. 創造性への影響・固着

P07 （A に記載。本クラスタにも関連 — 人+AI のメタ分析）
P13 Wadinambiarachchi, S., et al. [共著者要一次検証] (2024). The Effects of Generative AI on Design Fixation and Divergent Thinking. CHI 2024. https://doi.org/10.1145/3613904.3642919
P34 Zhou, E., & Lee, D. (2024). Generative artificial intelligence, human creativity, and art. PNAS Nexus 3(3), pgae052. https://doi.org/10.1093/pnasnexus/pgae052
P38 Hwang, A.H.-C., & Wu [共著者要一次検証] (2024). The influence of generative artificial intelligence on creative cognition of design students: a chain mediation model of self-efficacy and anxiety. Frontiers in Psychology. https://doi.org/10.3389/fpsyg.2024.1455015

F. 役割変容・vibe coding

P24 Li, J., et al. [共著者・正式タイトル要一次検証] (2025). Vibe Coding in Product Teams: Reconfiguring AI-Assisted Workflows, Prototyping, and Collaboration. arXiv:2509.10652 [未査読]. https://arxiv.org/abs/2509.10652
P25 Wadinambiarachchi, S., et al. [共著者要一次検証] (2025). Imagining Design Workflows in Agentic AI Futures. OZCHI 2025 [出版版DOI要一次検証]. https://arxiv.org/abs/2509.20731
P30 Clay, J., & Sha, Z. (2025). Paradigmatic design thinking: how generative AI changes the role of human designers. Proceedings of the Design Society (ICED25) 5. https://doi.org/10.1017/pds.2025.10271
P31 Yu, W.F. (2025). AI as a co-creator and a design material: Transforming the design process. Design Studies 97:101303. https://doi.org/10.1016/j.destud.2025.101303

G. 教育

P12 Takaffoli, M., Li, S., & Mäkelä, V. (2024). Generative AI in User Experience Design and Research: How Do UX Practitioners, Teams, and Companies Use GenAI in Industry? DIS 2024. https://doi.org/10.1145/3643834.3660720
P27 Muehlhaus, M., & Steimle, J. (2024). Interaction Design with Generative AI: An Empirical Study of Emerging Strategies Across the Four Phases of Design. arXiv:2411.02662 [未査読・正式タイトル要一次検証]. https://arxiv.org/abs/2411.02662
P28 Huang, Q., & Poon, K.W. (2026). SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education. arXiv:2603.07016 [未査読]. https://arxiv.org/abs/2603.07016
P36 Fleischmann, K. (2024). Generative Artificial Intelligence in Graphic Design Education: A Student Perspective. Canadian Journal of Learning and Technology 50(1). https://doi.org/10.21432/cjlt28618
P37 Hwang, A.H.-C., & Wu (2025). Graphic Design Education in the Era of Text-to-Image Generation: Transitioning to Contents Creator. International Journal of Art & Design Education 44(1). https://doi.org/10.1111/jade.12558
P39 Buendía-García, F. [共著者要一次検証] (2025). Using Generative AI Tools in Collaborative UX Design Courses. International Journal of Artificial Intelligence in Education 35. https://doi.org/10.1007/s40593-025-00518-1
P40 Tang, X., Windham, J., & Bush, B. (2024). Pre-AI and post-AI design: balancing human Creativity and AI Tools in the Industrial Design Process. Proceedings of AIFE 2024 (ACM). https://doi.org/10.1145/3708394.3708413

更新方針

本ノートは生きたページ。新規 SLR・実証研究を得たら本文に追記し updated を更新。内部台帳 source/review/ai-in-design/papers.md 側で [要一次検証] を解消し、本ページの参照文献に反映していく。