プロトタイプは探索を広げるのか：最初の例への固着、並列の試作、生成 AI による高速な試作、Research through Design の記録の学術文献から｜ノート

プロトタイプを作ることが設計の探索を広げるのか狭めるのかを、プロトタイピング、デザイン固着、生成 AI による試作、設計空間を探る道具、Research through Design（RtD）の過程の記録の学術文献 49 件で整理した。作って試すことの効用は、作ること自体より作り方の条件で決まっていた。

早く作れば、早く見つかるのか

デザインの現場には「早く作って早く失敗せよ」という言い習わしがある。 Dow、Heddleston と Klemmer（2009）は、これを「入念な計画より、学びのある試行錯誤が勝る」という格言として引いている。作って試せば、頭の中だけでは見えなかった問題が見える。ここまでは、多くの人が経験から知っている。

ところが、作ったものはそれ自体が一つの例になる。例を見た設計者がその特徴を繰り返してしまう現象は、デザイン固着（design fixation）として 1991 年から実験で調べられてきた。作ることが探索を広げるなら、作ったものに縛られて探索が狭まることもありうる。どちらが起きるかは、何で決まるのだろうか。

この問いは、生成 AI で試作の手間がほとんど消えた今、別の形をとる。文章を一行書けば、画像も動く UI も数秒で出てくる。作る手間が理由で一つの案に執着していたのなら、手間が消えれば執着も消えるはずである。そうならないとしたら、設計者を縛っているものは手間のほかにある。

この問いには、試作の効用を測った実験、固着の実験、生成 AI で試作した実験、設計空間を探る道具の研究が、それぞれ別の角度から答えている。もう一つ、Research through Design（RtD）の文献も読む必要がある。 RtD は「作ること」を研究の方法にしてきた分野で、作る過程を外に書き出すことを知識の根拠にしてきた。生成 AI が過程の途中を飛ばすなら、その根拠も揺らぐ。

スコープと方法

対象：プロトタイピングの効用と忠実度、デザイン固着と埋没費用、生成 AI による試作と固着と多様性、設計空間の探索を支える道具、RtD の評価基準と過程の記録を扱う査読論文と査読付き国際会議の論文。期間は 1991〜2026 年で、生成 AI は 2023〜2026 年。
収集：学術データベース（Crossref、OpenAlex、arXiv）を横断して 98 件の候補を集め、Crossref で撤回、訂正、予測誌を確かめ（該当なし）、重複と主題から遠いものを除いた。arXiv で出た研究は、査読版（ASME IDETC、CHIWORK、SEMISH）の書誌に置き換えた。
照合：参照文献 49 件のうち 34 件は本文を取得し、数値と主張を本文の該当箇所で確かめた。2 件（Jansson と Smith 1991、Youmans 2011）は本文が取れず、他の総説での引用の範囲で扱った。12 件は要旨の範囲で、著者の主張として書いた。1 件（Meincke ら 2025）は購読制の頁の冒頭段落だけを確かめた。
書き方：各研究の対象（誰が、何を作ったか）、比べた条件、効果の向きを分けて書く。効果の大きさは本文で確かめた数値だけを書く。

プロトタイプは何のために作るのか

Lim、Stolterman と Tenenberg（2008）は、プロトタイプを二つの面から捉えた。一つはフィルタで、設計案のうち確かめたい性質だけを取り出し、残りを捨てる。もう一つは現れ（manifestation）で、材料、解像度、範囲を選んで案を形にする。二人はここから、最良のプロトタイプは「最も単純で効率よく、案の可能性と限界を見せるもの」だという経済原則を導いた。プロトタイプは評価の道具である前に、設計空間を横断して進むための道具だ、というのが彼らの立場である。

Buchenau と Fulton Suri（2000）は、IDEO の商業案件から「体験の試作」を論じ、既存の体験を理解する、案を探る、案を伝える、の三つの用途を示した。 Camburn ら（2017）は工学、経営、建築の試作研究を総覧し、知見を表にまとめた。その表には「速い試作は固着を減らす」と「フィードバックは修正を促すが、固着を強めることもある」が並んでいる。同じ総説の中で、試作の効用と害がすでに隣り合っている。

忠実度については、低い忠実度でも足りるという結果がある。 Virzi、Sokolov と Karis（1996）の要旨によれば、2 つの実験で、紙の試作と高い忠実度の試作（または製品）が見つけたユーザビリティの問題はほぼ同じだった。問題を見つけるだけなら、作り込みは要らないことになる。

作って試すと、何が良くなるのか

作って試すことの効用を実験で確かめたのは、Stanford の Klemmer らの一連の研究である。 Dow、Heddleston と Klemmer（2009）は、卵を落としても割れない容器を作る課題で、試して直せる群と、試さずに作るだけの群を比べた。時間が厳しくても、試して直せる群の容器はより高い所から落としても卵を守った。課題の経験がなく反復した参加者は、経験があって反復しなかった参加者と同じくらいの成績だった。

では、何案を、どの順に作るとよいのか。 Dow ら（2010）は、初心者がウェブ広告を作る実験で、1 案ごとに講評を受ける逐次の群と、複数の案を作ってから講評を受ける並列の群を比べた。出版版の要旨によれば、並列の群の広告はクリック率と専門家の評価で上回り、独立の評価者は並列の群の案をより多様と判断し、並列の群は課題への自信をより大きく伸ばした。要旨は前提として、反復は案をよくする一方で「一つの案だけを磨き続け、他を考えない」固着も生むと書いている。

Dow ら（2011）は、作った案を人に見せる段階を調べた。 84 人がペアで広告を作り、3 案を相手と共有する群、最良の 1 案を共有する群、1 案だけ作って共有する群を比べた。 3 案を共有した群は、成果、探索、相手との関係のどれでも上回り、相手の案を多く自分の案に取り込み、クリック率も高かった（χ2=4.72、p<0.05）。 Neeley ら（2013）は、39 人の工学系の学生に部品を組む課題を与え、最初の段で 5 案を作る群と 1 案を作る群を比べた。 5 案を作る群は時間の制約と不満を強く感じたが、試作の性能は上回り、反復のあいだの改善も大きかった。

見せられる側にも、案の数は効く。 Tohidi、Buxton、Baecker と Sellen（2006）は 48 人の参加者に紙の試作を使わせ、1 案だけを見る群と、3 案を並べて見る群を比べた。 1 案だけを見た参加者は、同じ案を 3 案の中で見た参加者より評価を有意に高くつけ、批判を控えた。 Tohidi らは、複数の案を見せると評価の水増しが減り、批判が強く出ると結論した。ただし、どちらの条件でもユーザビリティテストから改善案はあまり出ず、テストは問題を見つける手段であって解決策を出す手段ではない、とも書いている。

これらの実験に共通するのは、案を一つに絞る時期を遅らせ、複数を並べて比べたときに成果が上がったことである。作ること自体よりも、作ったものが一つか複数か、いつ一つに絞るかが結果を分けている。

最初の例に縛られる

固着の研究は、例を見せると何が起きるかから始まった。 Jansson と Smith（1991）は学生に、車に載せる自転車のラック、目の見えない人のための計量カップ、こぼれないコーヒーカップなどを設計させ、一部の参加者には既存の解の絵を見せた。 Crilly と Cardoso（2017）の要約によれば、絵を見た参加者はその特徴を繰り返し、特定の特徴を避けるよう指示されても繰り返した。 Jansson と Smith はこれを「概念設計の出力を限る、一群の考えへの盲目的な固執」と定義した。

熟練すれば固着しなくなるわけではない。 Linsey ら（2010）は工学設計の大学教員を、例を見せない群、例を見せる群、例と固着を和らげる資料を渡す群に分けた。教員も例に固着し、しかもその影響を部分的にしか自覚していなかった。固着を和らげる資料を渡すと、固着は減った。

固着の研究は大きく広がったが、結果はそろっていない。 Vasconcelos と Crilly（2016）は実験研究を総覧し、例の表し方、忠実度、数、問題との近さ、見せる時期、参加者の経験などで結果が変わること、研究ごとに方法と測り方がばらばらなことを示した。忠実度について、二人は次の研究を要約している。実物の写真（高い忠実度）を見た工業デザイナーは、線画（低い忠実度）を見た人より新規性の低い案を出した。製品の一部だけを写した写真を見た人は、全体の写真を見た人より独創的な案を出した。例が完成して見えるほど、例から離れにくくなる傾向がうかがえる。

固着を一律に悪いものとみなすことにも、疑問が出ている。 Crilly と Cardoso（2017）は固着を「事前の経験、知識、前提から来る無意識の偏りのせいで、設計空間の探索が限られた状態」と定義し直し、柔軟さと確定のあいだのトレードオフとして問い直した。一つの案に「こだわりすぎ」とはどの程度か、こだわりが「足りない」とはどういう状態か、狭く深い探索が後の広い探索の土台になる場合はないか、集団全体が同じ案に固着することはないか、を研究課題に挙げている。

作ることは、固着を減らすのか、増やすのか

固着の実験の多くでは、参加者は案をスケッチするだけで、作って試さない。 Vasconcelos と Crilly（2016）は、作って試すことの効果をまとめた節で、研究の結果が割れていることを示した。 Youmans（2011）は、物理的に作って要件に照らして試すと、独創的で有用な解が出やすく、固着が減ると報告した。一方で、試作を見ることが遠い領域からの類推を妨げるという研究や、作ることに手間をかけた自分の初期案に執着するという研究もある。

この割れ方に一つの説明を与えたのが、Viswanathan と Linsey の二つの実験である。 Viswanathan と Linsey（2012）の要旨によれば、初学者の 2 つの実験で、物理モデルを作ると要件を満たす案の割合は上がったが、新規性と多様性は変わらず、固着の証拠は出なかった。観察研究で見られた固着と食い違う結果である。そこで Viswanathan と Linsey（2013）は、手間の少ない材料で作る群、手間のかかる材料で作る群、スケッチだけの群などを比べた。要旨によれば、作る時間や労力が大きいほど案の新規性と多様性が下がり、著者らは、物理モデルそのものではなく作ることに投じた埋没費用が固着を生むと結論した。初期には手間のかからない材料で作るべきだ、というのが二人の勧めである。

Vasconcelos と Crilly（2016）は、この埋没費用の説明について、与えられた例への固着というより、自分の案を変えたがらない所有感に近いと指摘している。固着には少なくとも二つの経路がある、と読める。一つは、見た例に引きずられる経路である。もう一つは、自分が手間をかけた案を手放せない経路である。

いつ作るかも効く。 Jang と Schunn（2012）は、学期を通じて 43 の工学設計チームを観察した。要旨によれば、成功したチームは物理的な試作を設計の過程を通じて一貫して使い、失敗したチームは物理的な試作の採用が遅かった。

生成 AI で作ると、何に縛られるのか

生成 AI による試作は、作る手間を数秒にまで縮める。埋没費用の説明に従えば、手間が消えれば、自分の案への執着は弱まるはずである。最初に直接確かめた実験は、逆の結果を出した。

Wadinambiarachchi、Kelly、Pareek、Zhou と Velloso（2024）は、視覚表現の経験がある 60 人に、チャットボットのアバターを考えてスケッチする課題を与えた。全員に例のアバターを見せ、支援なし、Google 画像検索、画像生成の Midjourney の三つの条件に分けた。ベイズ推定のモデルでは、Midjourney の群がもっとも多く例の特徴を繰り返し、例への固着が支援なしより高い確率は 100% と推定された（画像検索の群も 98% の確率で高かった）。案の数、多様性、独創性は、どちらの支援でも支援なしより下がる傾向だった。多様性については、案の数の差を考慮すると画像検索の効果はほぼ消え、AI の群にだけ下げる方向の効果が残ったが、その証拠は弱い（ベイズ因子 2.64）。 Midjourney が出した画像の 44%（468 枚中 206 枚）は、例に似たヒューマノイドのロボットだった。

この研究で目を引くのは、著者らが固着の置き換えと呼んだ現象である。例とはまったく違うプロンプト（「女神」など）から始めた参加者が、例には似ていないが Midjourney の画像にはよく似たスケッチを描き続けた。例との共通点で測る固着の得点では低く出るが、縛られる対象が例から AI の画像に移っただけだった。

作り手の側からも、生成物の見え方が問題として挙がっている。 Lin ら（2025）は、製品デザインのチームとの意見交換から、生成された画像は「完成しすぎて」いてその上に積み上げにくく、固着を招きうる、という設計課題を引き出した。著者らの答えは、生成画像を低い忠実度のスケッチに戻して下敷きにし、その上を描かせる道具（Inkspire）で、ControlNet と比べる被験者内の調査で、より多くの着想と探索を支えたと報告している。 Ranscombe ら（2026）の要旨は、学生デザイナー 13 人の 1,292 のプロンプトを分析し、即座に出る高い忠実度の出力と、曖昧で反復的なスケッチとの緊張を論じ、生成 AI の使い方には広い探索や再解釈と並んで固着もあったと述べる。 Song ら（2025）の要旨は、デザイナー 10 人の実験で、生成 AI の出力そのものに設計特徴の水準の固着が現れると述べる。

試作の対象が文章や機能のときも、似た現象が報告されている。 Subramonyam ら（2025）は業界の 39 人とプロンプトによる試作を調べ、プロンプトに入れた例に出力が過適合する課題を挙げた。ある参加者は、例を一つ与えただけでこれほど作れることに驚きつつ、生成された例がどれも最初の例に似ていることを指摘した。

ただし、生成 AI が常に案を貧しくするわけではない。 Ge と Hou（2025）は環境デザインの学生 84 人で、文字から画像を作る AI と、画像から画像を作る AI を比べた。文字から作る AI の群は独創性などの得点が高く、同時に AI の画像の特徴を繰り返す得点も高かった（3.84 対 3.00、p<0.001）。この比較は AI の種類どうしのもので、AI を使わない条件は置かれていない。 Wadinambiarachchi、Waycott と Wadley（2026）は、文字ではなくスケッチで AI に指示する道具を学生に使わせ、案の数は増える傾向だったが、多様性、独創性、質の差ははっきりせず、学生は文字での指示を強く好んだと報告した。

一人ずつは広がり、全体では狭まる

生成 AI の効果は、一人の作り手を見るか、作り手の集まりを見るかで向きが変わる。 Doshi と Hauser（2024）は、293 人の書き手に短編を書かせ、LLM の案を見られない群、1 案を見られる群、最大 5 案を見られる群に分け、600 人の評価者に読ませた。 5 案を見られた群の物語は、見られない群より新規性が 8.1%、有用性が 9.0% 高く評価された。同時に、AI の案を見た群の物語は互いに似ていて、類似度の上昇は、AI なしの群の類似度の幅の 10.7%（1 案）と 8.9%（5 案）にあたった。二人はこれを、個人は得をするが集団としては新しい内容の幅が狭まる社会的ジレンマにたとえている。

Anderson、Shah と Kreminski（2024）は 36 人に発散的な発想の課題を与え、ChatGPT を使う群と、カードで発想を促す Oblique Strategies を使う群を比べた。 ChatGPT の群は、より多く、より詳しい案を出したが、人どうしの案は意味の上でより近く、自分の案への責任感は低かった。著者らは、この均質化は個人の固着が強まることからではなく、違う利用者に似た案を渡すことから生じると解釈し、完成品に近く見える出力がそれを強める可能性を挙げている。 Meincke、Nave と Terwiesch（2025）は ChatGPT の発想支援の実験データを再分析し、ChatGPT は個々の案の創造性を上げる一方で、案の集まりの多様性を下げると述べている。 Padmakumar と He（2024）は、論述文を LLM と共に書かせると著者どうしの文章が似ることを示し、その原因はモデルが足す文の側にあって、人が書いた部分は変わらなかったと報告した（InstructGPT では起き、GPT-3 では起きなかった）。

実際の作品の場でも、同じ形の結果が出ている。 Zhou と Lee（2024）は、5 万人超の作り手の 400 万点超の作品を分析し、画像生成を採り入れると生産性が 25%、閲覧あたりのお気に入りの確率が 50% 上がったと推定した。内容の新規性は、最大値が上がる一方で平均が下がり、見た目の新規性は最大値も平均も下がった。二人は、内容の面では案の空間が広がっているが効率は悪い、と解釈している。

UI の試作では、生成された案が慣習に寄るという報告がある。 Romero ら（2026）は 92 人に、5 つの生成 AI の道具で作った試作と人が作った試作を、作者を伏せて評価させた。 AI が生成した試作は使いやすさや効率では好意的に、独創性などの面では中立から否定的に評価され、著者らは AI の試作が慣習的な UI のパターンを強めると解釈した。 Li ら（2026）がプロダクトチームの 22 人に行った面接では、vibe coding（自然言語の指示で動く試作やコードを AI に作らせるやり方）によって、作り込んだモックアップより先に動く試作へ進むという順序の変化が語られた。著者らは、効率を優先する試作と、価値や代替案を省察する営みとのあいだに緊張があり、省察を欠くと早すぎる収束と均質化に陥ると論じている。

探索空間を動かす操作は、何に支えられるか

ここまでの結果からは、案の数を増やすことと探索を広げることが別だと分かる。では、探索を広げるとは、何をすることなのか。

設計の研究は、探索を二つの空間の動きとして描いてきた。 Dorst と Cross（2001）はプロトコル分析から、問題空間と解空間はどちらも不安定に動き続け、問題と解の組を一時的に定める「橋」が現れたときに創造的な出来事が起きると述べた。 Woodbury と Burrow（2006）の要旨は、設計空間を、探索の過程で訪れた関連する設計どうしのネットワーク構造と捉える。この見方では、探索の操作とは、案を足すことだけでなく、案どうしを比べ、つなぎ、問題の側を組み替えることを含む。 Lim ら（2008）がプロトタイプを設計空間を横断するフィルタと呼んだのも、この操作の道具としてである。

道具の研究は、複数の案を並べて比べる操作を支えようとしてきた。 Hartmann ら（2008）の Juxtapose は、UI の代替案を並べて編集し、同時に動かす環境で、18 人の評価で、より多くの選択肢をより速く見渡せることを示した。生成 AI の道具では、既定の使い方が一点の答えを返すことが出発点の問題になっている。 Suh ら（2024）は、現行の LLM の対話は少数の案への速い収束に人を導くとし、まず課題に関係する次元を生成し、出力をその次元の上に並べる Luminate を作った。 14 人の書き手の使用調査では探索の支援がもっとも高く評価されたが、比較の対象はない。 Zamfirescu-Pereira ら（2025）は、コード生成の LLM が既定では特定の一点の解を返すことを問題とし、代替案、要件、暗黙の判断を見せる IDE を作った。 11 人の参加者は設計の段を組み合わせ並行させて広く探索したが、LLM が起こした変更に追いつけず、情報の多さに苦しんだ。 Ma ら（2025）の DynEx は、設計の選択肢を行列で先に探ってから段階的にコードを生成する方法で、10 人の評価で Claude Artifact より設計の探索を支えると評価された。

多様さを機械的に増やしても、探索が良くなるとは限らない。 Cai ら（2023）の要旨によれば、言葉の案から画像を生成する DesignAID は 87 人の評価で画像検索より着想に役立つとされたが、非常に多様な案を自動で生成する条件は、画像生成では着想の面でやや良かっただけでほかの面では差がなく、画像検索ではすべての面で悪かった。

これらの道具の評価は、多くが 10〜20 人規模の短い使用調査で、比較の対象も道具ごとに違う。それでも、複数の研究が同じ方向の設計判断をとっている。生成物を一点の答えとして返さず、次元、代替案、低い忠実度の下敷きといった形で、探索の操作の対象に戻すことである。

過程を外に出すことは、何を研究にするのか

RtD は、作ることを研究の方法にする立場である。 Frayling（1993）は、芸術とデザインの研究を、芸術とデザイン「についての」研究、芸術とデザイン「を通じた」研究、芸術とデザイン「のための」研究に分けた。「を通じた」研究の例として挙げたのが、工房での実験を一歩ずつ語る研究日誌と、それを文脈づける報告で、日誌と報告が結果を伝えることが研究を実践から分ける、と書いている。 RtD では、過程を外に書き出すことが、研究であることの条件として出発点に置かれていた。

HCI に RtD を持ち込んだ Zimmerman、Forlizzi と Evenson（2007）は、貢献を評価する四つの視点（過程、発明、関連性、拡張性）を示した。過程については、同じ過程から同じ結果が出ることは期待しないが、使った方法の厳密さと選んだ理由を判断できるよう、過程を再現できるだけの詳細と方法選択の根拠を記録すべきだとした。 Zimmerman、Stolterman と Forlizzi（2010）の要旨は、HCI のデザイン研究者 12 人への面接と、繰り返し名前の挙がった 3 つの RtD 事例から、RtD の実践を批評している。

一方で、科学の規準に合わせた記録への違和感も表明されてきた。 Gaver（2012）は、RtD が生む理論は暫定的、偶発的、願望的であるとし、理論を、実現した設計例、とくに関連する作品群への注釈とみなすことを提案した。 Bowers（2012）の要旨は、作品群の家族的な類似を捉えつつ個々の設計の特殊性を保つ手段として注釈付きポートフォリオを提案する。 Löwgren（2013）は、注釈付きポートフォリオを、設計を選び、適切な媒体で再提示し、短い注釈を添えることと要約し、個別の事例と一般理論のあいだの知識に位置づけた。 Gaver（2011）は、設計案の集まりであるワークブックを、設計空間を記述するだけでなく作るものと述べ、初期の案の暫定性と曖昧さを保つことが、見る人の解釈と応答を促すと論じた。

記録の実務の難しさも報告されている。 Dalsgaard と Halskov（2012）の要旨によれば、9〜13 か月の事例で記録のための道具を使った結果、役割と責任、習慣のなさ、何を記録するか、どの細かさで記録するかが課題になり、記録の利点は論文を書くときまで現れないこともあった。 Bardzell ら（2016）の要旨は、RtD の記録は設計の知を学術の知へ移すのに欠かせないのに注目されてこなかったとし、記録の媒体、記録することが過程に及ぼす作用、研究と設計の両方を支えることの三点で記録を計画、評価する枠組みを示した。 Odom ら（2016）は、長く使われる中で問いを調べるための作り物を、試作と区別して「研究のプロダクト」と呼び、探究に駆動されること、仕上がり、場への適合、研究者なしで動くことの四つの性質で定義した。 RtD の中でも、暫定的な案を残す記録と、仕上がった作り物を置くこととが、別の役割として区別されている。

生成 AI の試作で、記録すべき過程は残るのか

生成 AI による試作は、記録の対象になる中間の表現を減らしうる。 Li ら（2026）の面接では、参加者は、作り込んだモックアップから始めて職種ごとに受け渡していた手順が、すぐに動く試作へ進む手順に変わったと語った。同じ研究で、ある参加者は、AI を共著者のように扱い、プロンプトを記録し、AI が関わった所と編集の履歴を残すべきだと述べている。 Wadinambiarachchi、Waycott と Wadley（2026）は、学生がスケッチで格闘することをやめ、精細な画像で画面を埋めるプロンプトの作成に急いでいると書き、スケッチを通じた省察を AI との協働に取り戻す必要を論じた。

RtD の枠組みで生成 AI を扱う研究はある。 Benjamin ら（2024）は小学校と生成 AI の構成主義のカリキュラムを作る RtD を行い、RtD は生成 AI のように急に変わる技術に対応する方法になりうると論じた。ただし、この研究で生成 AI は調べる対象であって、試作を作る手段ではない。生成 AI で試作を作ったとき、RtD の記録（日誌、ワークブック、注釈付きポートフォリオ）に何が残り、何が消えるかを直接調べた査読研究は、今回の収集では見つからなかった。

功罪をどう読むか

文献が支える範囲で言えることは、三つある。

一つめに、プロトタイピングの効用と害は、作り方の条件で分かれる。複数の案を作ってから比べ、一つに絞る時期を遅らせると、成果と案の多様性が上がった（Dow ら 2010、2011、Neeley ら 2013）。一つの例だけを見せると、設計者は例の特徴を繰り返し（Jansson と Smith 1991）、評価者は一つの案を高く評価して批判を控えた（Tohidi ら 2006）。物理的に作ることの効果は研究によって割れ、作る手間の大きさ（Viswanathan と Linsey 2013）と作る時期（Jang と Schunn 2012）が割れ方を説明する候補として挙がっている。

二つめに、生成 AI による試作は、個人の例への固着を強める証拠と、個人の成果を上げる証拠が両方ある。例と AI 画像を見た設計者は例と AI 画像の特徴を繰り返し（Wadinambiarachchi ら 2024）、AI の案を見た書き手の作品は高く評価された（Doshi と Hauser 2024）。両者は矛盾しない。評価されたのは個々の作品の質であり、固着の研究が測ったのは案が例からどれだけ離れたかである。集団の水準では、測った研究のどれもが、作品どうしが似る、または平均の新規性が下がる方向の結果を出している（Doshi と Hauser 2024、Anderson ら 2024、Meincke ら 2025、Padmakumar と He 2024、Zhou と Lee 2024 の平均の新規性）。

三つめに、探索を支える道具の研究は、出力を増やすことと探索を広げることを区別している。多様な案を自動で出すだけでは評価は上がらず（Cai ら 2023）、効果が報告された道具は、次元、代替案、低い忠実度の下敷きのような、比べる、組み替えるための足場を生成物に与えていた（Suh ら 2024、Zamfirescu-Pereira ら 2025、Lin ら 2025、Ma ら 2025）。

ここから先は、文献を組み合わせた本ノートの解釈であり、直接検証した研究は見つからなかった。固着の経路を、見た例に引きずられる経路と、手間をかけた自分の案を手放せない経路に分けるなら、生成 AI は二つに逆向きに働く可能性がある。作る手間を数秒に縮めることは、埋没費用の経路を弱める条件になる。同時に、完成して見える生成物を短い時間に大量に見せることは、例の経路を強める条件になる。 Wadinambiarachchi ら（2024）の固着の置き換えと、Lin ら（2025）の「完成しすぎ」という指摘は、後者の経路が働いていることと整合する。 Vasconcelos と Crilly（2016）がまとめた、高い忠実度の例ほど新規性の低い案を生むという結果も同じ方向を指す。この読みが正しければ、生成 AI で試作するときに効くのは、作る手間をさらに下げることではなく、生成物を完成品に見せない工夫と、複数の案を並べて比べる手順のほうである。これを確かめるには、作る手間と生成物の忠実度を別々に操作し、固着と集団の多様性を測る実験が要る。

空白（未充足の論点）

埋没費用と例の露出の分離：生成 AI の試作で、作る手間と生成物の見え方（忠実度）を別々に操作した実験は見つからなかった。上の解釈は検証されていない。
長い期間と実際の設計の場：生成 AI と固着の実験は、20 分前後の一回の課題が中心である（Wadinambiarachchi ら 2024）。プロジェクトを通じて固着や均質化がどう推移するかを追った研究はなかった。
チームと組織の均質化：集団の多様性の低下は、互いに独立に作業した個人の集まりで測られている。同じ道具を使う設計チームや、同じ道具が広まった業界で案の幅が狭まるかは、Zhou と Lee（2024）の作品データを除けば調べられていない。Crilly と Cardoso（2017）が課題に挙げた集団の固着とも、まだ結びついていない。
探索の道具の比較：設計空間を見せる生成 AI の道具は、多くが 10〜20 人の使用調査で、比較の対象も道具ごとに違う。同じ課題で道具どうしを比べた研究はなかった。
RtD の記録と生成 AI：生成 AI で作る過程を、RtD の記録（日誌、ワークブック、注釈付きポートフォリオ）としてどう残すか、何が残らなくなるかを調べた査読研究は見つからなかった。プロンプトと編集の履歴を記録すべきだという声は、実務者の面接に出てくる段階である（Li ら 2026）。
関連 note：Wadinambiarachchi ら（2024）を、生成 AI による創造性の均質化の議論の中で読んだのは AIスロップ：質の低さではなく、検証の外部化として読む、vibe coding の産業側の動きは Vibe Coding とUIエージェント：自然言語による制作とその境界、LLM に UI のデザインを頼むとありがちな形に収束する問題は LLM にデザインを頼む：ありがちな UI に収束させないブリーフ、スキル、工程で扱った。

未検証事項

主要主張に未検証の項目はない。
Jansson と Smith（1991）と Youmans（2011）は本文を取得できず、Crilly と Cardoso（2017）、Vasconcelos と Crilly（2016）、Wadinambiarachchi ら（2024）の本文にある要約の範囲で扱った。
本文を取得できず、要旨の範囲で扱った文献は 12 件ある（Virzi ら 1996、Viswanathan と Linsey 2012、2013、Jang と Schunn 2012、Song ら 2025、Ranscombe ら 2026、Woodbury と Burrow 2006、Cai ら 2023、Zimmerman ら 2010、Bowers 2012、Dalsgaard と Halskov 2012、Bardzell ら 2016）。本文中では「要旨によれば」「要旨は」として著者の主張に帰属させた。Meincke ら（2025）は購読制の頁の冒頭段落だけを確かめた。
Dow ら（2010）は本文を投稿版でしか読めなかったため、数値を書かず、出版版の要旨の範囲で書いた。

参照文献

アクセス日はすべて 2026-10-09。

プロトタイプの効用と忠実度

Lim, Y.-K., Stolterman, E., & Tenenberg, J. (2008). The anatomy of prototypes: Prototypes as filters, prototypes as manifestations of design ideas. ACM Transactions on Computer-Human Interaction, 15(2), 1–27. https://doi.org/10.1145/1375761.1375762
Buchenau, M., & Fulton Suri, J. (2000). Experience prototyping. In Proceedings of the 3rd Conference on Designing Interactive Systems (DIS ‘00) (pp. 424–433). ACM. https://doi.org/10.1145/347642.347802
Camburn, B., Viswanathan, V., Linsey, J., Anderson, D., Jensen, D., Crawford, R., Otto, K., & Wood, K. (2017). Design prototyping methods: State of the art in strategies, techniques, and guidelines. Design Science, 3, e13. https://doi.org/10.1017/dsj.2017.10
Virzi, R. A., Sokolov, J. L., & Karis, D. (1996). Usability problem identification using both low- and high-fidelity prototypes. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘96) (pp. 236–243). ACM. https://doi.org/10.1145/238386.238516
Tohidi, M., Buxton, W., Baecker, R., & Sellen, A. (2006). Getting the right design and the design right. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘06) (pp. 1243–1252). ACM. https://doi.org/10.1145/1124772.1124960
Dow, S. P., Heddleston, K., & Klemmer, S. R. (2009). The efficacy of prototyping under time constraints. In Proceedings of the Seventh ACM Conference on Creativity and Cognition (C&C ‘09) (pp. 165–174). ACM. https://doi.org/10.1145/1640233.1640260

並列の試作と代替案

Dow, S. P., Glassco, A., Kass, J., Schwarz, M., Schwartz, D. L., & Klemmer, S. R. (2010). Parallel prototyping leads to better design results, more divergence, and increased self-efficacy. ACM Transactions on Computer-Human Interaction, 17(4), 1–24. https://doi.org/10.1145/1879831.1879836
Dow, S. P., Fortuna, J., Schwartz, D., Altringer, B., Schwartz, D. L., & Klemmer, S. R. (2011). Prototyping dynamics: Sharing multiple designs improves exploration, group rapport, and results. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘11) (pp. 2807–2816). ACM. https://doi.org/10.1145/1978942.1979359
Neeley, W. L., Jr., Lim, K., Zhu, A., & Yang, M. C. (2013). Building fast to think faster: Exploiting rapid prototyping to accelerate ideation during early stage design. In Proceedings of the ASME 2013 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, Vol. 5. ASME. https://doi.org/10.1115/detc2013-12635
Hartmann, B., Yu, L., Allison, A., Yang, Y., & Klemmer, S. R. (2008). Design as exploration: Creating interface alternatives through parallel authoring and runtime tuning. In Proceedings of the 21st Annual ACM Symposium on User Interface Software and Technology (UIST ‘08) (pp. 91–100). ACM. https://doi.org/10.1145/1449715.1449732

デザイン固着

Jansson, D. G., & Smith, S. M. (1991). Design fixation. Design Studies, 12(1), 3–11. https://doi.org/10.1016/0142-694X%2891%2990003-F
Linsey, J. S., Tseng, I., Fu, K., Cagan, J., Wood, K. L., & Schunn, C. (2010). A study of design fixation, its mitigation and perception in engineering design faculty. Journal of Mechanical Design, 132(4), 041003. https://doi.org/10.1115/1.4001110
Vasconcelos, L. A., & Crilly, N. (2016). Inspiration and fixation: Questions, methods, findings, and challenges. Design Studies, 42, 1–32. https://doi.org/10.1016/j.destud.2015.11.001
Crilly, N., & Cardoso, C. (2017). Where next for research on fixation, inspiration and creativity in design? Design Studies, 50, 1–38. https://doi.org/10.1016/j.destud.2017.02.001
Youmans, R. J. (2011). The effects of physical prototyping and group work on the reduction of design fixation. Design Studies, 32(2), 115–138. https://doi.org/10.1016/j.destud.2010.08.001
Viswanathan, V. K., & Linsey, J. S. (2012). Physical models and design thinking: A study of functionality, novelty and variety of ideas. Journal of Mechanical Design, 134(9), 091004. https://doi.org/10.1115/1.4007148
Viswanathan, V. K., & Linsey, J. S. (2013). Role of sunk cost in engineering idea generation: An experimental investigation. Journal of Mechanical Design, 135(12), 121002. https://doi.org/10.1115/1.4025290
Jang, J., & Schunn, C. D. (2012). Physical design tools support and hinder innovative engineering design. Journal of Mechanical Design, 134(4), 041001. https://doi.org/10.1115/1.4005651

生成 AI による試作と固着

Wadinambiarachchi, S., Kelly, R. M., Pareek, S., Zhou, Q., & Velloso, E. (2024). The effects of generative AI on design fixation and divergent thinking. In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ‘24) (pp. 1–18). ACM. https://doi.org/10.1145/3613904.3642919
Song, Y., Zheng, C., Jing, Q., Hansen, P., Sun, L., & Chen, L. (2025). Understanding design fixation in generative artificial intelligence. In Proceedings of the ASME 2025 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, Vol. 4. ASME. https://doi.org/10.1115/detc2025-168630
Ranscombe, C., Tan, L., Zhang, W., & Afif, N. (2026). Friend and foe: Characterising (counter)productive prompting of generative AI to supplement exploratory sketching. In DRS2026: Edinburgh. Design Research Society. https://doi.org/10.21606/drs.2026.1595
Ge, W., & Hou, G. (2025). The effects of generative AI model type and visual stimuli type on design creativity. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 39, e17. https://doi.org/10.1017/S0890060425100061
Wadinambiarachchi, S., Waycott, J., & Wadley, G. (2026). Reviving reflection-in-action: Instilling designerly thinking in AI-supported ideation through multimodal prompting. In Proceedings of the 2026 Conference on Creativity and Cognition (C&C ‘26) (pp. 359–376). ACM. https://doi.org/10.1145/3803784.3807524
Subramonyam, H., Thakkar, D., Ku, A., Dieber, J., & Sinha, A. K. (2025). Prototyping with prompts: Emerging approaches and challenges in generative AI design for collaborative software teams. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ‘25) (pp. 1–22). ACM. https://doi.org/10.1145/3706598.3713166

個人の成果と集団の多様性

Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290
Anderson, B. R., Shah, J. H., & Kreminski, M. (2024). Homogenization effects of large language models on human creative ideation. In Proceedings of the 16th Conference on Creativity & Cognition (C&C ‘24) (pp. 413–425). ACM. https://doi.org/10.1145/3635636.3656204
Meincke, L., Nave, G., & Terwiesch, C. (2025). ChatGPT decreases idea diversity in brainstorming. Nature Human Behaviour, 9(6), 1107–1109. https://doi.org/10.1038/s41562-025-02173-x
Padmakumar, V., & He, H. (2024). Does writing with language models reduce content diversity? In The Twelfth International Conference on Learning Representations (ICLR 2024). https://arxiv.org/abs/2309.05196
Zhou, E., & Lee, D. (2024). Generative artificial intelligence, human creativity, and art. PNAS Nexus, 3(3), pgae052. https://doi.org/10.1093/pnasnexus/pgae052
Romero, J., Wiese, I., Balancieiri, R., Leal, G., & Guerino, G. (2026). Usable but conventional: An empirical study on the UX of AI-generated interface prototypes. In Anais do LIII Seminário Integrado de Software e Hardware (SEMISH 2026) (pp. 830–841). SBC. https://doi.org/10.5753/semish.2026.21904
Li, J., Hou, Y., Lin, L., Zhu, R., Cao, H., & El Ali, A. (2026). Vibe coding in product teams: Reconfiguring AI-assisted workflows, prototyping, and collaboration. In Proceedings of the 5th Annual Symposium on Human-Computer Interaction for Work (CHIWORK ‘26) (pp. 1–16). ACM. https://doi.org/10.1145/3808045.3808062

設計空間と探索の道具

Dorst, K., & Cross, N. (2001). Creativity in the design process: Co-evolution of problem–solution. Design Studies, 22(5), 425–437. https://doi.org/10.1016/S0142-694X%2801%2900009-6
Woodbury, R. F., & Burrow, A. L. (2006). Whither design space? Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 20(2), 63–82. https://doi.org/10.1017/S0890060406060057
Suh, S., Chen, M., Min, B., Li, T. J.-J., & Xia, H. (2024). Luminate: Structured generation and exploration of design space with large language models for human-AI co-creation. In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ‘24) (pp. 1–26). ACM. https://doi.org/10.1145/3613904.3642400
Zamfirescu-Pereira, J. D., Jun, E., Terry, M., Yang, Q., & Hartmann, B. (2025). Beyond code generation: LLM-supported exploration of the program design space. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ‘25) (pp. 1–17). ACM. https://doi.org/10.1145/3706598.3714154
Ma, J. G., Sreedhar, K., Liu, V., Perez, P. A., Wang, S., Sahni, R., & Chilton, L. B. (2025). DynEx: Dynamic code synthesis with structured design exploration for accelerated exploratory programming. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ‘25) (pp. 1–27). ACM. https://doi.org/10.1145/3706598.3714115
Lin, D. C.-E., Kang, H. B., Martelaro, N., Kittur, A., Chen, Y.-Y., & Hong, M. K. (2025). Inkspire: Supporting design exploration with generative AI through analogical sketching. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ‘25) (pp. 1–18). ACM. https://doi.org/10.1145/3706598.3713397
Cai, A., Rick, S. R., Heyman, J. L., Zhang, Y., Filipowicz, A., Hong, M., Klenk, M., & Malone, T. (2023). DesignAID: Using generative AI and semantic diversity for design inspiration. In Proceedings of the ACM Collective Intelligence Conference (CI ‘23) (pp. 1–11). ACM. https://doi.org/10.1145/3582269.3615596

Research through Design と過程の記録

Frayling, C. (1993). Research in art and design. Royal College of Art Research Papers, 1(1). https://researchonline.rca.ac.uk/384/
Zimmerman, J., Forlizzi, J., & Evenson, S. (2007). Research through design as a method for interaction design research in HCI. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘07) (pp. 493–502). ACM. https://doi.org/10.1145/1240624.1240704
Zimmerman, J., Stolterman, E., & Forlizzi, J. (2010). An analysis and critique of Research through Design: Towards a formalization of a research approach. In Proceedings of the 8th ACM Conference on Designing Interactive Systems (DIS ‘10) (pp. 310–319). ACM. https://doi.org/10.1145/1858171.1858228
Gaver, W. (2011). Making spaces: How design workbooks work. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘11) (pp. 1551–1560). ACM. https://doi.org/10.1145/1978942.1979169
Gaver, W. (2012). What should we expect from research through design? In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI ‘12) (pp. 937–946). ACM. https://doi.org/10.1145/2207676.2208538
Bowers, J. (2012). The logic of annotated portfolios: Communicating the value of ‘research through design’. In Proceedings of the Designing Interactive Systems Conference (DIS ‘12) (pp. 68–77). ACM. https://doi.org/10.1145/2317956.2317968
Löwgren, J. (2013). Annotated portfolios and other forms of intermediate-level knowledge. Interactions, 20(1), 30–34. https://doi.org/10.1145/2405716.2405725
Dalsgaard, P., & Halskov, K. (2012). Reflective design documentation. In Proceedings of the Designing Interactive Systems Conference (DIS ‘12) (pp. 428–437). ACM. https://doi.org/10.1145/2317956.2318020
Bardzell, J., Bardzell, S., Dalsgaard, P., Gross, S., & Halskov, K. (2016). Documenting the research through design process. In Proceedings of the 2016 ACM Conference on Designing Interactive Systems (DIS ‘16) (pp. 96–107). ACM. https://doi.org/10.1145/2901790.2901859
Odom, W., Wakkary, R., Lim, Y.-K., Desjardins, A., Hengeveld, B., & Banks, R. (2016). From research prototype to research product. In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (CHI ‘16) (pp. 2549–2561). ACM. https://doi.org/10.1145/2858036.2858447
Benjamin, J. J., Lindley, J., Edwards, E., Rubegni, E., Korjakow, T., Grist, D., & Sharkey, R. (2024). Responding to generative AI technologies with research-through-design: The Ryelands AI Lab as an exploratory study. In Proceedings of the 2024 ACM Designing Interactive Systems Conference (DIS ‘24) (pp. 1823–1841). ACM. https://doi.org/10.1145/3643834.3660677

プロトタイプは探索を広げるのか：最初の例への固着、並列の試作、生成 AI による高速な試作、Research through Design の記録の学術文献から