研究方針メモ：背景から実際の作業へ

作成日: 2026-05-02

位置づけ: 背景・問題設定・研究目的・意義を広く整理したうえで、この研究が実際にどの断面を扱い、何を題材にし、どのような作業を進めるのかを決めるための設計図。論文本体ではなく、今後の文献調査・観察・分析・スライド作成の基準として使う。

0. このメモの目的

ここまでの整理では、生成 AI や AI エージェントがサービス利用、制作、開発、デザイン実践に入り込んできているという背景を広く捉えてきた。その中で、人間の操作、判断、評価、暗黙知、組織的な知識、サービスとの関係が変わりつつあることを問題設定として置いた。

ただし、背景を広く語ることと、実際の研究で扱う対象を広げすぎることは別である。背景としては、AI が社会や実践の中に入り込む大きな変化を押さえる必要がある。一方で、修士研究として実際に進めるには、その広い変化の中から、観察・記録・分析できる断面を切り出す必要がある。

このメモでは、次のことを整理する。

どのような背景からこの研究が立ち上がるのか
既存研究や既存の議論と比べて、どこに立つのか
広い背景の中で、この研究が実際に扱う断面はどこか
何を題材として観察・分析するのか
何を明らかにしようとするのか
そのために、実際にどのような作業を進めるのか

1. 研究の背景

近年、生成 AI や AI エージェントは、単に文章や画像を生成するツールとしてだけでなく、デジタルサービスの利用、デザイン制作、プロダクト開発、資料作成、コード実装など、さまざまな実践の中に入り込み始めている。

ChatGPT や Gemini のような対話型 AI では、ユーザーは検索語を入力するだけではなく、調査、要約、企画、判断の補助を自然言語で依頼する。Genspark や Canva AI のようなサービスでは、スライド、ドキュメント、画像、Web ページなどを、目的別の入口やテンプレートを通じて生成できるようになっている。Figma Make や Claude Design のようなツールでは、画面やプロトタイプに近いものを自然言語から作ることができる。Cursor や Claude Code のような開発支援ツールでは、コードベースの文脈を踏まえた実装や修正を AI に依頼できる。

この変化は、単に入力方法がマウスやキーボードからチャットに変わったという話ではない。従来のデジタルサービスや制作ツールでは、ユーザーや作り手は画面上の要素を操作し、結果を確認し、必要に応じて修正していた。Figma であれば、フレームを作り、コンポーネントを配置し、余白や色を調整する。PowerPoint であれば、スライドを選び、見出しを置き、図を整える。Web サービスであれば、メニューやフォームを操作して目的を達成する。

一方で、AI が介在する場面では、ユーザーや作り手は「こういう画面を作って」「この資料をスライドにして」「このブランドに合う UI にして」「このコードベースのルールに従って実装して」といった形で、目的や意図を AI に渡し、実行の一部を任せるようになっている。

その結果、人間が担う作業の重心は変化しているように見える。手を動かして細部を操作する作業の一部は AI に移りつつある。一方で、何を作りたいのか、どの制約を守るべきか、何を良い出力とみなすのか、どこまで AI に任せてよいのか、出力をどう評価し修正するのかといった判断は、人間や組織の側に残っている。

さらに、AI が制作や開発に入り込むほど、組織がこれまで暗黙に持っていた判断基準やデザイン原則も、AI が扱える形にする必要が出てくる。デザインシステム、README、skill、レビュー観点、サンプル、チェックリストなどは、単なる社内資料ではなく、人間と AI が同じ方向を向いて作業するための媒介物として重要になりつつある。

2. 研究の意義

本研究の意義は、AI ツールの使い方を紹介することでも、特定のプロンプト技法を提案することでもない。また、AI の失敗を分類すること自体が目的でもない。

本研究の意義は、AI がサービス利用や制作・開発に介在する状況を、単なる効率化や自動化としてではなく、人間の判断、評価、暗黙知、サービスとの関係が再配置される現象として捉え直す点にある。

これにより、AI による生成や実行をめぐる問題を、個別のツール利用やプロンプト技法の問題に閉じず、認知・相互作用・デザイン実践・組織的知識のあいだにまたがる論点として記述できる可能性がある。

この研究は、デザイナー、PM、開発者、組織といった各立場に対して個別の解決策を提示することを主目的としない。むしろ、変化の速い AI 介在型の実践を考えるために、何を観察し、何を問い、どのような関係の変化として捉えればよいのかを整理するための概念的な足場をつくることを目指す。

3. 既存研究・既存議論との立場の違い

この研究は、いくつかの既存領域と接続しながらも、それらのどれか一つにそのまま収まるものではない。

HCI / UX 研究との関係

HCI や UX の研究では、ユーザーがシステムをどのように理解し、操作し、目的を達成するかが扱われてきた。ノーマンの7段階モデル、実行のガルフ、評価のガルフ、メンタルモデル、ユーザビリティ、フィードバック、アフォーダンスといった概念は、従来のインタラクションを考える上で重要な枠組みである。

本研究も、人間がシステムをどう理解し、どう行為し、どう評価するかという点では HCI / UX の議論と接続する。ただし、AI が生成や実行の一部を担う場面では、人間が直接操作する対象や手順が変化する。問題は「どのボタンを押せばよいか」だけではなく、「何を AI に任せているのか」「AI がどこまで判断してよいのか」「人間はどこで確認・修正・承認するのか」「出力を何によって良いと判断するのか」に移っていく。

そのため、本研究は従来の使いやすさや操作性だけでなく、AI によって実行が媒介される場面で、人間の判断・評価・意図の位置づけがどう変わるのかを見る。

Human-AI Interaction との関係

Human-AI Interaction の研究では、AI の透明性、説明可能性、信頼、制御可能性、ユーザーの期待調整、エラー時の回復などが議論されている。これらは、AI を含むシステムを設計・評価する上で重要な観点である。

本研究は、それらの議論と接続しつつ、特に AI が「助言する」「推薦する」だけでなく、生成物を作ったり、実装したり、デザイン案を出したりする場面に注目する。このとき、人間と AI の関係は、単なる利用者と道具の関係ではなく、目的、制約、判断基準、評価基準を媒介しながら実行を進める関係になる。

したがって、本研究では、AI への信頼や制御可能性だけでなく、AI に実行を担わせるために何が表に出されるのか、人間がどこで判断し直すのか、出力を評価する基準がどのように扱われるのかを重視する。

プロンプト技法・AI 活用ノウハウとの違い

AI ツールの利用をめぐっては、「よいプロンプトを書く」「デザインシステムを読み込ませる」「README を整備する」といった実務的なノウハウが多く語られている。これらは重要な実践であり、本研究にとっても観察素材になる。

しかし、本研究は特定のプロンプト技法や、特定ツールの使い方を改善するためのノウハウを提示する研究ではない。むしろ、それらの実践を手がかりにして、AI に実行を担わせるとき、人間や組織が持っていた意図、文脈、制約、評価基準、暗黙知がどのように外部化されるのかを見る。

つまり、README や skill やデザインシステムは、それ自体を最終目的として改善する対象ではなく、AI 介在型の実践において人間と AI の関係を媒介するものとして捉える。

デザイン研究・デザイン実践との関係

デザイン実践では、デザイナーの判断、審美眼、情報設計、ブランドらしさ、コンポーネントの使い分け、レビュー文化、デザインシステムなどが重要な役割を持つ。AI が画面やスライドや実装を生成できるようになると、「デザイナーの役割はどう変わるのか」という問いが出てくる。

本研究は、この問いを「デザイナーが不要になるかどうか」として扱うのではなく、実行の一部が AI に移ることで、人間側に残る設計行為がどのように変化するのかという問題として捉える。

ここで重要になるのは、手を動かして制作することだけではなく、何を良いとみなすかを見分けること、方向を与えること、暗黙の判断基準を媒介物として表に出すこと、AI の出力を評価し修正することかもしれない。

4. この研究で扱う断面

広い背景としては、AI がサービス利用、制作、開発、デザイン実践に入り込む変化全体を扱う。しかし、実際の研究で中心的に扱う断面は、次のように絞る。

AI が生成や実行の一部を担う場面において、人間の判断・評価・暗黙知・組織的知識が、どのように外部化され、媒介され、再配置されるのか。

この断面に絞ることで、研究の対象が明確になる。

扱うのは、AI 全般ではない。扱うのは、AI が何らかの生成物や実行結果を返し、それを人間が評価・修正・方向づける場面である。

扱うのは、デザイン実践全体でもない。扱うのは、デザインやサービス設計や開発の中で、人間が持っていた判断基準や暗黙知が、AI との関係の中で表に出てくる場面である。

扱うのは、特定ツールの性能比較でもない。扱うのは、ツールごとの出力品質ではなく、AI に何を渡し、何を任せ、どこで人間が判断し、どのような媒介物が必要になるのかという構造である。

この研究で扱う主な観点は、次のようになる。

人間は何を AI に任せようとしているのか
AI が実行するために、どのような目的・文脈・制約・評価基準が必要になるのか
それらは、プロンプト、UI、README、skill、デザインシステム、サンプル、チェックリストなど、どのような媒介物として表に出るのか
AI の出力に対して、人間はどの観点で良い／悪いを判断しているのか
出力が期待と異なるとき、何が不足していたのか、何が曖昧だったのか
人間はどの段階で確認・修正・承認・方向づけを行うのか
従来の操作中心の UI / UX の観点だけでは捉えにくい論点は何か

5. この研究で扱わないこと

射程を明確にするために、この研究で中心的には扱わないことも書いておく。

特定 AI ツールの攻略法

本研究は、Claude Design、Figma Make、Cursor、Claude Code などの特定ツールをうまく使うための方法論を提示するものではない。これらのツールは観察素材として扱うが、研究のゴールは「どのツールが優れているか」「どう使えば高品質な出力が得られるか」を示すことではない。

プロンプト技法の提案

本研究は、よいプロンプトテンプレートやプロンプト設計手法を提案するものではない。プロンプトは重要な媒介物の一つだが、研究で見たいのはプロンプト文そのものではなく、そこに何が外部化されているのか、何が外部化されないまま残っているのかである。

モデル性能の評価

本研究は、AI モデルの性能や精度を定量的に比較するものではない。出力品質の違いは観察されるかもしれないが、主眼はモデル性能ではなく、人間・AI・サービス・組織的知識の関係がどのように構成されるかにある。

職能別の処方箋

本研究は、デザイナー、PM、開発者、組織に対して、それぞれ個別の解決策を提示することを中心にはしない。実務への含意はありうるが、主たる貢献は、複数の実践にまたがる関係変化を記述するための概念的な見取り図をつくることである。

6. 題材として扱うもの

研究の題材は、大きく三つに分けられそうである。

6.1 公開されている AI サービス・AI ツール

対象候補としては、ChatGPT、Gemini、Claude、Genspark、Canva AI、Figma Make、Claude Design、Cursor、Claude Code などがある。

ここでは、出力の優劣を比較するのではなく、次のような観点で観察する。

ユーザーに何を入力させているか
自由入力だけでなく、目的カテゴリやテンプレートを提示しているか
ユーザーが意図を言語化するための支援があるか
AI がどこまで自律的に実行する設計になっているか
人間が確認・修正・承認する接点がどこにあるか
出力が失敗したとき、修正の手がかりがあるか
生成物の評価基準が UI や会話の中に現れているか
複数案を比較・選択・方向づけるための仕組みがあるか

公開サービスの観察は、AI 介在型の体験がどのように設計されているかを見るための材料になる。

6.2 自分の制作・開発・研究実践

自分自身が AI を使ってスライド、文章、Web ページ、UI、コード、研究メモなどを作る場面も、探索的なケースとして扱える。

たとえば、AI にスライドを作らせるとき、単に「スライドを作って」と言うだけでは、文脈や研究のニュアンスが落ちることがある。そのとき、どの情報を追加すればよいのか、どの判断基準を明示すればよいのか、どの段階で人間が確認・修正する必要があるのかが見えてくる。

このような実践は、研究対象そのものというより、AI に実行を担わせるときにどのような情報や判断基準が表に出てくるのかを観察する材料になる。

6.3 インターンや実務に近い環境でのケース

インターン環境で扱っている README、skill、デザインシステム、Claude Design、Claude Code などの試行錯誤も、重要な題材になりうる。

ただし、ここでは社内固有の成果物や機密情報そのものを扱うのではなく、匿名化・抽象化したうえで、次のような構造を見る。

何を AI に作らせようとしたのか
AI に何を渡したのか
どのような媒介物を使ったのか
出力のどこが期待とずれたのか
そのズレは、参照不足、優先順位の曖昧さ、解釈の違い、評価基準の不足など、どの観点で捉えられるのか
何を追加・修正すると、出力や判断のしやすさが変わったのか

この題材は、組織的な知識や暗黙知が AI との関係の中でどう表に出てくるかを見るために有効そうである。

7. 明らかにしたいこと

この研究で明らかにしたいことは、単一の法則や強い設計原則ではない。むしろ、AI が実行や生成を担う場面を捉えるための論点の地図をつくることに近い。

現時点では、次のようなことを明らかにしたい。

7.1 人間の役割はどこに移るのか

AI が制作や実行の一部を担うとき、人間の役割は消えるのではなく、別の場所に移るように見える。手を動かして細部を作ることの一部は AI に移るが、何を作るべきか、何を良いとするか、どの方向を採用するか、どこを修正するかといった判断は残る。

このとき、人間側に残る役割を「評価」「方向づけ」「制約設定」「判断基準の形成」「暗黙知の外部化」などとして整理できるかを見たい。

7.2 何が外部化される必要があるのか

AI に何かを任せるためには、目的、文脈、制約、参照資産、優先順位、評価基準、人間の介入点などが、何らかの形で表に出る必要がある。

ただし、それはプロンプト文だけに限られない。UI の目的カテゴリ、テンプレート、README、skill、デザインシステム、サンプル、チェックリスト、レビュー観点、承認 UI なども、外部化の形になりうる。

この研究では、AI に実行を担わせるときに、どのような情報や判断基準がどのような媒介物として表に出てくるのかを整理したい。

7.3 どのようなズレや困難が生じるのか

AI の出力が期待と異なるとき、それを単に「AI が失敗した」と見るだけでは十分ではない。そこには、参照すべき情報が渡されていない、優先順位が明確でない、コンポーネントの意味を誤っている、ブランドらしさの判断基準が共有されていない、人間が評価すべき接点が曖昧である、といった複数の要因がありうる。

「ズレ」は研究の中心語として最初に置くのではなく、AI 介在型の実践を観察する中で現れる分析観点として扱う。

7.4 既存の認知・相互作用モデルで何が説明でき、何が足りないのか

ノーマンの7段階モデル、実行のガルフ、評価のガルフ、メンタルモデルなどは、AI 介在型の体験を考えるうえでも有効な部分があるかもしれない。

ただし、AI が実行を担う場面では、人間が直接操作する行為の粒度が変わる。ユーザーは操作手順を選ぶだけでなく、目的や制約や評価基準を AI に渡す必要がある。評価も、システムの反応を確認するだけでなく、生成物が目的や文脈に合っているかを判断するものになる。

この研究では、既存モデルを否定するのではなく、どこまで説明できるか、どこに補助線が必要かを考えたい。

8. 研究課題の仮案

現時点では、研究課題は次のように置けるかもしれない。

RQ1

AI が生成や実行を担うサービス利用・制作・開発の場面では、人間の判断・評価・暗黙知はどのような形で表に出てくるのか。

RQ2

その判断・評価・暗黙知は、プロンプト、UI、README、skill、デザインシステム、サンプル、チェックリストなどの媒介物を通じて、どのように AI との関係の中で扱われるのか。

RQ3

AI の出力や実行が期待とずれる場面では、どのような情報、制約、評価基準、介入点の不足や曖昧さが現れるのか。

RQ4

従来の HCI / UX / HAI / 認知モデルの枠組みは、AI が実行を担う状況をどこまで説明でき、どこに新たな補助線が必要になるのか。

この RQ はまだ仮であり、今後の文献レビューと観察を通じて絞り込む必要がある。特に RQ が多すぎる場合は、最終的には「人間の判断・評価・暗黙知の再配置」と「媒介物としての外部化」に焦点を寄せるのがよさそうである。

9. 実際に進める作業

次に行う作業は、論文本体を書くことではなく、研究の材料を集め、観察単位を整え、概念整理へ進むための準備である。

9.1 文献レビューの軸を決める

まず、既存研究を広く読むのではなく、本研究の立場を置くための軸を決める。

優先的に見る領域は、次のあたりになる。

HCI / UX: ノーマンの7段階モデル、実行のガルフ、評価のガルフ、メンタルモデル
Human-AI Interaction: 信頼、透明性、制御可能性、期待調整、ユーザーの介入、エラー回復
生成 AI UX: LLM アプリケーション、自然言語 UI、AI エージェント、プロンプトベースのインタラクション
Human-AI co-creation: AI と人間の共同制作、創造性支援、制作プロセスの変化
デザイン実践: デザインシステム、デザイナーの判断、組織的知識、暗黙知の外部化

文献レビューの目的は、先行研究を網羅することではなく、この研究がどの議論と接続し、どこに新しい補助線を引こうとしているのかを明確にすることである。

9.2 公開サービスの観察シートを作る

次に、公開されている AI サービスや AI ツールを観察するためのシートを作る。

観察項目の仮案は次の通り。

サービス / ツール名:
対象タスク:
ユーザーが入力するもの:
サービス側が提示する目的カテゴリ / テンプレート:
AI が自律的に実行する範囲:
人間が確認・修正・承認する接点:
出力の評価基準が表れている箇所:
失敗時・修正時の手がかり:
観察された人間の判断・評価の位置:
外部化されている情報:
外部化されていないが必要そうな情報:
見えてきた論点:

このシートを使って、複数のツールを同じ観点で観察する。

9.3 実践ケース記録のフォーマットを作る

自分の制作・開発・研究実践や、インターン環境に近い実践を記録するためのフォーマットも作る。

仮の記録単位は「AI に何かを任せた一つのエピソード」である。

ケース ID:
場面:
作らせようとしたもの:
使った AI ツール:
AI に渡した情報:
使った媒介物:
人間側が暗黙に持っていた判断基準:
出力で起きた違和感・ズレ:
そのズレをどう判断したか:
追加・修正した情報 / 媒介物:
変化した出力 / 判断のしやすさ:
見えてきた論点:
関連する既存概念:

このフォーマットでは、人間の内面的な期待を推測するのではなく、何を任せ、何を渡し、どこで判断し、どの情報が表に出てきたかを見る。

9.4 観察と文献を往復して概念整理する

観察を集めたら、それを文献の概念と照らし合わせる。

たとえば、ノーマンの7段階モデルで言えば、AI が入ることで「目標形成」「意図形成」「行為系列の特定」「実行」「知覚」「解釈」「評価」の各段階の担い手や表現形式がどう変わるのかを考えられるかもしれない。

Human-AI Interaction の観点では、透明性、信頼、制御可能性、介入、修復といった概念が、生成・実行を AI に任せる場面でどう現れるのかを見ることができるかもしれない。

デザイン実践の観点では、判断基準、暗黙知、デザインシステム、レビュー文化、ブランドらしさが、AI との関係の中でどのような媒介物として扱われるのかを考えられるかもしれない。

9.5 図式化する

最終的には、文章だけでなく図式として整理する。

現時点の仮図式は次のようなものになる。

人間 / 組織の目的・判断基準・暗黙知
        ↓ 外部化
媒介物
（プロンプト / UI / README / skill / デザインシステム / サンプル / チェックリスト）
        ↓ 解釈・実行
AI の生成・実行
        ↓ 出力
人間による知覚・解釈・評価・方向づけ
        ↓ 修復・更新
媒介物 / 判断基準 / 委譲範囲の再設計

この図式はまだ確定ではないが、研究が見ている構造を説明する足場になりそうである。

10. 成果物のイメージ

現時点で想定される成果物は、強い意味での設計原則やチェックリストではなく、次のようなものになる。

10.1 論点の地図

AI が実行や生成を担う場面で、人間の判断・評価・暗黙知・組織的知識がどこに現れるのかを整理した地図。

10.2 媒介物の整理

プロンプト、UI、テンプレート、README、skill、デザインシステム、サンプル、レビュー観点、チェックリストなどを、人間と AI の関係を媒介するものとして整理する。

10.3 ズレや困難の分析観点

参照不足、優先順位の曖昧さ、解釈の違い、適用の誤り、評価基準の不足、委譲範囲の曖昧さ、修復手段の不足などを、失敗分類そのものではなく、関係の再配置を捉えるための観点として整理する。

10.4 既存モデルとの接続

ノーマンの7段階モデル、メンタルモデル、HAI ガイドラインなどと接続し、AI が実行を担う状況をどこまで説明できるかを検討する。

10.5 今後の研究・実践への問い

最終的には、次のような問いを提示できるとよい。

この AI 介在型の体験では、人間は何を AI に任せているのか
人間が判断すべきポイントはどこに残っているのか
何を良い出力とみなすかは、どこに表現されているのか
AI が参照すべき知識や制約は、どの媒介物に現れているのか
出力が期待と異なるとき、人間は何を修正すればよいのか
人間の暗黙知や組織的知識は、AI が扱える形にどのように変換されているのか

11. 直近の作業計画

次に進むなら、以下の順番がよさそうである。

Step 1: 研究方針メモを固定する

このメモを土台として、研究の背景、意義、既存研究との差分、扱う断面、題材、作業方針を一度固定する。完全に確定する必要はないが、しばらくの作業の基準として使える状態にする。

Step 2: 文献レビューの探索リストを作る

HCI、HAI、生成 AI UX、Human-AI co-creation、デザイン実践、組織知の外部化に関する文献を探し、どの概念が使えそうかを整理する。

Step 3: 公開サービスの観察対象を 5〜8 個に絞る

すべての AI サービスを見るのではなく、タイプの違うものを選ぶ。

候補としては、次のような組み合わせが考えられる。

ChatGPT / Claude / Gemini: 汎用対話型 AI
Genspark / Canva AI: 目的別生成サービス
Figma Make / Claude Design: UI・画面生成
Cursor / Claude Code: コードベースに接続した実行支援

Step 4: 観察シートで試しに 2〜3 件記録する

いきなり本格分析に入るのではなく、観察シートが使えるかを試す。記録してみて、項目が多すぎる、曖昧すぎる、見たいものが拾えない場合は修正する。

Step 5: 自分の実践ケースを 3〜5 件記録する

スライド生成、文章整理、UI 作成、コード修正、デザインシステム参照など、自分が実際に AI を使った場面をケースとして記録する。ここでも、成功・失敗ではなく、何を渡し、何が足りず、どの判断基準が表に出てきたかを見る。

Step 6: 文献・観察・実践ケースを並べて概念整理する

集めた素材をもとに、共通して出てくる観点を整理する。ここで初めて、「委譲条件」「外部化」「ズレ」「人間側に残る設計行為」といった言葉を、研究の分析概念として使うかどうかを判断する。

12. 現時点の方針を一文で言うと

本研究は、生成 AI や AI エージェントがサービス利用・制作・開発に介在する状況の中でも、特に AI が生成や実行を担う場面に注目し、人間の判断・評価・暗黙知・組織的知識がどのように外部化され、AI との関係の中で再配置されるのかを、文献レビュー、公開サービスの観察、実践ケースの記録を通じて整理する研究である。

13. まだ詰めるべきこと

この方針は、次に進むための足場としては有効そうだが、まだ詰めるべき点もある。

研究対象を「サービス利用・制作・開発」すべてに広げるのか、最終的には「制作・開発」に寄せるのか
「デザイン実践」という言葉をどこまで広く使うのか
インターン実践をどこまで研究素材として使えるのか
公開サービスの観察をどの程度体系的に行うのか
実験を行う必要があるのか、それとも探索的ケース分析で十分なのか
既存研究の中で、主にどの領域に貢献を置くのか
最終的な成果物を「概念モデル」「論点地図」「観察フレーム」「研究の仕方」のどれとして打ち出すのか

現時点では、強い実験設計に急ぐよりも、文献レビュー、公開サービス観察、実践ケース記録を通じて、研究が扱う断面と概念語を固める方が自然に見える。