from デジタル民主主義サミット2026

デジタル民主主義サミット2026 ブロードリスニングの技術

第3会場（東館 G-Lab 6F）

分科会 ブロードリスニングの技術

中山心太

西尾泰和

講演概要

意見収集には長らく「規模と深さのトレードオフ」がありました。大量に集めようとすれば選択式の浅い質問しかできず、深く聴こうとすれば少人数にしか聴けない。選択式アンケートの集計は100年以上前に技術が解決しましたが、自由記述の分析だけは高コストなまま取り残されてきました。この壁を崩したのが、LLMをはじめとする近年の自然言語処理技術です。

本セッションでは、デジタル民主主義2030がOSSで開発する意見可視化ツール「広聴AI」を題材に、ブロードリスニングを支える技術の中身を、数式を使わずに解説します。①LLMによる意見分割、②Sentence-BERTによる文脈ベクトル化（エンベディング）、③UMAPによる次元圧縮とクラスタリング、④LLMによるラベリングと要約——この4段のパイプラインが、なぜ「少数意見を含む多様性の可視化」を可能にするのか。魚拓や地図のたとえを使いながら、ブラックボックスの内側を開けていきます。

あわせて、ロングコンテキストLLMを前提とする次世代アーキテクチャ（TTTC Turbo、Google JIGSAW Sensemaker）と、開発中の次世代版についても触れます。技術によって分析コストが下がった結果、ボトルネックは「収集」と「解釈」へ移りました。それが何を意味するのかまで、持ち帰っていただければと思います。

西尾の発展資料

ブロードリスニングの技術・発展資料 — 講演のその先を考えるために

セッション「ブロードリスニングの技術」（中山心太・西尾泰和）の内容を踏まえて、さらに議論を発展させたい方のための資料です。講演で解説したパイプライン（意見分割→エンベディング→次元圧縮→クラスタリング→ラベリング・要約）を前提に、「その先にある問い」を6つのテーマに整理しました。各テーマの末尾に、より深く知るための西尾のScrapboxページへのリンクを付けています。

1. 地図のたとえの続き — きれいに分かれない意見をどう見るか

講演では、次元圧縮を「魚拓」や「地図」にたとえました。地図が高緯度で歪むように、意見の散布図も歪みます。ここから一歩進めると、散布図を読むときのリテラシーが見えてきます。

デモで使った手書き数字（MNIST）はUMAPが最も得意とするデータで、きれいに島が分かれます。しかし実際の市民の意見データでは、大部分の意見が分離しない大きな一塊（「泥団子」）になることが多いのです。これは技術の失敗ではなく、世の中の意見はそもそもくっきり分かれていないという発見だと捉えることができます。SNS上で対立して見える「赤と青」は、実は巨大な中間層のふちにある小さなこぶにすぎない——どちらが多数派に見えるかは、境界線の引き方で変わってしまいます。

散布図に「くっきり分かれた島」が見えたときこそ、それが実際の意見分布なのか、圧縮や抽出の過程で生まれた見かけ上の模様なのかを問う価値があります。

高次元泥団子 — 匿名の市民の意見は大部分が分離しない塊になる、という実験知見

分断とサイレントマジョリティ — 「観測しやすいものがすべてだと勘違いする」バイアスの図解

tSNEの結果のクラスタリングは慎重に — 次元圧縮が「実在しない島」を作ってしまうことがある、という注意

2. 「グループ分け」の哲学 — KJ法とクラスタリング

講演のパイプラインでは、意見をクラスタに分けてラベルを付けました。ここには実は深い前提が隠れています。「どの意見も、どこか一つのグループに属するはずだ」という前提です。

しかし実際の意見には、二つのグループの中間にあるもの、複数のグループにまたがるもの、どこにも属さない一匹狼のようなものがあります。KJ法の創始者・川喜田二郎は「大分けから小分けにもっていくのはまったくの邪道」「分類のワクぐみへのはめこみは専制的」と繰り返し警告しました。あらかじめ用意した枠に意見をはめ込むのではなく、意見同士の関係から枠が立ち上がってくるのを待て、という思想です。

機械によるクラスタリングは「人間が独断で枠にはめてしまうこと」を避けられる点でKJ法の効用の一部を自動化しています。一方で、人間がKJ法をするときは「一見遠いもの同士に思いがけないつながりを見出す」ことをやっており、ここはまだ機械にできていません。講演の最後に紹介したロングコンテキストLLM型の新手法は、この「関係の発見」に機械が踏み込める可能性を開くものですが、同時にLLMに分類基準を考えさせる方式は「上から枠をはめる」方向に戻る危うさも持っています。新旧どちらの方式も万能ではなく、トレードオフの位置が違うのだと理解すると、道具を選ぶ目が養われます。

AIにKJ法を教える — ブロードリスニングの次の発展としてのKJ法×AI

UMAPの結果をクラスタリングするべきか — 「単一グループ所属」前提への疑問

Jigsaw Sensemakerとtttc-light-js勉強会 — 次世代アーキテクチャの設計比較と論点

3. 少数意見は本当に見えるようになるのか

広聴AIの掲げる価値は「意見の量ではなく、少数意見を含めた多様性の可視化」です。これを実現し続けるには、レポートを作る側と読む側の両方に注意が要ります。

わかりやすいレポートを作ろうとすると、ごちゃごちゃした少数意見は捨てたくなります。一方で、市民に見せるレポートには「少数意見を切り捨てていません」という姿勢を示したくなります。この二つの力は逆向きに働くため、「多様性を可視化した」という看板と実際の中身がずれることが構造的に起こりえます。レポートを読むときは「分類できなかった意見はどこへ行ったのか」「『その他』には何件入っているのか」を見ると、そのレポートの誠実さが測れます。

また、意見の取り違え（講演で触れたハルシネーション）は散布図上では「本体から離れた小島」として現れることがあり、見た目が目立つせいで読み手が真っ先に注目してしまう、という皮肉な性質があります。目立つクラスタほど、元の発言に立ち返って確認する価値があります。

Jigsaw Sensemakerとtttc-light-js勉強会 — 「有用なレポート」と「切り捨てないポーズ」の緊張関係

TTTCの「離れ小島クラスタ」問題 — 抽出の失敗が可視化にどう現れるか

4. 「収集」を設計する — 集まらない問題と集まりすぎる問題

講演では「ボトルネックは収集へ移った」と述べました。この続きを考えるには、収集の問題を二つに分けると見通しがよくなります。

集まらない問題。 意見が集まらない理由は「参加の動機が弱い（言っても政策に反映される実感がない）」「入力の摩擦が高い（面倒くさい）」「参加のご褒美がない（自分の意見がどうなったか見えない）」の三つに分解できます。さらに根本的な問題として、「一つのテキスト欄に自分の意見を過不足なく整理して書く」こと自体が大部分の人にとって難しい、という事実があります。講演で触れたAIインタビューは、この問題への回答です——AIが対話しながら聞き出すことで、書くのが苦手な人からも粒の揃った意見データを集められるようになります。

集まりすぎる問題。 逆に、生成AIで量産された意見が押し寄せる事態がすでに起きています。あるパブリックコメントでは46人が約4,000件を投稿し、別の案件では約20万件のうち96%が句読点まで完全に同一でした。行政は全件確認の義務があるため、量産投稿は税金と職員の時間を大量に消費し、埋もれた本物の少数意見を見えなくします。ここでは、類似意見をAIで束ねて職員が少数意見に注意を向ける余裕を作る、という防衛技術としてのブロードリスニングという新しい役割が浮かび上がります。

もう一つ、集める側が意識したい逆説があります。サイレントマジョリティの声を広く集めるほど、結果は現状維持に寄りやすくなる（変革を望む人は常に少数派だから）可能性です。「広く聞くこと」と「未来に向けた決断」は自動的には一致しません。

低摩擦ブロードリスニング — 「集まらない」の3要因分解

ブロードリスニングの4つのデータ型 — Polis型・インタビュー型・選択肢型・自由記述型の整理

量産型パブコメの落とし穴──税金と民主主義を守るためにAIが必要な理由 — 数字の出典と対策

発言閾値 — 広く聞くことの逆説

インタビューAIグランプリ — AIインタビューの質を競技形式で高める取り組み

5. 聞いた後どうするか — 解釈・意思決定・「受け止められた感」

分析コストが下がった今、最も難しいのは「聞いた結果をどう意思決定につなげるか」です。ここで役に立つのが、熟議を2つのステップに分ける考え方です。

ステップ1: 選択肢を広げる。 AかBかで揉めている議論に「CやDもある」と気づかせる。ブロードリスニングが最も得意とするのはここです。実際、東京都の長期戦略の事例では、意見群を高解像度で観察した結果、従来の計画になかった「観光」というカテゴリが意見の側から立ち上がってきました。

ステップ2: 有限の選択肢から決める。 ここは多数決、首長の決断、その他の意思決定メカニズムの領分で、ブロードリスニングは決定を代行しません。最終判断に責任を負う人間を置き、説明責任を可視化する構造は維持されるべきものです。

このとき「合意形成率が上がったか」を成功指標にするのは危険です（極端な話、洗脳でも上がってしまう）。より筋の良い候補は「自分の意見が結論に反映された、と感じる人の割合」です。そしてこの指標は、現在のブロードリスニングに最も足りていないもの——「受け止められた感」——を直接指しています。意見を出した人が、レポートのどこに自分の声が反映されたのかを辿れる仕組み（意見のトレーサビリティ）は、次の大きな開発テーマです。

もう一つ、「誰が聞くのか」という視点があります。国内外の主要事例は、実は市民が権力に突きつけたものではなく、政治家や行政という「聞く側」が自ら実行したものです。リスニングの主体は聞き手であり、聞き手が結果を市民に公開する意味は「世の中には自分の想像よりずっと多様な意見があり、優先順位を奪い合っている」という現実認識を共有し、分断を減らすことにあります。

デジタル民主主義ブームを振り返る(拡張質疑) — 指標論・AIの役割分担

ブロードリスニングに足りてないのは受け止められた感 — トレーサビリティという課題

突きつけるブロードリスニング — 「誰が聞くのか」の整理

シン東京2050ブロードリスニング — 約2.8万件の意見が行政計画を変えた実運用

6. 自分の現場に持ち帰る — 政治以外への応用と日本文化

ブロードリスニングは選挙や行政の専売特許ではありません。むしろ「関係者が特定できて、テーマが具体的な場」の方が導入しやすい面があります。企業の制度へのフィードバック、学校のカリキュラム改善、マンション管理組合やNPOの方針決め。実例として、企業内で100人のマネージャーのワークショップ議事録を可視化した事例や、小売企業が顧客の声の分析に使った事例があります。身近な場で「聞かれて、反映される」体験を積むことが、より大きなテーマへの参加のハードルを下げていきます。

日本の組織文化との関係も考える価値があります。日本の組織はしばしば「空気」——誰も明示的に決めていないのに全員を拘束する、みんなの気持ちの推定——によって統治されています。ブロードリスニングは、この「空気」を推測ではなくデータとして可視化する技術、いわば空気のデジタル化と捉えることができます。トップダウンの組織では「トップがみんなの気持ちを理解する力」の強化として、合意重視の組織では「みんながみんなの気持ちを理解する」ことの強化として働き、同じ技術でも組織文化によって効き方が変わります。対立を避ける文化では匿名化などの設計上の工夫も重要になります。

サイボウズ社内でのブロードリスニング活用事例 — 企業内実践の具体例

空気が支配する日本ではブロードリスニングが重要 — 文化と技術の相互作用

おわりに — なぜこの技術に取り組むのか

ブロードリスニングの根本にあるのは、「一人が大勢に話す技術（放送）は100年かけて発達したのに、一人が大勢の声を聞く技術はごく最近まで存在しなかった」という非対称の解消です。聞く技術と話す技術が組み合わさると、原理的には一人の人間が何百万人と「会話」できるようになります。ただし本当の会話であるためには、聞いて、応えて、また聞く——この往復が何度も繰り返される必要があります。現在のブロードリスニングはまだ「一往復目」であり、可視化を見た人が再び意見を返すループの設計が、次の10年のテーマです。

これは民主主義に限った話ではなく、人間の「他者を理解する能力」そのものをテクノロジーで増強する試みだと言えます。講演で紹介した技術の一つ一つは、そのための部品です。

ブロードリスニング — 概念の出発点（Plurality本での定義と系譜）

主観か客観かではなく、一人の主観から大勢の主観へ — 情報処理学会誌寄稿。この技術が知的生産の形をどう変えるか

2025年のブロードリスニング — 双方向化に向けた現在地の総括