ブロードリスニング
AIを活用して大規模な市民の声を収集・分類・可視化し、多様な意見の全体像を把握する手法。「ブロードキャスト」（一人が多数に発信）の対義語として、「多数の声を聴く」ことを意味する。
詳細
ブロードリスニングは、従来のアンケートや世論調査とは異なり、自由記述（オープンクエッション）で集めた意見を大規模言語モデル（LLM）で分析し、意見のクラスタリングと可視化を行う。これにより、事前に設定した選択肢に縛られず、市民が自らの言葉で語った多様な意見の構造を明らかにできる。
3つの形態がある：
- ツール型 — 意見のクラスタリング・可視化ツールとしての利用（Talk_to_the_City、広聴AIなど）
- 拡張熟議支援型 — 熟議民主主義を拡張し、大規模な対話を支援
- 政治・行政主導型 — 政党や自治体が政策立案に活用
日本では2024年の2024年東京都知事選挙で安野貴博が実践したことで注目を集め、その後急速に広がった。
特徴
- 定性分析：「どんな意見があるか」を把握する（定量調査の「何%がどう思うか」とは異なる）
- アジェンダ設定の開放：市民が自由に論点を提起できる
- 論点地図の生成：意見の分布を二次元散布図で可視化し、政策の空白地帯を発見できる
- トレーサビリティ：各クラスタから元の意見に遡れる
質の5つの観点
序文で安野貴博が提示した、ブロードリスニングの質を評価する枠組み：
- 広さ — どれだけ多くの人が参加したか。ただし量＝民意ではなく、意図的な多数派工作やインセンティブの非対称性に注意が必要
- 深さ — どれだけ深いレベルで声を聞けているか。一問一答ではなく「前提」「理由」「条件」をセットで聞き出すAIインタビュワーの活用
- 速さ — どれだけ短時間で声を集め整理できるか。国会質疑の準備が2〜3日しかない状況でのリードタイム短縮
- アクションに結びつく知見の質 — 政策担当者の「ベースライン仮説」に対する差分情報の発見。n=1でも価値ある一行の発見
- アクションの完遂率 — 実際に現実世界のアクション（法案提出、質問主意書、制度変更など）が伴ったか
課題
- ノイジーマイノリティの影響（声の大きい少数が過大に表現される可能性）
- サイレントマジョリティの不在（自発的参加のため代表性に限界）
- データソースの偏り（SNS利用者層の偏りなど）
- 散布図の「サイエンス風」の見た目がもたらす誤解（縦軸・横軸に意味はなく、クラスタサイズは投稿数であり社会全体の支持率ではない）
運用の基本サイクル
第3章で提示され��民主主義プロセスへの接続方法：
- 意見収集（多様なチャネル）→ 2. 構造化・可視化（AI）→ 3. 政策立案・計画策定 → 4. 説明・フィードバック → 5. 再収集
このサイクルに市民熟議（ミニ・パブリックス）を加えたものが拡張熟議支援型。