kouchou-ai developer wiki

gpt-kawakita-kj-method-broadlistening-2026-05-25

10 min read

What it is

2026-05-25 に raw/gpt-kawakita-kj-method-broadlistening-2026-05-25.md として保存した GPT 出力。
広聴AIを KJ法 / 川喜田二郎の野外科学の思想にどう接続するかを論じた長文ブレスト。川喜田研究所の KJ法解説、デジタル民主主義2030 公式 site、宇多津町ブロードリスニング実証、Talk to the City（AI Objectives Institute）、digitaldemocracy2030/kouchou-ai GitHub の機能例（濃いクラスタ抽出、多数派攻撃に対する防御）を引用。

Key Points

1. 結論：広聴AIの中心は要約ではなく「公共的仮説の立ち上げ」

川喜田の野外科学は、定量データで仮説検証する前に、何を探せばよいかも分からない現場の 定性データ群の渾沌から仮説そのものを発想する 態度。
広聴AIはこの野外科学を公共政策に移植する可能性を持つが、AI が市民の声を行政カテゴリに自動分類してきれいな報告書にする設計なら 「混沌を黙らせる」処理 になってしまう。
川喜田的な広聴AIは混沌を消すのではなく、混沌が何を語ろうとしているかを人間が見える形にする ものであるべき。

2. KJ法 7 段階と広聴AI の対応

KJ法・川喜田思想広聴AIでの対応注意点
現場取材アンケート、SNS、パブコメ、対面ヒアリング、電話、自由記述ネット上の声だけを市民の声と見なさない
ラベル化発言・コメントを意味単位に分ける原文への復帰可能性が必要
ラベル集め類似意見のクラスタリング既存カテゴリで分類しない
表札づくりクラスタ名・要約文の生成表札は AI が確定するのではなく、人間が吟味する仮説
図解化意見マップ、クラスタ図、関係図密度だけでなく、対立・補完・因果も見せたい
叙述化レポート生成、政策論点整理「結論」より「論点の構造」を示す
現場への還元市民・職員・政治家による確認と再入力一回限りの分析で終わらせない

評価軸は「どれだけ速く要約できたか」ではなく、現場の声から、どれだけ妥当な公共的仮説を生成できたか になる。

3. 「広く聴く」と「深く聴く」の緊張

行政の広聴では以下の圧力が働く：

  • 「多くの人が言っていること」を重視する
  • 「既存施策に対応しやすい意見」を拾う
  • 「説明しやすいクラスタ名」に整える
  • 「例外的・少数的な声」をノイズとして扱う

しかし KJ法的には少数意見・異質ラベルは 発想の核 になりうる。digitaldemocracy2030/kouchou-ai の機能例にある「濃いクラスタ抽出機能」「多数派攻撃に対する防御機能」は川喜田的に重要。

4. 川喜田的に見た広聴AIの設計原則

  1. 原文に戻れること — ラベル・クラスタ・要約から原コメントに辿れる
  2. 既存カテゴリに当てはめないこと — 行政カテゴリへの自動分類は「混沌を黙らせる」
  3. 表札は AI が確定しない — クラスタ名は人間が吟味する仮説
  4. 少数・矛盾・分類困難を残す — unresolved_cards.md 的な「次の問いの種」
  5. 論点の構造を示す — 「結論」より対立・補完・因果の図解
  6. 現場に返却する — 一回限りの分析で終わらせない

5. 「LLMにKJ法やらせて」は避けるべき

単に LLM に「KJ法で整理して」と投げると、過程がブラックボックス化し、KJ法で重視される 発想の根拠・プロセス・産物が見える性質 が失われる。

推奨される技術分担：

AI:
  大量データの切片化、類似ラベル探索、複数クラスタ案の提示
  表札候補の生成、反例・一匹狼の検出、図解関係候補の提示、叙述草稿

人間:
  取材設計、ラベル粒度の判断、親和性の最終判断
  表札づくり、図解の構成、解釈の責任、現場への返却

6. 最小実験案

1. AIでラベル化する
2. 人間が20%を検品し、ラベル化基準を修正する
3. AIで3種類のクラスタ案を作る
4. 人間がカードを読み、グループを組み替える
5. AIに表札候補を出させる
6. 人間が表札を決める
7. AIに反例カードを探させる
8. 人間が図解する
9. AIに叙述草稿を出させる
10. 人間が原文に戻りながら修正する
11. 第三者または当事者に見せて妥当性を確認する

成果物：cards.csv / groups.json / diagram.svg / narrative.md / audit_log.json / unresolved_cards.md。特に unresolved_cards.md が重要（収まりの悪いカードを失敗として消さず、次の問いの種として残す）。

7. 一言まとめ

AI 支援 KJ法は、混沌を早く片づけるための手段ではなく、人間が混沌と向き合うための足場として設計すべき。
広聴AI の文脈では「多数の声を分類する機能」ではなく、多数の声から公共的仮説を立ち上げ、その仮説を再び市民に返すための方法 になる。

Compared to existing wiki claims

  • broad-listening-book-extractions が記録した「KJ法 / 表札 という日本語専門用語をプロンプトに載せると label 品質が上がる」（書籍 13.2.6）は、本ブレストの理論的裏付けと読める。「単に KJ法 prompt を使う」ことと「KJ法的設計原則を product に通す」ことは別問題だと整理できる。
  • broadlistening の「散布図タイプ vs Long Context タイプ」二分類に対し、本ブレストは どちらの系統であれ KJ法的な原則（原文復帰、既存カテゴリ非適用、表札は人間、少数残存、現場返却）が要る と主張する。
  • public-ui-requirements-for-broadlistening が ohki-shingo の整理として書いた公開UI 7 要件と、本ブレストの設計原則（特に「原文に戻れる」「少数・矛盾を残す」）は重なる部分がある。
  • llm-grouping-experiment の analysis_mode=llm_grouping 設計判断は、本ブレストの「LLMにKJ法やらせて は避けるべき」と整合的（LLM 直分類だけで終わらせず、人間が混沌と向き合う足場として位置づける）。
  • kensuzuki-broad-listening-insight-types-2025-11-29 の「ブロードリスニングは用途ごとに欲しいインサイトが違う」と本ブレストの「川喜田的には公共的仮説の生成が目的」は補完関係にある。前者は用途別、後者は方法論的視座。

Open Questions

  • current kouchou-ai の output schema に「unresolved cards / 境界カード / 反例カード」を残す枠を入れられるか。今は cluster assignment が exhaustive partitioning で、「収まらない」を表現する形式がない。
  • 「行政カテゴリへの自動分類はやらない」という KJ法的原則と、利用者（自治体）が「既存施策と対応付けたい」というニーズの折り合いは、analysis_mode の使い分けで吸収できるか、それとも別 view plugin に分けるか。
  • 「現場への返却」は product としては continuous engagement の問題で、一回の分析で完結する current 設計とは contract が違う。書籍リリースや実証実験の場で試す価値はあるが、analysis-core 単体では扱いきれない。

Updates

  • 2026-05-25: 初回作成

グラフビュー

バックリンク