倍速会議でひらく市民参加型政策議論 実践レポート

エグゼクティブサマリー

デジタル民主主義2030（DD2030）は、技術の力で市民の声を活かし、政治をより良い形に進化させることを目指したプロジェクトです。透明性と信頼を重視し、多くの人々が政策に参加できる未来を目指しています。（参照：デジタル民主主義2030 公式サイト）

本レポートは、DD2030 Project Core Loopの実践として、AIネイティブな意思決定支援ツール「倍速会議」を用い、「プッシュ型社会保障制度」を題材に実施したオンライン熟議ワークショップ（2026年1月10日）の成果をまとめたものです。

2026年1月10日に開催された本ワークショップでは、3時間という限られた時間の中で、従来は専門のファシリテーターが数日から数週間かけて行っていた「論点整理」「意見集約」「合意形成」のプロセスを、AIの支援により大幅に加速させることに成功しました。

倍速会議を活用することで、参加者の多様な意見がリアルタイムで分析され、合意点と対立点が明確に可視化されました。以下の市民意見レポートは、この熟議プロセスを通じて生成されたアウトプットの一例です。

プッシュ型通知に関する市民意見レポート：倍速会議により生成された市民の意見分析レポート。参加者の回答パターンから、AIが自動的に論点を抽出し、合意領域と対立領域を可視化しています。

論点の詳細分析：「プライバシー保護」「デジタル格差」「行政への信頼」など、テーマごとに市民の意見分布が可視化され、次に議論すべきポイントが明示されています。

主要な成果

• 議論の質的変容： 「単純な賛成・反対（二項対立）」から「どのような条件（ガードレール）があれば信頼して実装できるか」という「条件付き合意の探求」へと進化
• ファシリテーションの民主化： 専門家でないコミュニティメンバーでも、AIの支援により質の高い熟議を進行可能に
• 市民による要件定義： 「誰一人取り残さないためのプッシュ」と「誰の生活も侵害しない自由」を両立させるための具体的な仕様書を、市民の手で作成
• 時間短縮効果： 従来数週間を要したプロセスを3時間で実現

議論の変容（熟議前 → 熟議後）

第1章 はじめに：Project Core Loopとは

1.1 DD2030とデジタル民主主義の背景

デジタル民主主義2030（DD2030）は、デジタル技術によって市民の多様な声を可視化し、政策形成に反映する新しい民主主義の形を実装することを目指すコミュニティプロジェクトです。

その中核となる「Project Core Loop」は、「市民の声 → 合意 → 意思決定 → 実行 → 満足度向上」という成功循環を日本で実際に成立させることを目的としています。2025年には日本でもブロードリスニングなどのデジタル民主主義手法の認知度が高まりましたが、台湾と比べると実装はまだ浅く、「声を上げても何も変わらない」という状況が続けば市民参加は弱まります。だからこそ、小さな成功体験を一つでも早く実践し、複製可能にしていく必要がありました。

ゴールと設計思想

Project Core Loopのゴールは、日本におけるAI活用型デジタル民主主義の成功事例をつくることです。インサイトの獲得に留まらず、政策反映と実行、そして市民満足まで到達させることを目指しています。

設計はオードリー・タン氏が提唱した「Six Packs of Care」の4プロセス（Attentiveness / Responsibility / Competence / Responsiveness）をループとして再構成したもので、台湾のvTaiwanモデルと、スタンフォード大学の討論型世論調査（Deliberative Polling）を主に参照しています。

6-Pack of Careの4要素をコアループとして再構成した図

Project Core Loopの検討プロセス例（参照: プロジェクト議事録（Google Docs））

参照モデル

• 台湾 vTaiwan: 市民からの意見募集→意見集約→省庁の応答→法制化という流れで政策形成を行い、オンライン市民会議で「85%以上の合意リスト」を作成して政府への提言力とする手法が確立されています。vTaiwanでは「Polis」が意見の可視化に使われており、今回の「倍速会議」はこのPolisの役割を担うものとして位置づけられています。
• スタンフォード大学 Deliberative Polling（DP）: 無作為抽出された市民に対し、事前アンケート→資料学習→小グループ討議→専門家質問→事後アンケートという厳密な手順を踏み、態度変容を測定する手法です。

参考資料

• 鈴木健資料（台湾モデレーション×広告詐欺対策）
• オードリー・タン講演スライド（協働する免疫システム／デジタル熟議から精密な立法へ）

1.2 今回の実験の目的

検証目的は、3時間という限られた時間で熟議のサイクル（アンケート→熟議→変容）が成立するか、AIツール（倍速会議やNotebookLMなど）がファシリテーションをどう支援できるかを確認することでした。

Project Core Loopの本格テーマは「オンライン広告詐欺対策」が想定されていますが、今回は実装テストとして「プッシュ型社会保障制度」を選定しました。プライバシーと利便性、行政への信頼、デジタル格差といった複数の論点が交差するため、熟議の設計力を評価しやすいテーマです。

第2章 「倍速会議」とは何か

2.1 AIネイティブな意思決定支援ツール

「倍速会議」は、多元現実が開発したAIネイティブな意思決定支援ツールです。従来のアンケートツールや会議支援ツールとは一線を画し、「LLM（大規模言語モデル）という言葉が話せる計算機」がある前提のもとで、「アンケート」という概念そのものを再設計したアプリケーションです。

重要なのは、倍速会議は「AIが議論を決定する」ツールではないということです。あくまでAIは以下の役割に徹し、最終的な意思決定は人間が行います。

製品情報

倍速会議について詳しく知る

AIネイティブな意思決定支援ツール「倍速会議」の詳細な機能や活用事例については、製品ページをご覧ください。

倍速会議の質問回答画面（1回目のセッションより）

2.2 倍速会議の3つのコア機能

機能1：AIによる設問の自動生成

チーム内で「何を決めたいのか」を入力すると、AIがそのトピックに関連する設問を自動的に生成します。従来、「決めたい事柄から適切なアンケート設問を設計する」のは高度な専門スキルが必要でしたが、倍速会議ではこれをAIが担います。

さらに、「メタ質問」（論点自体の重要性を問う質問）を組み込むことで、当初の「何を決めたいのか」が多少ずれていても、途中で軌道修正できる設計になっています。

倍速会議のセットアップ画面：テーマを入力するとAIが自動的に関連する設問を生成

機能2：「じぶんレポート」による個人認識の言語化

参加者が設問に回答すると、AIがその回答パターンを分析し、「あなたの意見を代わりに言語化しますよ」という形でレポートを生成します。これにより、「自分でも言語化できなかった自分の意見」を可視化することができます。

回答者からは「AIに自分のことをわかってもらっている」「回答した甲斐があった」という肯定的な反応が得られています。

じぶんレポート：参加者の回答パターンをAIが分析し、個人の意見を言語化して提示

機能3：グループ内の認識可視化

チーム内のそれぞれの人の回答結果を統合し、「合意できている点」「対立している点」「誰もわかっていない点」を可視化します。

従来のGoogleフォームのような静的な円グラフとは異なり、明確な立場や論点、そして「次に議論すべきこと（ネクストアクション）」まで提示されるため、「アンケート結果の分析」という作業が不要になります。

合意点・相違点の可視化例（1回目のセッションより）

2.3 従来手法との違い

従来のファシリテーターによる合意形成手法では、アンケートやインタビューなどの手法を駆使した上で、その領域の専門家が設問を設計し、回答を収集・分析し、仮説を持って参加者にインタビューする必要がありました。しかし、インタビューできる人数には限りがあり、参加者の立場や事前知識がバラバラな状態では効果的な合意形成が困難でした。

倍速会議の全体像：従来のアンケートとの違い

倍速会議のもう一つの大きな違いは、質問に対する回答方法にあります。従来の5段階評価ではなく、各質問に対して「確信度」を尺度に回答できます。「わからない」を選択した場合には自然言語での入力ができ、さらに今までの回答傾向をベースにいくつかの意見を推薦して言語化を支援します。

確信度を尺度にした回答方式と、自然言語による意見の言語化支援

これにより、設問・回答方針が固定されている従来のアンケートに比べ、人間から得られる情報量が格段に多くなっています。

二項対立を超えた第三の選択肢の発見

AIによる深掘りと構造化の実際

参加者体験：「話しやすい」が92%へ向上

2.4 Polisとの比較：なぜ倍速会議を採用したのか

台湾のvTaiwanモデルでは「Polis」というツールが意見可視化に使われていますが、今回のDD2030実験では倍速会議が選定されました。その理由は主に以下の点にあります。

1 設問の自動生成による時間短縮

Polisは参加者自身が意見（Statement）を投稿し、それに対して他の参加者が投票する形式が主ですが、意見が出揃い投票が集まるまでに時間がかかります。一方、倍速会議は生成AIによって設問が自動生成されるため、参加者がゼロから意見を考える時間を短縮し、限られた時間（3時間）の中で効率的に意見分布を可視化できました。

2 音声議論のリアルタイムな還流

今回の実験では、Zoomのブレイクアウトルームで行われた会話を文字起こしし、それを倍速会議にインプットとして投入する仕組みが採用されました。「アンケート回答」→「レポート生成」→「熟議」→「議論内容をAIが学習」→「新たな設問生成」というサイクルを回すことで、Polisでは難しい「口頭での議論内容」を即座に次のアンケート項目に反映させることができました。

3 ファシリテーションの高度な支援

倍速会議は単に賛否を可視化するだけでなく、AIが分析レポートを通じて「熟議を深めるための具体的な問いかけ」まで生成します。「この対立を乗り越えるために、次はこのように問いかけてみてください」という具体的なガイドラインがファシリテーターに提供されるため、専門的なスキルのない進行役でも建設的な議論運営が可能になりました。

第3章 実験の概要：2026年1月10日 DD2030熟議ワークショップ

3.1 ワークショップの構成

2026年1月10日に開催されたDD2030熟議ワークショップは、オンライン（Zoom）で実施され、約3時間のプログラムとして設計されました。参加者はDD2030コミュニティやCode for Japanなど、デジタル民主主義に関心を持つ市民有志で構成されています。

ワークショップの流れ

1. 事前インプット： プッシュ型社会保障制度に関する背景資料の共有、NotebookLMによる資料要約
2. 第1ラウンド（倍速会議アンケート）： AIが生成した設問に参加者が回答、立場の可視化
3. グループ熟議1： ブレイクアウトルームでの小グループ討議（各ルームにファシリテーター配置）
4. 第2ラウンド（倍速会議アンケート）： 議論の文字起こしを元にAIが新設問を生成、再度回答
5. グループ熟議2： 深掘りされた論点についての討議
6. 全体共有・まとめ： 各グループの議論結果を共有、合意点・残された課題の確認

ワークショップのタイムラインと全体設計（出典: Miro ワークショップ設計）

3.2 ファシリテーターの選定：専門家でない市民による進行

今回の実験における最も重要な特徴の一つは、ファシリテーターの選定方法にあります。従来の熟議では、専門的な訓練を受けたファシリテーターが不可欠とされてきましたが、今回はあえて「熟議の専門家ではないコミュニティメンバー」を中心に、自薦やコミュニティ内での募集によって進行役が選ばれました。

選定の背景

プロジェクトのキックオフや準備段階の議論において、メンバー内に「熟議を仕事として行っているプロフェッショナルはいない」ことが確認されていました。そのため、高度な専門スキルを持つファシリテーターを外部から招聘するのではなく、コミュニティの周辺メンバーが担う形となりました。

これは、AIツール（倍速会議など）がファシリテーションをどこまで支援・代替できるかを検証する目的もあり、あえて専門家ではないメンバーが進行役を務めることに意味がありました。

募集・選定の方法

• コミュニティ内での募集： SlackやDiscordコミュニティ内で「ファシリテーター募集」として公募
• 自薦・他薦： 「どなたもいなければ頑張ります」という自薦に近い形での立候補や、興味がありそうな異分野の人への直接勧誘
• 直接の招待： プロジェクトリーダーからの直接のお誘いによる参加

ファシリテーターに求められた要件

今回のファシリテーターには「テーマに関する専門知識」は不要とされ、以下のスタンスのみが求められました。

• 中立的な立場で議論を支えること
• 各参加者が均等に話せるように回すこと
• 自身の意見表明は控えること

実際に担当したメンバー

Shingo OHKI氏、土岐和也氏、窪西駿介氏、小林駿斗氏、縄田恵子氏（オペレーションリード兼任）の5名が当日のファシリテーターを務めました。いずれも熟議やファシリテーションを専門としているわけではなく、それぞれの本業は多様な分野にわたっています。

第4章 倍速会議が生成した具体的な問い

倍速会議による「問い」は、大きく分けて参加者が投票するための「アンケート設問（Statement）」と、議論を深めるためにAIがファシリテーターに提案した「問いかけ（Questions for Deliberation）」の2種類がありました。以下、実際に使用された設問を紹介します。

4.1 第1ラウンド：前提や価値観を問う設問

議論の初期段階では、参加者の基本的な立場や価値観を明らかにするための設問が提示されました。

倍速会議の回答画面（設問例）：参加者は各設問に対して確信度を選択して回答

設問1： 「生活に困っている人がいても、本人が申請しない限り行政は助けるべきではない。」

設問2： 「行政が保有する所得や家族構成のデータを使い、対象者に支援を自動通知することに賛成である。」

設問3： 「たとえ自分にメリットがあっても、行政が自分の情報を部署を越えて共有することには抵抗がある。」

設問4： 「支援制度の案内を受けるためなら、自分の病歴や障害の有無といった情報を国に提供してもよい。」

設問5： 「DV被害などの極めて機微な情報については、利便性よりも情報の秘匿を最優先すべきである。」

第1ラウンドの回答分布（可視化例）

4.2 第2ラウンド：議論を経て深掘りされた設問

第1ラウンドの回答結果とブレイクアウトルームでの議論を踏まえ、AIがより具体的で深掘りされた設問を自動生成しました。

第2ラウンドの回答画面（設問例）

設問A： 「行政が保有する所得や家族構成のデータを、本人の個別同意を得ることなく、支援情報の『通知（プッシュ型案内）』に利用することに賛成である。」

設問B： 「DV被害や特定の病歴など、知られることで本人に不利益や危険が及ぶ可能性のある情報は、たとえ支援のためであっても行政内での共有対象から完全に除外すべきである。」

設問C： 「行政からの通知は、スマホアプリやメールなどのデジタル手段だけでなく、本人が希望すれば常に『郵送（紙）』を選択できる権利を保障すべきである。」

設問D： 「AIが過去のデータに基づき『将来的に困窮する可能性が高い』と予測した人に対し、行政が先回りして相談を促すメッセージを送るべきである。」

4.3 ファシリテーター向け「問いかけ」の提案

倍速会議は、アンケート結果や議論の文字起こしを分析し、「ここを話し合うべきだ」としてファシリテーターに具体的な問いかけを提案しました。これらは対立点を乗り越えるために設計されています。

インサイトまとめ：熟議によって描かれた「信頼の地図」

Part 1：インサイトまとめ：熟議によって描かれた「信頼の地図」

これまでの議論を通じ、参加者が単に賛成・反対で分かれているのではなく、「特定の条件下であれば握手できる」という境界線が明確になってきました。

1. 認識の合意点：行政への「強力な手綱」が前提のデジタル化 透明性の徹底（#11、#13）：行政が「いつ、どの部署が、何の目的で参照したか」の履歴を本人が確認できること、第三者機関による常時監査が制度導入の前提だという声が強く出ています。
2. 撤回可能性への強い要請 「いつでも同意をオンラインで撤回できる」仕組みが不可欠であり、いったん渡した情報が戻れないという不可逆性への恐怖が、制度受容の壁になっています。
3. 二者択一の否定と建設的な論点整理 「データ活用は一切認めない」という極論には多くが反対し、リスクをどう管理するかという建設的な議論へシフトしています。
4. 信頼の対象の分岐 AIの機械的判定を「人間の主観より公平」と捉える層と、複雑な事案には人間の配慮が不可欠とする層で、信頼の対象が分かれています。
5. 未知の領域：強制の限界点 「申請主義の打破のためにデジタル化を強制すべきか」という問い（#15）は意見が割れ、国家による強制と個人の選択権のバランスは未確定のままです。
6. 参加者の特性分析（クラスタ） 「安心・信頼重視」層（赤澤氏、大山氏、ふるはし氏など）は、行政への不信感や、DV被害などのリスクを強く意識しています。

これらの整理により、議論は「賛成/反対」から「どの条件なら合意できるか」へ移行しました。

第5章 議論の変容：対立から合意形成へ

5.1 フェーズ転換：「是非論」から「実装論」へ

AIが生成した問いは、参加者の議論を「単純な賛成・反対の対立」から「合意形成のための条件探し（境界線の探求）」へと進化させました。この変容は、以下のように整理できます。

議論の変容プロセス：AIが可視化した論点の深化と合意形成の道筋

【議論の質的変化】

AIの問いは、議論の質を「制度の是非を問う」段階から「どうすれば信頼できる制度になるか」という実装論へシフトさせました。AIが「もし〜ならどうですか？」という条件付きの問いを投げかけたことで、参加者は「無条件の反対」から「透明性と撤回権が保証されるなら、前向きに検討できる」という「条件付き許容」の姿勢へ変化したのです。

5.2 具体的な議論変化の実例

【実例1】情報の「機微性」に関する議論の深化

AIの問い

「もし通知される内容が『お金』のことに限定され、病歴などの『機微情報』を含まない場合、事前同意なしでも良いと思いますか？」

議論の変化： 当初は「同意なしは怖い」という漠然とした不安がありましたが、この問いにより、参加者は「所得や税金の話ならOKだが、精神疾患やDV被害の情報はNG」という具体的な線引き（ティア分け）の議論を始めました。これにより、「全否定」ではなく「情報の種類に応じたルール作り」へと議論が進みました。

論点リストの可視化例（1回目のレポートより）

【実例2】AI予測（お節介）に関する議論の深化

AIの問い

「『将来の危機』を知らせるメッセージが、どのような文言・方法であれば、あなたは『監視』ではなく『エール（支援）』と感じられますか？」

議論の変化： 「将来困窮します」と予言されることへの強い拒絶感（レッテル貼りへの懸念）に対し、AIが「言い方」に焦点を当てた問いを投げかけました。これを受け、議論は「予測の是非」から、「『あなたは困窮者です』と断定するのではなく、『今のままだとこの制度が使えますよ』という選択肢の提示（ナッジ）なら受け入れられる」という建設的な解決策の模索へと変わりました。

【実例3】「人間 vs デジタル」の公平性に関する議論

AIの問い

「デジタル化によって浮いた時間で、公務員が『窓口業務』ではなく『あなたの家に会いに行く関係』になるとしたら、それは望ましい未来でしょうか？」

議論の変化： 「デジタルの冷徹さ」対「人間の温かみ」という対立に対し、AIがこの問いを出したことで、「人間の窓口担当者の方が、気分や相性によるバイアス（偏り）があって不公平ではないか？」という逆説的な視点が生まれました。結果として、「基準を満たせば必ず支援されるAI判定の方が、むしろ公平で心理的負い目が少ない」という新たな価値観の発見につながりました。

5.3 AIが果たした役割：議論の「地図」を描く

参加者の感想やレポートによると、AI（倍速会議）は単なる書記ではなく、以下のような役割を果たして議論を変質させました。

1 論点の「地図」を提供： AIが「ここまでは合意できている」「ここが対立している」と可視化（レポート化）したことで、参加者は自分たちの立ち位置を客観視し、無駄な水掛け論を回避できました。

2 「不信」を前提とした建設的議論への誘導： AIは「行政を信頼できるか？」という解決困難な問いを避け、「どのような『監視（第三者機関のチェック等）』があれば、あなたは行政に情報を託してもよいと思えますか？」という具体的な設計論へと誘導しました。

第6章 導き出された合意点と残された課題

本章では、プッシュ型通知に関する市民意見レポートの分析結果を参照しながら、熟議で得られた合意点と課題を整理します。レポートでは 47件の意見 と 1,593票 が集約され、6トピック・21サブトピック が抽出されました。

市民意見レポートのダッシュボード：全体像と主要指標

主要トピックの分布は、AIによる困窮予測の活用と倫理的課題（31.9%）、個人情報の利活用範囲とプライバシー保護（29.8%）、データ利用に関する本人の同意・管理・透明性の確保（29.8%）、情報漏洩や誤通知などのリスク管理と信頼性（25.5%）、プッシュ型支援の理念と個人の自己決定権（23.4%）、デジタルデバイドへの配慮と伝達手段（19.1%）の順でした。1つの意見が複数トピックに紐づくため、合計は100%を超えます。

6.1 合意点（コンセンサス）：信頼のためのガードレール

参加者の多くが、以下の「不可欠な前提条件」が満たされるならば、デジタル化やプッシュ型支援を受け入れる姿勢を示しました。レポート上でも「合意がやや高い／高い」と整理された論点に対応しています。

【合意点1】同意・透明性・管理権のセット

「同意の方式と範囲」「利用履歴の可視化」「同意撤回・修正などの管理権」は、合意水準が比較的高い領域でした。いつ・誰が・何の目的で参照したかを本人が確認できること、そして同意をいつでも撤回できることが、制度受容の前提条件として繰り返し支持されています。

【合意点2】リスク管理と第三者監視の明確化

「情報の正確性と漏洩・誤通知の防止」「第三者による監視・監査」は合意が高めで、ガバナンスの実装が先に必要という認識が共有されました。単なる利便性の話ではなく、運用時の監督構造が重要視されています。

【合意点3】申請主義の限界と対面支援の重要性

「申請主義の限界と個人の責任」「対面支援の役割」は合意が高い領域で、困窮者ほど申請にたどり着けないという問題意識が強く出ています。同時に、デジタル以外の接点を残すべきという方向性にも合意が見られました。

参加者の合意状況：意見カードと賛否の分布

合意点をまとめたインフォグラフィック（出典: 当日資料（Google Slides））

6.2 具体化された対立点（トレードオフ）：解決すべき課題

二項対立が解消された一方で、合意が低い論点は「設計上の迷い」として残りました。特に次の領域は、関与が高い一方で合意が伸びていないため、重点的な検討が必要です。

【対立点1】AI予測の活用範囲と説明責任

「予測結果を本人に直接通知するのか、行政内部で活用するのか」という範囲の線引きは、合意が低いままです。また、AIの精度・公平性・説明責任に対する不安も根強く、誤判定の扱いが制度受容のハードルになっています。

予測結果の活用範囲：個人通知か行政内部か

【対立点2】プライバシーと利便性のトレードオフ

「機微な個人情報の取り扱い」には一定の合意が見られる一方で、利便性とプライバシーのどこで折り合いをつけるかについては意見が割れています。家族内プライバシーや通知方法の個別設定も、合意が低いテーマとして残っています。

AIの精度・公平性と説明責任に関する論点

【対立点3】自己決定権と「干渉されない権利」

プッシュ型支援の利便性と引き換えに、「干渉されない権利」が侵害されるのではないかという懸念が根強くあります。申請主義の限界に共感しつつも、自立阻害や監視社会化のリスクに対する温度差が残りました。

【対立点4】デジタルデバイドへの配慮の具体化

「対面支援の役割」は合意が高い一方、非デジタル利用者への配慮の具体策や多様な伝達手段の確保は合意が低い傾向でした。紙・電話・窓口など複数チャネルの設計と運用負荷のバランスが課題です。

サブトピック単位での合意状況：論点の解像度を上げる

6.3 熟議がもたらした成果の本質

倍速会議を通じた熟議の結果、「行政を無条件に信頼するか否か」という解決困難な問いが、「どのような安全装置（同意・透明性・監査）があれば、不信を抱いたままでもシステムを利用できるか」という「設計論」へと昇華されました。レポート上でも、合意が高い領域と低い領域が可視化され、次に深掘りすべき論点が明確になっています。

参加者は全会一致の賛成に至ったわけではありませんが、**「誰一人取り残さないためのプッシュ」と「誰の生活も侵害しない自由」を両立させるための具体的な仕様書（要件定義）**を、市民の手で書き上げることに成功しました。これは、熟議民主主義が実際に機能した一つの実証です。

活用したプラットフォーム

倍速会議

事前の論点整理、リアルタイムの議論可視化、事後の議事録生成までを一気通貫で支援します。

製品詳細を見る