千人会議
違いを力に変える、民主主義のためのツール
賛否の割合やクラスターをひと目で把握。詳しく知りたい論点だけ、レポートで深掘りできます。
DD2030 倍速会議：プッシュ型社会保障の制度設計
DD2030（デジタル民主主義2030）コミュニティが実施した熟議。47件の意見・1,593票・6トピック
意見数
47件
投票数
1,593票
トピック
6件
サブトピック
21件
トピック 1
15件
AIによる困窮予測の活用と倫理的課題
トピック 2
14件
個人情報の利活用範囲とプライバシー保護
トピック 3
14件
データ利用の同意・管理・透明性の確保
トピック 4
12件
情報漏洩や誤通知などのリスク管理と信頼性
高合意の共通価値
「選定理由の透明性」「全住民対象」「履歴データの蓄積・活用」の3点には 100% に近い合意。AI 活用そのものへの反対ではなく、運用条件への要請が共通価値として浮上。
最大の対立軸
「同意なきデータ活用 vs 個別同意の徹底」「個人通知 vs 行政内部での活用」が拮抗（おおむね 50/50）。用途の違いで意見が反転することが定量的に確認された。
判断保留の発見
AI による困窮予測の通知（賛否別れる）、自治体ごとの管理（vs 国の一元管理）の妥当性などでは 20% 以上が「わからない」と回答。情報設計の余地が大きい論点。
合意度トップ3
行政が情報を活用して支援を提案する際、その「選定された理由」を住民がいつでも確認できる透明性が必要である。
対立度トップ3
行政が保有するデータを、本人の個別同意を得ることなく、支援情報の通知に利用することに賛成である。
わからない度トップ3
AIが「このままでは将来困窮する可能性がある」と予測した場合、たとえ本人が不快に感じるリスクがあっても、早期救済のためにその結果を本人に通知すべきである。
テーマ「AIによる困窮予測の活用と倫理的課題」のセッションを開始しました。
論点を 6 トピック・21 サブトピックに自動分類しました。投票の進捗をリアルタイムで更新します。
全体テーマ
「プッシュ型社会保障の制度設計」
構成
6 トピック × 21 サブトピックの熟議
ゴール
AI による困窮予測の活用と倫理的線引きについて、市民の認識を構造化し制度設計の論点を可視化する。
—
セッション作成数
—
参加者数
—
回答数
—
レポート生成数
プロダクトデモ
千人会議の動作をご覧ください
AIファシリテーターがどのように大規模な合意形成を実現するか、2分でご覧いただけます
全員が同時に回答
スマホから5段階の確信度で回答。「わからない」も正式な選択肢。声の大きさに関係なく全員の立場を収集します。
行政が情報を活用して支援を提案する際、その「選定された理由（ロジック）」を住民がいつでも確認できる透明性が必要である。
回答意見の可視化
参加者の回答をもとに、合意できている点、対立している点、みんなが分からない点を把握できます
合意度トップ3
行政が情報を活用して支援を提案する際、その「選定された理由（ロジック）」を住民がいつでも確認できる透明性が必要である。
プッシュ型支援の対象者は、高齢者や障害者に限定せず、全住民を対象とすべきである。
過去にどの支援を受けたかという履歴データを、将来の支援の最適化のために行政が蓄積・利用することに賛成だ。
対立度トップ3
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。
「自分に合う支援が漏れなくわかる」ことよりも、「個人情報が絶対に漏洩しない」ことの方が重要だ。
マイナンバーカードのようなデジタルツールを使いこなせない人が不利になる制度設計はやめるべきだ。
わからない・自信がない度トップ3
AIが「このままでは将来困窮する可能性がある」と予測した場合、たとえ本人が不快に感じるリスクがあっても、早期救済のためにその結果を本人に通知すべきである。
国が一元的にデータを管理するよりも、各市区町村が独立してデータを管理し活用する方が安心感がある。
「あなたは将来困窮する可能性があります」という通知を受け取った際、それが AI による自動判定であれば、人間から言われるよりも心理的な抵抗感は少ない。
合意・対立・迷いを自動抽出
回答から合意度・対立度・わからない度トップ3を自動でランキング化。どの論点を優先議論すべきか一目で判断できます。
誰と誰の意見が対立しているか、どこで認識がズレているかを会議前にマッピング。当日は解決に集中できます。
分析レポート
AIファシリによる分析レポート
質問への回答を繰り返しながら、住民の認識のズレと合意点を可視化したレポートです
サンプルレポート（デモ）
次期総合計画の優先テーマ — 住民熟議レポート
課題: 既存サービスの拡充と新規領域への投資の優先順位が、行政の前提と市民の実感で乖離している可能性
プロセス: 100名の無作為抽出市民に300件の論点を配信 → AIが賛否と確信度を収集 → 合意・対立・不明確な領域を可視化
インサイト: 既存支援への高い支持が判明する一方、「サービスの質維持」「受益者負担の許容度」「届く広報のあり方」が主要な論点として浮上。
デモはお問い合わせください。実際のレポートでは、各回の詳細な問答・合意形成の軌跡をご覧いただけます。
なぜ「AI対話」なのか
従来の住民参加には
構造的な限界がある
リアル対話は「深い」が20人が限界。Webアンケートは「広い」が浅い。 千人会議は、その両方を同時に実現します。
リアル対話は「20人が限界」
ワークショップは「深い」が「狭い」。20人を超えると質が下がり、本音の議論が難しくなります。
「声の大きい人」が場を支配する
ノイジーマイノリティによる支配。炎上リスクを恐れ、「文句を言わない人たちの意見」が埋もれてしまいます。
報告書が「ただの集計」で終わる
「賛成63%」では次の政策に活かせません。本当に必要なのは「どういう条件なら賛成できるのか」という合意の境界線です。
ソフトウェアの主要機能
倍速会議は、対話の設計から合意形成レポートの出力まで、住民参加のプロセス全体をカバーします。
テーマと背景情報を入力するだけで、AIが質問を自動設計。
テンプレートも白紙からの作成も可能。数分でセッションを開始できます。
1テンプレートまたは白紙から作成
予算分配など目的別テンプレートを選ぶか、白紙から自由にテーマを設定。概要と目的を入力するだけでセッションの骨格ができあがります。
2AI入力アシストによる質問生成
入力された背景情報をもとに、AIが質問を自動生成。補足情報を追加するほど質問の精度が向上し、プレビューで事前確認もできます。
3ワンクリックで参加者招待
セッション作成後、参加用リンクやQRコードが自動発行。URLを共有するだけで、参加者はブラウザから即座に回答を開始できます。
活用パターン
目的に合わせた2つの使い方
じっくり広く聞くか、その場でリアルタイムに聞くか。
パブコメ型
2〜4週間の対話期間
総合計画・都市計画・政策策定など、広く住民の声を集めたいテーマに。 従来のパブリックコメントをAI対話に置き換え、深い意見を大規模に収集します。
ワークショップ型
その場でリアルタイム
住民説明会・まちづくりWS・市民イベントなど、対面の場で同時にAI対話を実施。 会場の全員がスマホで参加し、リアルタイムで合意形成を進めます。
導入事例
数百人の声が、1つのレポートに変わった
従来なら数週間かかる大規模な意見集約を、倍速会議が数時間で実現した事例をご紹介します
（多元現実のAIファシリテーション支援により）この度、私は参加者全員の想いを受け止めながら民主的にそれでいてロジカルに会議をすすめる力を手に入れました。
インタラクティブデモ
実データで体験：
DD2030 倍速会議の熟議レポート
DD2030（デジタル民主主義2030）が「プッシュ型社会保障」をテーマに 2025年1月に実施した、オンライン3時間のコミュニティ熟議。
倍速会議が生成したアウトプットを、そのままインタラクティブにご覧いただけます。
議論の質的変容
熟議前「情報漏洩が怖いので反対」
vs「利便性のために賛成」
熟議後「強力なガバナンスと撤回権が保証されるならば、前向きに検討できる」
単純な賛否の対立が、3時間の熟議で「条件付き合意」へと深化した実例。ケーススタディ全文を読む →
75件の意見と1,593票を、
構造化して可視化。
意見
75件
投票
1,593票
トピック
6件
サブトピック
21件
分析結果
倍速会議が明らかにしたこと
従来の意見集約では見えなかった構造的な発見が、全員同時投票と AI 分析によって浮かび上がりました。
AI 活用への期待と懸念が、同じ集団内で並走していた
「AIによる困窮予測を行政の予算配分に活用する」には68%が賛成。 しかし「予測結果を本人に通知する」には56%が反対。 同一の参加者集団でも、用途の違いで意見が反転することが定量的に確認されました。
高合意の意見 — 「透明性」と「尊厳」が共通価値だった
ネガティブ表現は一律禁止すべき
判定根拠は専門用語を使わず説明すべき
AIによる一律判定の方が窓口の裁量より公平
予測は本人通知ではなく予算配分に限定すべき
対立の境界線が、精密に可視化された
「賛成 vs 反対」の中に隠れていた論点の細部が、スケール投票で定量化されました。
予測の用途: 本人通知 44% vs 行政内活用 68%
心理的影響: AI 通知の方が抵抗感が少ない 68% vs 不快感 25%
管理主体: 国の一元管理 vs 自治体ごとの管理 — 拮抗
実施プロセス
倍速会議をどのように使ったか
設計・対話・レポートの3ステップで、参加者の声を構造化します。
テーマと対象だけ決める
「DD2030 プッシュ型社会保障」をテーマに設定。AIが論点を自動生成し、参加者に招待を送付（デモ：DD2030 公開データ）。
入力内容に基づいてAIが質問を自動生成します
新しく1個の質問を作成しました。
それぞれの参加者が、何のために回答を収集しているのか分かりやすいタイトルをつけましょう
行政が情報を活用して支援を提案する際、その「選定された理由（ロジック）」を住民がいつでも確認できる透明性が必要である。
参加者が独立して同時対話
AIが中立的に深掘りし、賛否の理由や条件付き合意を引き出す。1,593票の投票データを収集（DD2030 デモデータ）。
合意点と対立点をレポート化
21サブトピックを自動抽出。行政の前提と市民の実感のギャップを発見し、政策提言の基盤を構築。
進行ログ
プッシュ型社会保障の制度設計（DD2030 デモ）
新しく3個の質問を作成しました。皆さんの回答をお待ちしています。
レポート生成完了
URLで共有可能 • PDF出力対応 • 6トピック / 21 サブトピック
トピック深掘り
AIによる困窮予測の活用と倫理的課題
15件の意見と248票から、4つのサブトピックに構造化。 AI 活用の用途と倫理的線引きが具体的に浮かび上がりました。
合意の分布
各ドットが1件の意見。クリックで詳細を表示。
参加者の合意状況
以下は、「AIによる困窮予測の活用と倫理的課題」の中で、参加者の合意が最も高かった意見です。
支援制度の案内において、AIが『あなたは将来困窮します』といったネガティブな表現を用いることは、本人の自尊心を傷つけるため一律に禁止すべきである。
総投票数: 21
AIによる予測や判定を用いる場合、その判定根拠（なぜその支援が推奨されたか）が専門用語を使わずに本人へ説明されないのであれば、その仕組みは導入すべきではない。
総投票数: 26
行政の窓口担当者の主観や裁量によって支援の可否が左右されるよりも、AIやシステムがルールに基づいて機械的に一律判定する方が公平で信頼できる。
総投票数: 25
「あなたは将来困窮する可能性があります」という通知を受け取った際、それがAIによる自動判定であれば、人間から言われるよりも心理的な抵抗感（恥ずかしさ等）は少ない。
総投票数: 24
『困窮の予測』は個人への通知に使うのではなく、どの地域にどのような支援が必要かという『行政の予算配分や政策立案』の判断材料に限定して使うべきである。
総投票数: 25
AIによる困窮予測の結果は、本人への通知ではなく、行政が支援員を重点的に配置するなどの「行政側の体制整備」に限定して活用すべきである。
総投票数: 23
行政がAI等を用いて「将来困窮する可能性が高い人」を予測し、先回りして支援を提案することに賛成である。
総投票数: 29
AIが「このままでは将来困窮する可能性がある」と予測した場合、たとえ本人が不快に感じるリスクがあっても、早期救済のためにその結果を本人に通知すべきである。
総投票数: 24
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。
総投票数: 20
自動生成レポート
2つのレポートを自動生成
倍速会議の対話データから、目的の異なる2種類のレポートが自動で生成されます。
構造化分析レポート
トピック構造・合意分布・対立の境界線を可視化。政策判断に直結するインサイトを提供します。
デモはお問い合わせください
市民向けレポート
「みんなに聞いた。みんなが答えた。」— 参加者の声と合意状況を、わかりやすく市民に共有するレポートです。
デモはお問い合わせください従来の住民会議の「見えない課題」を解決します
深さと人数のトレードオフに縛られてきた住民参加を、AI対話で根本から変えます
「声の大きい人」が議論を支配する
発言力の非対称性により、ノイジーマイノリティが場を左右。サイレントマジョリティの声が埋もれたまま結論が出ます。
漠然とした不満の列挙で終わる
「賛成63%」では政策に活かせません。どういう条件なら賛成か — 合意の境界線が見えないまま報告書が完成します。
20人を超えると対話の質が下がる
ワークショップは「深い」が「狭い」。人数を増やすとファシリテーションが追いつかず、本音の議論が難しくなります。
結論が1つの班に依存する
班分けの偶然で結論が変わるリスク。再現性のない結果を政策の根拠にすることへの不安が残ります。
「わからない」が可視化されない
判断に必要な情報が不足している層の存在が見えず、情報提供すべきポイントが特定できません。
とりまとめに数週間かかる
議事録の作成・意見の分類・報告書の執筆に膨大な工数。次の会議までにフィードバックが間に合いません。
導入者の声
現場から届いた声
自治体職員・ファシリテーター・住民参加者、それぞれの立場から。
自治体職員・ファシリテーターの声
全国初となるAIによる合意形成の威力は抜群。参加者全員の想いを受け止めながら、民主的かつロジカルに会議をすすめる力を手に入れた。
前田 真 氏
構想日本 自分ごと化会議 ファシリテーター
会議の場で言葉にできない深層心理も、イエス・ノー形式で視覚化される。奥ゆかしい日本人にぴったりのツール。
前田 真 氏
構想日本 自分ごと化会議 ファシリテーター
模造紙付箋システムは10年前からNo。倍速会議は試験的に導入してみたが見事です。
加藤 肇子 氏
自治体関係者
本当に議論の深化のスピードが「倍速」になるのを感じた。単なる議事メモ係の代替ではなく、ファシリテーションそのものを代替してくれる。
小林 勇也 氏
DD2030 コアループ参加者
住民参加者の声
住民会議および DD2030 倍速会議アンケートより
“倍速会議というシステムは大変画期的で議論し進めやすかった。人前で意見を言うことが苦手な自分も安心して参加することができた。”
参加者A
20代・女性
“「倍速会議」などの初めて見る物を体験出来て、個人的にも使いたくなった。”
参加者B
10代・男性
“前回より話しやすかったです。親世代のリアルな視点と同世代の考えも知ることができてよかったです。”
参加者C
10代・女性（2年連続参加）
“どんな話をすればよいかとてもわかりやすくて、話し合いをする時にとてもありがたかったです。”
参加者D
10代・女性
“AIを起点に議論がこんなに深くなるのかと、本当に感動しました。”
参加者E
DD2030 参加者
導入前後の満足度比較（イメージ）
従来手法 vs 倍速会議導入後の典型的な変化を示します
Q1. 総合満足度
詳細項目の変化
話し合いは安心して 話せる雰囲気でしたか
話し合いで自分の 意見は言えましたか
説明や質疑応答 は分かりやすかったですか
進行・まとめ方は 分かりやすかったですか
数値はデモ用の典型例です。実データに基づく事例は、お問い合わせください。
セキュリティ
行政利用に求められる
安全基準を満たしています
データ保護・サーバー所在地・閉域構築まで、導入前の懸念にお答えします。
データは学習に利用されません
入力されたデータがAIモデルの学習に使われることはありません。 Google Vertex AI エンタープライズ版では「ゼロデータリテンション」ポリシーを適用しています。
国内サーバーで運用
AWS東京リージョン（日本国内）でホスティング。 住民データが海外に転送されることはありません。
閉域環境への構築も可能
エンタープライズ版では、自治体・省庁の閉域ネットワーク内に専用環境を構築可能です。 大手企業での閉域構築実績があります。
ISMAP・LGWAN対応
ISMAP登録・LGWAN接続への段階的対応を進めています。 現段階でもAWS東京リージョンでのパイロット運用は要件を満たしています。
Partnership
パートナーシップ
156
自治体での実践
355回
会議の開催実績
構想日本と共同事業体を設立
「自分ごと化会議」156自治体の知見を千人会議へ
FAQ
よくあるご質問
AIが特定の意見に誘導することはありませんか？
千人会議は意思決定を行う装置ではなく、「議論の叩き台」を作成する補助ツールです。AIは参加者の意見を深掘りする質問を生成しますが、特定の結論に誘導する設計にはなっていません。生成されたレポートをもとに、人間が判断・議論を行います。
入力されたデータがAIの学習に使われることはありますか？
ありません。利用しているGoogle Vertex AI エンタープライズ版では「ゼロデータリテンション」ポリシーが適用されており、入力データはモデルの学習に一切利用されません。
サーバーは国内にありますか？
はい。AWS東京リージョン（日本国内）で運用しています。住民の回答データが海外サーバーに送信されることはありません。
ISMAPやLGWANには対応していますか？
段階的に対応を進めています。現段階でもAWS東京リージョンでの運用はパイロット導入の要件を満たしており、中央省庁のデジタル部門からも確認を得ています。
庁内の閉域ネットワークに構築できますか？
エンタープライズ版では、閉域ネットワーク内への専用環境構築に対応しています。大手企業での社内閉域構築実績があります。
行政の専門用語をAIは理解できますか？
はい。中央省庁でのデモンストレーションにおいて、ISMAP・LGWAN・eMAFF等の行政特有の専門用語を正確に理解し、適切な深掘り質問を生成できることが確認されています。
導入にはどのくらいの期間がかかりますか？
最短で2週間程度で開始できます。まずは「調査・実証実験」としてスモールスタートし、効果を確認しながら段階的に拡大するアプローチをお勧めしています。
従来のアンケートやパブコメと何が違いますか？
従来のアンケートは「広く浅い」、インタビューは「深いが時間がかかる」というトレードオフがあります。千人会議はAIが一人ひとりに異なる深掘り質問を行うことで、大規模かつ深い意見収集を同時に実現します。100名へのヒアリングが従来の約200時間から約1時間に短縮された実績があります。
お問い合わせ
自治体向け
導入相談
パブリックコメント、住民ワークショップ、総合計画の策定など、 千人会議の活用方法についてお気軽にご相談ください。
自治体・公的機関向けの専用プランをご用意
実データを使ったデモを無料で実施
既存の住民参加手法との組み合わせもご提案