広聴AIでは出ない「賛否」と「国会とネットのずれ」——論点AIマップと合意点マップを作った
この記事は バイブコーディング的仕事ブログ（VWork Blog）へ移りました。 最新版はこちらです → https://exbridge.jp/vibeblog/2026-10-08-kouchou-ai-ronten-ai-map.html
名古屋でAIシステム開発の会社をやっています。10月8日、Claude Code と、チームみらいのAIインタビュー、Pol.is、広聴AI（デジタル民主主義2030）を見比べていて、どれも同じところで止まることに気づきました。その日のうちに、足りないところを埋める「論点AIマップ」を作って公開するところまで進んだので、その経緯を書きます。
1. 意見を集める道具は、入口が同じ
AIインタビュー、Pol.is、広聴AIは、どれも「意見を書いてもらう」ところから始まります。
- AIインタビュー（チームみらい）：答えに来た人の声を集める。「子どもとSNS」は約1か月で219人
- Pol.is：賛否を押しに来た人の票で、意見の分かれ方を出す
- 広聴AI：渡された文章の山（CSV）を分析する。実際の使われ方は、パブコメやアンケートのように「誰かが集めた意見」を入れる形
答えに来る人が集まらないと、地図が作れません。集まるのは「答えに来るほど関心がある人」なので、偏りもあります。
2. 広聴AIの分析で出るもの、出ないもの
広聴AIのソース（v4系、10月6日時点の analysis-core）を読んで、分析の中身を確かめました。
- コメントから、LLM が「意見」を抜き出す
- 意見を数値（ベクトル）にして、似たものを階層的にまとめる
- まとまりごとに、LLM が名前と説明を付ける。全体の要約も作る
- 散布図とツリーマップにする。元のコメントにたどれる。「attribute_」で始まる列（年代・地域など）で絞り込める
「何が話題になっているか」を一覧するには十分です。一方で、ソースに機能が無いものもあります。
| 出ないもの | 中身 |
|---|---|
| 賛否 | 同じ話題に賛成と反対が混ざっても、別々には数えない |
| 人数 | 画面にも「意見数・コメント数を人数や賛成票数として扱わないでください」とある |
| 時期 | 日付で見る機能が無い |
| 重複・ボット | 同じ文の貼り付けや、1人の大量投稿を見分けない |
| 声の出どころ | どこから集めた声かで分けたり重みを変えたりしない |
| 読み違いの率 | 抜き出しの精度は画面に出ない（当社が#471で実測したところ、ローカルLLMで意味の読み違いが約3%、同じ入力に2回かけて208件中24件で結果が変わった） |
広聴AIの開発の中心は、自治体のPCやAzureで確実に動かすことと、使いやすさです。7月以降のIssueとPR54件を見ても、新しいモデルへの対応、失敗の検知、導入手順の整備がほとんどでした。現場に入れていく段階としては、それが正しい優先順位だと思います。そのうえで、政策を考える側が本当に知りたい「どう割れていて、どこなら合意できるか」は、別の道具で出す必要があります。
3. 足りないところを、2つに分けた
| 道具 | やること |
|---|---|
| 論点AIマップ（今回作った） | すでにある声から、話題の地図と、話題ごとの「賛成か反対かを問える論点」を作る。国会の質疑・政府の答弁・会派・年・ネットを分けて数える |
| 合意点マップ（9月19日公開） | 論点に対する賛否を、ネットの声からの読み取りと人の投票で集め、意見のグループと合意点を出す |
広聴AIの「話題の地図」にあたるところを、論点AIマップが「すでにある声」から作り、その先の賛否と合意点を合意点マップが受け持ちます。
4. 作り方
- 材料を集める：国会の発言は、当社の国会トラッカー「子どもとSNS」（国会会議録検索システムから収集）。ネットの声は、合意点マップに取り込んだ X の投稿309件と Yahoo!ニュースのコメント23件
- 区切る：国会の発言を200字前後に区切り、トラッカーの語の組（「子ども SNS」なら両方）を含む部分だけを使う。102件
- 意味の近さを計算する：multilingual-e5-large（手元のCPU）
- まとめる：KMeans（乱数の種を固定。同じ材料なら毎回同じまとまり）。434件を12の話題に
- 名前・要約・論点を付ける：gemma4:12b（手元のGPU）。まとまり1つにつき1回だけ呼ぶ
- 公開する：手元で HTML と JSON まで作り、PHP 1ファイルで配る。AI エージェント向けの MCP も同じ PHP で答える
土台には、Google の Jigsaw が公開している sensemaking-tools（Apache-2.0）の「論点を立てる」考え方を使いました。Gemini 前提なので、gemma4 で作り直しています。広聴AIと Pol.is は AGPL なので、コードは使っていません。
5. 結果：国会とネットで、話題がはっきり分かれた
「子どもとSNS」の地図では、国会の声とネットの声が左右に分かれました。
- 国会で話されている話題：青少年の安全なインターネット利用環境の整備（74件）、安全なSNS利用環境の整備（23件）、ネット利用の実態とリスク（8件）。ほとんどが政府の答弁で、フィルタリングの普及と啓発の話です
- ネットで話されている話題：子どものSNS利用の規制（80件）、子どもへの影響と教育（42件）、年齢制限の国際的な動き（41件）、EUの規制案（40件）、規制とリテラシー教育（35件）、16歳未満の規制と実効性（31件）、カリフォルニア州の規制（21件）など
国会は「環境整備」、ネットは「年齢で禁止するか」。同じテーマでも、話していることが違いました。
6. 論点を合意点マップに渡す
論点AIマップが立てた論点は20本ありました。合意点マップにはすでに14本の論点があるので、同じ主張を2回押させないよう、次の順で絞りました。
- 埋め込みで、ほぼ同じ文を落とす
- gemma4 に「テーマの政策として賛否を問える文か」「既存の論点と同じ主張か（対象の年齢が違えば別の主張）」を判定させる
- 大きな話題の論点から6本まで
渡したのは、「SNSの利用に対する罰則を設けるべきだ」「13歳未満のSNS利用を禁止すべきだ」「15歳未満の個人アカウント開設を禁止すべきだ」「オンラインでの年齢確認にはプライバシー侵害のリスクがある」など6本です。「警察官などの公務員に厳格な規律を」はテーマの政策ではないとして外れました。
途中でつまずいたところ
- LLM が名前に true を返した：
format: "json"だけだと、name に true、summary に数字が入った。JSON スキーマで型を縛って直した - 1語で拾うと別の話題が混ざった：「子ども」「環境」1語で国会の発言を拾うと、施政方針演説の子育て支援や国土強靱化まで入った。語の組で拾うように直した
- 埋め込みは数字に弱い：「13歳未満の禁止」と「16歳未満の禁止」がほぼ同じ文と判定された。同じ主張かどうかの判定は LLM に任せた
- Ollama に新しいモデルを入れられなかった：サーバーの権限の都合で、日本語に強い埋め込みモデルを GPU 側に入れられず、CPU で動く fastembed にした
自社・自治体・議員事務所で使う
パブリックコメント、住民アンケート、議員事務所に届いた声、社内アンケートの自由記述を CSV で入れれば、同じ地図と論点が作れます。自社のサーバーで動くので、声を外部のAIに送りません。
よくある質問
広聴AIとは何が違いますか？
広聴AIは、文章の山を話題ごとにまとめて地図にする道具です。論点AIマップは、それに加えて話題ごとに賛否を問える論点を立て、声の出どころ（国会の質疑・政府の答弁・会派・年・ネット）を分けて数えます。賛否と合意点は合意点マップで出します。
広聴AIの代わりになりますか？
代わりというより、後ろの工程です。広聴AIは自治体のPCやAzureで動かす実績と、導入の現場があります。論点AIマップは、すでにある声から論点を立て、合意点マップにつなぐところを受け持ちます。
AI エージェントから使えますか？
使えます。MCP（https://kurage.exbridge.jp/kronten.php/mcp）で、地図の一覧、話題と論点、代表的な声、論点の検索を引けます。