政策影響シミュレーション ― 法案公開前にその内容を検証する

政策影響シミュレーションでは、政策や法案が公表される前に、さまざまなグループがどのように反応するかを予測できます。法案と背景資料をアップロードすると、市民、企業、労働組合、メディア、政府関係者を模擬したAIエージェントが、仮想ソーシャルネットワーク上で議論を行い、アナリストエージェントが支持、反対、圧力がどこから生じる可能性が高いかを要約します。このシミュレーション結果は、確実な予測ではありませんが、より適切な文言、より説得力のある議論、より優れた選択肢を準備するのに役立つ、構造化された仮説となります。

ポリシーを公開する前にテストする理由

ほとんどの政策は、発表後数日のうちに国民の判断に委ねられる。誰が費用を負担するのか、誰が免除されるのか、誰が決定権を持つのかといった一文が、議論全体を左右することもある。協議ラウンド、世論調査、フォーカスグループといった従来の手法は有効ではあるものの、時間がかかり、費用も高額で、通常は政策文書が既に公表された後に行われる。

シミュレーションは、その瞬間までのギャップを埋めてくれます。そして、実践的な疑問に答えるのに役立ちます。

• 政策が全体として自分たちに利益をもたらすとしても、どのグループが何らかの損失を感じるだろうか？
• 反対派はまずどの論点を持ち出し、どの論点が最も広く拡散するだろうか？
• どの条項が文脈を無視して引用されるでしょうか？
• あなたが用意した説明は、実際に混乱を解消するものですか、それとも新たな疑問を生み出すものですか？

その目的は、民主的な協議に取って代わることではなく、より少ないサプライズで一般公開に臨むことである。

法案シミュレーションの仕組み

InfoDomeでは、まず文書をアップロードします。 PDF 、草稿、説明メモ、過去のニュース報道、利害関係者の声明、政策概要などです。PDF、 Markdown 、 TXTなどの形式がサポートされています。次に、予測したい内容を平易な言葉で記述します。例えば、「中小企業の経営者、テナント、地元メディアは、最初の2週間で新しい賃貸登録規則にどのように反応するだろうか？」といった具合です。

InfoDomeこれらの文書から、関係する人物、組織、グループ、およびそれらの関係性を示す知識グラフを構築します。そして、その知識グラフに基づいて、それぞれ独自の性格、立場、長期記憶を持つ数百ものAIエージェントを作成します。エージェントの中には、省庁、労働組合、著名な評論家など、文書に登場する実在の人物に対応するものもあれば、一般市民を表すものもあります。

エージェントたちは、素早い反応のためのTwitterのようなフィードと、より長時間の議論のためのRedditのようなフォーラムという2つのプラットフォームで並行してやり取りを行います。ラウンド数は10、20、40などから選択でき、議論が進むにつれてエージェントは記憶を更新していきます。最後に、アナリストエージェントが結論を含む予測レポートを作成し、任意のエージェントにインタビューしたり、アナリストに追加の質問をしたりすることができます。

関係者のマッピングと圧力の発生源の特定

有用な政策シミュレーションは、反応が肯定的か否定的かだけでなく、誰がその反応を引き起こしているかも示します。以下の点に注意してください。

• 先駆者。どのエージェントが最初に発言し、他のエージェントに問題提起をするのだろうか？
• 橋渡し役とは、例えば専門家団体から一般大衆へと、あるコミュニティから別のコミュニティへと議論を運ぶ役割を担う人物のことです。
• 沈黙の敗者。ほとんど投稿しないが、インタビューすると強い懸念を示すグループとは？
• 制度的な圧力。野党、団体、地方自治体などを代表する代理人が、修正、延期、または免除を求めているか？

知識グラフは、関係性を明確にするため、ここで役立ちます。例えば、ある業界団体が複数の地域ビジネスグループと連携している場合、その団体の立場がこれらの連携を通じてどのように広がっているかを確認できます。より深いステークホルダーの視点を得るには、ステークホルダーマッピングのシナリオが適切な出発点となります。

公平性の物語：真の戦場

政策が失敗する原因は、技術的な詳細にあることはほとんどない。政策が失敗するのは、「金持ちは免除される」「小さな町が資本建設費を負担する」「正直な人が他人の過ちのために罰せられる」といった単純な公平性の物語が蔓延した時である。シミュレーションでは、こうした物語に注意を払うべきだ。

• 勝者とされるのは誰で、敗者とされるのは誰ですか？
• この政策は、上から押し付けられた負担と見なされているのか、それとも皆で協力して取り組むべき課題と見なされているのか？
• エージェントは、提示された目標は受け入れるが、その方法を拒否するのか、それとも目標そのものを拒否するのか？

公平性に関する主張が現れたら、それを繰り返す関係者にインタビューしてみましょう。彼らの考えを変えるにはどうすれば良いか、例えば移行期間、上限設定、より明確な例外規定、別の広報担当者などについて尋ねてみてください。彼らの回答は検証すべき仮説であり、指示ではありませんが、あなたの説明の弱点を指摘してくれるでしょう。

政策オプションを並べて比較する

シミュレーションの最も強力な活用法の一つは、複数の選択肢を比較することです。「人々はこの政策を受け入れるだろうか？」と問う代わりに、「これらの選択肢のうち、どれが最も抵抗が少なく、誤解も少ないだろうか？」と問うのです。

実践的なアプローチ：

1. 主要条項について2～3種類のバージョンを用意するか、同じポリシーでも説明文を異なって作成してください。
2. 各バージョンごとに、同じ文書、対象者、ラウンド数を用いて個別のシミュレーションを実行してください。
3. 各報告書を比較してみましょう。主な反対意見、動員されたグループ、議論のトーン、未解決の問題点などです。
4. 各試行において、同じグループのエージェントにインタビューを行い、彼らの推論にどのような変化があったかを確認する。

実行ごとに結果が異なるため、明確かつ繰り返し発生する差異はシグナルとして扱い、小さな差異はノイズとして扱う。ポリシーオプションのシナリオは、まさにこのような比較のために設計されている。

実例：市営駐車場の改革

市議会が中心部の駐車料金を値上げし、その収入を公共交通機関の整備に充てる計画を立てていると想像してみてください。チームは、決定案、簡単な説明文、交通に関する地元ニュース記事2本、そして商店主組合の声明文をアップロードします。予測課題は、「住民、通勤者、商店主、そして地元メディアは、最初の1ヶ月間、どのように反応するだろうか？」です。

両案とも20ラウンドずつ、計2つの選択肢を提示する。選択肢Aは、改革案を料金値上げと、その後の投資計画として提示する。選択肢Bは、新しいバス路線と住民割引を最初に提示し、料金値上げについては後から触れる。

選択肢Aに関する模擬討論では、店主たちは改革を「顧客への課税」と即座に批判し、郊外からの通勤者は他に選択肢がないと不満を述べ、地元メディアは両方の懸念を増幅させた。選択肢Bでは議論はより穏やかになったが、「住民割引の対象となるのは誰か？」という新たな疑問が浮上した。アナリストの報告書は、選択肢Bは怒りを軽減するものの、初日から明確な対象者の説明が必要だと示唆している。

チームはこのことを証拠とはみなしていない。彼らはこれを基にコミュニケーションプランを書き直し、割引に関するFAQを作成し、商店主組合との早期会合を計画している。

留意すべき制限事項

シミュレーションは判断を補助するものであり、判断そのものに取って代わるものではありません。以下の点に留意してください。

• エージェントはあなたの文書の内容に基づいて行動します。現在、エージェントはリアルタイムのニュースを自ら読むことはありません。そのため、議論の方向性を左右する可能性のある重要な出来事があれば、それを資料に含めるようにしてください。
• 結果の質は、入力情報の質とバランスに左右されます。もし資料に政府の見解しか含まれていない場合は、他の立場を表明する情報源を追加してください。
• 結果は検証可能な仮説です。複数のシミュレーションを実行し、それらを比較し、自身の知識、そして可能であれば実際の相談データに基づいて結論を確認してください。

既存の規則に対する変更を発表する場合は、その変更に関するコミュニケーションをリハーサルするための危機管理PRシミュレーションも参照してください。このアプローチを自分のドラフトで試すには、 InfoDomeコンソールを開き、ドキュメントをアップロードして、予測したい内容を記述してください。サインアップする前にタスクを準備できます。