生成AIは博物館の来館者体験をどう変えるのか？ The Metのハッカソンから考えるAI活用

はじめに

生成AIは博物館の「情報の出会い方」を変える

生成AIは、博物館にとって単なる業務効率化の道具ではありません。もちろん、文章作成の補助、問い合わせ対応、翻訳、資料整理など、業務面でのAI活用は重要です。しかし、博物館情報・メディア論の観点から見ると、より本質的な論点は、生成AIが来館者と作品・資料・情報との出会い方を変える可能性を持っていることです。

これまでの博物館のデジタル化は、資料画像の公開、収蔵品データベースの整備、オンライン展示、ウェブサイトでの情報発信などを中心に進められてきました。これらは、博物館が持つ情報をより広く公開し、来館前後の学びを支えるうえで大きな意味を持ってきました。一方で、多くの場合、利用者はあらかじめ作品名、作者名、時代、地域、分類、技法などの検索語を知っていることを前提に、博物館の情報へアクセスしてきました。

生成AIがもたらす変化は、この前提を揺さぶるところにあります。来館者が専門用語を知らなくても、自分の言葉で作品を探し、疑問を投げかけ、関心に応じて情報を受け取り、さらに別の作品へと探索を広げられる可能性があります。つまり、生成AIは情報を単に表示する装置ではなく、来館者とコレクションのあいだに立ち、鑑賞・探索・学びを媒介する新しい情報メディアとして捉えることができます。

このような視点から注目されるのが、The Metropolitan Museum of Artが実施した「Build with AI at The Met」です。この取り組みは、生成AIを使って来館者やオンライン利用者がコレクションと新しい形で関わるためのプロトタイプを試作したハッカソンです。本記事では、このThe Metの事例を中心に、生成AIが博物館の来館者体験、コレクション探索、鑑賞支援、学びの設計をどのように再構成しうるのかを考えていきます。

生成AIを用いたデジタル博物館体験では、利用者がどのような価値を感じるのか、またその技術を使いたいと思うのかが重要な論点になります。生成AIは、利用者の問いと資料の文脈を結びつけることで、デジタル博物館体験における価値認識や採用意向に関わる技術として位置づけられます（Hao et al., 2025）。

The Metが実施した生成AIハッカソンとは何か

Build with AI at The Metの概要

The Metropolitan Museum of Artは、2026年4月16日に「Build with AI at The Met」という1日限りの生成AIハッカソンを開催しました。この取り組みは、2026年5月1日に公式記事として公開され、The Met 生成AI活用の具体的な事例として紹介されています。参加者は、技術者、制作者、学生、クリエイターなど40名以上であり、館内に集まって短時間で複数の生成AIプロトタイプを制作しました（The Metropolitan Museum of Art, 2026）。

このAI ハッカソンの特徴は、単に技術者が外部でアプリケーションを開発する形式ではなく、The Metのコレクションと展示空間を出発点にしていたことです。参加者は、The Metのアジア美術ギャラリーを実際に見学し、作品から着想を得たうえで、生成AIを使った来館者体験やオンライン体験のあり方を考えました。対象となったのは、The Metのアジア美術コレクションです。つまり、この博物館ハッカソンは、抽象的なAI技術の実験ではなく、具体的なコレクションと来館者体験を結びつけるための試みでした。

項目	内容
実施主体	The Metropolitan Museum of Art
企画名	Build with AI at The Met
実施日	2026年4月16日
公式記事公開日	2026年5月1日
参加者	技術者、制作者、学生、クリエイターなど40名以上
対象	The Metのアジア美術コレクション
性格	来館者やオンライン利用者がコレクションと新しい形で関わるための生成AIプロトタイプ開発
支援	Anthropicの支援を受けた取り組み

この取り組みでは、来館者やオンライン利用者がコレクションとどのように出会い、どのように探索し、どのように学ぶことができるのかが中心的な課題になっていました。生成AIは、展示解説を自動で作成するだけの技術ではなく、作品を探す、作品同士を結びつける、関心に応じて情報を提示する、遊びや体験を通じて学びを支えるといった役割を持ちうるものとして試されています。

正式導入ではなく、実験的プロトタイプである

ここで注意すべきなのは、「Build with AI at The Met」が完成したサービスの正式導入ではないという点です。これは、The Metが生成AIを館内サービスとして本格運用し始めたというニュースではありません。むしろ、生成AIが博物館の来館者体験やデジタル博物館の情報体験をどのように変えうるのかを、短時間で試作し、検証するための実験的な取り組みです。

この点は、博物館情報・メディア論の観点から重要です。新しい技術を博物館に導入する際には、完成されたシステムをいきなり運用するのではなく、まず小さく試し、来館者体験、情報の正確性、教育的効果、運用上の課題を確認する必要があります。The Metの事例は、生成AIを流行として導入するのではなく、コレクションを起点にして、どのような情報体験を設計できるのかを試した点に意義があります。

また、この取り組みはAnthropicの支援を受けて実施されました。Anthropicは生成AIモデルを提供する企業であり、博物館とAI企業の連携という意味でも注目できます。ただし、企業支援を受けた技術実験であるからこそ、博物館側には、情報の信頼性、文化的文脈への配慮、来館者データの扱い、AIが生成する説明の妥当性を慎重に検証する責任があります。

The Met自身も、生成AIには倫理的懸念や議論があることを認めたうえで、この技術を来館者や他機関、実務者との対話の中で慎重に検証していく必要があるとしています。したがって、この事例は、生成AIを無条件に肯定するものではなく、博物館が新しい情報メディアをどのように試し、どのように評価し、どのように責任を持って扱うのかを考えるための実践として読む必要があります（The Metropolitan Museum of Art, 2026）。

生成AIは博物館の情報体験をどう変えるのか

作品解説から、対話的な情報体験へ

生成AIが博物館にもたらす変化は、作品解説を自動で作成できることだけではありません。もちろん、展示解説の下書き、翻訳、要約、来館者向けFAQの作成などは、博物館におけるAI活用の分かりやすい入口です。しかし、博物館情報・メディア論の観点から見ると、より重要なのは、生成AIが来館者とコレクションの関係を変える可能性を持っていることです。

従来の作品解説は、博物館側が整理した情報を来館者に伝える形式が中心でした。解説パネル、音声ガイド、図録、ウェブサイト、オンライン展示などは、いずれも博物館が選び、編集し、提示した情報を来館者が受け取る仕組みです。これらは現在でも重要ですが、来館者が抱く疑問や関心は一人ひとり異なります。ある人は作品の意味を知りたいかもしれませんし、ある人は制作技法に関心を持つかもしれません。また、子ども、学生、専門家、観光客では、同じ作品に対して知りたい内容も異なります。

生成AIは、このような多様な関心に応じて、来館者が自分の言葉で作品に近づくための入口をつくる可能性があります。たとえば、作品名や作者名を知らなくても、「静かな雰囲気の作品を見たい」「動物が描かれた作品を探したい」「この形にはどのような意味があるのか知りたい」といった問いから、コレクションへ接近できるようになるかもしれません。ここでの生成AIは、情報を一方的に表示する装置ではなく、来館者とコレクションのあいだに立ち、問い、探索、理解を媒介するインターフェースとして機能します。

博物館におけるAI活用の全体像については、別記事「博物館とAIの現在地 ― 来館者体験・展示支援・意味生成の視点から考える」でも整理しています。本記事では、その中でも特に、生成AIが来館者体験やコレクション探索をどのように変えうるのかを、The Metのハッカソン事例から考えていきます。

観点	従来型のデジタル化	生成AIによる体験設計
情報の出し方	博物館側が整理した情報を提示する	来館者の問いに応じて情報を組み立てる
検索の方法	作品名、作者名、年代、分類などで検索する	自然な言葉や関心からコレクションに接近する
作品解説	あらかじめ固定された解説を読む	質問や関心に応じて説明の深さや角度を変える
来館者体験	情報を受け取る体験が中心になる	問い、探索し、比較しながら学ぶ体験へ広がる
博物館情報の役割	資料情報を公開・保存する	来館者と資料の関係を媒介する

来館者の言葉とコレクションを結びつける

デジタル博物館において大きな課題となるのは、博物館が持つ豊かな情報と、来館者が実際に使う言葉とのあいだに距離があることです。博物館のデータベースでは、作品名、作者名、制作年代、地域、技法、材質、分類などが重要な情報として整理されます。しかし、初学者や一般の来館者は、必ずしもそのような専門的な語彙を知っているわけではありません。

たとえば、来館者は「江戸時代の絵画」ではなく、「雨の日のような雰囲気の絵」と考えるかもしれません。「青磁」ではなく、「淡い青緑色の器」と表現するかもしれません。「仏教美術」ではなく、「祈りに関係するもの」と探すかもしれません。従来の検索システムでは、このような曖昧で感覚的な言葉をコレクション情報へ結びつけることは簡単ではありませんでした。

生成AIの可能性は、この距離を縮めるところにあります。来館者の自然な言葉を、博物館が蓄積してきた資料情報、展示情報、研究情報と接続できれば、専門知識を持たない人でもコレクションに入りやすくなります。これは、博物館情報を単に正確に保存するだけでなく、利用者が理解し、探索し、意味づけられる形へと変換することを意味します。

生成AIを用いたデジタル博物館体験では、利用者の問いと資料の文脈が意味的に結びつくこと、また利用者の状況に応じて情報が調整されることが、体験価値を高める要因になると考えられます（Hao et al., 2025）。

このように考えると、生成AIは博物館の情報体験を大きく変える可能性を持っています。それは、博物館の知識を軽く扱うことではありません。むしろ、専門的に整理されたコレクション情報を、より多くの来館者が自分の言葉でたどれるようにすることです。博物館生成AIの論点は、技術そのものの新しさではなく、来館者体験、作品解説、対話型鑑賞、デジタル博物館の情報設計をどのように更新するのかという点にあります。

Instrument Explorer：作品に描かれた楽器を体験に変える

見る資料から、試す資料へ

Instrument Explorerは、The Metの生成AIハッカソンで紹介されたプロトタイプの一つです。この取り組みでは、作品に描かれた楽器を、来館者やオンライン利用者がより深く体験できるようにすることが目指されています。単に作品の中に楽器が描かれていることを説明するのではなく、その楽器がどのような歴史的文脈を持ち、どのような種類に分類され、どのような音や使われ方を想像できるのかを、生成AIによって体験へと展開しようとする点に特徴があります。

従来の展示では、絵画や工芸品に描かれた楽器は、作品を構成するモチーフの一つとして説明されることが多くありました。たとえば、画面の中に琵琶、琴、太鼓、笛のような楽器が描かれていたとしても、来館者がその楽器の音色、演奏方法、使用された場面、社会的意味まで想像するには、ある程度の予備知識が必要でした。Instrument Explorerは、このような距離を縮めるために、作品情報を教育的コンテンツやインタラクティブなデジタル楽器体験へ変換する試みとして位置づけられます。

このプロトタイプでは、AIが作品中の楽器を読み取り、歴史的文脈を理解し、楽器の種類を分類し、さらに弦楽器、打楽器、管楽器などの体験へと展開する仕組みが構想されています。つまり、来館者は作品を「見る」だけでなく、そこに描かれた楽器の音を想像し、演奏の動作を思い浮かべ、その楽器が使われた文化的場面を考えることができます。これは、作品情報を静的な解説にとどめず、鑑賞体験や学習体験へ変換するメディア設計として理解できます（The Metropolitan Museum of Art, 2026）。

展示資料	生成AIによる体験化
作品に描かれた楽器	楽器の種類や特徴を読み取り、分類する
楽器の名称や解説	歴史的文脈や使われた場面を補助的に示す
静止した図像	音、演奏、身体動作を想像する入口をつくる
一方向の作品解説	来館者の関心に応じたインタラクティブな学びへ展開する

生成AIが身体性や行為の想像を支援する

Instrument Explorerが示している重要な論点は、生成AIが作品の意味を説明するだけでなく、作品に含まれる行為や身体性を想像する手がかりになりうることです。楽器は、単なる物ではありません。演奏され、身体によって扱われ、儀礼、祝祭、娯楽、教育、信仰などの場面の中で意味を持ってきました。作品に描かれた楽器を理解することは、その形や名称を知ることだけではなく、どのように鳴らされ、どのような人々に聞かれ、どのような場面で使われたのかを考えることでもあります。

この点で、Instrument Explorerは博物館教育論とも深く関わります。博物館教育では、来館者が資料を受動的に見るだけでなく、自分の経験や感覚と結びつけながら理解を深めることが重要です。生成AIを用いることで、作品に描かれた楽器を、音、動作、場面、物語と結びつけることができれば、来館者は作品をより立体的に理解できます。特に子どもや初学者にとっては、専門的な解説を読む前に、「どんな音がしたのか」「どうやって演奏したのか」「どのような場で使われたのか」と考えることが、鑑賞への入口になります。

ただし、このような体験設計では、生成AIが作り出す説明や音のイメージを、そのまま事実として扱わない慎重さも必要です。AIが提示する情報は、学芸員による監修や資料情報との照合を通じて確認される必要があります。生成AIは、作品理解を置き換えるものではなく、来館者が作品へ接近するための補助的なインターフェースとして位置づけることが重要です。

美術館における生成AIチャットボットの研究では、作品検出、テキストや音声による情報提示、来館者からの質問応答を組み合わせることで、鑑賞への関与を高める可能性が示されています（Wang & Matviienko, 2025）。

このように見ると、Instrument Explorerは、生成AI チャットボットや対話型鑑賞の延長線上にある実験ともいえます。作品に描かれた楽器をきっかけに、来館者が音を想像し、演奏を想像し、使われ方を考えることは、博物館情報を体験へ変える試みです。博物館情報・メディア論の観点からは、これは資料情報を単に保存・公開するだけでなく、来館者が身体感覚や想像力を通じてコレクションと関わるためのメディア設計として評価できます。

Fish The Met：ゲーム的な探索がコレクションとの出会いを変える

モチーフから作品を探す体験

Fish The Metは、The Metの生成AIハッカソンで紹介されたプロトタイプの一つです。この取り組みでは、The Metのコレクションに登場する魚を、利用者が「捕まえる」ように探すデジタル体験が構想されています。魚という身近で分かりやすいモチーフを手がかりにしながら、来館者やオンライン利用者が作品を横断的に探索できる点に特徴があります。

博物館の展示では、作品は通常、時代、地域、作者、技法、分類、テーマなどに基づいて整理されます。これは学術的な整理として重要ですが、初学者や子どもにとっては、どこから見ればよいのか分かりにくい場合もあります。特に、作品名や作者名、制作年代、文化的背景を知らない来館者にとって、展示室全体は豊かである一方、入口を見つけにくい空間にもなりえます。

Fish The Metは、この課題に対して、魚というモチーフを入口にしています。魚が描かれている作品を探すという行為は、専門知識がなくても始めやすく、子どもにも直感的に理解しやすいものです。さらに、魚は地域や時代を超えて多様な意味を持つモチーフでもあります。食、信仰、自然観、装飾、物語、吉祥性など、魚を手がかりにすることで、来館者は一つの分類に閉じないかたちでコレクションを見ていくことができます。

このプロトタイプでは、AIを使って作品を分析し、描かれている魚の種類を推定し、それぞれの歴史的文脈を調べる仕組みが想定されています。つまり、来館者は魚を「見つける」だけでなく、その魚がどのような作品に登場し、どのような文化的意味を持ち、他の作品とどのようにつながるのかを探索できます。これは、博物館生成AIの活用を、単なる解説生成ではなく、コレクション探索の設計として考えるうえで重要な事例です（The Metropolitan Museum of Art, 2026）。

従来の鑑賞軸	Fish The Metの鑑賞軸
時代や地域に沿って作品を見る	魚というモチーフから作品を横断的に探す
作者名や作品名を手がかりにする	描かれた生き物を手がかりにする
展示室の順路に沿って鑑賞する	発見や探索を通じて展示を回遊する
解説を読んで理解する	探し、比べ、意味を考えながら理解する
分類ごとに作品を把握する	モチーフを通じて分類を越えて作品を結びつける

ゲーム性は学びを軽くするのではなく、入口を広げる

Fish The Metを考えるうえで重要なのは、ゲーム性を単なる娯楽として捉えないことです。博物館にゲーム的な要素を取り入れると、学びが浅くなるのではないかと考えられることがあります。しかし、ゲーム性は必ずしも学習を軽くするものではありません。むしろ、初学者や子どもがコレクションに入っていくための入口を広げる役割を果たします。

「魚を探す」という行為は、来館者に明確な目的を与えます。目的があることで、来館者は展示室をただ通過するのではなく、作品を注意深く見るようになります。魚がどこに描かれているのか、どのような形で表されているのか、他の作品の魚と何が違うのかを探す過程で、自然に観察が深まります。これは、探索型鑑賞の重要な特徴です。

また、ゲーム的鑑賞は、館内回遊や滞在時間にも関わります。特定のモチーフを探す体験は、来館者が複数の作品や展示室を移動する理由をつくります。展示室を移動しながら作品を見比べることで、来館者は一つの作品だけでなく、コレクション全体の広がりに気づきやすくなります。これは、来館者参加を促す情報設計としても意味があります。

特に博物館情報・メディア論の観点から見ると、Fish The Metは、コレクション情報を固定的な解説として提示するのではなく、来館者が自分で発見するための仕組みに変換している点で重要です。魚というモチーフは、作品情報と来館者の好奇心をつなぐメディアになります。生成AIは、その発見を支えるために、作品分析、モチーフ認識、種の推定、歴史的文脈の提示を補助します。

このように、Fish The Metは、生成AIを用いた探索型鑑賞の可能性を示しています。来館者は、専門用語を知らなくても、魚を探すというシンプルな行為からコレクションに入ることができます。そして、その入口から、作品の文化的背景、表現の違い、地域や時代を越えたモチーフの広がりへと関心を深めていくことができます。ゲーム性は学びを薄めるものではなく、博物館の情報へ近づくための導線になりうるのです。

Semantic Explorer：専門用語を知らなくても作品に出会える検索

自然言語検索が博物館データベースを変える

Semantic Explorerは、The Metの生成AIハッカソンで紹介されたプロトタイプの一つです。この取り組みでは、来館者やオンライン利用者が、自然な言葉でThe Metのオンラインコレクションを探索できる仕組みが構想されています。自由な言葉による意味検索、「これに似た作品をもっと見せて」という横断的な探索、お気に入り登録、共有、スワイプによる発見の仕組みを備えていた点に特徴があります。これは、博物館データベースを単なる検索システムとしてではなく、来館者とコレクションを結びつける情報体験として再設計する試みです（The Metropolitan Museum of Art, 2026）。

従来の博物館データベースは、作家名、作品名、制作年代、技法、地域、材質、分類などのメタデータに基づいて構築されてきました。これは、収蔵品を正確に管理し、研究や展示、保存、公開に活用するうえで不可欠な仕組みです。博物館にとって、資料情報を標準化し、検索可能な形で整備することは、デジタル博物館の基盤そのものです。

しかし、一般の来館者や初学者が、最初から専門的な検索語を知っているとは限りません。たとえば、ある作品に関心を持った人が、その技法名、制作地、時代区分、作者名、作品分類を正確に言えるとは限りません。むしろ、多くの場合、来館者は「静かな雰囲気の作品を見たい」「青い陶器を探したい」「鳥が描かれた東アジアの作品が見たい」「祈りに関係する道具を知りたい」といった、自分自身の感覚や関心に近い言葉から出発します。

自然言語検索の意義は、このような来館者の言葉を、博物館が蓄積してきた専門的なコレクション情報へ接続できる点にあります。利用者が入力した曖昧で感覚的な言葉を、作品の主題、形態、色彩、用途、文化的文脈、関連作品へと結びつけることができれば、博物館データベースは専門家だけの検索道具ではなく、より幅広い利用者に開かれた学びの入口になります。

専門語ではなく、来館者の言葉から始まる検索

Semantic Explorerが示している重要な変化は、検索の出発点が「博物館側の分類語」だけではなく、「来館者の言葉」になりうることです。従来のコレクション検索では、利用者があらかじめ適切なキーワードを知っているほど、目的の作品にたどり着きやすくなります。一方で、専門語を知らない利用者は、関心を持っていても検索語を思いつけず、豊かなコレクションに十分アクセスできないことがあります。

利用者の言葉	従来検索での課題	生成AI検索の可能性
静かな雰囲気の作品	雰囲気や印象はメタデータとして整理されにくい	色彩、構図、主題、解説文などを手がかりに関連作品を提示できる
青い陶器	技法名や分類名を知らないと検索が難しい	色、材質、器種、地域、時代を組み合わせて探索できる
鳥が描かれた東アジアの作品	図像やモチーフ情報が十分に検索対象にならない場合がある	作品画像や解説情報からモチーフ横断の検索を支援できる
祈りに関係する道具	宗教名、儀礼名、作品分類を知らないと探しにくい	用途や意味から作品群に接近できる

このような検索体験は、来館者にとって単に便利なだけではありません。自分の関心や疑問が、博物館のコレクションとつながる感覚を生み出します。作品名を知らなくても、専門的な分類語を知らなくても、自分の言葉から探索を始められることは、博物館情報への心理的な距離を縮めます。これは、デジタル博物館におけるアクセシビリティの問題でもあり、来館者体験の設計の問題でもあります。

また、Semantic Explorerのような仕組みでは、一つの作品にたどり着いたあとに、「これに似た作品をもっと見せて」という形で探索を続けられる点も重要です。博物館の学びは、単独の作品を理解するだけで完結するわけではありません。似ている作品を比べる、異なる地域の表現を見る、同じモチーフが別の時代にどのように表されているかを確認することで、来館者はコレクション全体の広がりを理解していきます。

お気に入り登録や共有の機能も、博物館情報の利用を広げる要素になります。来館者が気になった作品を保存し、あとで見返し、他者と共有できるようになれば、鑑賞体験は展示室やウェブサイト上の一回限りの接触にとどまりません。博物館での発見が、家庭での学び、学校での調べ学習、友人との対話、次の来館動機へとつながる可能性があります。

ただし、自然言語検索が有効に機能するためには、AIが提示する情報と博物館のコレクション情報が適切に結びついている必要があります。AIが利用者の問いに流暢に答えたとしても、その内容が作品の文脈や資料情報とずれていれば、博物館への信頼を損なう可能性があります。生成AIを用いた博物館体験では、AI出力がコレクションの物語や利用者の問いと意味的に合致することが、信頼や体験価値を高めるうえで重要になります（Hao et al., 2025）。

したがって、Semantic Explorerが示す可能性は、博物館データベースを単に使いやすくすることにとどまりません。専門的に整理されたコレクション情報を、来館者自身の言葉からたどれるようにすることにあります。博物館情報・メディア論の観点から見れば、自然言語検索や意味検索は、博物館が持つ知識体系と、来館者の日常的な言葉をつなぐインターフェースです。生成AIは、その接続を支える技術として、コレクション検索、対話型鑑賞、オンライン学習のあり方を大きく変える可能性を持っています。

ハッカソンという方法が示す博物館のメディア実践

外部人材とともに情報体験を試作する

The Metの事例で重要なのは、生成AIという技術そのものだけではありません。むしろ注目すべきなのは、博物館が新しい技術をどのように試し、どのような人材とともに来館者体験を構想したのかという点です。生成AIを導入するかどうかを机上で検討するだけでなく、実際のギャラリーとコレクションを出発点にして、短時間で複数のプロトタイプを制作したことに、この取り組みの特徴があります。

このハッカソンでは、技術者、制作者、学生、クリエイターなど40名以上が館内に招かれました。参加者はアジア美術ギャラリーを見学し、実際の作品や展示空間から着想を得たうえで、約5時間という限られた時間の中で生成AIを用いたプロトタイプを制作しました。ここで試されたのは、単なるアプリ開発ではなく、来館者やオンライン利用者がコレクションとどのように出会い、どのように探索し、どのように学ぶことができるのかという情報体験の設計でした（The Metropolitan Museum of Art, 2026）。

博物館情報・メディア論の観点から見ると、この取り組みは、コレクションを情報メディアとして開く実践といえます。博物館のコレクションは、保存され、研究され、展示されるだけの対象ではありません。来館者が問いを持ち、外部の専門家やクリエイターが新しい視点を加え、デジタル技術が別の接点をつくることで、コレクションは新しい情報体験の基盤になります。

The Metの実践	博物館情報・メディア論での意味
技術者、学生、クリエイターなどを館内に招く	外部人材とともに博物館の情報体験を再設計する
アジア美術ギャラリーを実際に見学する	展示空間とコレクションを出発点にして技術を考える
約5時間で複数のプロトタイプを制作する	小さく試しながら新しいメディア実践を検証する
生成AIを用いて来館者体験を構想する	鑑賞、探索、学びを媒介する情報インターフェースを試作する

ハッカソンは非公式学習環境でもある

ハッカソンは、しばしば技術開発やサービス開発のイベントとして理解されます。しかし、博物館で行われるハッカソンを考える場合、それだけでは十分ではありません。そこでは、参加者がコレクションを見て、問いを立て、他者と協働し、限られた時間の中でアイデアを形にし、成果を共有するという学習のプロセスが含まれています。つまり、博物館ハッカソンは、外部人材によるオープンイノベーションであると同時に、非公式学習の場でもあります。

この点は、博物館の来館者体験を考えるうえでも重要です。参加者は、単に既存の資料情報を利用するのではなく、作品を観察し、意味を考え、技術を使って別の体験へと変換します。その過程では、コレクションをどう解釈するか、どの情報を来館者に届けるか、どのような操作や遊びが学びにつながるかが問われます。これは、博物館の情報を再編集し、来館者に向けて新しいメディアとして構成する行為です。

ハッカソンは、参加者が一定時間内に共同でプロジェクトを構想し、制作し、発表する構造化された非公式学習環境として理解できます（Turner et al., 2021）。

この視点から見ると、The Metの取り組みは、博物館DXを単なるシステム導入としてではなく、コレクション、外部人材、デジタル技術、来館者体験を結びつけるメディア実践として捉えることができます。重要なのは、博物館がすべてを内部だけで完結させるのではなく、外部の知識や技術を受け入れながら、自館のコレクションを起点に新しい体験を試作している点です。

もちろん、ハッカソンで生まれたプロトタイプがそのまま正式なサービスになるとは限りません。しかし、短時間で試作することによって、どのような体験が来館者にとって意味を持ちうるのか、どのような技術的・倫理的課題があるのか、どのような運用体制が必要なのかを具体的に考えることができます。博物館におけるハッカソンは、完成品をつくるためだけの場ではなく、新しい情報体験の可能性を可視化し、議論するための実験的な場なのです。

生成AI活用で注意すべき情報倫理と運営責任

正確性、バイアス、文化的文脈をどう管理するか

生成AIは、博物館の来館者体験を広げる可能性を持っています。自然な言葉で作品を探したり、来館者の疑問に応じて説明を変えたり、展示室やオンラインコレクションで新しい探索を促したりすることができます。しかし、その可能性が大きいからこそ、博物館で生成AIを活用する際には、情報倫理と運営責任を慎重に考える必要があります。

特に重要なのは、正確性、解釈責任、バイアス、文化的感受性、著作権、個人情報、継続運用といった課題です。生成AIは、もっともらしい文章を自然に生成できますが、その内容が常に正しいとは限りません。作品の年代、作者、用途、宗教的意味、地域的背景などについて誤った説明を生成する可能性があります。また、学習データや設計の偏りによって、特定の文化や地域、歴史的文脈を単純化してしまうこともあります。

博物館は、社会的に信頼される知識機関です。そのため、AIが生成した説明に誤りや偏りが含まれていた場合、その影響は単なる技術的ミスにとどまりません。来館者は、博物館が提示する情報を一定の信頼性を持つものとして受け取ります。したがって、生成AIを使う場合でも、最終的にどの情報を公開し、どのような表現で提示し、どの範囲までAIに任せるのかを、博物館側が責任を持って判断する必要があります。

The Metの事例でも、生成AIの可能性だけが強調されているわけではありません。生成AIには倫理的懸念や議論があることを認めたうえで、来館者や他機関、実務者との対話を通じて慎重に検証する姿勢が示されています。これは、生成AIをただ導入するのではなく、博物館の公共性や専門性に照らして、どのような使い方が妥当なのかを試す取り組みとして理解できます（The Metropolitan Museum of Art, 2026）。

論点	博物館で確認すべきこと
正確性	作品情報、年代、作者、技法、地域、用途などに誤りがないか確認する
解釈責任	AIが生成した説明を誰が監修し、最終判断するのかを明確にする
バイアス	特定の文化、地域、時代、価値観を一面的に説明していないか確認する
文化的文脈	宗教、民族、儀礼、歴史的背景に対して不適切な表現がないか確認する
著作権	画像、解説文、学習データ、生成物の権利関係を整理する
個人情報	来館者の質問履歴、行動データ、アカウント情報をどのように扱うかを定める
継続運用	実験後に誰が更新、点検、改善、停止判断を行うのかを決める

小さく試し、専門職員が監修する

生成AIの導入で避けるべきなのは、技術の新しさだけに注目して、十分な検証を行わないまま来館者向けサービスとして展開することです。生成AIは、便利である一方で、利用者にとって分かりにくさや不安を生むこともあります。特に、AIがどのような根拠で説明しているのか、どの情報が確実で、どの情報が推定なのかが見えにくい場合、来館者はその体験に不信感を持つ可能性があります。

生成AIを用いた博物館体験では、便利さや新規性だけでなく、複雑さやリスク認識も利用者の体験価値に影響します。生成AIの仕組みが分かりにくいことや、情報の信頼性に不安があることは、利用者が感じる価値を下げる要因になりえます（Hao et al., 2025）。

そのため、博物館に求められるのは、生成AIを無批判に導入することではありません。まずは小規模な実験から始め、どのような来館者体験が生まれるのか、どのような誤りが発生しやすいのか、どの部分に専門職員の監修が必要なのかを確認することが重要です。たとえば、特定の展示室、特定の作品群、特定の教育プログラムに限定して試すことで、リスクを管理しながら効果を検証できます。

また、生成AIの出力をそのまま公開するのではなく、学芸員や教育担当者、情報担当者が確認する体制を整える必要があります。作品解説、宗教的意味、地域文化、歴史的背景に関わる内容は、AIだけで判断するのではなく、専門的な知識に基づく監修を経るべきです。博物館におけるAI倫理とは、技術を使わないことではなく、技術を使う範囲、責任の所在、確認の手順を明確にすることです。

運用ルールも欠かせません。AIが生成した情報であることを来館者に明示するのか、誤りが見つかった場合にどのように修正するのか、利用者からの質問やフィードバックをどのように扱うのか、データを保存するのか削除するのかを事前に決めておく必要があります。生成AI リスクは、技術的な問題であると同時に、博物館DXにおける組織運営の問題でもあります。

生成AIは、博物館の情報体験を豊かにする可能性を持っています。しかし、その可能性を実際の来館者体験につなげるためには、情報倫理、文化的文脈、専門職員の監修、継続的な検証が不可欠です。博物館 AI活用の核心は、AIに説明を任せることではなく、AIを使いながら、博物館がどのように知識の信頼性と公共性を守るのかにあります。

日本の博物館にとっての示唆

大規模館でなくても応用できる考え方

The Metの事例は、世界有数の大規模館だからこそ実施できた特別な取り組みに見えるかもしれません。たしかに、40名以上の技術者、制作者、学生、クリエイターを集め、館内で生成AIハッカソンを実施するには、組織の規模、ブランド力、技術企業との接点、コレクションの公開基盤などが必要になります。その意味で、日本のすべての博物館が、同じ規模や形式でハッカソンを再現する必要はありません。

しかし、日本の博物館にとって重要なのは、The Metと同じイベントを実施することではありません。むしろ、自館のコレクションを起点に、来館者がどのような言葉で資料を探し、どのような疑問を持ち、どのような体験を求めているのかを把握することです。生成AI 活用は、大規模なシステム開発から始めるものではなく、来館者とコレクションの接点を少しずつ改善する博物館情報設計として捉えることができます。

たとえば、来館者が展示室でよく尋ねる質問、ウェブサイト内で検索されやすい語句、アンケートに書かれる感想、教育普及活動で子どもが反応するモチーフなどは、生成AIを活用する前段階として非常に重要な情報です。どのような言葉が来館者と資料を結びつけているのかを把握することで、自然言語検索や対話型鑑賞支援の設計に活かすことができます。

特に中小規模館では、最初から高度なAIシステムを構築するのではなく、限られた範囲で小さく試すことが現実的です。特定の展示、特定の資料群、特定の教育プログラムに対象を絞れば、専門職員による確認もしやすく、誤情報や運用負担のリスクも抑えやすくなります。生成AIを用いた博物館体験では、利用者の問いと資料の文脈が意味的に結びつくことが体験価値に関わるため、まずは自館の来館者がどのような言葉で資料に近づいているのかを丁寧に見ることが重要です（Hao et al., 2025）。

小規模な生成AI活用の始め方

日本の博物館で応用しやすいのは、生成AIをいきなり公開サービスとして導入する方法ではなく、館内で試し、職員が検証し、来館者の反応を見ながら改善する方法です。たとえば、展示解説をAIで自動生成してそのまま掲示するのではなく、既存の解説文を来館者に分かりやすい表現へ言い換える補助として使うことが考えられます。また、来館者から寄せられる質問を整理し、FAQや鑑賞ガイドの改善に活かすこともできます。

The MetのFish The Metのように、特定のモチーフを手がかりにする方法も、日本の博物館で応用しやすい実践です。たとえば、鳥、花、動物、楽器、衣装、仏像の持物、文様、道具など、来館者が直感的に探しやすい対象を設定すれば、専門知識がない人でも展示に入りやすくなります。これは、生成AIを使う以前から実践できる鑑賞設計であり、AIはその探索を補助する道具として位置づけることができます。

小規模な実践案	期待できる効果
特定モチーフを探す鑑賞ワーク	初学者や子どもが展示に入りやすくなり、館内回遊を促しやすくなる
来館者質問をもとにしたFAQ整理	来館者が実際に知りたい情報を把握し、ウェブサイトや展示解説の改善につなげられる
展示解説の読みやすさ改善	専門的な内容を保ちながら、初学者にも理解しやすい表現へ調整できる
自然言語による収蔵品検索の試験	作品名や分類名を知らない利用者が、自分の言葉で資料に接近しやすくなる
大学や地域クリエイターとのワークショップ	外部人材の視点を取り入れ、コレクションの新しい見せ方や使い方を試せる

このような実践は、必ずしも高額なシステム導入を必要としません。最初は、職員の内部検討、学生との小規模ワークショップ、既存データベースの検索語分析、来館者アンケートの自由記述の整理などから始めることができます。重要なのは、生成AIを導入すること自体を目的にしないことです。来館者が資料と出会いやすくなるのか、展示の理解が深まるのか、コレクションへの関心が広がるのかを基準に考える必要があります。

また、日本の博物館では、限られた人員や予算の中でデジタル対応を進めなければならない場合が少なくありません。そのため、生成AI 活用を大規模な博物館DXとしてだけ捉えると、導入のハードルが高くなります。むしろ、展示解説、収蔵品検索、教育普及、広報、来館者対応といった日常業務の中で、どこに情報の届きにくさがあるのかを見つけることが出発点になります。

日本の博物館にとって、The Metの事例から学べる最大の示唆は、生成AIを最新技術として眺めるのではなく、来館者とコレクションの関係を再設計するための方法として考えることです。大規模館でなくても、自館の資料をどのような言葉で開くのか、どのような問いから学びを始められるようにするのか、どのように外部人材と協働できるのかを検討することはできます。生成AIの導入は、技術の問題であると同時に、博物館が自館の情報を誰に、どのように、どのような責任のもとで届けるのかを考える実務的な課題なのです。

まとめ

The Metの「Build with AI at The Met」は、生成AIを博物館の業務効率化だけでなく、来館者体験を再設計するための情報メディアとして試した事例です。ここで重要なのは、生成AIを単に解説文を作成する道具として扱うのではなく、来館者が作品と出会い、問いを立て、探索し、学びを深めるための媒介として位置づけている点です。

Instrument Explorerは、作品に描かれた楽器を手がかりに、音や演奏、使われ方を想像する体験を開きました。Fish The Metは、魚という分かりやすいモチーフを通じて、来館者がゲーム的にコレクションを探索する入口を示しました。Semantic Explorerは、専門用語を知らない来館者でも、自分の言葉から作品に接近できる自然言語検索の可能性を示しました。これらのプロトタイプは、生成AIが鑑賞、探索、遊び、学びを結びつける新しい情報体験を生み出しうることを示しています。

同時に、この取り組みは、外部人材との協働、短期間での試作、コレクションを起点にした実験、倫理的な検証を含む博物館のメディア実践でもあります。生成AIは、博物館DXを進めるうえで有効な選択肢になりえますが、それ自体が目的ではありません。博物館にとって重要なのは、生成AIを流行として導入することではなく、自館のコレクション、来館者、教育目的、情報倫理に即して、どのような来館者体験を設計できるのかを慎重に考えることです。

参考文献

Hao, X., Xu, J., & Wang, Y. (2025). How generative AI shapes user perceived value and adoption intention in digital museum experiences. npj Heritage Science, 13, Article 608.
The Metropolitan Museum of Art. (2026). Build with AI at The Met.
Turner, A. J., Hardin, C. D., & Berland, M. (2021). Hackathons and ‘i’dentities: Museum visitor identities in other informal learning environments. Visitor Studies, 24(2), 184–202.
Wang, H., & Matviienko, A. (2025). Experiencing art museum with a generative artificial intelligence chatbot. In Proceedings of the 2025 ACM International Conference on Interactive Media Experiences (pp. 430–436).