AIユーザーインタビューは“楽”なのか？ 実務で見えた意外な落とし穴

はじめに

「AIインタビューツールを使えば、定性調査が一気に楽になる」

近年登場したAIユーザーインタビューツールは、しばしばこうした期待とともに語られる。

筆者自身、サービスデザイナーとしてユーザーリサーチに関わる中で、こうしたAIインタビューツールをいくつか試してきた。前回の記事では、Listen Labsを例に、AIがインタビューする時代に何が起きつつあるのかを体験ベースで紹介した。

今回はその続編として、より実務に踏み込みたい。複数のAIインタビューツールを見ていくと、たしかにリサーチの一部は大きく効率化され楽になる一方で、逆に以前より難しくなる部分もはっきり見えてきたからだ。

本記事では、AIインタビューツール導入によって何が高速化でき、何が落とし穴となるのかを、実務目線で整理していく。

AIインタビューツールとは？

AIインタビューツールとは、ユーザー募集のためのアンケート作成、ユーザー募集、インタビュー実施、インタビュー分析、レポート作成までをまとめて支援するツールのことだ。

従来のユーザーインタビューでは、募集条件を決め、募集用アンケート（スクリーナーサーベイ）を作り、候補者を集め、日程を調整し、インタビューガイドを作成し、実査し、録音を文字起こしし、発言を整理し、示唆をまとめ、レポート化する、という一連の工程をかなり手作業で回していた。

しかし、AIインタビューツールの登場により、スクリーナーサーベイ作成から募集、選定、実施、分析までAIが高速・自動で行えるようになった。AIがインタビューを進行するので、短期間で多数のユーザーに同時に聞くことも可能だ。

AIインタビューツールを活用する利点

AIインタビューツールが強いのは、人が時間を取られていた運用的な部分や、大量のデータ処理だ。そして、その価値は単なる工数削減ではなく、仮説検証の回転数を上げられることにある。

具体的には以下のような利点がある。

• 定性情報を定量的に分析ができる
• 日程調整が不要になる
• 短時間のうちに同時並行で数十人、数百人にインタビューできる
• 大枠レベルの質問設計・分析は一瞬で生成できる
• 言語の壁を超えてインタビューができる

AIインタビューを用いたリサーチは、新規事業の初期のように、まだ何が重要論点なのかも定まりきっていない段階のプロジェクトで「どの方向に当たりをつけるべきか」を広く探る場面や、ブランディングやマーケティングのコンセプトがどの程度受け入れられそうかを広い層で見たい場面と相性がよい。

もちろん、AIが出してきたリサーチ結果をそのまま鵜呑みにして終わるのは危険だが、少なくとも「何が起きていそうか」をざっとつかむ出発点としては非常に有効だ。

AIインタビューツールの利点についての詳細は前回の記事も参照してほしい。

AIがインタビューする時代。ユーザーリサーチの未来はどう変わる？【Listen Labs体験レポ】

何が難しくなるのか

一方で、AIインタビューツールは「とにかく楽で速い魔法の道具」ではないむしろ実際に使ってみると、軽くなるのは主にリサーチの本質とは離れた運用部分であり、何を聞くか、どう深掘るか、どう解釈するかという設計負荷はむしろ重くなると感じる場面が多い。

最初からインタビューを全問設計しきる難しさ

人がインタビューを行う場合、その場の反応を見ながら質問を変えることができる。相手が少し迷った表情をしたら聞き方を変える、思いがけない話題が出てきたら多少の構成を変えてでもそこを掘る、あえて少し沈黙を置いて続きを促す、といった微調整が自然にできる。

こうした柔らかい深掘りや臨機応変さは、定性調査の大きな価値の一つである。しかしAIリサーチはAIが自動で進行してくれるがゆえにその場で人間が細やかな指示を出すことはできず、またその場の空気を読みながら臨機応変に問いの構成そのものや問いかけのニュアンスまで変更することはまだ難しい。

もちろん、AIインタビューには自動で深堀り質問を考えてくれる機能があり、ある程度の指針は事前にプロンプトで指示を出しておくことはできるが、全てをコントロールできるわけではない。

AIインタビューツールでは募集をかける時点でスクリーナーサーベイだけではなくインタビューの設問まで設定が求められることも多く、だからこそ募集前の時点でそうした深堀りの方針を含め、かなりの部分までインタビュー設計を終えておく必要がある。

何を明らかにしたいのか。どんな質問順にするのか。AIにはどんな方向性で深堀りをしてもらいたいか。これらを事前に考えておかないと、表面的な意見しか回収することができない。

つまりAIインタビューは、インタビューの進行や運用が軽くなる代わりに、その前の質問設計が重くなる仕組みだと言える。言い方を変えると、人がインタビューの場で臨機応変に調整・吸収していた判断を、事前に設計へ埋め込んでおかなければならない。

=もちろんAIで質問自体を生成することも可能だが、どこかズレた内容になることも多く、今日時点の技術では「ポン出し」は難しい。どこかでリサーチャーが手作業で質問を調整することが必須だ。

このため、結局のところ人がやるほうが安くて早いことも多い。5人に深く聞くだけなら、熟練したリサーチャーが短時間で設計し、その場で柔軟に深掘りした方が早くて質も高いことは珍しくない。

AIの設計コストが報われやすいのは、20人、30人、あるいは100人以上など、ある程度の件数をまとめて回すときである。逆に言えば、人間では回しきれないほどの大人数に同時にインタビューしてこそ、AIインタビューの価値が本格的に発揮される。

だからこそAIインタビューは、まだ課題やペルソナが曖昧な状態で当たりをつける探索や、広い層にブランディング、マーケティング、UX、サービスコンセプトへの反応を広く見る場合など、一定数の声をまとめて傾向を見るときに限定して活用するのに向いているといえるだろう。

特定のコアなユーザーに深く聞くことは難しい

上記に関連して、強い共感が必要なテーマ、複雑な文脈をたどるテーマ、脱線や余白から本音を引き出したいテーマ、あるいはピンポイントのエクストリームユーザーを見つけて深く聞きたいテーマでは、まだ人の方に分があるといえるだろう。

ユーザー募集においても、選択式のアンケートで条件に当てはまった人は自動でインタビューに招待する、という運用を採用しているAIインタビューツールもあり、その場合は非常に狭く絞り込んだユーザーや、特徴あるエクストリームユーザー、最初の熱狂的なファンになってくれる層が集められるかどうかはほとんど運任せになる。

AIの価値を最大化するには、「広く速く当たりをつけたいのか」「狭く深く掘りたいのか」を最初に見極める必要がある。後者であれば、現時点ではAIではなく泥臭く直接現場に行きユーザーを探したり、人力でインタビューをするほうが効果的だろう。

そもそも、導入自体が簡単ではないという問題

難しさは、導入そのものにもある。そもそも多くのAIインタビューツールは、個人のリサーチャーやデザイナーが気軽に試す前提で作られていない。

思想としては、「個人の道具」というより、リサーチ部門や調査の進め方そのものを置き換える方向に近いものが多く、そのために導入自体の難しさも問題になってくる。

価格の問題

「部門丸ごと置き換えることで元が取れる」という思想のため、価格も安くはない。筆者が導入検討の中で見てきた限りでも、組織向けの年間契約しかプランがなく、数百万円単位のかなり大きな金額になるケースや、単発プロジェクトであっても相応の予算を見込む必要があるケースが少なくなかった。

お試し版を提供しているツールもあるが、その場合も無料ではなく、トライアルプランを契約するという形で数十万円〜百数十万円かかるケースが一般的だ。

いずれにせよ、少人数のインタビューでちょっと試すというより、最低でも数十人程度のまとまった件数でインタビューを回して、ようやく費用対効果が見えてくるという世界だ。

組織の問題

AIインタビューを導入するには、組織の意思決定の壁もある。

先ほど述べたように企業・組織単位のエンタープライズ契約しか提供していないツールも多く、導入するには一担当者の判断のみでは難しい。

会社として「まずやってみる」「学習コストを払う」「既存のリサーチプロセスを少し変える」ことをマネージャー層が意思決定する必要がある。

ただ、マネージャーがそのような意思決定を行おうとしても、社員からの反発も起こりうる。特にリサーチ組織を持っている企業の場合、AIインタビューツールは先ほど述べたように部門そのものを置き換える思想で設計されているため、導入に危機感を持つ社員からの反対を受けることもあるだろう。

つまり、AIインタビューを導入できるかどうかは、新しいやり方を試す意思決定ができる組織かどうかによって決まるといえる。

言語の問題

さらに、日本の実務者にとっては言語の壁も小さくない。まだ海外発のツールが中心で、トライアルに入る前に英語で営業担当者と会話する必要があったり、契約や使い方の説明も英語で進むケースがある。

このような導入前のコミュニケーションをハードルに感じる人も多いだろう。

このように、AIインタビューツールでは高速化できる部分もあるが、むしろ難しくなる部分も多く、導入にもハードルがあることがわかる。

では、AIインタビューをどう実践すべきなのか

ここまで見てきたように、AIインタビューは「入れさえすれば自動的に調査が速く、楽になる」類のものではない。

向いている調査と向いていない調査を見極め、事前の設計にどこまで手間をかけるべきかを判断し、さらに導入のための予算や組織的な意思決定まで乗り越える必要がある。そう聞くと、「やはり難しそうだし、今はまだ見送ろう」と感じる企業も少なくないだろう。

しかし、ここで立ち止まってしまうことにも別のリスクがある。AIインタビューに触れた企業には、どの調査に向いているのか、どんな設計だと失敗するのか、AIが返してくるレポートをどこまで信頼し、どこから人が読み直すべきなのか、といった実務知見が少しずつ蓄積していく。

一方で、まだ触れていない企業には、その経験がたまらない。結果として、AIインタビューを実務で回しながら学習している企業と、そうでない企業の差は、時間とともに広がっていく可能性が高い。

しかもこの差は、国内だけの話ではない。国境や言語をまたいで、世界のトップ企業はすでに新しいリサーチ手法を取り入れながら、仮説検証の速度を上げ、ユーザー価値の解像度を高めていくはずである。

そうした動きが当たり前になっていく中で、「自分たちは国内事業だからまだ関係ない」とは言い切れない。AIインタビューを使うこと自体が目的ではないにせよ、サービスやプロダクトをより速く、より良くしていくための知見を、初期の段階から少しずつためていくことはやはり重要である。

だからこそ、AIインタビューを社内だけでゼロから試そうとするのが、必ずしも最善とは限らない。特に日本企業の場合、ツール選定、英語での導入コミュニケーション、調査設計、結果の解釈までをすべて自力で乗り越えようとすると、最初の一歩で止まってしまうことも多い。

むしろ、すでに実務で触っている外部パートナーと組み、どの調査に適用すべきか、どこに設計コストをかけるべきかを一緒に判断する方が、結果的に早く、的確に進められることが多い。最初から経験のあるチームと進める価値は大きいといえる。

おわりに

AIインタビューの登場は、ユーザーリサーチのあり方を確実に変えつつある。募集、インタビュー実施、文字起こし、分析、レポート作成といった工程は高速化しやすくなった。

しかしその一方で、導入や運用のすべてが高速化するわけではない。むしろ、何を明らかにしたいのか、どんな問いをどう設計するのか、どの調査に向いているのか、どこまでをAIに任せるのか、といった判断は、以前よりも重要になっている。

大切なのは、AIインタビューを万能視することでも、逆に過小評価することでもなく、使いどころを見極めることである。

btraxではAIを用いたユーザーリサーチ戦略、そしてユーザーインサイトを起点にしたプロダクト開発の実践を踏まえながら、大企業内イノベーションや新規事業・新サービス創出、既存事業の改善、組織改革などに伴走している。

btraxのサービスにご興味をお持ちの方は、ぜひお気軽にお問い合わせください。

この内容に関連するポッドキャスト