目次
AI がモデレートするユーザーインタビューとは、AI がインタビューガイドに沿って回答者と1対1で対話し、回答に応じて深掘りしたうえで、複数のインタビューを発言の原文までたどれる結論にまとめるリサーチ手法です。理由を聞き出せるというインタビューの長所を保ちながら、数十から数百件のインタビューを同時に実施できます。この記事を読むと、自分のリサーチを AI に任せてよいかを判断でき、立ち上げから検証までの手順がわかり、そのまま使える品質チェックリストが手に入ります。
定義
AI がモデレートするインタビューでは、まずリサーチ責任者がリサーチプランとインタビューガイドを作成し、AI がガイドに沿って質問し、回答者がテキストまたは音声で答えます。AI は質問を順番に読み上げて終わるのではなく、回答を理解したうえで次に何を聞くかを決めます。回答が漠然としていれば具体的な1回の体験を深掘りし、すでに明確であれば次の話題に進みます。
これはカスタマーサポートのチャットボットでも、対話画面に置き換えたアンケートでもありません。見分ける基準は1つだけです。回答者ごとに聞かれる内容が、それまでの回答によって変わるかどうか。変わらないなら、それは対話形式で見せているだけのアンケートです。
AI インタビューはどのように進むのか
1. インタビューガイドに沿って導入し、進める
インタビューガイドには、扱う話題と、話題ごとのリサーチ目的と推奨する質問が定められています。AI はまず冒頭の説明で、自分が AI であること、インタビューのおおよその長さ、記録の使い方を伝え、回答者の同意を得てから、答えやすい背景についての質問から始め、少しずつ中心となる話題に進みます。
2. 回答に応じて深掘りする
深掘りは AI インタビューの核心です。よく使う深掘りの方向は4つあります。最近の具体的な1回の体験を聞く、そのときどんな段階を経たかを聞く、もともと何を期待していたかを聞く、その後どうしたかを聞く。以下は一例です。
最初の回答のあと AI が次の質問に移っていたら、得られるのは「あまり使っていない」という情報だけです。3回深掘りしたことで、理由は「請求書の入口が見つけにくい」ことだとわかり、このユーザーがどの代替手段に移ったかもわかりました。
3. 終えるタイミングを判断する
AI は各話題のリサーチ目的に照らして、十分に聞けたかを判断します。具体的な体験と理由まで聞けた場合、または回答者がこれ以上話すことはないとはっきり示した場合は、次の話題に進みます。すべての話題を終えると、AI は補足したいことがないかを回答者に尋ね、お礼を述べて終了します。よい AI インタビューは、時間を埋めるために同じことを何度も深掘りしたりしません。
4. 結論にまとめる
インタビューが一通り終わると、AI は発言の原文をテーマごとに分類し、テーマごとに1つの結論を書きます。そのテーマに触れた回答者の人数を明記し、代表的な発言と、食い違う反例を添えます。リサーチ責任者が1件ずつレビューして承認・修正・却下し、レビュー済みのレポートだけがチームに渡されます。
アンケートや従来のインタビューとの違い
| 比較項目 | アンケート | 従来のインタビュー | AI モデレートインタビュー |
|---|---|---|---|
| 答えられる問い | 何人いるのか、どれくらいの割合か | なぜ、どのように起きたのか | なぜ、どのように起きたのか |
| 深掘り | なし。設問は固定 | あり。質はモデレーター次第 | あり。インタビューガイドのルールに沿って深掘りし、インタビュー間のばらつきが少ない |
| 1回あたりの規模 | 数百〜数千件 | 通常は十数件 | 数十〜数百件 |
| 時間がかかる要因 | 回収が早い | 日程調整、モデレート、整理のすべてを人が行うため、最も時間がかかる | 複数件を同時に実施し、AI がまず初稿をまとめる |
| 結論の根拠 | 選択肢の集計と少数の自由記述 | リサーチャーのメモと録音 | 各結論を発言の原文までたどれる |
| 非言語情報 | なし | 表情、口調、その場での操作を観察できる | 音声インタビューなら口調は聞き取れるが、その場での操作は見えない |
| 適した段階 | 検証と定量化 | 初期の探索、デリケートな話題 | 探索と解釈、大規模サンプルでの理由分析 |
3つは互いに置き換えるものではありません。よくある組み合わせは、まず AI インタビューで理由とその類型を洗い出し、次にアンケートで各理由の割合を推定する方法です。操作の様子を観察する必要がある場合や、デリケートな話題を扱う場合は、リサーチャー自身がモデレートします。
向いているリサーチと向いていないリサーチ
向いている用途
- ユーザーが離脱した理由、または契約を更新しなくなった理由
- 新製品・新機能のコンセプトテスト
- 広告やブランドのメッセージが正しく理解されているか
- 満足度や NPS の低評価の背景にある理由
- ユーザーのセグメンテーションとペルソナ、層ごとの利用動機の把握
- 購買の意思決定プロセスと支払意思
- 複数の市場で、複数の言語を使って同じテーマを調べるリサーチ
あまり向いていない
- 「何割のユーザーが購入するか」のように統計的推論が必要な規模の推定。アンケートを使い、サンプリング設計をしっかり行うべきです
- 実際の操作を観察する必要があるユーザビリティテスト。特にオフラインの場面や物理的な製品
- 健康、経済的な困難、家族間のトラブルなど、非常にデリケートな話題。回答者にはより強い信頼が必要で、人がその都度判断する必要もあります
- 回答者が少数の重要な意思決定者である法人顧客のリサーチ。1件1件が貴重なので、経験豊富なリサーチャーが自らインタビューする価値があります
- 子ども、または保護者の同席が必要な方
AI インタビューによるリサーチの手順
- ビジネス課題と、下すべき意思決定を書き出します。たとえば「ユーザーは請求書についてどう思っているか知りたい」ではなく、「来四半期に請求ページを作り直すべきか」と書きます。
- ビジネス課題を3〜5個のリサーチの問いに分解し、回答者の条件とサンプルサイズを決めます。探索型のリサーチでは、Guest、Bunce、Johnson（2006）の知見が参考になります。同質な対象者では、約12件のインタビューを過ぎると新しいテーマはほとんど出てこなくなります。複数のセグメントがある場合は、グループごとに件数を確保します。
- インタビューガイドを作成します。話題ごとにリサーチ目的、メインの質問、深掘りの方向を書き、リサーチ責任者のレビューを受けます。必要に応じて、まず2〜3件の試行インタビューを行ってから修正します。
- 回答者を招待する：自社ユーザーから条件で抽出するか、外部の回答者をリクルーティングします。招待時に、所要時間、謝礼、データの用途を伝えます。
- AI が複数のインタビューを同時に実施し、リサーチ責任者が同席するか記録を抜き取りで確認して、無効なサンプルを除外します。
- レポートをレビューする：インサイトを1件ずつ承認・修正・却下し、各結論の人数、発言の原文、反例を確認します。
- 結論を担当チームに渡し、変更をリリースしたあとにどの行動データで検証するかを取り決めます。
インタビューの品質の見極め方
AI インタビューのリサーチがうまくいったかを判断するには、インタビューの過程と最終的な結論の両方を見る必要があります。レビューの際は、次のチェックリストを1項目ずつ確認してください。
- リサーチプランに、ビジネス課題、下すべき意思決定、リサーチの問いが書かれている
- インタビューガイドの各話題にリサーチ目的があり、誘導質問が含まれていない
- 冒頭で、聞き手が AI であること、所要時間の目安、データの用途を説明し、回答者の同意を得ている
- 記録を5件抜き取り、回答者の答えが漠然としていたときに AI が具体的な1回の体験を深掘りしたかを確認する
- 深掘りの中で、回答者に代わって答えを口にしていない（例：「高すぎたからですか」）
- 同じ話題を、回答者がうんざりするほど繰り返し深掘りしていない
- 質問とかみ合わない回答、明らかにおざなりな回答、条件に合わないサンプルが除外され、除外の理由が記録されている
- 各結論に、言及した人数と全体の人数が明記されている
- 各結論について、発言の原文、回答者、インタビュー内での位置を確認できる
- 各結論に反例や食い違う声が挙げられている
- 結論の中で「回答者が語ったこと」と「リサーチャーが推測したこと」が区別されている
- リサーチ責任者が1件ずつレビューし、却下した結論には理由が記録されている
- 各結論が、具体的な意思決定か担当チームに結びついている
限界とリスク
回答者への説明と同意
回答者には、自分が AI と話していることを知る権利があります。冒頭の説明でこの点をはっきり伝え、記録の保存方法、閲覧できる人、匿名かどうか、削除を求められるかを知らせるべきです。AI であることを隠せば完了するインタビューは増えるかもしれませんが、信頼を損ない、地域によっては規制に違反するおそれもあります。
AI による深掘りの境界線
AI は漠然とした回答を具体的に聞き直すのが得意ですが、うまくできないこともあります。言葉に表れたためらいを聞き取れなかったり、何気なく触れられた手がかりを深追いしすぎたりすることがあります。インタビューガイドには、収入、健康状態、他人のプライバシーなど、深掘りしない内容を明記しておくべきです。回答者がある話題について話したくないと示したら、AI はすぐに次の話題に移る必要があります。
結論の偏り
AI が結論をまとめるとき、2〜3人の発言を一般的な傾向として書いてしまうなど、一般化しすぎることがあります。また、人数は少なくても重要な意見を見落とすこともあります。対策は、人数と反例を必ず明記すること、リサーチ責任者が1件ずつレビューすること、重要な結論は発言の原文に戻って確認することです。
人がモデレートすべきとき
- デリケートな話題で、回答者が大きく感情を揺さぶられるおそれがある
- 回答者の実際の操作や利用環境を観察する必要がある
- 回答者が少数の重要顧客や経営層の意思決定者である
- リサーチがごく初期段階にあり、インタビューガイドを書くことすら難しく、リサーチャーがインタビューしながら方向を調整する必要がある
- 回答者と長期的な関係を築く必要があるリサーチ。たとえば共創やダイアリー調査のキックオフインタビュー
よくある間違い
- アンケートの設問をそのまま対話に置き換える：AI は1問ずつ質問するだけになり、理由を聞き出せません。インタビューガイドは話題とリサーチ目的に沿って書き、深掘りの余地を残しておきます。
- 下すべき意思決定を明確にしないままインタビューを始める：結論はたくさん出ても使えません。まず、このリサーチがどの意思決定を支えるのかを書き出します。
- 相手が AI であることを回答者に伝えない：信頼を損ない、コンプライアンス上のリスクもあります。冒頭で、聞き手が AI であることとデータの用途を説明します。
- レポートの要約だけを読み、元の記録を見ない：一般化しすぎた結論に引きずられやすくなります。重要な結論は、少なくとも一度は発言の原文に戻って確認します。
- インタビューの人数から割合を直接推計する：インタビューのサンプルは無作為抽出ではありません。割合が必要な場合は、アンケートで補って検証します。
heari での進め方
heari では、ビジネス課題を入力すると AI がリサーチプランとインタビューガイドを作成し、リサーチ責任者がレビューしてから公開します。AI はテキストまたは音声で複数のインタビューを同時に行い、回答に応じて深掘りします。リサーチャーは同席したり、無効なサンプルを除外したりできます。レポートの各結論には発言の原文と反例が添えられ、人数が明記されており、1件ずつ承認・修正・却下できます。ThinkingAI Agentic Engine と連携すれば、行動データで回答者を抽出し、データで結論を検証することもできます。
よくある質問
AI がモデレートするインタビューとオンラインアンケートは何が違うのですか？
オンラインアンケートは設問が固定されており、全員が同じ質問に答えるため、割合の集計に向いています。AI がモデレートするインタビューは、回答者一人ひとりの答えに応じて深掘りを続けるので、具体的な体験とその背景にある理由を聞き出せます。両者はよく組み合わせて使われます。まずインタビューで理由を洗い出し、次にアンケートで各理由の割合を推定します。
AI インタビューのリサーチには何人の回答者が必要ですか？
サンプルサイズは、リサーチの問いと対象者間の違いによって決まります。探索型のリサーチでは、Guest、Bunce、Johnson による2006年の研究が参考になります。同質な対象者では、12件前後で新しいテーマはほとんど出てこなくなります。違いの大きい複数の対象者層を扱う場合は、層ごとに十分な件数を確保すべきです。
回答者は、AI と話していることを知らされる必要がありますか？
必要です。インタビューの冒頭で、AI がモデレートしていることを回答者に伝え、記録の保存方法、用途、削除の方法を説明し、相手の同意を得てから始めるべきです。これは回答者への敬意であり、多くの地域ではデータ関連の法規制が求めることでもあります。
AI インタビューはユーザーリサーチャーを完全に置き換えられますか？
できません。AI はインタビューのモデレートと一次整理を担えますが、リサーチの問いの設定、インタビューガイドのレビュー、サンプルの品質管理、結論のレビューは引き続きリサーチ責任者が行う必要があります。デリケートな話題、重要顧客、現場での観察が必要なリサーチは、引き続きリサーチャー自身がモデレートすべきです。
AI がまとめた結論が信頼できるかどうかは、どう確かめればよいですか？
各結論に人数が明記されているか、発言の原文までたどれるか、反例が挙げられているかを1件ずつ確認し、さらに元のインタビュー記録をいくつか抜き取って、深掘りが具体的か、誘導がないかを見ます。重要な意思決定に影響する結論については、発言の原文に戻って一文ずつ照合すべきです。
