顧客インタビューにAIをどこまで使える?質問づくり・聞き方の支援・発言からのニーズ抽出と、人が担う部分

顧客のインタビューにAIはどこまで使える?丸いテーブルを挟んで向かい合う2脚の椅子と2つのカップ、脇に置かれた三角定規と分度器を幾何学で描いたポスター ソフトウエア

メディアを購読する

顧客インタビューにAIを使うとき、どこまで任せてよいのか迷う人は多いと思います。とくにインタビューの経験が浅いうちは、誘導質問をしたり、面談中に次の質問が浮かばなかったり、書き起こしからニーズをまとめきれなかったりと、AIに頼りたい場面がいくつもあります。

結論から言うと、AIに任せられるのは、質問と発言の「形」の点検と整理です。前は質問ガイドの誘導や仮定の質問の点検、最中は次に聞く話題の候補、後は行番号つきの引用によるニーズの下書きをAIに任せられます。一方で、顧客の具体的な話を聞きに行くこと、話の中の食い違いに気づくこと、次に誰に何を聞くかを決めることは人が受け持ちます。

この記事では、まずインタビューの手法、会議中のAIの仕様、顧客ニーズ抽出の研究を確認します。そのうえで架空の飲食店主への面談を使い、前・最中・後の作業をClaudeに各3回させた試験の結果を紹介します。AIの出力のどこを人が直せばよいかが、工程ごとに分かるはずです。

  1. AIに任せられるのは、質問の形の点検と発言の整理まで
    1. AIの得意は「形」、人の受け持ちは「物語」
    2. 前・最中・後の分担
  2. 前:質問ガイドはAIに点検させ、書き直しは過去の出来事を聞く形に戻す
    1. 点検の基準は、確立した手法から借りる
    2. 初心者の質問ガイド8問を3回点検させた
    3. 書き直し案に、仮定の質問が戻ってくる
  3. 最中:会議中のAIは次に聞く話題の候補にとどめ、質問は一つずつ自分の言葉で聞く
    1. TeamsとZoomでできること、できないこと
    2. 途中までの書き起こしから、次の質問を3回提案させた
    3. AIの提案は「話題」として受け取る
  4. 後:ニーズの下書きはAIに任せ、引用の一致と話の食い違いを人が確かめる
    1. 汎用のLLMは、話題の要約に寄りやすい
    2. 書き起こし26行から、ニーズを3回抽出させた
    3. 人が確かめる3つのこと
  5. 人が担うのは、話を聞きに行く相手と、何を重要とみなすかを決めること
    1. AIは、聞いてこなかった話を書けない
    2. AIが聞き手を務める方式、AIが顧客を演じる方式との違い
    3. 経験の浅い担当者のための確認表
  6. よくある質問
    1. Q1. AIに顧客インタビューそのものを任せることはできますか?
    2. Q2. 面談でAIを使うことは、相手にどう伝えればよいですか?
    3. Q3. 普段使っているChatGPTやClaudeでニーズを抽出しても大丈夫ですか?
    4. Q4. 顧客の書き起こしをAIに入れてもよいですか?
  7. AIを使う新規事業の企画と検証をご支援します

AIに任せられるのは、質問の形の点検と発言の整理まで

前・最中・後の3列に分け、上段の「AIが点検・整理」に質問の紙と虫眼鏡、吹き出し、行に印のある書き起こし、下段の「人が確かめる」に鉛筆での書き直し、向かい合う2人、2枚の紙の見比べを描いた手描き図
顧客インタビューの前・最中・後の分担を示す編集図。上段はAIに任せる点検と整理(質問ガイドの点検、次に聞く話題の候補、行番号つきの下書き)、下段は人が確かめること(出来事を聞く形への書き直し、相手に向き合う聞き取り、話の食い違いの確認)です。

新規事業の顧客インタビューは、経験の差が出やすい仕事です。慣れた人は相手の話から次の質問を自然に組み立てますが、慣れていない人は用意した質問を順に読み上げ、気づくと「〜は面倒ですよね」と答えを先に言ってしまいます。面談の後も、書き起こしを前に「結局この人は何に困っていたのか」をまとめきれないことがよくあります。

こうした差をAIで埋められないか、という相談が打ち合わせで出ました。一方では、顧客の話には気分の揺れや本人の中の矛盾が混ざるので、AIだけでは扱いきれないのではないかという意見。もう一方では、質問づくり、面談中の支援、面談後の記録からのニーズ抽出なら手伝えるし、経験の浅い人の底上げに使えるという意見です。

どちらも、試した結果ではなく見立てです。調べて小さな試験もしてみると、二つの見立ての境目が見えてきました。

AIの得意は「形」、人の受け持ちは「物語」

NN/g(米国のUXリサーチ専門の調査・コンサルティング会社)は、生成AIをUXリサーチのどの工程に使えるかを整理しています。日本語版の記事によると、インタビューの質問案づくりや同意書などの文書づくりにAIは向いています。ただし確立した手法に従うよう指示したうえで、最終案は人がレビューする前提です。

分析では、AIのコーディング(発言に見出しを付けて分類する作業)を一次的な処理として扱います。「この発言は他の発言とどう食い違っているか」「インタビュアーがうっかり参加者に先入観を与えなかったか」といった問いは、人が考えるとしています。

顧客ニーズの抽出については、MITなどの研究チームが、インタビューの書き起こしやレビューからニーズを書き出す作業をLLM(大規模言語モデル)で行えるかを調べています。

MIT Sloanの解説で研究者は、顧客の物語からニーズを引き出す作業ならLLMにもできる一方、「顧客はデッキの塗装で何を気にするか」とLLMに直接尋ねると答えは表面的になる、と述べています。AIが材料にできるのは、人が聞いてきた具体的な話です。

この2つを合わせると、境目は次のように引けそうです。AIが安定して手伝えるのは、質問や発言の「形」の点検と整理です。誘導していないか、仮定の話を聞いていないか、どの発言を根拠にしたか、といった確認がこれに当たります。顧客の物語そのものを取りに行くこと、物語の中の食い違いに気づくこと、次に誰に何を聞くかを決めることは、人が受け持ちます。

前・最中・後の分担

インタビューを前・最中・後に分けると、AIに任せる作業と人が確かめる作業は次のようになります。

工程 AIに任せる作業 人が確かめること
前 質問ガイド(面談で聞く質問の下書き)の点検。誘導、仮定の未来、二つを一度に聞く質問を見つける 書き直し案を「最後に〜したとき」の出来事を聞く形に戻す。同僚で試して直す
最中 話の流れを踏まえた「次に聞く話題」の候補を出す 提案を一つの質問に分け、相手の言葉を使って聞く。相手にAIの使用を伝える
後 書き起こしから、行番号と引用つきでニーズの下書きを作る 引用を元の行で確かめる。一般論の発言と出来事の話が食い違う箇所を探す。次に誰に聞くかを決める

この記事では、小さな飲食店向けの発注支援アプリを検討している新規事業の若手担当者を例にします。個人経営の洋食店の店主に30分の面談をする、という設定です。

店舗も人物も発言も架空ですが、AIに質問ガイドを点検させ、面談の途中から次の質問を提案させ、書き起こしからニーズを抽出させる作業は、実際にClaudeで各3回行いました。表の「人が確かめること」は、その試験でAIが外した箇所から逆算しています。

前:質問ガイドはAIに点検させ、書き直しは過去の出来事を聞く形に戻す

ホワイトボードに、AIの書き直し案「もし〜があったら?」を線で消し、矢印と「出来事に戻す」の注記を挟んで、人が直した質問「最後に〜したとき」へ書き換えた手書き図
AIの書き直し案に残った「もし〜があったら?」という仮定の質問を、人が「最後に〜したとき」の出来事を聞く質問に直すことを示す編集図。

インタビューの前にAIを使う場面で、いちばん効果が見えやすいのは質問ガイドの点検です。質問ガイドは、面談で聞く主な質問と、深掘りの質問を並べた台本の下書きのことです。

点検の基準は、確立した手法から借りる

NN/gはインタビューガイドの作り方を段階に分けて説明しています。調査の問いを書き出してから質問を洗い出し、はい・いいえで終わる質問を開いた質問に広げます。深掘りの質問も用意して、最後に試行(パイロット。本番の前に同僚などを相手に一度練習する面談)で直す手順です。

ガイドがないと、その場で質問をひねり出すうちに誘導質問をしてしまう、とも書いています。開いた質問の例として挙がっているのが「最後に家で料理したときのことを教えてください」のような、特定の出来事を思い出してもらう聞き方です。

誘導質問については、NN/gの別の記事が4つの型を挙げています。相手の発言を自分の言葉で言い換える、答えを示唆する、画面の部品の名前のように相手が使っていない用語を持ち込む、相手の感情を決めつける、の4つです。

AIに点検させるときは、こうした基準を指示に書いておくと、点検の観点がぶれにくくなります。私たちは「答えを誘導していないか、仮定の未来を聞いていないか、一度に二つを聞いていないか、はい・いいえで終わらないか」を判定し、問題があれば理由と書き直し案を出すよう頼みました。

初心者の質問ガイド8問を3回点検させた

架空の担当者が作った下書きは次の8問です。調べたいことは「店主は食材の発注量をどう決めていて、どこで困っているか」です。

  1. お店の一日の流れを教えてください。
  2. 発注作業は面倒ですよね。どのくらい時間がかかっていますか?
  3. 最近、食材が足りなくなったときのことを教えてください。
  4. 発注を自動でしてくれるアプリがあったら使いたいですか?
  5. 発注の量と仕入れ先の選び方はどう決めていますか?
  6. 在庫はノートで管理していますか?
  7. 食材ロスについてどう思いますか?
  8. このようなアプリに月額いくらなら払いますか?

わざと問題を入れたのは5問です。2は「面倒ですよね」が答えを先に言っている誘導、4はまだない商品について未来の行動を聞く仮定の質問、5は二つを一度に聞く質問、6はノートという方法を決めつけたはい・いいえの質問、8は仮定の価格です。

Claude Codeの非対話実行(claude-sonnet-5、ツールなし)に同じ指示で3回点検させたところ、この5問は3回とも「問題あり」と判定されました。問題のない1と3は3回とも「このままでよい」、7の「どう思いますか」も3回とも、感想で終わりやすい抽象的な質問として指摘されました。

さらに2回は、足りない質問として「発注に関わるほかの人」を挙げています。点検の部分は、少なくともこの下書きについてはかなり安定していました。

書き直し案に、仮定の質問が戻ってくる

気になったのは書き直し案です。4の「アプリがあったら使いたいですか」を削る判断は3回とも同じでしたが、代わりに出てきた案は「もし今困っていることを解決する手段があるとしたら、どんな形だと助かりそうですか」のような文でした。3回とも、どこかに「もし〜としたら」の仮定の質問が残っていたのです。指摘した問題と同じ種類の質問を、書き直しで持ち込んでいるわけです。

ほかにも、例を並べて答えを示唆する追加質問(「例えば曜日や天候、予約の状況などは影響しますか」)や、二つを一度に聞く書き直し案が混ざっていました。

そこで人の仕事は、書き直し案を採用する前に、仮定の質問を過去の出来事を聞く形に戻すことになります。4なら「最後に発注の量で迷ったときのことを教えてください」、8なら価格を聞かずに「いま発注のために使っている道具や、かけている時間を教えてください」のように、すでに起きたことを聞きます。例を並べる質問は、例を消して「何を見て決めていますか」で止めます。

直したガイドは、同僚を相手に一度試して、聞きにくい質問や時間配分を確かめます。NN/gの手順の最後にある試行です。AIの点検で形の問題を先に減らしておくと、この試行の時間を、話の流れや聞き方の練習に回せるのではないでしょうか。

最中:会議中のAIは次に聞く話題の候補にとどめ、質問は一つずつ自分の言葉で聞く

左のコマで会社員がノートパソコンの画面に並ぶ3つの札をちらりと見て「AIの提案は話題として」、右のコマで画面から顔を上げてエプロン姿の店主に向き合い一つの吹き出しで話しかけ「一つずつ、相手の言葉で」と添えた漫画風の図
面談中のAIの使い方を示す編集図。AIが出した提案は手元で次に聞く話題として受け取り、質問は相手に向き合って一つずつ、相手が使った言葉で聞きます。

面談の最中は、経験の差がいちばん出る時間です。NN/gも、事前に用意した質問は何度でも見直せるが、その場で作る質問は相手の答えに影響を与えずに作るのが難しい、と書いています。ここをAIで支えられるなら、経験の浅い担当者には大きな助けになりそうです。

TeamsとZoomでできること、できないこと

オンラインの面談なら、すでに使っている会議ツールのAIで、面談中に質問を投げられます。

Microsoft Teamsでは、会議中にCopilotを開くと、自分だけのチャット欄で会議の内容について質問できます。Microsoftのサポート記事には、プロンプトの例として「会議を前に進めるために、どんな質問ができるか」「この話題で意見が割れている点はどこか」が挙がっています。

Microsoft Teamsの会議画面。参加者の映像の右側にCopilotの欄が開き、メッセージの入力欄と「Recap meeting so far」などの候補が表示されている
Teams会議の右側に開いたCopilotの欄。自分だけのチャットで会議の内容について質問できます。出典:Microsoftサポート「Use Copilot without transcribing or recording a Teams meeting or call」の掲載画像(公式掲載。筆者の操作画面ではありません)。

主催者は会議のオプションで、Copilotを会議中と会議後に使う、会議中だけ使う、使わない、から選べます。「会議中だけ」にすると文字起こしや録画をせずに使え、ほかの参加者には自分とCopilotのやりとりは見えません。

ただし、組織の保持ポリシー(Microsoft Purviewで管理者が決める、記録を残す期間などの設定)によっては、プロンプトと応答が保存されることがあります。

顧客インタビューで見落としやすい条件もあります。Teamsのサポート記事は、参加者の組織の外で主催された会議ではCopilotは使えないと明記しています。顧客側が主催する会議に招かれた場合、こちらのCopilotは使えません。面談の招待はこちらから送る段取りにしておく必要があります。

Zoomにも、会議中にAIへ質問する機能があります。Zoomのサポート記事によると、対象の有料プランのライセンスが必要で、ホストが開始すると参加者の画面にはAIが動いていることを示す表示が出ます。質問できる人を「ホストのみ」に絞る設定もあります。顧客と同じ会議で使うなら、この設定にしておくと、顧客がAIに質問できる状態を避けられます。

どちらを使う場合も、面談の冒頭で、AIで記録や補助をしていることと、その記録を何に使うかを相手に伝えます。画面の表示に任せず、口頭で了解をもらうほうが、相手も安心して話せるはずです。会議要約のツール選びそのものは、リサーチ向け会議要約AIの比較で詳しく扱いました。

途中までの書き起こしから、次の質問を3回提案させた

実際の会議ツールではありませんが、面談中の支援を模した試験をしました。面談の書き起こしの途中、10行目までをClaudeに渡し、「この次に聞くとよい質問を3つ、優先順に」と頼みました。その時点の会話はこうです。

[03] I: 食材の発注はいつ、どうやっていますか? [04] A: 閉店後の23時ごろに冷蔵庫を開けて、目で見て数えて、業者さんにLINEで送ってます。肉屋と八百屋の2軒です。 [05] I: それって面倒じゃないですか? [06] A: まあ、そうですね。 [07] I: 日曜の発注はどうしていますか? [08] A: 日曜は特に困ってないです。土曜の夜に多めに頼んでおくので。

(Iはインタビュアー、Aは店主。すべて架空)

3回とも、[05]が誘導質問で、[06]は浅い同意しか引き出せていないと指摘しました。1位も3回とも、発注の量を何を基準に決めているかを聞く質問で、調べたいことの中心をきちんと押さえています。

最近の失敗の出来事を聞く質問も3回とも入り、2回は[08]の「多めに頼む」の中身を聞く質問を挙げていました。何を聞くべきかという話題の選び方は、調べたいことに沿っていました。

一方で、提案された質問文をそのまま読み上げるのは危うい、と感じました。3回とも、例を並べて答えを示唆する文(「たとえば曜日や予約状況、前の週の様子などで変えたりしますか?」)や、二つを一度に聞く文が入っていました。

1回は「[05]で『面倒だ』とおっしゃいましたが」と始まる質問を出しています。「面倒」と言ったのはインタビュアーで、店主は「まあ、そうですね」と答えただけです。NN/gが避けるよう挙げている、相手の発言を自分の言葉に置き換える聞き方そのものです。

AIの提案は「話題」として受け取る

この結果から、面談中のAIの使い方は次のように決めるとよさそうです。

  1. AIの提案は、質問文ではなく「次に聞く話題」として読む。例では「量の決め方」「最近の失敗」「土曜に多めに頼む中身」の3つです。
  2. 話題を一つ選び、AIの文ではなく自分の言葉で一つの質問にする。そのとき相手が使った言葉を入れます。「土曜の夜に多めに頼むとおっしゃいましたが、最近それで足りなかったり余ったりしたときのことを教えてください」のように、相手の言葉を引用します。
  3. 例を並べたくなったら、例を言わずに「何を見て決めていますか」で止める。

面談中はAIの画面を見る時間も、相手から目を離す時間になります。私なら、AIは相手が話している間ではなく、話題が切れた合間にだけ見る、と決めておきます。

後:ニーズの下書きはAIに任せ、引用の一致と話の食い違いを人が確かめる

書き起こしの紙の「[08] 日曜は困ってない」と「[10] 鶏ももが切れた」の2行を赤茶色の線で結んで「食い違い」と書き、虫眼鏡を持つ手に「人が読む」と添えた手描き図
ニーズの下書きで人が読む箇所を示す編集図。試験の書き起こし(架空)では、「日曜は困ってない」という一般論と、日曜休みで鶏ももが切れた出来事が食い違っていました。

面談の後は、書き起こしからニーズを抜き出す作業です。ここで言うニーズは、顧客が片付けたい用事を、解決策ではなく一文で書いたものです。「在庫を自動で数えるアプリ」は解決策で、「閉店後の疲れた時間に、足りなくなりそうな食材を判断したくない」のほうがニーズに近い書き方です。

汎用のLLMは、話題の要約に寄りやすい

先ほど触れた研究の論文は、Timoshenko、Mao、HauserによるarXiv 2503.01870(2026年4月の改訂版)です。木材用ステイン(塗料)などの事例で、3者が書いたニーズを、評価者に書き手を伏せて比べています。3者とは、専門のアナリスト、追加学習をしていないLLM、調査会社の過去の事例で追加学習したLLMです。

追加学習したLLMはアナリストと同等でしたが、追加学習していないLLMは「ニーズになっているか」でアナリストより大きく劣り、論文は「レビューの言い換えや、意見・解決策を出しがち」と書いています。木材用ステインの評価では、指示を詳しくしたり事例を入れたりしたプロンプトでも、この点は満たせませんでした。

論文の図2がその違いをよく表しています。「塗るとピンク色で、塗った範囲がすぐ分かる。乾くと木の色になる」というレビューに対し、アナリストは「すでに塗った面がすぐに分かる」、追加学習したLLMは「どこに塗ったかが確実に分かる」と書きました。

論文の図2。木材用ステインのレビュー1件に対し、専門のアナリスト、追加学習していないLLM、追加学習したLLMがそれぞれ書いた顧客ニーズの文を並べた図
上のレビュー1件から、専門のアナリスト(Professional Analyst)、追加学習していないLLM(Foundational LLM)、追加学習したLLM(SFT LLM)が書いたニーズ。出典:Timoshenko、Mao、Hauser「Transforming the Voice of the Customer」(arXiv 2503.01870 v2)の図2。CC BY 4.0。右側だけを切り出し、商品写真の部分を除いています。

追加学習していないLLMは「Easy to see coverage(塗った範囲が見やすい)」で、話題としては合っているものの、製品開発の手がかりにするには具体性が足りない、と論文は評価しています。

一方で、元のレビューに基づいているかという評価では、沿っていると判定された割合がアナリストで91%で、LLMの作り話は実務上の問題にならなかったと報告されています。また、元の資料がないとどちらのLLMも十分なニーズを書けませんでした。

普段使っているChatGPTやClaudeは、追加学習した専用のモデルではありません。研究の条件とは違いますが、話題の要約に寄る傾向は意識しておいたほうがよさそうです。

書き起こし26行から、ニーズを3回抽出させた

面談の書き起こし(架空、26行)全体をClaudeに渡し、ニーズごとに「片付けたい用事」「根拠の発言(行番号と、その行の文をそのまま引用)」「確からしさ」を書くよう頼みました。書き起こしには、面談でよく起きることをいくつか仕込んであります。

  • [05][06]:インタビュアーの「面倒じゃないですか?」に、店主が「まあ、そうですね」と答える
  • [08]と[10]:「日曜は特に困ってない」と言った後で、「日曜に肉屋さんが休みなのを忘れてて、土曜に頼む量がいつも通りだった。月曜のランチの途中で鶏ももが切れた」と話す
  • [18]:在庫を一番分かっているのは仕込みをしている妻だと話す
  • [21][22]:「アプリで何かできるとしたら」に「冷蔵庫にカメラとか」と答える
  • [24]:「月千円くらいなら? 分からないです、使ってみないと」

3回の出力を照合すると、形の確認はよくできていました。照合した引用26件のうち25件は書き起こしと一字一句一致し、残る1件も括弧が半角になって句点が落ちた程度です。[05][06]の同意、[22]のカメラの話、[24]の価格は、3回とも、誘導や仮定への反応として根拠を弱く扱っています。[18]から、妻にも話を聞く必要があると3回とも挙げていました。

見落としもありました。[08]の「日曜は特に困ってない」と、[10]の日曜休みで鶏ももが切れた話の食い違いを、3回とも指摘しなかったのです。

1回は「日曜の発注については[08]で『特に困ってない』と明言されているため、今回のニーズ抽出からは除外した」と書いていました。別の1回は「困っているのは休業日のズレ(月曜)と疲れている日に限られる可能性」と、二つの発言を矛盾のないものとして並べていました。

また1回は、「在庫状況を妻に頼らず自分でも把握できるようにしたい」という、店主が言っていない意図をニーズに足していました。

人が確かめる3つのこと

ニーズの下書きを受け取ったら、次の3つを人が確かめます。

  1. 引用を元の行で確かめる。行番号つきで出させておけば、書き起こしの該当行と1件ずつ見比べるだけで済みます。誘導質問への同意や解決策への反応だけを根拠にしたニーズは、確からしさを下げるか保留します。
  2. 一般論の発言と出来事の話を並べて読む。「特に困ってない」「だいたい決まっている」のような一般論の発言を見つけたら、同じ話題の出来事の話と食い違っていないかを確かめます。例では、「困ってない」はずの日曜の発注で、実際には欠品が起きていました。NN/gはユーザーインタビューの基本として、一般的な手順ではなく特定の出来事を聞くと記憶がよみがえり、意味のある細部が出てくると書いています。一般論の答えと出来事の話がずれるのは、このためかもしれません。食い違いは次の面談で確かめることのメモに入れます。
  3. ニーズを片付けたい用事に書き直す。「冷蔵庫にカメラ」のような解決策や、「〜を把握したい」のような言っていない意図は、元の発言に戻って「何をしようとして、どこで困ったか」の形に直します。

NN/gが人の仕事として挙げた「この発言は他の発言とどう食い違っているか」は、まさに2つ目の確認です。AIの下書きのおかげで、人は書き起こしを最初から読む代わりに、この確認に時間を使えます。

人が担うのは、話を聞きに行く相手と、何を重要とみなすかを決めること

ここまでの試験で、AIは質問と発言の形をかなり安定して点検できました。誘導や仮定の質問も、誘導への同意や解決策への反応も、3回とも見つけています。では、経験の浅い担当者がAIを使えば、インタビューはAIで完結するのでしょうか。調べた範囲では、そうはならない理由が二つあります。

顧客インタビューの前・最中・後をClaudeに3回ずつ行わせた結果の表。問題の指摘や誘導の発見は3回とも同じで、書き直し案の仮定の質問と、日曜の話の食い違いの見落としも3回とも同じだった
この記事のために行った試験の結果。架空の洋食店主への面談(質問ガイド8問、書き起こし26行)で、前・最中・後をClaudeに3回ずつ行わせました(Claude Codeの非対話実行、claude-sonnet-5、2026年11月15日)。最中は途中までの書き起こしで模したもので、会議ツールのAIではありません。

AIは、聞いてこなかった話を書けない

一つ目は、AIが材料にできるのは人が聞いてきた話だけだという点です。研究では、元の資料がないとLLMは十分なニーズを書けず、顧客が何を気にするかを直接尋ねると答えは表面的でした。

面談中のAIも、会議で話された内容しか読めません。試験の店主は、在庫を一番分かっているのは妻だと話しました。妻にも話を聞く必要はAIも3回とも挙げましたが、聞くかどうかを決め、日程を組んで実際に会いに行くのは人です。

二つ目は、何を重要とみなすかの判断です。試験で抽出されたニーズには、欠品で常連さんに声をかけられた気まずさがありました。3回の扱いは、独立したニーズ(確からしさ中)、欠品のニーズの根拠の一つ、独立したニーズ(確からしさ高)と分かれています。どれも誤りとは言い切れません。事業として何を重く見るかは、ほかの面談や売上の数字と合わせて人が決めることです。

AIが聞き手を務める方式、AIが顧客を演じる方式との違い

インタビューにAIを使う方法は、この記事で扱った「人が聞き、AIが支える」形のほかにもあります。AIが聞き手になって実在の相手に質問と追加の質問をする方式は、多くの回答を短期間で集められます。

NN/gは日本語版の記事(2025年1月)の時点で、こうしたツールをリアルなインタビューというより、カスタマイズした追加の質問が付いたアンケートに近いと位置づけています。事業仮説の検証にAIヒアリングの回答をどう使うかは、AIヒアリングを経営企画に使う記事で扱いました。

AIに顧客を演じさせる方式(AIペルソナ)は、実在の人の発言ではありません。質問の準備や仮説の洗い出しには使えますが、実顧客の確認とは分けて扱います。詳しくはAIペルソナの回答を顧客調査に使う記事にまとめています。

経験の浅い担当者のための確認表

最後に、工程ごとに人が手放さない確認を一覧にします。指導役がいなくても、面談の前後にこの表を見直せば、AIの出力のどこを読むかを決められます。

工程 AIに渡すもの 人が確かめること 止める条件
前 調べたいことと質問ガイドの下書き 書き直し案の「もし〜としたら」を出来事を聞く形に戻したか。例を並べた質問が残っていないか 調べたいことが一文で書けないうちは、質問ガイドの点検に進まない
最中 会議の音声または文字起こし(主催と設定の範囲で) 相手にAIの使用を伝えたか。提案を一つの質問にし、相手の言葉で聞いたか 組織や主催の条件でAIが使えない、相手の了解が得られない場合は使わず、人がメモを取る
後 行番号つきの書き起こし(氏名や取引先名を外したもの) 引用が元の行と一致するか。一般論と出来事の食い違いはないか。言っていない意図が足されていないか 引用が一致しないニーズ、根拠が誘導への同意だけのニーズは保留する
次 ニーズの下書きと確かめることのメモ 次に誰に何を聞くか。どのニーズを重く見るか 根拠が1件の発言だけのニーズは、次の面談で確かめるまで重みを決めない

AIの助けで、形の点検に使っていた時間は短くなります。空いた時間を、もう一人に会いに行くことや、聞いた話の食い違いを読むことに回せるかどうか。経験の浅い担当者の底上げは、そこで決まるのではないかと思います。

よくある質問

Q1. AIに顧客インタビューそのものを任せることはできますか?

AIが聞き手になって実在の相手に質問する方式はあり、多くの回答を短期間で集めるのに向いています。ただし、聞き手が人の面談と同じものとは考えないほうがよいと思います。

この記事で扱ったように、AIは聞いてこなかった話を補えず、一般論と出来事の食い違いも見落とすことがあります。まず人が数人に話を聞いて質問ガイドを固め、AIが聞き手の方式は聞く人数を増やす段階で検討する、という順番が無理のない使い方だと私は考えています。

Q2. 面談でAIを使うことは、相手にどう伝えればよいですか?

面談の冒頭で、AIで記録や補助をしていること、記録を何に使い、誰が読むかを口頭で伝え、了解をもらいます。Zoomの会議中の質問はホストが開始すると参加者に表示が出ますが、表示だけに任せず言葉で伝えるほうが確実です。

同意書や事前の案内文の下書きはAIに作らせることもできます。その場合はNN/gが勧めるように、自社のひな形を渡して作らせ、データの扱いの記載を人が見直します。

Q3. 普段使っているChatGPTやClaudeでニーズを抽出しても大丈夫ですか?

ニーズの下書きを作る用途なら使えます。試験では、引用の多くが一字一句一致し、誘導への同意や解決策への反応の確からしさも下げていました。ただし研究では、追加学習していないLLMは話題の要約や解決策に寄りやすいと報告されています。行番号と引用を必ず出させ、引用の照合、食い違いの確認、片付けたい用事への書き直しを人が行ってください。

Q4. 顧客の書き起こしをAIに入れてもよいですか?

会社が許可したAIの環境だけに入れ、氏名や取引先名など本人を特定できる情報は外してから渡します。相手に伝えた記録の使い道の範囲を超えないことも確かめます。Teamsの会議中のCopilotは、文字起こしをしない設定でも、組織の保持ポリシーでやりとりが保存されることがあります。どこに何が残るかを、情報システムの担当者と事前に確認しておくと安心です。

AIを使う新規事業の企画と検証をご支援します

市場や先行事例を調べた後、誰の課題を解決し、何を試せば事業化を判断できるか。Deskrexでは、生成AIを活用した新規事業の調査から企画、仮説検証、初期顧客の開拓までをご支援しています。

コンサルティングサービス

事業案と現在の検証段階を伺い、市場・競合の調査や顧客インタビューをもとに、顧客ニーズと提供価値の仮説を整理します。企画の壁打ちだけで終わらず、MVPやユーザーテストで確かめる段階へ進めます。

専任担当者への伴走に加え、社内公募制度の設計・選考・育成にも対応しています。検証結果を踏まえ、初期顧客の開拓や価格・販売方法を検討し、次に進むための判断材料をそろえます。

事業仮説、想定する顧客、いま止まっている検証についてお知らせください。新規事業コンサルティングのご案内をご覧ください。

メディアを購読する

ソフトウエア
シェアする
冨田到をフォローする

コメント

タイトルとURLをコピーしました