ユーザーインタビューを取り巻く現場課題とAI事業による解決の取り組みについて

2025年度冬季HCD研究発表会の発表資料です
https://www.hcdnet.org/hcd/event/entry-2336.html

Transcript

1. ユーザーインタビューを取り巻く現場課題と AI事業による解決の取り組みについて 株式会社はてな toitta アシスタントプロデューサー｜五十嵐 雄 Today’s Theme 2025/11/15
2. Copyright © Hatena Co., Ltd. アジェンダ • 事業の中で実施した企業のユーザーインタビュー課題の調査結果を報告 • AIによるユーザーインタビュー⽀援の現在地と展望を報告 2
3. Contents Copyright © Hatena Co., Ltd. 1. 課題調査を実施した背景 2. 調査結果の報告 3. AIによる⽀援の現在地 4. ⼈間とAIの関わりの展望 3
4. Copyright © Hatena Co., Ltd. 課題調査を実施した背景 4
5. AIと共創する 新しいユーザーリサーチの形 AIを活⽤したインタビュー分析SaaS 国産SaaS UXリサーチの ために作られた (with AI)
6. Action インタビュー直後に動画をアップロードして分析準備を開始 洞察‧発⾒を⽀援しインタビューをアクションにつなげる Action ユーザー インタビュー アクション 切⽚化 エクスポート レポート グルーピング ask toitta 書き起こし
7. Copyright © Hatena Co., Ltd. 開発の進⾏に伴う状況の変化 • 開発初期 ◦ アーリーアダプターの強い課題が書き起こしなどの前処理にあることが明らか ◦ 迷いなくそれらの解決を⾏い⼀定程度は市場に受容された • 正式リリースから半年ほど ◦ 開発が円滑に進まなくなる課題が発⽣ ◦ 機能、顧客が増えることでメンバー間の課題の優先度が揃わず ▪ 「グルーピングを拡張してKA法を⽀援するべきではないか」 ▪ 「むしろ前段の設計部分を⽀援した⽅が良いのではないか」 7 顧客の状況‧課題の包括的な理解が開発を推進すると考えた
8. Copyright © Hatena Co., Ltd. 調査結果の報告 8
9. Copyright © Hatena Co., Ltd. 調査の全体像 • 対象 ◦ 事業⽅針を踏まえて調査⽬的と関連の深い10社を選定 • ⽅法 ◦ ユーザーインタビューによる定性調査 ▪ ※メインは商談におけるインタビューの⾏動‧⼼理に関する発話を再利⽤ ▪ ※営業メンバーも初期からリサーチに携わっており調査対象の顧客に対して⼗分な掘り 下げが⾏われていることを確認した上で利⽤する判断を⾏った • 成果物 ◦ インタビューにおける⾏動‧課題をプロセスに沿ってマッピングしたモデル ▪ 最初に会社ごとのマップを作成し、それを統合し抽象化 ▪ 情報が不⾜する部分は顧客と⼀緒にマップを⾒ながら追加のインタビューを実施 9
10. Copyright © Hatena Co., Ltd. 調査結果の概要 • 主要な状況 ◦ 新規事業の創出や既存事業の改善における探索的な問いに答えるために実施 • ⾏動 ◦ 以下の6段階プロセスが多くの顧客に共通していた 10 計画 募集 実査 速報 分析 活⽤ • 課題 ◦ 多くで⾃然⾔語による情報処理の労⼒や難しさが共通していた ◦ 結果としてリサーチが成果につながらず、リサーチへの投資が縮退し、さらにリ サーチが成果を挙げづらくなる悪循環が確認された
11. Copyright © Hatena Co., Ltd. 特に強い課題を抜粋 ※詳細な課題の報告は予稿原稿を参考のこと • 計画における「実施しない判断につながる」課題 ◦ 答えたい問いと関連する過去の調査に思い当たるが⾒つけ出せない ▪ 定性情報の検索性に関する課題 ▪ これが要因でインタビューがその場限りの活動とみなされ停⽌するケースもあった ◦ 設問設計のスキル不⾜や実査への不安から実施が⾒送られるケースがあった • 活⽤における「結果がアクションにつながらない」課題 ◦ 個別の発⾔では根拠が弱いと軽視される、⽣の発⾔が持つ説得⼒がレポートで伝 わらない、事前の仮説に沿った掘り下げができていない、などの要因 ◦ リサーチ⼯数の問題であとから軌道修正してやり直せないケースも 11
12. Copyright © Hatena Co., Ltd. 調査を踏まえたtoittaチームのアクション • 認識した重要な価値 ◦ インタビューが計画時の問いに説得⼒をもって答え、より良い意思決定を導くこと • そのための解決策 ◦ ⾃然⾔語で問いを⼊⼒すると答えの候補となる発話を収集してレポートする機能 12
13. Copyright © Hatena Co., Ltd. AIによるユーザーインタビュー⽀援の現在地 13
14. Copyright © Hatena Co., Ltd. AI以前のユーザーインタビューとソフトウェア ⾃然⾔語を⽤いた情報処理における労⼒と難しさ • 書き起こし、切⽚化など基本的な前処理、その後の分析に膨⼤な時間がかかる • 定性的な材料で論理のつながりや客観性、納得性をわかりやすく説明できない 14 ユーザーインタビューの主要な課題 従来のソフトウェアの特徴 ⾃然⾔語を対象にした”柔らかい”処理が最も苦⼿ • 結果としてデジタル化の恩恵を受けづらく⼿作業が多く残されてきた
15. Copyright © Hatena Co., Ltd. ⽣成AIによるふたつのブレイクスルー 15 • ⽣成AIと同様の⽣成モデル技術が応⽤された⾼精度な⾳声認識モデルの登場 ◦ toitta事例 OpenAI社のWhisperを活⽤し⽐較的簡易に⾼精度な⾳声書き起こしを実現 • テキスト化のハードルが下がり検索やデータ基盤など従来技術との接続性が向上 ◦ toitta事例 顧客の発話切⽚を全てデータ化し利⽤状況などの定量データと接続して分析 書き起こし性能の向上 • ⽣成AIで⾃然⾔語を対象にした⽣成、要約、推敲など様々な情報処理が可能に • toitta事例 発話の切⽚化や⾃動グルーピング、クロスレポート⽣成などを提供 ⾃然⾔語を対象にした柔軟な情報処理
16. Copyright © Hatena Co., Ltd. 機能例: AIによる発話の切⽚化 • 切⽚⽣成には前後の⽂脈が必要なため複数のセグメントをまとめて⼊⼒ ◦ インタビュアーの発話も⽂脈としては使うが切⽚⽣成の対象にはさせない指⽰の⼯夫 • 実際の切⽚化の例を⽰すfew-shotプロンプティング • ⾃⾝に⽣成した切⽚の推敲を⾏わせるself-criticismプロンプティング 16 ⾳声ファイル 書き起こし 書き起こしセグメントのリストと 秘伝のタレ切片化プロンプトを入力に 外部の生成 AIのAPIを呼び出して切片化 主要な⼯夫
17. Copyright © Hatena Co., Ltd. AIによるユーザーインタビュー⽀援における課題  機能の評価に必要なデータセットの整備が困難 • インタビューリサーチには事業のアイディア、対象者の個⼈情報など機密情報が多数 ◦ toittaでは開発⽤途での”閲覧”も⾏わない契約でデータをクラウドに保存 • 顧客の実際の⼊⼒、それに対する応答を確認できず改善に苦慮 ◦ 実際のデータを確認できないまま「切⽚が期待と違う」と失注に⾄ったケースも 17 • 学術機関と連携し、toittaを無償提供し公開可能なデータを開発に共有いただく • ⽣成AIを活⽤し架空のインタビューを⽣成し評価データを作成する 対応策
18. Copyright © Hatena Co., Ltd. ⼈間とAIの関わりの展望 18
19. Copyright © Hatena Co., Ltd. ユーザーインタビューにおいてもAIの浸透は不可避 • AIの⾃然⾔語を扱う能⼒はリサーチと相性が良く今後も性能は改善 ◦ 書き起こし、情報抽出など分析に関する精度は改善し続けている ◦ ユーザーとの⾳声、動画による対話などの実例も次々と登場している ◦ ブラウザへの組み込みも進むなどあらゆる知的作業がAI前提になる • ユーザーインタビュー⽀援SaaSも徐々に増加 ◦ 国内例: Centou、qork、Spready、toitta ◦ 海外例: Dovetail、Listen Labs、outset.ai、Strella ▪ 特に後者の3事業はいずれもAIによるモデレーションが価値の中⼼ 19
20. Copyright © Hatena Co., Ltd. AIを活⽤したユーザーインタビューの展望 • ⼈間が主体であり続けるべき ◦ 価値創造のプロセスの原動⼒は良い体験を作ろうとする⼈間の意思 ◦ 利⽤者の利益に基づいた公正で誠実な判断の責任はAIに代替できない ◦ AIは⼈間の能⼒を拡張するサポーターとして整理するのが⾃然な帰結 ▪ 海外事例でもAIが⼈間と「同席」してモデレーションを⾏うケースを確認 • AIを活⽤してリサーチの「質」と「範囲」の拡張を推し進める ◦ 質の向上 ▪ 客観的な解釈の補助や網羅的な情報抽出、効率化による試⾏回数の増加 ◦ 範囲の拡⼤ ▪ リサーチの障壁を減らし、成果を向上することで、実践者が増加する 20
21. Copyright © Hatena Co., Ltd. まとめ 21
22. Copyright © Hatena Co., Ltd. インタビューの現場課題とAI事業による解決の取り組み 22 ユーザーインタビューの主要な課題 ⾃然⾔語を⽤いた情報処理における労⼒と難しさ • 書き起こし、切⽚化など基本的な前処理、その後の分析に膨⼤な時間がかかる • 定性的な材料で論理のつながりや客観性、納得性をわかりやすく説明できない 解決の試みとAI活⽤の展望 ⽣成AIによる技術的なブレイクスルーを背景にリサーチの質と範囲が拡張 • 各事業者が設計、実査、分析など様々な⼯程を⽀援しようと開発を⾏っている • リサーチにおけるAI活⽤は不可避だが⼈間主体であり続けるよう配慮するべき