AI時代にこそ"深く聞け" - N1が語るナラティブの力が組織を動かし競争優位を創る

Transcript

1. AI時代にこそ"深く聞け" - N1が語るナラティブの⼒が 組織を動かし競争優位を創る 株式会社はてな 五⼗嵐 雄
2. Copyright © Hatena Co., Ltd. Profile 五⼗嵐 雄 2 @yigarashi_9 のプロデューサー (事業責任者 ) Yuu Igarashi 事業戦略、P/L、組織を管掌 新規事業立ち上げで定性調査漬けの日々 エンジニア出身で所属本部のマネージャーも 一児の父
3. 国産SaaS UXリサーチの ために作られた (with AI) 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 Copyright © Hatena Co., Ltd.
4. Copyright © Hatena Co., Ltd. AIをリサーチに適⽤する可能性と限界の 両⽅を⾒てきた事業者の⽴場から 2026年のAIリサーチの展望を紹介する 今⽇のテーマ
5. Copyright © Hatena Co., Ltd. • AIリサーチの現在地 • 競争優位を作るラストワンマイルとしてのN1の声 • 今後のリサーチのあり⽅とtoittaの実践例 アジェンダ
6. AIリサーチの現在地
7. Copyright © Hatena Co., Ltd. POINT 01 POINT 02 POINT 03 リサーチにおけるAI活⽤は⼤きく3つに分けられる AIに聞く AIで聞く AIで分析する
8. Copyright © Hatena Co., Ltd. • 最も素朴な⽅法はGemini、ChatGPT等に⾃然⾔語でロールを指定して質問を⾏う • ⾃社パネルの過去のアンケート回答などを元に、より精巧なペルソナを再現する事業が複数 ◦ 国内例 ▪ 電通 People Research / AI For Growth Talk ▪ 博報堂 バーチャル⽣活者 ◦ 海外例 ▪ Simile、Aaruなど相次いで100億円規模の調達で急成⻑中 ▪ 今⽇紹介のあったSynthetic Usersもこの領域 ◦ チャット、アンケート、デプスインタビュー、Webサイトの反応など多様な形態 AIが再現したペルソナに対して質問を⾏って回答を得る AIに聞く
9. Copyright © Hatena Co., Ltd. • AIで実施コストが⼤幅削減することを背景にQual-at-Scale（定性情報を⼤規模に）の⽅向 • 100⼈規模で並列にヒアリングを実施することで、アンケートのような設問を⽤意しながら背 景の「なぜ？」まで収集することができる ◦ ⽇本ではqork、ユニーリサーチ AIインタビュー、Spark Researchなど ◦ Kikuviでは実際に定量アンケートと定性インタビューをセットで配信するサービスも • 海外ではListenLab、Outset.aiなどが100億規模の調達を実施しており期待の⼤きい市場 ◦ AIが聞く⽅が正直に答えられるといった研究結果も • ⼀⽅でプロのモデレーターのように柔軟な深掘りやラポールまでカバーする例は希少 AIがモデレーターとなってインタビューを実施する AIで聞く
10. Copyright © Hatena Co., Ltd. • 簡単な調査ならGemini、ChatGPT、Claudeなど汎⽤AIツールでも実施可能 ◦ 特にClaude Codeなどエージェントを活⽤することで専⾨家並みの分析も • 定性調査のインタビュー分析基盤としてはtoitta、Dovetailなど • マーケティング業務全体をAIネイティブ化する⼤規模事例も（電通、博報堂など） ◦ データ基盤 + エージェント ◦ データ基盤として過去の調査結果やCRM、パネルデータ、ソーシャルリスニングのアウ トプットなどあらゆるものを整備 ◦ 広告運⽤など各業務のノウハウを注⼊し上記のデータを活⽤するエージェントを提供 収集‧蓄積した情報をエージェントのコンテキストとして分析を実施させる AIで分析する
11. Copyright © Hatena Co., Ltd. • 「AIに仕事を奪われる」は思考停⽌。⾳部⼤輔が語る、AIショートカットを⽤いて独創性を⽣ む思考法 - MarkeZine ◦ AIが出⼒する結果をバイアスのない標準として思考をショートカットする ◦ 精度の⾼い標準を素早く獲得するからこそ、外れ値に集中することができる • Synthetic UsersのようなAIペルソナも仮説検証ループの⾼速化が強み ◦ 従来は泥臭い調査と⼈間のセンスで絞り込むしかなかった初期仮説をAIで⾼速検証 ◦ その後の⼈間が注⼒する領域の質を⼤幅に引き上げることができる LLMの原理的な性質「⼤量のデータから平均‧標準を⾒つけ出す」能⼒で加速する AIの活⽤に関する合意が⾒えつつある通説
12. Copyright © Hatena Co., Ltd. • ⼤きな流れとしては分析のスタート地点である平均的‧ 標準的な情報からAIリサーチが浸透していく • 2023年の⽣成AIでは1合⽬にも登れなかったのがざっく り5合⽬くらいまで来た感触 • 電通、AIで多様な⽣活者像を再現する新ペルソナを開発 ◦ 「アクティブシニア」など平均から離れた領域に染み出し ている例も。スタート地点が引き上がっている • では⼈間はそこから何をするのか？という問いへ AIの進化 = ⼈間のスタート地点の引き上げ
13. 競争優位を作る ラストワンマイルとしての N1の声
14. Copyright © Hatena Co., Ltd. • 競争優位は模倣困難な差別化によって⽣まれる • AIリサーチは全員に配られる武器でそれによるオペレーションの 改善⾃体は持続的な競争優位に寄与しない • 引き上がったスタート地点からラストワンマイルで違いを作る ◦ いかに⾃社に対する感情‧⾏動の特殊性を⾒つけられるか ◦ いかに他社が知らない根拠で意思決定ができるか AIリサーチ⾃体は持続的な競争優位を⽣み出さない ＜エッセンシャル版＞マイケル‧ ポーターの競争戦略 - 早川書房
15. Copyright © Hatena Co., Ltd. • ⼀般的な着眼点は味、量など ◦ しかしここを探索しても⼀向に売上は上がらない • シェイクを買う顧客の⾏動を精緻に観察し掘り下げると ◦ 朝の時間帯にドライバーによく売れている ◦ 退屈な⻑時間運転のお供として重宝されていた • この発⾒をもとに単体で真似しても無意味な施策に辿り着ける ◦ 粘度を上げて腹持ちをよくする ◦ ドライバー向けのセルフカウンターを設置する なぜ朝の時間帯にファストフード店のシェイクが売れるのか 違いを⽣み出す発⾒の有名な例 - ジョブ理論より ジョブ理論 イノベーションを予測可能にす る消費のメカニズム - ハーバーBOOKS
16. Copyright © Hatena Co., Ltd. • 概してこのような発⾒は、⼀般常識から外れた、⾃社固有の⽂脈における情報 • アンケート回答などから間接的に推論して、重要な⽰唆として提⽰する難易度は極めて⾼い • 適切な⼈に、適切なタイミングと⽂脈で、適切な問いを投げて初めて聞き出せる • 学習データに実際にその発⾔‧⾏動が含まれていれば、AIが提⽰できる可能性は跳ね上がる AIに聞いてこの発⾒が出てくるか？ AIと競争優位を作る発⾒を結びつけるためにも ⾃社固有の⽂脈で⾏動と⼼理を深く聞く必要がある
17. Copyright © Hatena Co., Ltd. • 概してこのような発⾒は、⼀般常識から外れた、意表をつくものになる • もしAIが初⼿で発⾒を提⽰してきたら組織は重要なものと扱うか？ ◦ AI「朝のドライバーが退屈と空腹を紛らわせるよう粘度を上げるべきです」 • 実際に会って⽣々しい⾏動と⼼理に触れる⼀連のナラティブが意表を突いた発⾒を信じさせる AIがこの発⾒を提⽰して組織が動くか？ P&Gはインサイトを「意思決定を変える発⾒」と定義した 競争優位を作る意表を突くような発⾒は それを信じさせる⽣の声の⼒ = ナラティブを伴う必要がある
18. Copyright © Hatena Co., Ltd. AI時代にこそ"深く聞く"ことが重要である なぜなら N1が語るナラティブの⼒が組織を動かし 競争優位 = 差別化の源泉になるから
19. 今後のリサーチのあり⽅と toittaの実践例
20. POINT 03 POINT 02 POINT 01 Copyright © Hatena Co., Ltd. AIペルソナとの壁打ちや、AIと事業コンテキストを組み合わせた分析を当たり前のものにする どこまでAIを使って登れるか、登って⼤丈夫かの変化を注意深くキャッチする 今後のリサーチのあり⽅ 顧客の声をアクセスしやすくかつ体系的に蓄積する 顧客理解の基準点にAIで⾼速にたどりつく 磨き込んだ問いをもとに深く話を聞いて、⾃社固有の発⾒を探索する 定性調査を特別なものとせず、継続的かつ徹底的に実施する組織が⽣き残っていく 顧客1⼈の声を5時間吟味 パナHD系、「N1分析」で潜在需要発掘 - ⽇本経済新聞 AIを活⽤する上でも、組織が意思決定をする上でも、顧客の声へのアクセスの重要性が上がる
21. Copyright © Hatena Co., Ltd. • KA法（本質的価値抽出法） • ステップ ◦ ユーザーの発話を「出来事」(切⽚) として切り出す ◦ それぞれの出来事に「⼼の声」「価値」を付加して抽象化 ◦ 価値に基づいてグルーピング、構造化を繰り返す ◦ 最後に顧客にとっての価値を叙述 • 「⼼の声」「価値」の抽象化を経ることで、⾃然と顧客にとって の本質的価値を探索することができる⼿法 顧客の深層⼼理を構造化するためのKA法 KA法（本質的価値抽出法）の⼿順と実例「資格試験 を受ける⼈のモチベーションの価値マップ」
22. Copyright © Hatena Co., Ltd. • まずはClaude Codeで状況を調査 ◦ 当該セグメントの企業を洗い出し ◦ toittaのテスト中のMCPサーバーを使って各企業のインタビューや商談を検索 ◦ 40社弱の実態やtoittaへの反応を網羅→セグメントの標準を2時間程度で把握 • そこから課題とソリューション仮説をチームで議論しN1インタビューへ ◦ 分析にはtoittaの切⽚を使ってKA法を実施 ◦ 「担当者は⼯数が削減されても売上が変わらないので後ろ向き」という⽣々しい気づき • ビジネスモデルを管掌している決裁者が鍵としてピボットして現在も調査中 toittaでの実践例 特定のセグメントにおける受注率が⼤きく低下した場⾯
23. まとめ
24. Copyright © Hatena Co., Ltd. • AIリサーチの現在地 ◦ AIに聞く、AIで聞く、AIで分析する の3領域で発展 ◦ AIによって顧客理解のスタート地点が引き上がっていく • 競争優位を作るラストワンマイルとしてのN1の声 ◦ AIリサーチ⾃体は全員に平等で持続的な競争優位を⽣み出さない ◦ ⼈間は、顧客の声を深く聞いて、⾃社固有の発⾒を探索するべき まとめ
25. Copyright © Hatena Co., Ltd. インタビュー分析SaaS「toitta」- 顧客の声を蓄積する基盤として • 動画‧⾳声‧議事録をアップロードすると、グルーピングやマトリクスレポートまで⾃動⽣成 • 全ての発⾔にリンクが付与されており、リンクを共有するだけでワンクリックで発話に到達 • 学術研究でも採⽤される「切⽚」という構造で、AIからの検索性の⾼いMCPサーバーを提供予定 toitta N1インタビュー調査 - 顧客の声を聞く新たな選択肢として • toittaの知⾒で、調査設計からレポート納品までの全体を、業界を破壊する価格‧スピード‧品質で提供 • AIリサーチによる恩恵は、内製リサーチだけでなく、外注リサーチにおいても適⽤される toittaについて
26. Copyright © Hatena Co., Ltd. 2 toitta 本体 カスタマーサクセスが伴⾛しインタビュー結果を意思決定‧資産に変えるご⽀援 N1調査 トライアル 全体のご導⼊イメージ 初⽉トライアル 最短でも半年間の本契約 N1調査 発注(1⽉⽬) N1調査 発注(2⽉⽬) … 担当リサーチャーが 御社の⽂脈を理解しながら伴⾛ 毎⽉1回まで格安で発注！ 動画アップロードで 即時納品 他調査の動画‧⾳声‧テキストも アップロードして分析を効率化！ toitta 本体 トライアル 蓄積したデータをAIで探索！ 「離反ユーザーの共通点は何？」 動画アップロードで 即時納品
27. ＼ ト ラ イ ア ル 無 料 ∕