AIはどのようにリサーチとビジネスを進化させるか？（第2回：リサーチ業務の効率化と調査の代替）

AIの進化は、マーケティングリサーチの業務効率化だけでなく、企業の意思決定や価値創造のあり方にも大きな変化をもたらそうとしています。本コラムでは、市場調査会社と事業会社の双方でリサーチおよび組織マネジメントに携わってきた高橋直樹氏が、豊富な実務経験と国内外の事例をもとに、AI時代のリサーチとビジネスの未来を考察します。

執筆者プロフィール

---

AIはどのようにリサーチとビジネスを進化させるか？

このコラムは、AIの活用を5つの進展段階で捉え、AIの機能と役割がどのように進化するか、それに応じて人間の役割はどのように変わっていくかを推測を交えて論じている。

Stage	AIの役割	概要
Stage1	業務代替・効率化	調査を遂行するプロセスの一部をAIが代替・自動化して高速化・省力化する
Stage2	リサーチそのものの代替	コンシューマーペルソナなど、消費者理解そのものを生成する
Stage3	意思決定システムへの統合	マーケティングプロセス全体を統合して最適化し、その意思決定を支援・自動化する
Stage4	企業認知の進化	経営者が問うべき問いを発見し、未認識の機会・脅威・価値観を提示する
Stage5	企業統治の進化	複数のAIが相互に牽制・協調しながら、企業統治の制度自体を動的に設計・改善する

AIによるリサーチとビジネスの進化5段階仮説

第1回では、そのプロローグとなる事例と、5つの段階の概要を紹介した。
5回シリーズの第2回では、Stage1とStage2について議論する。

---

Stage1：業務代替・効率化：調査プロセスをAIが代替する

リサーチという業務を進めるプロセスの一部をAIが代替したり自動化することで、業務を高速化・省力化する段階である。まさに現在さかんに行われていることである。

AIの機能と役割：AIはリサーチのオペレーターになる

調査設計、調査票作成、分析、レポート作成などの工程を、人間の指示に従ってAIがドラフトしたり、自動化するシステムを組んだりすることで、人間の補佐をし、作業を進めるオペレーターとなる。

人間の役割：人間はAIの指示管理者になる

人間は、AIに生成すべき成果物とその際の条件を定義するなどして目的を与え、アウトプットされたものを確認・フィードバックを与え、承認できる場合に利用する。つまりAIが行なう作業の指示管理者という役割を担う。

リサーチ機能に新たに求められる能力

AIを活用するためのLLM・生成AI活用能力はもちろんのこと、それをさらに高度化するためのAIエージェント設計、業務自動化、データエンジニアリング、AI品質管理のノウハウといった能力・知見が求められる。場合によっては専門部署が必要になるだろう。

既存の能力で対応できる部分領域

この段階では、市場調査やデータ分析の業務プロセスを進めるためにAIが用いられるので、そうした業務の実施・管理に関する能力はそのまま十全に活用できる。

最適化の落とし穴

これは言わば、現在のビジネスプロセスの最適化である。しかし、最適化の最大の欠点は、現在のビジネスのあり方の固定化である。そのままAIによる自動化や高速化を進めると、短期的には大きな成果が得られるが、長期的には大胆なビジネス変革を阻害する障壁になってしまう。最適化は、既存のやり方以外の観点を排除してしまうからである。

同様に、AIを使ってリサーチプロセスを効率化すると、調査の起点になっているビジネスクエスチョンをそのまま前提として進めてしまうために、大局的なビジネスの観点からは誤った調査の実施に向けて最速で駆け抜けてしまうことになりかねない。

前職での実体験：ROI評価モデル開発で精度より大事にしたこと

前職で会社初のマーケティングROI評価モデルを開発した際に、同様の経験をした。ROIのリターンは販売と定義したので、ROI評価モデルは販売予測モデルと同義になる。こういう場合、目的変数を販売とし、説明変数をカテゴリーごとのマーケティング支出とするのが通常だろう。当時会社は値引きに依存して販売を上げていたので、この構造のモデルでROI評価をすると、値引き（のためのディーラー支援金）のROIが最も高いという結果になり、さらに値引きすべきという意思決定を会社にさせてしまうことが予見された。

そこで、ブランド評価指標を中間項としてモデルに組み込んで、マーケティング支出がブランド向上に貢献した結果として販売に寄与した、ということが定量的にわかるようにした。社内のデータサイエンティスト達はこぞって反対した。ブランド指標は調査データだったので、それを支出額というハードデータと一緒にモデルに組み込むと予測精度が悪くなるからである。彼らにとっては精度を高くすることがゴールなのだろうが、高い精度で会社を誤った方向に導いては元も子もない。精度を犠牲にしても、会社に値引き依存をやめさせ、ブランド構築に資源を振り向ける必要があると考え、それをモデル設計思想とした。完成したモデルは、マーケティング支出のブランディング貢献というこれまで漠然とした議論しかされていなかったテーマを、定量的に評価・議論できるように変え、ブランディングのための予算確保に根拠を与えたのである。

現時点でのAIはたぶん当時のデータサイエンティスト達と同じアプローチを取るだろう。従って、望ましくない帰結を見通し、それらをプロンプト化して明示的に指示しておく必要がある。

余談だが、マーケティングROI評価モデルを実務に使えるレベルで開発するためには、何よりも粒度の高いデータが不可欠である。マーケティング支出のカテゴリー区分は少なくとも20以上、データの時系列は少なくとも月次レベル以上でないと、説明変数の寄与を分離できない結果に終わることが多い。しかし粒度の高いデータ整備がされていないことが多く、これが最大の障壁である。私が前職でROIモデル開発に取り組んだ時は、データ粒度の不足により２度頓挫し、データが整備された3度目の取り組みでようやくものにできた時には、最初の取り組みから6年ほどが経過していた。

Stage2：リサーチそのものの代替：AIが消費者理解そのものを生成する

AIコンシューマーペルソナやコンシューマーデジタルツインと呼ばれるものがこの代表格である。多様で大量の消費者調査の結果をAIが学習し、学習データにない調査質問に対する回答も予測することで、消費者に関するたいていの質問に回答する。ならば、時間と費用がかかる調査など実施せず、全部AIに聞いてしまえば良いという発想である。学習データにない調査結果を、AIによる回答と実際の調査結果を比較する検証も行われているが、質問内容やモデルによって精度にばらつきがあるのが現状のようだ。しかしAIの進化の速度は速い。苦手な領域は残るものの精度はかなり良くなるだろう。

消費者理解の初期探索調査はAIによる代替と相性がよい

「そもそも消費者の実態はどうなのか？」「消費者のニーズをざっくり知りたい」など、比較的難易度の低い調査ニーズはいつも存在する。特にマーケティング部門の人事サイクルが速かったり、消費者に関する知見の蓄積が不足している組織では、「まずは消費者に聞いてみよう」ということになりがちだ。こうした市場の全体感や平均値を知りたいという調査課題は、AIによる消費者代替の得意領域だろうし、調査としての付加価値や間違ったときのリスクが低い課題は時間や費用を抑えたいという利用側のニーズとも合致する。

リサーチユーザーのニーズに合致するAI代替

一方で、「そんなものはリサーチではない」「所詮は予測値に過ぎない」などという原理主義的抵抗が特にリサーチ業界から出てくるかもしれない。しかしリサーチユーザーの立場に立つと、リサーチという面倒なプロセスをスキップできるならこんなに楽で嬉しいことはないのだ（実際に前職で何度も言われた）。シビアな検証が求められる事案以外では、リサーチよりデジタルツインに流れる誘惑には勝てないだろう。歴史を振り返っても明らかである。「あんなものは写真ではない」と言われたデジタル写真、「あんなものはビールではない」と言われたドライビールなど、その道のプロが「偽物だ」と否定したものが市場を席巻した事例はいくらでもある。

AIの機能と役割：リサーチを代替する市場理解エンジンになる

AIは、消費者のデジタルツイン、Synthetic Consumer、Synthetic Marketなどを通じて市場理解そのものを生成することで、リサーチを代替する市場理解エンジンとなる。

人間の役割：AIのアウトプットの評価者になる

人間は、AIによるアウトプットをそのまま受け入れるのではなく、検証して活用して良いかどうかを判断する。その結果を踏まえてAIに適切なフィードバックを与えてAIの学習を進展させてより信頼できるAIモデルに育成したり、より適切なAIモデルを選択したりする。つまりAIのアウトプットとAIモデルの評価者としての役割を果たすことになる。

リサーチ機能に新たに求められる能力

デジタルツインを開発するには、消費者行動モデル構築、シミュレーション、エージェントベースモデリング、行動科学などに関する知見が必要になる。

既存の能力で対応できる部分領域

多くの一般的な事業会社はAIのアウトプットを利用するだけとなるだろうが、上述したように利用に際してはそれが妥当かを検証・評価することが不可欠だ。その際のリファレンスは、人間による人間理解の知見である。これこそが調査や分析の資産であり、AIをコントロールするためのコアの能力である。

AIでは代替できない調査は何か

では、すべての調査が代替できるかというと、たぶんそうはならない。使用・官能テスト、市場実験、行動観察など、生身の人間の物理的関与を必要とする手法によるデータを、AIが推計するのは難しそうだ。

例えば、使用感や風味などは何種類もの生理的刺激からなる総合的体験である。製品の物理的特性と特定の官能項目（甘みなど）との関係は数理的解析が可能だろうが、その膨大な組み合わせと個々人の嗜好性の掛け算をモデル化することはかなり難易度が高いように思われる。また、人間の振る舞いを観察してその意味するところを読み取るということは、観察される対象者というより、観察する側の知見の優劣やその多様性がアウトプットの内容を左右する。

つまり対象者だけでなく観察者側のモデル化も必要だということだ。それはそれで面白いかもしれない。行動観察に優れたリサーチャーの解釈をAIに学ばせて作った「◯◯さんモデル」に行動観察させることで、初心者より優れた解釈を得るというアイデアだ。一種のAIエージェントである。

また、「特定の店舗に対する顧客満足度調査の時系列変化」といった調査課題は、特定の消費者群に関して常に最新のデータが必要なので、AIに代替させるのは難しそうだ。

「実際の調査結果」の価値への根本的な再考

AIによるリサーチ代替はどこまで可能かという議論の際に必ずテーマになるのが「実際の調査との乖離・精度」だが、実はこれは「実際の調査結果」の価値というものに対する根本的な再考を促すことになる。「実際の調査結果＝真」というのが無意識の大前提になっているが、果たしてそうなのだろうか？　少なくとも2つの観点を考慮すべきだと考える。

観点1：「実際の調査結果」はどこまで正確なのか？

一つ目は昨今の調査環境である。そもそも人間は質問に完全に正確に答えることはできない。勘違いや誤答は2〜3%は存在するというのが筆者の経験則である。加えて対象者のいい加減な回答、botによる回答、協力率の低下による対象者の偏りなど、（もちろんさまざまな対策・努力が行われているが）現実は厳しく、「実際の調査結果こそが真実を示している」とどこまで胸を張って言えるだろうか。

観点2：「実際の調査結果」は説得力があるのか？

二つ目は、特に結果を活用する上でのデータ間の整合性である。これは事例を紹介したほうがわかりやすい。

顧客満足度調査では「総合満足度指標」なるものを最重要指標として用いられることが多い。総合評価とさまざまな項目（礼儀正しさ、施設の清潔さなど）の部分評価を調査で取得し、部分評価で総合評価を予測したその予測値なのである。なぜ、実測値である総合評価ではなく、わざわざ予測値である指標の方を重視するのか？　それは施策に落としやすいからである。指標は予測モデルで作られるので、各部分評価との数理的関係が整合しており、どの項目に注力する施策を打ってどれだけ部分評価を上げれば総合指標がどれだけ上がるかを完全に説明することができるため、目標と施策の計画が立てやすいのだ。

一方、実測値である総合評価は必ずしも施策効果をそのまま反映はせず、さまざまな（主に人間由来の）ノイズの影響を受ける。企業のアクションに対してフィードバックをかけるという目的に鑑みると、予測値を用いた方が現場で活用されやすいのである。もちろん予測モデルの精度が十分高いことが前提となる。長々と事例を紹介したが、企業という多様な人間から構成される組織でデータを使うには、多様な人間を納得させることが必要であり、データ間の整合性は重要な要素の一つなのだ。

実測値のデータには多様なノイズが含まれ、それらを完全に取り去ることは不可能だし、昨今はそのノイズが増大している。実測値のみに依拠するのではなく、キモとなるデータは実測値と整合をとりながら、施策につながるストーリーはAIに生成させたものを用いるというアプローチは、納得度が高く、組織内に浸透させやすい現実的な選択肢となりつつあると考えられる。これまで当たり前だと考えられてきた「実際の調査結果こそが真実である」という大前提は、「調査結果をビジネス活用する」という目的の前にはもはや通用しなくなりつつあるのかもしれない。

AIペルソナとAIコンシェルジュによるマーケティングプロセス独占の可能性

ところでこのAIペルソナは、単なる消費者理解にとどまらない大きな可能性を持っている。AIコンシェルジュとの組み合わせである。

AIペルソナとAIコンシェルジュはどちらも、消費者の嗜好に関する大量のデータに基づいた何万通りもの消費者のタイポロジーを作るわけだから、そのためのアルゴリズムは原理的には同じものである。すると、AIペルソナを運営している企業は、同じ仕組みで作ったAIコンシェルジュを無料でたくさんの消費者に使わせることによって、ターゲットにしたいペルソナに合致する消費者に向けてクライアント企業の商品をおすすめするということが高精度でできる。つまり、消費者ニーズを特定するというマーケティングプロセスの始まりから、そのニーズを持つ消費者に直接リーチするというプロセスの終わりまでを完結することができるのだ。これはマーケティングプロセスの独占とでも言い表わすことができるのではないか。こう考えて改めて調べてみると、実際にそういう構想が実現に向けて進行中のようだ。私でも考えつくのだから、誰かが手をつけていて然るべきだろう。

これは、企業と消費者の力関係を大きく変えるものになる。モノがなく作れば売れる時代は企業優位だった。モノが溢れコモディティ化してくると、消費者に選択権が移り、さらに消費者が欲しいものを発信するようになり、消費者優位の時代になって今日に至る。ところが、AIペルソナとAIコンシェルジュのカップリングが稼働を始めると、消費者は自分が欲しいものを選択しているつもりが、裏で全て企業の想定通りに動かされていくことになり、また企業優位の時代になっていくのではないか。我々はまさに今、消費者社会の岐路に立っている。

よくある質問

AIが進化するほど人間の判断力が重要になる

AIによるリサーチの効率化・高速化・代替は不可避である。それが進めば進むほど、リサーチの結果によって会社がどう動くのかを予想してリサーチ自身にフィードバックをかけること、さらには会社に何をさせたいのかを踏まえたリサーチの設計・実施をすることこそが、人間にしかできない役割として重要になってくる。

次回はStage3について議論を始める。

執筆者プロフィール

---