- AIインタビュー＝AIがモデレーターとして回答者一人ずつに質問し、答えに応じて深掘りする定性調査。「浅く多く」のアンケートと「深く少なく」の従来インタビューの間の空白を埋める。
- 核心は深さと人数の両立。回答者はURLを開いて声で答えるだけ。日程調整もモデレーターの稼働もいらないため、深い聞き取りを多くの人に同時に実施できる。
- ただし定性調査である以上、代表性が必要な定量推定や厳密な統計検定はアンケートの領分。役割を分けて組み合わせるのが正しい使い方。
AIインタビューとは？何ができるのか
AIがモデレーターとして回答者一人ずつに質問し、答えに応じて深掘りする定性調査の手法。
「アンケートの自由記述を読み返しても、顧客がそう答えた理由までは書かれていない。かといって、一人ずつ会って聞くインタビューを組む時間も人手もない」。商品企画・マーケ・CXの現場で、この行き詰まりは珍しくないはずです。この記事を読むと、その二択の間を埋める「AIインタビュー」の仕組み・従来手法との違い・進め方・向き不向きが一度で分かります。
まず、定性調査に長く存在してきた空白から整理します。
- アンケートは多くの人に届きますが、選択肢と自由記述の範囲でしか答えが返らず、「なぜそう思ったのか」まで掘れません。
- デプスインタビューは深く聞けますが、モデレーターの確保・日程調整・一人あたり1時間前後の実査と、時間も費用も人手も重い。
結果として多くの現場では「深く聞くなら少人数」「多人数に聞くなら浅く」の二択を強いられてきました。AIインタビューは、この間を埋める手法です。AIがモデレーターの役割を担い、回答者一人ずつに質問し、答えの内容に応じてその場で聞き返す。一人ひとりに専属のインタビュアーが付くのと同じ構図を、人手を増やさずに成立させます。
回答の形式も従来のイメージとは異なります。たとえばAIインタビュープラットフォーム「CoeSignal」では、回答者はインタビューのURLを開き、画面に表示される質問に声で答えます（テキストでの回答も可能）。リアルタイムの通話ではないため、日程調整は不要で、回答者は都合のよい時間に自分の言葉で話せます。
AIは答えを聞いたうえで、曖昧なところ・興味深いところだけを選んで聞き返す。この「声で答える×必要なところだけ深掘り」の組み合わせが、自由記述アンケートでは拾えなかった文脈と理由を引き出します。
AIインタビューが速くするのは「聞いて、まとめる」時間。一方で「誰に・何を・なぜ聞くか」を設計する仕事と、結果から何を決めるかの判断は、むしろ人の中核として残る。
アンケート・従来のデプスインタビューと何が違うのか？
深さと人数の両立が違い。アンケートより深く聞け、従来インタビューより速く多くの人に届く。
AIインタビューはアンケートやデプスインタビューの置き換えではなく、それぞれが苦手だった領域を担う第三の選択肢です。アンケートの強みである「多くの人への到達と定量集計」、デプスインタビューの強みである「一人の文脈への深い没入」は、それぞれ残り続けます。
AIインタビューが取るのはその中間——深い聞き取りを、多くの人に、短い期間でという、従来は成立しなかった組み合わせです。数値ではなく構造の違いとして、次の表で整理します。
| 観点 | アンケート | 従来のデプスインタビュー | AIインタビュー |
|---|---|---|---|
| 深さ | 選択肢・自由記述の範囲まで | モデレーターが文脈まで深掘り | AIが答えに応じて一人ずつ深掘り |
| 速さ | 配信は速いが「なぜ」は残らない | 日程調整と実査に時間がかかる | URL配布後、回答者の都合で同時並行 |
| 人数 | 大人数に強い | 少人数が前提 | 深い聞き取りのまま人数を広げられる |
| コスト構造 | 設問設計と配信が中心 | モデレーター稼働が人数に比例 | 人数が増えても人の稼働が比例しない |
| 得意なこと | 定量推定・統計検定・代表性 | 一人の文脈への深い没入・観察 | 「なぜ」を広い人数から集める |
同じ質問で、返ってくる答えはどう変わるか
「深さの違い」を具体的にイメージするために、新商品のコンセプト検証で同じ質問をした場合の答えを並べます（内容は説明用の一般的な架空例です）。
——回答はここで途切れる。「高い」の基準も、値下げすれば買うのかも分からない。
——「高い」の正体は比較対象の記憶で、価値が伝われば許容されると分かる。
図：同じ質問でも、聞き返しの有無で答えの解像度が変わる（※内容は一般的な架空例・サンプル）。
使い分けの軸は「何を知りたいか」です。割合や順位を知りたいならアンケート。表情や場の空気まで観察したい、対象者が数名しかいない、といった場面では人が行うデプスインタビューが今も最良です（両者の使い分けはデプスインタビューとはで詳しく扱っています）。
そして「なぜ買ったのか」「なぜ辞めたのか」という理由を、偏りなく広い人数から知りたいときにAIインタビューが効きます。三つは競合ではなく、問いに応じた使い分けです。
アンケートは「何人がそう思うか」を数え、インタビューは「なぜそう思うか」を聞く。AIインタビューは、その「なぜ」を数十人・数百人の規模で聞けるようにした。
どう進めるのか？設計から判断メモまでの流れ
設計→URL配布→AIが声で実査→横断分析→根拠に遡れる判断メモ、という一つの流れで進む。
AIインタビューの実務は、大きく5つのステップで進みます。設計・実査・分析・納品が別々の工程に分断されず、一つの流れとしてつながっているのが特徴です。
- 設計。調査の目的と「誰に・何を聞くか」を決め、質問と深掘りの方針を組む。ここの質が調査全体の質を決める。
- 配布・リクルート。インタビューのURLを自社の顧客・社員に配布する。対象者のあてがない場合は、提携ネットワーク100万人以上のパネルから条件に合う回答者を募集できる。
- AI実査。回答者は都合のよい時間にURLを開き、画面の質問に声で答える（テキストも可）。AIは答えを踏まえ、必要なところだけ聞き返して深掘りする。
- 横断分析。集まった発話をAIが横断的に読み、共通するパターン・分かれる論点・少数だが重要な声を整理する。
- 判断メモ。結論・反証となる声・次に検証すべきこと・引用元の発言・許諾済みの原音声再生までひとつながりの「根拠に遡れる判断メモ」に落とす。
起点となる設計のステップは、たとえばCoeSignalでは次のような画面で行います。調査で明らかにしたい「意思決定の問い」と、誰に聞くかの対象者条件を、一つの画面で組み立てます。
図：実際のCoeSignalの調査設計画面（表示内容はデモデータ）。
深掘りのやり取りの例
実査の中身をイメージしやすいように、AIモデレーターと回答者のやり取りの例を示します。台本を読み上げるのではなく、答えの内容に反応して次の質問が変わるのがポイントです。
図：AIが答えの内容を踏まえて聞き返す流れの例（※サンプル）。アンケートの自由記述では途切れてしまう「その先」を、その場で掘り下げます。
成果物は「根拠に遡れる判断メモ」
最終成果物が「発話録の山」で終わらないことも、実務では大きな違いになります。CoeSignalの場合、納品されるのは根拠に遡れる判断メモ——結論だけでなく、反証となる声、次に検証すべきこと、引用元の発言、許諾済みの原音声の再生までがひとつながりになったレポートです。
どんな形になるかは実際の共有レポートのサンプルで確認できます。発話データから示唆への落とし方そのものは、インタビュー分析の方法で詳しく扱っています。
どんな用途に向くのか？向かない場面はどこか？
人の言葉で「なぜ」を知りたい場面に強い。代表性が必要な定量推定はアンケートの領分。
AIインタビューが効くのは、「なぜ」を人の言葉で、ある程度の人数から集めたい場面です。代表的な用途を整理します。
| 用途 | 誰に聞くか | 何が分かるか |
|---|---|---|
| 新商品・コンセプト検証 | 想定顧客・既存顧客 | 刺さる点・引っかかる点と、その理由 |
| 解約理由・VOC | 解約者・既存顧客 | 離脱に至る文脈、要望の裏にある本音 |
| 現場の暗黙知の言語化 | ベテラン社員・現場担当 | 属人化していた判断基準・手順の背景 |
| 従業員調査 | 社員・アルバイト | サーベイの数値の裏にある不満・改善の種 |
| UXリサーチ | ユーザー・トライアル参加者 | つまずいた箇所と、その瞬間の心理 |
特に解約理由やVOCは、アンケートの選択式では「料金が高い」に票が集まりがちですが、声で深掘りすると別の文脈が現れることが珍しくありません。この領域はVOC・解約理由をAIインタビューで掘る方法で個別に掘り下げています。
向かない場面
一方で、向かない場面もはっきりあります。誠実に線を引いておきます。
- 代表性が必要な定量推定。「市場の何%が支持するか」を推定したいなら、標本設計されたアンケートの領分。AIインタビューの人数は「なぜ」を集めるための人数であり、母集団の縮図ではない。
- 厳密な統計検定。群間の差の有意性を検定するような設計は、定量調査で行うべき仕事。AIインタビューの結果は仮説と論点として扱い、数値の裏取りは定量で行う。
- 観察が本質の調査。店頭での動線観察や、手元の操作を見ながらのユーザビリティテストなど、発話の外にある情報が主役の調査は、人が現場で行う手法が適する。
判断基準はシンプル。「割合を知りたいのか、理由を知りたいのか」。割合ならアンケート、理由ならインタビュー。そして理由を広い人数から集めたいなら、AIインタビューが最短になる。
導入時に確認すべき運用統制
もう一つ、導入時に確認すべきは運用の統制です。顧客や社員の声を扱う以上、誰がどのデータにアクセスできるか、発言の利用許諾をどう取るかは最初に設計します。
CoeSignalでは、SSO・権限管理・監査ログ・NDAといった統制をまとめたEnterprise Controlと、調査設計から報告会までを専門チームが責任を持つManaged Researchの2つの形態が用意されており、「回答の声を、誰が・どこまで・どう扱うか」を組織のルールに合わせて固められます。
まず何から始めるか
検討を前に進めるなら、次の3ステップで十分です。
- 回答者として体験する。まず自分がAIインタビューに答えてみて、どこまで聞き返してくるかを肌で確かめる（登録不要・無料で体験できます）。
- 「理由を知りたい問い」を1つ選ぶ。解約理由、コンセプトの引っかかり、現場の暗黙知など、アンケートでは掘れずに止まっている問いを1つに絞る。
- 小さく1本回して、判断メモまで見る。自社リストへのURL配布かパネル募集で小規模に実施し、成果物が意思決定に使える形かを確かめてから広げる。
よくある質問
いいえ。回答者はURLを開き、画面に表示される質問に声で答える方式です（テキストでの回答も可能です）。リアルタイム通話ではないため、回答者は自分の都合のよい時間に、落ち着いて自分の言葉で答えられます。AIは回答の内容を踏まえ、必要なところだけ聞き返して深掘りします。
できます。インタビューのURLを自社の顧客リストや社内に配布するだけで実施できます。対象者のあてがない場合は、Managed Researchとして提携ネットワーク100万人以上のパネルから条件に合う回答者を募集することも可能です。自社リストとパネル募集を組み合わせる設計もできます。
発話録や集計表で終わらず、「根拠に遡れる判断メモ」としてまとまります。結論だけでなく、反証となる声、次に検証すべきこと、引用元の発言、許諾済みの原音声の再生までひとつながりで確認でき、そのまま社内の意思決定や稟議の材料に使える形です。
すべての結論から、引用元の発言全文と許諾済みの原音声まで遡れる設計になっています。要約だけを信じる必要がなく、「本当にそう言っていたのか」をいつでも確かめられることが信頼性の土台です。あわせて、AIインタビューは定性調査であり、代表性が必要な定量推定や厳密な統計検定には向かないという限界も明示して運用します。
