もしあなたがChatGPT、GPT-3、そして全体的なAIの進歩に関する大きな話題を見逃していたとしたら、それは岩の下で生きてきたのでしょう。新しいことではありませんが、ユーザー調査の人工知能の開発は、日々着実に勢いを増しています。製品チームやユーザーリサーチャーにとって、GPT-3が放つパワーは実に魅力的です。
トムさんだって、AIの影響を感じている。
AIを駆使したユーザーリサーチは、人々のテクノロジーとの関わり方や日常生活を充実させる方法に革命をもたらすでしょう。それは、製品の作り方にも影響を与えるでしょう。AIは、企業がユーザーのニーズをよりよく理解し、特定のタスクを自動化し、さらには顧客の行動に関するデータ駆動型の洞察を提供するのに役立ちます。
ネット上では、「仕事に取って代わるかもしれない」と懸念する個人の声が多く聞かれる一方、「日常生活の中で技術を支え、発展させることができる」と期待する声も同じくらいあるようです。
では、人工知能はユーザーリサーチをどのように変えていくのでしょうか。ユーザーリサーチのプロセスには、多くの課題、偏りの機会、その他の可動部品があり、洞察に満ちたユーザーデータを得ることが困難な場合があります。AIを活用したユーザーリサーチを導入することで、企業は機械学習の力を活用し、現在のプロセスを合理化・改善し、さらにはデータの収集、照合、活用のための全く新しい方法を考え出すことができます。
ハル9000のような存在ではなく、R2D2のような存在です。かわいくて、コンパクトで、ちょっと生意気で、その小さな体格にもかかわらず、その日を救うためにかなりの役割を果たし、物語全体を前進させるのです。
ピッ、ブッ、ピッ、ブッ、ブッ
AIとは？
シンプルなのは確かだが、多くの言葉が飛び交っている。ChatGPT、GPT-3、オープンAI。AIそのものの定義は？
AIは、人間のように働き、反応することができる知的な機械の創造を目指すコンピュータサイエンス分野です。さまざまな分野に革命をもたらす可能性を秘め、テクノロジー産業にとって不可欠な存在となっています。私たちは、自然言語処理や画像認識から自動的な意思決定や問題解決に至るまで、さまざまなタスクにAIを利用することができます。
最近のニュースの大半は、ChatBotをパワーアップさせたChatGPTが中心となっています。AIは自然言語処理に使用され、人間の会話を入力として受け取り、人間と同じように応答を生成することができます。
ChatGPTはユーザー向けのインターフェイスですが、AIは他の多くの領域をカバーしています。例えばGPT-3は、与えられた文脈からテキストを生成することができるAIモデルです。このモデルは、単に自然言語を理解するだけでなく、与えられたパラメータのセットからテキストを生成できることを意味します。tl;dv でさえ、自動転写や誰が話しているかを検出する機能を備えたAI駆動の製品です。
ソフトウェアやテクノロジーをベースに、論理と推論を駆使して結果を生み出すものは、定義上「インテリジェント」であると言えます。
GPT-3 / AIがUXリサーチを強化するさまざまな方法
GPT-3のようなものがユーザーリサーチに与えるインパクトは多方面にわたります。ここでは、AIがUXリサーチャーやプロダクトチームの仕事の進め方にインパクトを与えると思われる分野を紹介します。
前提条件、テーマ、トピックの事前定義
最近では、多くのデータが調査・分析対象として出回っています。AIは、データを分類、整理、分析し、重要な洞察を明らかにすることで、その意味を理解する手助けをすることができます。
これはユーザーリサーチの後半で本領を発揮しますが、ユーザーリサーチの最初の段階で、AIはあなたの思い込みや偏見をも整理してくれるのです。
また、多くの研究者が特定のトピックについて先入観を持っていますが、人間の言葉をベースにしたAIを使用することで、先入観を払拭するための最初の呼び水となります。質問をして、自分たちが「真実」だと思っていることを確認し、AIに直接質問することで、研究者は証拠と文脈についてより焦点を絞ったイメージを構築し、研究サイクルを開始する準備ができます。
また、AIは、ユーザーの行動に関する信頼性の高いデータ駆動型の予測を提供し、製品開発の意思決定に役立てることで、UX研究者のより良い意思決定を支援することができます。
UXリサーチに関する最も大きな問題の1つは、ユーザーインタビューでの質問です。たとえ善意であっても、その言い方や成り立ちによって、会話に偏りが生じてしまうことがあるのです。
ユーザーリサーチャーとUXリサーチャーは、特定のプロセスステップを自動化し、偏りのないユーザーインタビューの質問とシナリオを作成することで、AIを活用することができます。これにより、リサーチャーの潜在的なバイアスを最小限に抑え、インタビューから収集したデータを手動で分析する時間を短縮することができます。
UXリサーチャーがコンセプトやクエリ、インスピレーションをGPT-3などに入力し、確かな質問を吐き出すことができれば、より早く、より正確に答えにアクセスすることができるようになるのです。
お客様の想い・気持ち・アイデアを受け止める
調査プロセスだけでなく、AIは実際のデータ収集も改善することができます。
将来的には、研究者はAIを搭載したセンチメント分析ツールを使って、アンケートやその他のフィードバックソースで提供されたテキストを分析することで、製品やサービスに対する顧客の気持ちや意見を検出することができるようになります。これにより、UX研究者はトレンドを素早く発見し、顧客の考えや気持ちを深く洞察することができます。この中で、今多くの人が使っているものに「Grammarly」というものがあります。直接UXリサーチのためのものではありませんが、GrammarlyのAIは「トーン」を検出し、自信に満ちているか、フレンドリーか、攻撃的に聞こえるかなどを識別することができます。
AI がデータ収集の改善に役立つもう一つの方法は、tl;dv を利用することです。AI主導のユーザーリサーチツールとして、tl;dv はすでに会議を録音して書き起こし、話者を自動的に認識することができます。これは、手作業で文字起こしやメモを取る作業を何時間も節約できるだけでなく、ヒューマンエラーの要素を完全に排除することができます。
収集したデータの洗浄・整理
AIミーティングアシスタントは目新しいものではありませんが、最近のGPT-3の進化により、本格的にバージョンアップしています。tl;dv のようなGPTミーティングツールは、事前に定義されたタグ付けシステムでインサイトに自動的にタグ付けすることができます。手動でタグ付けすることも可能ですが、tl;dv は会議のインサイトを即座に収集、分類、統合することができます。これには、アクションポイント、インサイト、質問をリアルタイムで特定することも含まれます。そして、AIが特定したこれらの収穫を受け入れるか拒否するかを決定し、これらの洞察をクリップやリールの形で同僚と共有することができます。
AIは、UXリサーチで収集したデータのクリーニングや整理にも利用できます。AIアルゴリズムを使用することで、リサーチャーは大量のデータを整理し、最も重要なインサイトを強調することで、情報を迅速に整理することができます。これによって、手作業の時間を短縮し、正しい情報をわかりやすく提示することができるようになります。これはtl;dv で明らかですが、他の形態の AI でも利用可能です。
テーマ、パターン、トレンドの特定
ユーザーリサーチにおける質問形成の大きなポイントは、バイアスを避けることです。それでも、AIが発達すれば、逆に回答者のバイアスを読み取って発見することができるようになります。そして、これは非常に有効です。霊視は必要ありませんし、回答者を二の次にする必要もありません。AIは、「見た」ときにbsを呼び出すことができるようになります。
AIは、調査から収集したデータの中からテーマやパターンを特定するのに役立ちます。これにより、研究者は隠れたインサイトを発見し、AIがなければ気づかなかったような顧客行動の傾向を見出すことができるのです。第二の目と同様、ここには人為的なミスは許されません。むしろ、心配であれば過敏に反応するようにすることも可能です。
プログラマーは、ユーザーの回答からセンチメント（感情的な調子）を検出しようとするAIを設計することもできます。AIアルゴリズムは、自然言語処理を用いてテキストを素早く分析し、その裏にある意味を理解し、回答者が真実を語っているのか、それとも確信がないのかを識別することも可能です。まるでオーウェルのような話ですが、UXリサーチの観点からは、非常に貴重なものなのです。
センチメント分析は、UX研究者が製品やサービスに対して顧客がどのように感じているかを理解し、ユーザーエクスペリエンス向上のための意思決定に役立てることができるようになる。
AIの性質上、定性ではなく定量的なデータとして収集されるため、感情ではなくデータや事実に基づいたインサイトが得られるということです。
データを理解する
これで、すべてのデータを収集し、AIを使って感情まで分析することができたわけですね。AIはまた、同様にすべての意味を理解するのに役立ちます。
AIアルゴリズムを使用することで、UX研究者は収集したデータからニーズ、ペインポイント、および仮説を迅速に形成することができます。これは、お客様のフィードバックをクラスタリングして分類し、基本的なパターンと傾向を特定したり、ユーザーの回答に対してセンチメント分析を実行したりするなど、いくつかの方法で行うことができます。
AIは、基本的にあなたのすべてのデータを読み、あなたや他の必要な人のためにシンプルで消化しやすい方法でレイアウトすることができます。
そして、このデータ、パターン、洞察、知識に基づいて質問を差し込み、ChatGPTから提案を求めることができます。これにより、データ駆動型の実験を通じて複数のソリューションを探索できるようにしながら、顧客のニーズに対するアイデアやソリューションを策定する時間を節約することができます。
証拠の収集
すべての証拠が集まれば、調査チームはこの情報を使って、何が起きているのかの全体像を把握することができます。AIがアルゴリズムを駆使して、データからカスタマージャーニーマップやペルソナを作成できる日が来るでしょう。そして、このデータをきちんとまとめれば、研究者や製品チームのインサイトや顧客理解をさらに深めるためのエビデンスとして提供することができます。
AIは、複数のリソース、リポジトリ、データソースを相互参照し、最も説得力があり洞察に満ちた証拠をまとめるのにも役立ちます。これにより、レポートやプレゼンテーションがより包括的で、信頼性が高く、適切なものになります。
エビデンスの提示
UX研究者は、AIを活用することで、単調な手作業に費やす時間を減らし、より正確で洞察に満ちた、信頼できるデータをより早く収集することができるようになります。
さらに、プレゼンのしやすさも格段にアップしますよ。
AIは、顧客感情の把握、顧客の行動傾向の把握、データに裏付けられたレポートの提供、データに基づいたインサイトの関係者への伝達など、UXリサーチにおいて様々な可能性を生み出します。
つまり、AI駆動のツールでインサイトを引き出しながら、プレゼンテーションをより簡単にまとめることができ、AIはスペルや文法、散文などのフィードバックを提供したり、研究全体のストーリーに対して、何が関連し、何が関連しないかという質問に答えたりすることもできるのです。
人工知能とUXデザインの成果は、完全に同居することになります。
ユーザー調査によるAIの限界とは？
他の新興テクノロジーと同様、多くのAIはまだ初期段階にあります。また、現実の研究の代替にはならず、どちらかといえば、素晴らしい支援ツールと考えるべきでしょう。
しかし、AIは質の高いデータに依存しており、結果が不正確になる可能性があります。また、知識のプールが有限であることや、将来的にアクセスできるデータによって、信じられないほどの制約を受けることになります。
ChatGPTは、「最善を尽くしますが、プログラミングの情報と同じです」とまで言っています。実際、AIは偏りを防ぐのに最適な方法であるとよく言われますが、そのプログラミングや作成方法そのものが、システムの中に偏りを内包している可能性があるのです。意図的なものではありませんが、ご存知の通り、バイアスは常にどこかにあるものなのです
ChatGPT自身の言葉で。
そう、他のAIシステムと同様、ChatGPTは学習させたデータにバイアスがかかっているのです。学習データには、それを作成した人々や社会の偏見や先入観が反映され、その偏見がモデルの出力に反映されることがあります。しかし、OpenAIでは、バイアス除去アルゴリズム、多様なトレーニングデータ、慎重な人間のレビューなど、さまざまな手法でこれらのバイアスを軽減するための対策をとっています。とはいえ、モデルの出力を継続的に監視し、発生しうるバイアスに対処することが重要です。
また、ユーザーの感情や嗜好といった定性的な部分を正直に評価できない点でも、AIの能力には限界があります。シグナルやNLPなど、参照できるポイントはありますが、個人の性格や経験、嗜好を知らなければ、せいぜい一定の参照ポイントやデータを基にした推測に過ぎません。さらに、AIを利用する際には、倫理的な配慮も必要になります。
最後にAIですが、AIに質問すればデータや事実に基づいて答えを出してくれますが、それは人間ではありません。ユーザーやお客様がどう感じているか、どんな感情を抱いているか、何が不満なのかを教えてくれるのです。AIは感情を持たない、ほとんど偏りのない器であるため、本当の意味で大きな問いに答えることはできないのです。しかし、ユーザーリサーチには人間の力が不可欠であり、完全に排除することはできません。
AIはユーザーリサーチの未来か？
はい、そう思います。全体として、AIはユーザーリサーチの時間を大幅に短縮し、タスクを自動化し、研究者は根本的なインサイトやデータに集中することができます。しかし、ユーザーリサーチでAIを使用する際の限界と欠点を知っておくことは不可欠です。完全に頼るのではなく、結果の正確性と信頼性を確保するために、従来のリサーチ方法と併用して使用する必要があります。
最後に、ユーザー調査にAIを最大限に活用するためには、綿密な計画を立て、AIに何をさせたいか、どのように活用できるかを理解する必要があります。AIに奇跡を期待するのではなく、AIが多くの仕事量を肩代わりしてくれるような、効果的な戦略が必要なのです。
ですから、ロボットの支配者が私たちの存在にますます近づいている一方で、私たちはAIが*もしかしたら*すでに存在しており、ただふりをして時間を待っているのではないかという疑念を持っていますが、少なくともユーザー研究はそこから多くの利益を得ることができるでしょう。
つまり、製品管理プロセス全体が合理化され、より機敏になり、「従来の」ユーザー調査や製品開発プロセスモデルの摩擦の多くを取り除くことができるのです。製品、改良点、新たな進歩をより早く市場に投入することができ、より多くの成長と拡大を可能にするのです。
ユーザー調査の仕事は、本当にエキサイティングな時代です。
ピッ、ブッ、ピッ 
AI革命に参加し、今すぐ tl;dvをチェックしてみてはいかがでしょうか。
