Synthetic users: the next revolution in UX Research?
ご心配なく、これは人工知能と共感をシミュレートする人工知能の能力（あるいは欠如）に関する記事ではありません
実際のユーザーがいなくてもユーザーを対象としたリサーチを行うことは可能なのか？人工知能に人間の行動をシミュレートさせ、質問に答えさせることで、有効なインサイトを得ることはできるのか？本記事では、当然のことを超えて、これらの可能性について考える。
リサーチャーとして、一般に、私たちが受け取る答えの質は、適切な人に適切な質問をする能力に関連していると信じている。しかし、答えがもはや人からではなく人工知能からだとしたらどうなるか？
この新しいシナリオは、人工知能をデザインプロセスに応用する最前線の合成ユーザーとのリサーチの進歩によって可能になった。この革命に伴い、様々な方法論的、さらには哲学的な疑問が生じる。
ご心配なく、これは人工知能と、共感をシミュレートする人工知能の能力（あるいは欠如）に関する記事ではありません
ここでは決定的な答えを提供する素振りは見せずに、当然のことを超えていく。その意図は、内省を促す貴重なインサイトを共有することにある。
この記事を読み終えるまでに、読者は以下のトピックを探求することになる：
- 合成ユーザーとは何か
- この手のリサーチの限界
- 関連するアプリケーションの可能性
準備はいいですか？
合成ユーザーはデジタル探検家として機能し、ユーザーの行動に関する貴重なインサイトを提供する
合成ユーザーとは何か？
まず重要なのは、合成ユーザーは新しい概念であり、様々な解釈が可能であるということ。
この記事では合成ユーザーを、LLM（大規模言語モデル）からの大規模なデータセットの組み合わせと分析によって生成された行動のクラスタとして理解する。理解を簡単にするならば、実際のユーザーとのやりとりをシミュレートするインテリジェントなアバターを想像してもよい。
合成ユーザーは、デスクリサーチにおいてデジタル探検家として機能し、実際のユーザーとのリサーチ後のデータ視覚化において会話のペルソナとして機能する。シミュレートされた環境であっても、ユーザーの行動に関する貴重なインサイトを提供するバーチャルガイドの役割を果たすことができる。
構築プロセスはペルソナの作成に似ている。通常、リサーチャーはユーザーの平均的な行動を理解するために、さまざまなユーザーからデータを収集する。そこから大量の情報を扱えるようにするための物語を構築し、チームのコミュニケーション、分析、最終的には価値生成を促進するためにシンプル化する。
しかし、リサーチャーやデザイナーによって開発された従来のペルソナとは異なり、合成ユーザーは、多くの場合人工知能や計算シミュレーションによって人工的に生成された存在である。一般に公開されているブログ、ソーシャルメディア、掲示板、科学的研究、その他情報源を用いてプログラムされ、実際のユーザーと同じような行動、嗜好、利用パターンを映し出す。
syntheticusers.comのインターフェース例。インタビューがどのように見えるのかがわかる
ChatGPTのインタビューに似たものを想像してほしい。年齢、性別、生活史、経済階級、文化的側面を定義し、作成されたペルソナに従って行動する特定のバージョンのものを。
Maria Rosala氏とKate Moran氏は、ユーザーインタビューと合成ユーザーインタビューの違いについてより詳しく説明し、合成ユーザーは特定のユーザーグループに関する膨大な量の入手可能なデータを統合し、それを消化しやすい方法で示すことを強調した。
Maria Rosala氏とKate Moran氏が行った、実際のユーザーと合成ユーザーの会話の一例。記事の全文はこちらからアクセスできる：https://www.nngroup.com/articles/synthetic-users/
合成ユーザーは、要するに、膨大なデータセットから作られた物語となる。それが提供する重要な価値のひとつは、一度作成すれば、無限の会話をすることが可能だということ。
定性か定量か？
合成ユーザーとのリサーチの本質について議論するとき、私たちは壁を破ることになる。それはハイブリッドなアプローチであり、純粋に定性でも定量でもない。私たちはモデルにハードなデータを与えるだけでなく、ニュアンスや、より質的なレベルでの経験の質を探ることもできる。
従来、インタビュー、フォーカスグループ、ケーススタディを特徴とする定性リサーチは、一般的に労力、コスト、時間がかかると考えられてきた。適切な聞き手を見つけ、バイアスを最小限に抑えて最大限の価値を引き出す会話を行うには、多大な時間と熟練した専門家が必要である。
一方、アンケート調査などの定量リサーチは、拡張性が高い反面、深みに欠けることがある。定量リサーチでは、人々が「何を」し、考え、欲しているかを明らかにすることはできる。しかし、「なぜ」、つまり行動の背後にある動機を明らかにすることは非常に難しい。
そのため、この2つのアプローチはしばしば密接に関連している。
しかし、人工知能の進歩により定性と定量リサーチの境界線が曖昧になり、データ収集と解釈に新たな可能性が生まれつつあるかもしれない。合成ユーザーを使うことで、商品の魅力を評価するために10回のインタビューを行うのと、5,000通のアンケートを送るのは、ほぼ同じ労力で済むようになる。
合成ユーザーによって、まだまだ発見や振り返るべきことはたくさんあるが、私たちは川の第三の岸辺に入りつつあるようだ。
定性と定量リサーチの境界線が曖昧になってきていないか？
バイアスに関する限界
どんなリサーチでもそうであるように、ここでのバイアスは避けられない。
リサーチャーとして、私たちは常にバイアスを気にしている。可能な限りバイアスを最小限に抑えようと努力するが、どんなに中立的な環境を作ろうと努力しても、完全にバイアスのない結果を得ることは不可能だとわかっている。バイアスを避けることよりも重要なのは、バイアスの存在を知り、それが何であるかを特定することである。
リサーチャーの存在そのものが環境に影響を与えるのであり、このような交換をなくして人間のインタラクションはありえない。
例えば、参加者はリサーチャーが聞きたいと思う答えを提供するかもしれない。これは心理学の研究で「社会的望ましさのバイアス」として知られている。時に、リサーチャーの期待が参加者の行動に微妙な影響を与え、リサーチャーが信じていることに沿った結果をもたらす。社会的望ましさだけでなく、さまざまなバイアスがある。Yinying Wang氏は、リーダーシップの意思決定に関する著書の中で、52種類のバイアスを調査している。
一方で、合成ユーザーはこのような人間のバイアスを持たないが、学習データやその使用において存在するバイアスが反映される。インターネット全体から入手可能なデータで訓練された言語モデルは、実際の人々を代表するものではないことを明確にすることがきわめて重要である。これらのデータは、地理的分布、性別分布（インターネットは男性偏重の傾向がある）、異なる社会経済的地位があり、多くの人がデジタルバイアスと呼んでいる。
多くの洞察力のあるUXリサーチャーが、リサーチにAIを使用することのマイナス面を批判的に検証していることに注目することは重要である。Feifei Liu氏とKate Moran氏は、例えば、UXリサーチでAIを使用することに関連する主な課題を概説している。この記事では、AIツールは便利ではあるが、ユーザーの感情やコンテキストの深さを捉えることに苦労することが多く、偏ったインサイトや不完全なインサイトにつながる可能性があることを強調している。この記事では、AIツールが従来のリサーチ手法に取って代わるのではなく、むしろそれを確実に補完するために、人間による監視の必要性を強調している。
だからこそ私は、どんなツールであれ、それがどんなに高度なものであっても、意図しないバイアスをもたらさずに意図した目的を確実に果たすためには、定期的な評価と改良が必要だと考えている。
例えば、インターネットにアクセスしにくい国や経済階層、年齢層に焦点を当てたリサーチを行う場合、合成ユーザーを安全に作成するために十分包括的で信頼できるデータセットを入手するのに苦労するかもしれない。
覚えておくべきことは、合成ユーザーは利用可能なデータの組み合わせに基づいて作成されるため、そのデータと分析方法に信頼性がある限りにおいて信頼できるということ。
言語に関する限界
合成ユーザーを使ってリサーチを行うには、言語モデル、つまりテキストデータのセットに制限されるため、視覚的（ビジュアル）な限界が存在する。
カードソーティングや対面インタビューを行ったことがある人なら、テキストを超えた側面におけるマッピングが可能であることに気づくだろう。私たちは、微小な表情やイントネーションを解釈することができる。これらはユーザー体験を理解し、改善し、大きな違いを生む上で重要な要素である。
製品テストのための表情分析 出典：Consumer Research Lab
人間のコミュニケーションは言葉を超える
人間同士のやりとりでは感じ取れるはずの感情的なニュアンスや微妙なディテールが失われてしまう。例えば、微妙なディテールや表情、イントネーションの豊かさなど。それは、言葉だけで絵を描こうとして、イメージの魔法が少し失われてしまうようなものだ。
人間の感情や反応の幅を言語で表現しきれないと、解釈は制限されてしまう。
細かいことだが、インタビューの性質について少し書いておく。それは実際の人々へのインタビューとは全く異なる。返答の密度が濃く、世間話やためらいが少なく、待ち時間が少ないことに気づくだろう。
擬音（オノマトペ）が少ない会話なのだ。合成ユーザーは考えるために立ち止まったり、水を一口飲んだり、「うーん」「あー」と言ったりしない。合成ユーザーのインタビューはエスプレッソコーヒーのようなもので、濃縮され、効率的なのだ。
私たちは明白なものをより早く特定することができ、それはアイデアの市場投入までの時間を短縮する
合成ユーザーリサーチの可能性
合成ユーザーは、デザイアビリティとユーザビリティの理解を加速させ、製品開発に迅速なインサイトを提供する。
明らかなものをより早く特定することができるため、アイデアの市場投入までの時間を短縮することができる。現在の開発段階では、若干の懸念はあるものの、合成ユーザーは特に、よりアジャイルな方法でデザイアビリティとユーザビリティのマッピングに貢献する可能性がある。
合成ユーザーが大量のデータを迅速に処理し、フィードバックを提供できるということは、企業がデザイン、キャンペーン、戦略をより迅速に反復し、市場の需要によりアジャイルに対応できることを意味する。
この意味で、合成ユーザーをアイデア出しのテーブルに座らせることは、例えばブレーンストーミングのセッションを行うなど、興味深い方法となりうる。企業によって収集されたデータや一般に公開されているデータに基づいて物語を作成する方がより迅速な方法であり、アクセスしやすく、アイデア創出のプロセスを助けてくれる。
ユーザビリティテストに関して、およそ5人のユーザーがいると、リサーチで収集されたデータは大きな繰り返しを示し始めるというニールセンの見解は注目に値する。
この推論に沿って、Kwame Ferreira氏は、リサーチの初期段階で一般的に生じる80％の明白なインサイトを効率的に提供する合成ユーザーの能力を強調している。このような予測可能ですでに知られている側面に対処することで、デザイナーは破壊的イノベーションの機会が潜む残りの20％に力を注ぐことができる。
このアイデアは、リサーチの初期段階で、冗長な段階をより素早く通過することで、デザイナーの創造性とリソースを新しい視点やアイデア、インパクトのあるソリューションの探求に向けることができるというものだ。
データ収集プロセスを最適化することで、合成ユーザーはイノベーションを推進し、製品やサービスを進化させる貴重な味方になり得る。しかし、合成ユーザーが実際のユーザーに完全に取って代わることはあってはならない。可能な限り自然なリサーチに近づくよう、合成ユーザーを進化させ、洗練させることは重要だが、常に両者を比較する必要がある。
賢いリサーチでは、合成ユーザーは代替ではなく、付加的なツール・リソースと見なされる。
|
|
探求し、問い続けること。その過程でこそ、最も価値ある答えが見つかる
ありえる未来
テクノロジーにかかわらず、最も重要なのは適切な問いを投げかける能力である。重要なのは、隣接する可能性を探ることである。あなたがする質問は、あなたが受け取る答えに直結している。これは合成と実際のどちらのユーザーにも当てはまる。
私の見解では、合成ユーザーがリサーチにおいて最も価値を発揮する分野は、データの視覚化だ。彼らはリサーチが完了した後、会話のペルソナとして機能することができる。スライドや印刷されたペルソナページの代わりに、合成ユーザーが対話し、アイデアを生み出す手助けをしてくれる。さらに、彼らは初期段階でのデスクリサーチを支援し、当たり前のことをマッピングすることで、実際のユーザーと話す時に興味深いインサイトに到達することができる。
もしあなたに興味があり、合成ユーザーの可能性を探求し始めたいのであれば、あなた自身のフローを作成したり SyntheticUsers.com のような専門的なプラットフォームをテストすることから始めることができる。また、ここで共有された内容を深く掘り下げ、より多くの情報を収集することもできる。結局のところ、これは非常に新しいトピックであり、さまざまな意見がある。
このディスカッションのまとめが、デザインリサーチの未来に対するあなたの好奇心を刺激したことを願っている。探求し、問い続けること。この過程でこそ、最も価値ある答えが見つかるのだから。
もし何か疑問があったり、イノベーションについてさらに議論したいことがあれば、遠慮なく私にメッセージを送ってください！
本文中の参考文献
- AI Innovator’s Podcast: Kwame Ferreira 氏が合成ユーザーについて語っている
- Nielsen Article: なぜ5人のユーザーによるテストが必要なのか、その理論を解説している
- Synthetic Users: If, When, and How to Use: 合成インタビューとユーザーインタビューの違いについて詳しく説明している
チェックするべきその他のコンテンツ
- Cameron Hanson’s Talk: デザインプロセスを最適化するために人工知能を使用するツールについて論じ、興味深い反論を提供している
- Synthetic Users Article: SyntheticUsers.comのチームが、どのように意図的なリサーチと、多様なデータソースを適用して合成ユーザーのパフォーマンスを向上させているかを説明している
英語版参照元：
DMNでは、他にも様々なブログを「DMN Insight Blog」にて配信しております。
定期的に記事をご覧になられたい方は、ぜひご登録をお願いいたします！
→「DMN Insight Blog」メールマガジン登録
