アンケートの「改善要望」を、具体的な「次の一手」に変換する方法
「アンケートの結果はまとまったのか？」
部長にそう聞かれて、私は自信満々に作成した集計資料を差し出した。そこには「価格への不満」「機能への要望」「サポートへの感謝」といった、きれいに分類されたグラフと集計表が並んでいた。
ところが、部長の反応は薄い。「うん、状況はわかった。で、次はどうするんだ？ 何を改善すればいい？」
……ああ、まただ。
せっかく時間をかけて「分類」したのに、結局「次に何をすべきか」というアクションにまで踏み込めていない。これでは、単に「お客さんは怒っています」「お客さんは喜んでいます」という報告をしただけで、仕事をしたことにはならない。
アンケートの自由記述を、ただの「ラベル貼り」で終わらせないために。分析結果から、明日から動ける「具体的な次の一手」を導き出すための、AIを使った実務の手順をまとめておく。
「分類」だけで満足してしまう罠
多くの人が、アンケート分析で陥る失敗がある。それは、「自由記述をカテゴリー分けして、件数を出すこと」をゴールにしてしまうことだ。
例えば、「操作が難しい」という回答が30件あったとする。これを「操作性」というラベルで集計し、グラフにする。これは「整理」ではあるが、「分析」ではない。
私が以前、新製品のユーザーアンケートを扱ったときのことだ。全300件の回答を必死に「機能」「価格」「UI」と分類して、件数の多い順に並べた表を作った。それを見せた上司に、「で、UIが不満なら、具体的にどの画面のどのボタンが使いにくいって言ってるの？ それを直すのに、開発部といつ打ち合わせるの？」と詰め寄られたときは、目の前が真っ白になった。
ただの「分類」は、現状を眺めるための道具に過ぎない。私たちが欲しいのは、その先にある「改善のタネ」だ。
データの「守り方」と「準備」
AIにアンケート結果を読み込ませる際、避けて通れないのがセキュリティの問題だ。
いきなり社内の生データをChatGPTなどの外部AIに放り込むのは、いくらプロンプトを工夫してもリスクがある。まずは、データの「伏せ方」をルール化しておく必要がある。
ここで大事なのは、情報を単に消すのではなく、「構造を保ったまま置き換える」ことだ。
例えば、以下のような書き換えを行う。
- 固有名詞の置き換え: 「株式会社ABC様」→「取引先A」
- 具体的な製品名の置き換え: 「次世代型エンジンモデルX」→「主力製品」
- 金額・数値の抽象化: 「5,480,000円のコスト増」→「多額のコスト増」または「基準値を超えるコスト増」
- 日付・時期の置き換え: 「2023年4月のリリース直後」→「製品リリース直後」
情報を消しすぎて「何が起きたか」の文脈（コンテキスト）が消えてしまうと、AIは的外れな回答しか出せなくなる。金額の大小や、出来事が起きたタイミングといった「情報の前後関係」は、構造を保ったまま残すのがコツだ。
※注：外部AIにデータを入力してよい範囲については、必ず自社のセキュリティ規定を確認すること。これは私の経験則に基づく「データの作り方」の話であり、社内ルールを上書きするものではない。
2つのアプローチ：大量の声を扱うか、少数の声を深掘りするか
分析の進め方には、大きく分けて2つの方法がある。データの件数や、目的に応じて使い分けるのが賢明だ。
方法A：大量の回答からパターンを見つける（マクロ分析）
数百〜数千件の回答がある場合。まずAIに「分類」と「共通する不満の背景」を抽出させ、その後に「アクションプラン」を考えさせる。
- 向いているケース: 全体的な傾向を掴み、優先順位をつけたいとき。
方法B：特定の深い悩みから解決策を練る（ミクロ分析）
回答数が数十件程度、あるいは特定の重要な顧客からの詳細なフィードバックである場合。分類は飛ばして、一つひとつの回答に対して「なぜそれが起きているのか」「どう解決すべきか」を徹底的に問い詰める。
- 向いているケース: 特定の不具合や、個別の重要案件への対策を練るとき。
基本的には、まずは方法Aで全体像を把握し、気になった箇所を方法Bで深掘りするという流れが、最も手戻りが少ない。
AIに「次の一手」を出させるプロンプト
では、具体的にどう指示を出せばいいのか。方法A（大量の回答からアクションを導き出す）を想定したプロンプト例を提示する。
Excelやスプレッドシートに「回答内容」を貼り付けておき、それをAIに読み込ませるイメージだ。
# 目的
提供するアンケートの自由記述データから、単なる分類にとどまらず、具体的な改善アクションを導き出す。
# 入力データ
[ここに、伏せ字処理済みのアンケート回答リストを貼り付ける]
※形式：回答内容のみのリスト
# 出力形式
以下の項目を、タブ区切り（TSV形式）で出力してください。
Excelにそのまま貼り付けられるよう、Markdownの表形式ではなく、プレーンなテキストで出力すること。
項目名：
分類 | 具体的な不満・要望の要約 | 不満の背景・原因の推測 | 提案される具体的な次の一手 | 優先度(高/中/低)
# 制約事項
1. 「分類」は、後で集計しやすいよう「価格」「操作性」「機能」「サポート」などの簡潔な言葉にすること。
2. 「具体的な次の一手」は、「検討する」「確認する」といった曖昧な言葉を避け、「〇〇のマニュアルに××の記述を追加する」「××機能のボタン配置を検討する」のように、誰が何をすべきかイメージできるレベルまで具体化すること。
3. 「不満の背景・原因の推測」は、記述内容から論理的に推測できる範囲で書くこと。
4. 出力は、指示された項目名から始まるTSV形式のみとすること。このプロンプトのポイントは、「具体的な次の一手」の定義をあらかじめ指示している点だ。これがないと、AIは「顧客満足度を高める」といった、耳に心地よいだけの抽象的な回答を返してくる。
出力された結果は、タブ区切り（TSV）なので、そのままコピーしてExcelのセルに貼り付ければ、綺麗に列が分かれた状態で展開される。
よくある失敗：「要約してください」は禁句
ここで、私がやってしまった失敗パターンを共有しておく。
効率化を急ぐあまり、AIに「このアンケート結果を分かりやすく要約してください」とだけ指示を出したことがある。
結果はどうだったか。
「価格に不満を持つ人が多く、操作性についても改善を求める声があります。全体として、製品の使いやすさとコストパフォーマンスの向上が求められています」
……。
「そんなことは、言われなくても分かっている」
要約とは、情報を削ぎ落とす作業だ。しかし、改善策を考えるための分析において、削ぎ落とすべきは「ノイズ」であって、「不満のディテール（詳細）」ではない。要約させてしまうと、アクションのヒントになる「具体的な違和感」まで一緒に消えてしまう。
AIを使うときは、「要約させる」のではなく、「特定の観点で抽出・変換させる」という意識を持つことが重要だ。
作業を片づけたら、次の検討へ
AIを使って、分類・原因推測・アクション案のリストが手元に揃ったとしたら、そこからが本当の仕事だ。
AIが出してきた「次の一手」をそのまま鵜呑みにしてはいけない。
「それはうちの予算でできるのか？」「開発部のリソースは空いているか？」
そういった、AIには見えていない「社内の現実」を照らし合わせる作業が、管理職である私たちの役割だ。
AIに「型」を任せて、思考の材料を揃える。
その上で、浮いた時間を使って、人間が「どの施策をいつ実行するか」という判断を下す。
さて、私の手元には、さっきAIが吐き出した「優先度：高」のリストが残っている。
まずは、これを持って情シスの及川さんに、技術的な実現可能性を軽く聞いてこようと思う。コーヒーをもう一杯飲んでからにしよう。