生成AIコラム

Web等から情報収集し分析するのがリサーチ業務である。業界アナリストなど主業務に近い方々もいるが、 多くは他の主業務の前段に位置する周辺業務である。マーケティングや営業では市場動向や消費者ニーズを公開情報から収集する。 新商品開発では技術動向や消費者ニーズのリサーチが必要である。我々コンサルティング企業でも、 市場動向や競合動向、技術動向、政策動向等のリサーチは、比較的大きなウェイトを占めている。

情報源は多種多様である。市場動向や企業動向は、日経テレコン21や日経BPビズボード、Bloomberg、SPEEDA等を活用することが多いだろう。マクロ動向であれば、国の白書や公式統計サービス、業界団体のレポートで調べられる。最新動向はニュースサイトをみる必要がある。技術動向であれば、Google ScholarやJDreamⅢ等の学術情報サービスや、特許情報サービスで深く調べたい。目的に応じて信頼できる情報源を使い分けているだろう。
調査の起点がWeb検索であることも多い。Google検索等のWeb検索はキーワードを含むWebページを全文検索する。Webページの一覧が表示され、次々と開いて目的の情報をWebページ内で探さねばならない。これに多大な時間を要していた。生成AIのチャット検索では、知りたい情報を文章として具体的に入力すれば、短い文章としてピンポイントに要約してくれる。この違いは大きく、情報収集の方法が一変したと言ってよい。

単にChatGPTにリサーチせよと指示しても、一般論を簡潔に回答するだけである。ステップ・バイ・ステップとして知られる手順を考えさせる指示方法がリサーチでも有用である。
例えば、「製造業におけるChatGPTの利用可能性」をリサーチするには、以下のような手順でChatGPTに指示すれば良い。まずは、ChatGPTに「市場動向調査の担当者」という役割を与えて、リサーチの観点を質問する。約10項目の観点が提示される。次に、これらの観点を元にレポートの章立てを考えるよう指示する。約50の章節項の目次構成に展開される。最後に、この目次に沿って、章節項ごとに文章を生成させれば、数百行に及ぶレポートが完成する。
もちろん、そのままでは根拠や具体性が不十分である。しかし、ゼロからレポートを作成することに比べれば、飛躍的に生産性は向上する。また、自分一人の考えでは抜け落ちがちな観点が網羅されるのもメリットである。

一方で、生成AIには間違いも多いことが問題視されている。いわゆるハルシネーション（幻覚）である。自然な文章で出力されるだけに、誤情報を見分けづらい。

例として「三菱総合研究所のAIサービスの種類と特長を教えて」と質問したときの回答は以下の通りである。
いずれも嘘とまでは言わないが、一般的なAIサービスを並べたようにもみえる。Bartの「AI翻訳」のように当社が手掛けていないサービスも現れた。Bing以外は明確な情報ソースを示していない。各社のAIサービスを比較評価しようとすれば、まったく不十分である。

誤情報に関して、現在の生成AIは特に数字に弱い。例えば、「日本の小売業で売上高の上位5社を売上高と共に教えて」という質問に対しては、ChatGPT（GPT-3.5）は、2021年までの情報しか持たないと回答しなかった。Microsoft Bing、Google Bart共に正しい情報を回答できなかった。正解したのは、有償版のChatGPT（GPT-4）でWebPilotプラグインを併用した場合のみである。
このように、現時点では特に数字については、生成AI検索を使い分けたり、情報源の確認が必須であることに注意すべきである。

収集した情報を整理するだけではリサーチは終わらない。収集した情報を分析する、インサイトを抽出する、レポートにまとめる、そして共有する。しかし、リサーチ結果が読まれるだけで、誰にも使われなければ、無意味な作業である。
一般的には、何らかの意思決定（判断）に役立てるのがリサーチの目的である。マーケティング戦略を決める、新商品のスペックを決める、投資判断を決める等々。
広く知見を集めたのではキリがない。情報収集、整理・分析、インサイト抽出の一連の流れを、利用目的に沿って実施したい。リサーチ専門家に任せると、無駄に広く集めがちである。本来はレポートを活用する人がリサーチすれば効率的であり、効果的でもある。しかし、リサーチは一定の専門性が必要であり、多大な作業時間を要するが意思決定者には時間がない。
このためリサーチ作業する人（リサーチャー）と、リサーチ結果を使う人（意思決定者）が分かれがちという課題があった。上司と部下、担当者とアシスタント、経営幹部と企画部、発注企業とリサーチ受託企業、たいてい分かれている。
リサーチャーはついつい広く情報を集めてしまいがちである。意思決定者も広く周辺情報も含めてレポートせよと指示しがちである。これでは非効率きわまりない。
生成AIは、リサーチ結果を使う意思決定者にリサーチ実行の道を開いた。意思決定に必要な情報のみをピンポイントに短時間で得られる可能性がでてきたからである。生成AIに問い質して、意思決定に最低限必要な情報を得る。これを仮説として、他の選択肢を探したり、エビデンスを探したりするのも生成AIに指示できる。
意思決定者が初期リサーチしていれば、リサーチャーは目的ドリブンにリサーチ業務を進めやすい。無駄に立派なレポートを作らずに、短時間で意思決定に有効なリサーチができるだろう。もちろんリサーチャーの作業も生成AIで効率化される。

意思決定者が目的ドリブンに手軽にリサーチするには、使いやすい専用ツールが必要である。
当社はWebサーベイAI「ロボリサ」を開発した。自分が関心を持つ特定テーマについて、信頼できる情報源のみを毎日Webクローリングして情報収集する。収集時に要約・翻訳を自動で実行する。収集した情報はメールで毎朝送信するほか、データベースをWebブラウザで一覧表として見ることもできる。さらに、ユーザが質問項目やタイトルを入れると自動でレポートを作成できる。
毎日、Web検索してWebページをアクセスする時間や、外国語の読解にかかる手間も削減できる。自動レポート作成では、搭載された誤情報検知の機能によって、間違いを減らすこともできる。

実際に当社では、約30のテーマについて200名以上の社員が利用している。リサーチにおけるWeb情報収集の時間を約8割削減できたと試算している。社員の声として、「要約でさっと理解できる。」「特に海外（非英語圏）ニュースが特に効果的」「自分の部署が欲しいサイトの情報を集められる」 「重要記事判定機能が共有すべき情報のピックアップに役立つ」等が寄せられている。

以下は、実際に自動生成されたレポートの例である。日米欧のAI規制の動きについてまとめた。不足はあるが、情報ソースを示した上でおおむね概況を捉えている。 なお、色の薄い項目は、誤情報検知AIによって、やや信頼性の低い記述であることを示している。
意思決定者の初期リサーチには役立つ内容をまとめることができるようになった。今後、さらにレポーティングの精度を向上させ、社内のリサーチ業務の効率化を図る予定である。

リサーチにおける情報収集はWeb検索だけではない。消費者アンケートや専門家ヒアリングも重要な情報源である。アンケートやヒアリングは、 自社オリジナルの情報源であるだけでなく、リサーチ目的に沿った深い情報を得られる。しかし、時間と費用を要するのが課題である。

ネットアンケートが登場して、消費者アンケートの実施は飛躍的に効率化された。質問票を送ればわずか数日で結果を得ることができる。しかし、アンケート設計やアンケート結果の取りまとめは未だ人手のかかる作業である。
生成AIは、アンケート設計にも役立つ。アンケート設計は、a.目的の定義、b.対象者の特定、c.仮説の立案、d.質問の設計、という手順を踏む。アンケート設計に慣れていないと難しい作業である。それぞれのステップにおいて、生成AIは以下のように役立つだろう。

消費者アンケートは、基本的には仮説を立証するものである。自由記述はあるにせよ、深い質問は難しい。
それを補うのがグループインタビュー（グルイン）である。数名の消費者を集め、 ファシリテータが次々と質問して、仮説の背景にある深い意向・関心・理由等を聞いてゆく。グルインは極めて有効であるが、非常に手間と時間がかかるためインタビュー人数が限られるのが難点である。

この問題を解決するために、当社はチャットボットを活用した住民インタビューボットを開発し、 2018年に実証実験を行っている（三菱総合研究所「AIを活用したインタビューボットで公共施設マネジメントの合意形成を支援」 ）。 AIが参加者に対し、公共施設マネジメントについての意見を伺った。シナリオベースのチャットボットではあるが、対話を通じて掘り下げられた意見を多数集めることができた。