インタビュー分析をAIで行う方法｜手順とプロンプト

インタビュー分析をAIへ頼むと、数秒で「三つの示唆」が返ってきます。ところが、どの対象者の、どの発言が根拠なのかを聞くと答えが揺れます。反対の発言が落ち、もっともらしい因果関係が加わっていることもあります。

AIに任せたいのは、発話の検索、形式の統一、分類候補の作成、対象者間の比較、反証候補の抽出です。事業仮説を維持するか、修正するか、追加検証へ戻るかは、人が原文を読んで決めます。

この記事では、文字起こし済みのデータをAIで分析する実務を6段階に分けます。発言と解釈を混ぜず、どの出力からも根拠となる原文へ戻れることを、分析の出発点にします。

インタビュー分析でAIに任せる範囲を決める

分析会議で「顧客は自動化を求めている」と示されたとします。対象者が実際に話したのは「月末は申請が重なる」だけかもしれません。発言の抽出と、事業機会の解釈は別の仕事です。

AIへ渡す前に、成果物を五つの層へ分けます。下の層ほど原文に近く、上へ進むほど人の判断が増えます。

要約と推論を同じ欄へ出さないことが大切です。「月末は申請が重なる」という本人報告と、「入力の自動化を求めている」という解釈を分けます。後者は仮説であり、対象者が明言したニーズではありません。

AIの出力に根拠となる発言IDがなければ、結論として採用しません。この一線を決めるだけで、流暢な文章をそのまま信じる危険を減らせます。

インタビュー分析の前にAIへ渡すデータを整える

文字起こしを丸ごと貼り、「重要なことを教えて」と頼みます。これでは質問者の発言と回答者の発言が混ざり、誰の経験なのか追えません。プロンプトを書く前に、入力データを整えます。

最低限そろえたいのは、対象者ID、質問ID、発言ID、話者、発言原文、タイムコードです。要約、観察、分析者のメモは別の列へ置きます。

音声認識、話者分離、要約、解釈を一度に進めないでください。重要な固有名詞、否定、数値、話者は先に原音と照合します。文字起こしの誤りを含んだまま分析を始めると、後工程のAIが整った誤答へ変えてしまいます。

個人情報や機密情報を含む場合は、AIへ入力する前に利用目的、権限、保存先、削除方法を決めます。氏名、企業名、顧客名が分析に不要なら識別子へ置き換えます。提供元の契約条件と組織の情報管理基準を確認できないデータは入力しません。

定性調査では、結果だけでなく、誰が調査し、どう対象者を選び、どのように分析したかも重要です。COREQは、インタビューとフォーカスグループを用いる定性研究の報告について、研究チームと再帰性、研究設計、分析と報告の3領域・32項目を示しています。分析過程を追える状態にする考え方は、実務にも役立ちます。

インタビュー分析をAIで進める6ステップ

五人分の発言を一度に要約すると、多数意見らしい文章が生まれます。しかし、同じ人の繰り返しが数えられたり、立場の違いが消えたりします。個人別の抽出から始め、横断比較へ進みます。

ここで紹介する6段階は、インタビュー分析の実務を整理するための型です。調査目的、対象者数、情報の機密性、意思決定の重さに応じて、確認者と工程を調整してください。

1. 分析後に決めることを固定する

分析ブリーフへ、今回決めること、現在の仮説、反証条件、対象者条件、意思決定者を書きます。「課題を見つける」では広すぎます。「承認待ちが申請遅延の主因かを判断し、入力支援の検証を続けるか決める」まで絞りましょう。

結論の選択肢も、維持、修正、保留、停止と先に置きます。AIへ一つの答えを選ばせるのではなく、各案に必要な証拠を比べます。

2. 対象者ごとに本人報告を抽出する

全員をまとめる前に、一人ずつ状況、行動、関係者、代替手段、結果、未回答を抽出します。それぞれに発言IDと原文を付けてください。

対象者が述べた原因と、AIが推測した原因は別欄にします。「承認者が出張していた」は本人報告ですが、「権限委譲が不足している」は解釈です。

3. コード候補を作り、定義をそろえる

コードは、複数の発言を比べるための短い分類名です。AIには、コード名、定義、含める発言、含めない発言、代表的な発言IDを出させます。

「手間」「不満」のような広い言葉では、対象者間の違いが見えません。「添付資料の版照合」「承認者不在」のように、観察できる行動や状況へ寄せます。似たコードを統合するか、違いを残すかは人が決めます。

4. 対象者間で共通点と差分を比べる

確定したコードブックを使い、共通点、行動が異なる例、仮説に合わない例、質問不足で比べられない項目を出します。利用者、承認者、導入推進者など、立場も分けて読みます。

発言回数を市場全体の比率へ変換してはいけません。五人中三人が話したことは、その五人の調査結果です。市場で60％の人が同じ課題を持つ証拠にはなりません。

5. 反証と別解釈を先に出す

示唆をまとめる前に、仮説に反する発言を抽出します。該当する発言が見つからなくても、「反証なし」とは書きません。「今回の質問と対象者では未確認」とします。

複数の解釈が成り立つなら、どの追加質問、行動観察、業務データで見分けるかも並べます。AIには仮説の補強だけでなく、崩れる条件を探させます。

6. 意思決定メモへ変換する

暫定判断、根拠発言ID、反証、未確認事項、次の検証、判断を更新する条件を一組にします。AIには維持案、修正案、保留案を比較させ、人が証拠と誤判断時の影響を見て選びます。

質問設計に問題があれば、分析で埋めません。必要な問いを聞けていなかった事実を残し、追加インタビューへ戻ります。

インタビュー分析で使えるAIプロンプト例

長い指示を一度だけ渡すより、抽出、比較、意思決定メモの三つに分けるほうが、どこで意味が変わったかを確認しやすくなります。以下はそのまま試せるひな型です。角括弧の中を、自社の調査に合わせて置き換えてください。

対象者ごとの本人報告を抽出する

あなたはインタビュー分析の補助者です。
目的は「［今回判断すること］」の検討材料を整理することです。

以下の発言データから、対象者が明示的に語った内容だけを抽出してください。
分類は「状況」「行動」「関係者」「代替手段」「結果」「未回答」です。

必須ルール：
- 各項目に対象者ID、質問ID、発言ID、原文を付ける
- 原文を言い換えた場合は「要約」と明記する
- 発言にない原因、感情、ニーズを補わない
- 判断できない項目は「不明」とする
- 質問者の発言を対象者の意見として扱わない

出力列：分類｜抽出内容｜原文｜発言ID｜確認が必要な点

［発言データ］

対象者間の比較と反証を出す

確定したコードブックを使い、対象者間を比較してください。
今回の仮説は「［現在の仮説］」です。

次の順で出力してください。
- 仮説を支持する本人報告と発言ID
- 仮説に反する本人報告と発言ID
- 同じコードでも行動が異なる例
- 質問不足のため比較できない項目
- 成立しうる別解釈を2案以上
- 各解釈を見分けるための追加確認

発言数を市場全体の割合として表現しないでください。
根拠となる発言IDがない主張は「根拠なし」と明記してください。

［コードブック］
［対象者別データ］

意思決定メモの候補を作る

以下の分析結果から、意思決定者向けのメモ案を作成してください。
結論を一つに決めず、「維持」「修正」「保留」の3案を比較します。

各案に、暫定判断、根拠発言ID、反証、未確認事項、次の検証、
判断を更新する条件を記載してください。

本人報告、確認済み事実、分析者の解釈を別欄にします。
発言にない因果関係や市場規模を補わないでください。
AIは推奨案を決定せず、選択時の論点だけを示してください。

［分析結果］

最初は少量の発言で試し、誤りに合わせて禁止事項と出力列を直します。使った入力、プロンプト、AI出力、人が直した内容を分けて残せば、どの工程で意味が変わったかをたどれます。

AIによるインタビュー分析の誤りを検品する

AIが「顧客は毎月困っている」と引用したのに、原文は「毎月ではない」だった、という例があります。文章全体を読み直すより、判断を変えやすい誤りから探します。優先するのは、引用、話者、否定、数値、因果、一般化、反証です。

引用原文は上書きせず、整文と要約を別欄へ置きます。「入力された発言以外を根拠にしない」と指定しても、出力が必ず従うとは限りません。重要な示唆は、発言IDから原文へ戻って確認します。

精度は総合点へ丸めず、根拠追跡、抽出漏れ、話者の取り違え、原文保持、コード一貫性、反証保持の六つに分けます。話者が混ざるなら文字起こしへ、反証が消えるなら処理順へ、コードが揺れるなら定義へ戻ります。原因のある工程を直します。

インタビュー分析の最終判断を人が担うAI運用

AIの示唆が会議資料に貼られ、誰も原文を読まないままになります。こうなると、分析補助だったはずのAIが、事実上の意思決定者になります。仮説を維持・修正・保留・停止する人を明記してください。

役割は、調査担当者、AI運用担当者、意思決定者の三つに分けます。

• 調査担当者：質問設計、発言データの確定、コードブックの管理、原文照合を担う
• AI運用担当者：入力範囲、プロンプト、出力版、誤り、再処理条件を管理する
• 意思決定者：示唆候補と反証を読み、事業仮説と次の検証を決める

同じ人が兼務しても、引用照合、コード承認、示唆の採否、次の検証の決定は分けて記します。AI初稿、人の修正版、意思決定会議で使った版には、使用環境、プロンプト、入力データの範囲を対応させます。

NIST AI RMF 1.0は、GOVERNを横断的な機能として位置づけ、役割、責任、説明責任の仕組みを組織内で整えることを求めています。AIを導入しても、判断の責任を負う人は消えません。

分析の終了条件は、仮説の扱いが決まり、未確認事項の担当者と確認方法が置かれた状態です。証拠が足りなければ「保留」とし、追加インタビュー、行動観察、業務データのどれで判断を更新するかを書きます。

まとめ｜AIのインタビュー分析を原文へ戻せるようにする

インタビュー分析でAIを使う価値は、結論を自動生成することではありません。発言の抽出、分類、比較、反証確認を、原文へ戻れる手順として進められることです。

判断する問いを固定し、対象者ごとに本人報告を抽出します。コードをそろえ、対象者間を比べ、反証と別解釈を出した後で、意思決定メモへ変えます。一度のプロンプトで要約から結論まで作らせないことが肝心です。

検品では、引用、話者、否定、数値、因果、一般化、反証を優先します。AIの出力が流暢でも、根拠となる発言IDがなければ採用しません。最終判断を担う人と、判断を更新する条件まで決めて、分析を終えます。