最近、「自社にデータがたくさんあるので、生成AIを使えば何か見えるんじゃないかと思ってやってみたけど、うまくできなかった…」みたいなご相談がチラホラ出てきています。

増えるだろうね。データもある。AIもある。
そうなると、外部を頼るよりまず、自分たちで分析してみよう、と思うのは自然だよ。

過去の調査データとか、地点別の評価データとか、顧客アンケートの自由回答データとか。
データがいっぱいあると、「AIに入れたら、傾向とか結果とかまとめて出してくれそう」って思っちゃいます。
でも、お客様が自社でやってみたら、「なんか出てきたけど、これってどうなの？」となるケースもあるみたいで。

うん。実際、AIが得意なこともある。
文章を要約するとか、自由回答をざっくり分類するとか、似た意見をまとめるとか。そういう使い方はかなり便利だよね。 AIは、入れたデータから何かを出してくれる。でも、それが判断に使える答えとして出てくるかどうかは、別の話なんだよ。

当然のことだけど、データがあることと、分析に向けたデータになっているかどうかは違うんだよね。
たとえば、過去5年分の調査データがあるとして、何を見たいのか。
ブランド認知の変化を見たいのか。
購入意向の変化を見たいのか。
ターゲット層の意識変化を見たいのか。
そこが決まっていないと、AIに整理してもらっても、結果の使い道がぼんやりする。

たしかに、「このデータを読み込んで、このデータからわかることを分析して」だと、出てきたものが合っているのかも判断できないですね。

そう。全国の複数地点で取った評価データでも同じだよ。
地点ごとの違いを見たいのか。
エリアごとの傾向を見たいのか。
改善施策の優先順位を決めたいのか。
見たいものによって、見るべきデータも、分析の仕方も変わる

つまり、AIにお願いする前に、「何のために見るのか」（分析のポイント・目的）や「どのデータを、どのように読み取ってほしいのか」（分析の切り口）、を決めておかないといけないんですね

AIに入れる前に、人間側でどう分析したいのかをある程度整える。 そこが抜けると、分析が進んでいるようで、意思決定に使える要素には近づいていないことがある。

でも、お客様からすると、「自社ではできなかったけど、データの扱い方のプロ、リサーチのプロならAIも使って自分たちがやるよりも、もっとチャチャっと、なんとかしてくれるんじゃない？」って思うかもしれませんよね。

思われるのも自然だよね。そういう期待があることも、わからないでもない。
でも、私たちプロがやることは、いきなりAIで答えを出すことではないよね。
チャチャっと答えを出すより、間違った答えをそれっぽく出さないことの方が大事だから。

AIを使わない方がいいってことではないんですよね？

「AIがそれなりのものを出してくれる」じゃなくて、「AIが出したものをどう使うか」を設計する必要があるんですね。
AI活用は、分析者とAIの役割分担の話だってことでしょうか。

MSSに「AIでなんとか分析してください」って相談いただく場合も、「自社データをどう活かせばいいかわからない」という段階からでいいんですか？

ということは、「AIで”なんとか”してください」というご相談も、MSSにとっては結局、「このデータ、どう使えばいいですか？」っていうご相談だと思った方がよいってことですね。

そういうことになるね。
データが眠っているなら、まずは何に使えるのかを見る。
全部を一気に分析するんじゃなくて、使えるもの、注意して使うもの、今は使わない方がいいものを仕分けしていく。
そこでMSSのサポートが生きるからね。

今回の話って、AIに期待しすぎないでください、というより、AIをちゃんと使うために前準備が必要ですよ、ということですね。

うん。
AIは便利な道具だけど、使い方が曖昧なままだと、答えも曖昧になる。
だからまず、データと課題を整える。そこからAIを使えるところに使う。
データを眠らせたままにしないためにも、まずは何に使えるかを一緒に見ていく。
それが最初の一歩だと思うよ。

MSSは、AIでただ処理するだけではなく、まずデータの前提を確認し、分析の目的を整理し、使えるデータと注意して扱うべきデータを見極めるところから伴走します。
「自社データを活かしたい」
「AIで分析してみたが、結果の見方に不安がある」
「何を比較してよいのかわからない」
「過去の調査データや自由回答を、社内判断に使える形にしたい」
そうした段階でも、ぜひMSSにご相談いただければと思います。