生成AIを活用したプロダクト開発において、ユーザーリサーチの重要性はますます高まっています。しかし、いざ取り組むとなると、深いユーザー理解のために必要な「ていねいさ」と、業界の変化に置いていかれない「スピード」を両立するのは簡単ではありません。

ソフトバンクのsattoチームは、この課題に真正面から取り組み、AIを活用したリサーチの効率化と体系的なプロセス設計によって、ユーザーの声を素早く、かつ正確に開発に反映しています。

ソフトバンク×グッドパッチ対談の第二弾となる今回は、sattoチームが開発する資料業務の「つくる・探す・更新する」に特化したのエンタープライズ向け生成AIチャットサービスsatto workspaceのリサーチ体制や工夫の裏側を掘り下げます。失敗から学んだ改善の軌跡や、AIプロダクトならではのユーザー理解のポイントまで、余すところなく語っていただきました。

ソフトバンク×グッドパッチ対談の第一弾はこちら：
https://goodpatch.com/blog/2025-06-softbank-satto-1

＜話し手＞
ソフトバンク株式会社 iPaaS事業開発本部 ユーザーリレーション課 課長 石原さん
ソフトバンク株式会社 iPaaS事業開発本部 ユーザーリレーション課 大鐘さん
Goodpatch Anywhere UXデザイナー 関口

「AIプロダクト」だからこそ、ていねいなユーザーリサーチがカギになる

──本日はよろしくお願いします。今回は「ユーザーリサーチ」をテーマにお話を伺っていきたいと思います。本題に入る前に、改めてsatto workspaceがどんなプロダクトなのか教えていただけないでしょうか。

ソフトバンク 石原さん：
satto workspaceは、「生成AIの力を誰もが使えるようにしたい」という思いから生まれた、デスクワークの作業環境を効率化・パワーアップする生成AIチャットサービスです。

──前回のインタビューで、「生成AIプロダクトの開発には、ユーザー理解の質や深さが本当の意味で求められる」というお話がありました。satto workspaceではどのような体制や工程でユーザーリサーチを行っているんですか？

ソフトバンク 石原さん：
「教科書通り」とも言えますが、ユーザーリサーチから開発の一連の順序をしっかり踏むことを重視しています。具体的には「ユーザーの課題を明らかにする」「課題に対する解決策を検討し、それが適切かを検証」「解決策をプロダクトで具体化」といった形ですね。

ユーザー課題や検証フェーズごとにプロジェクトを立ち上げ、1〜2人ほどの体制で、設計から実行、分析、改善までを一貫して進めます。調査を通じて新しい課題が見えた場合は「そもそも、この課題は本当に存在するのか」を確かめるために、別ラインの検証を立ち上げることもあり、常に複数の検証が走っていますね。

──かなり計画的に、しっかりとリサーチを進めているんですね。

Goodpatch 関口：
そうですね。個人的には他のプロジェクトと比べても類を見ないほど、ていねいにユーザーの声を拾って分析まで進めているように思います。

──ていねいな分析をするのには、どういった理由があるんですか？

Goodpatch 関口：
AIプロダクトを開発する際は、特に定性的な調査や分析が大切になると考えています。特にAIを用いたプロダクトにおいては、ユーザーが期待した結果をAIが出すことができているかということがユーザーのプロダクトの満足度に強く影響しているからです。

例えば、satto workspaceは資料作成のプロダクトですが、「こういう資料がほしい」という期待はユーザーごとに異なります。その期待に応えて、満足のいくアウトプットを出すためには、以下のような要素が重要です。

• AIの精度：指示に対して、どれだけ精度高く対応できているか
• ユーザーの指示：AIに正しく指示を出せているか
• システム・UIの利便性：ユーザーがAIに指示を出しやすい形になっているか

──なるほど。AIがあるために満足度に影響する「変数」も増えるわけですね。

Goodpatch 関口：
ユーザー体験を検討する際に考えるべき観点がとにかく多いですね。ユーザーがAIとどうコミュニケーションして、どんな結果が出て、期待とのギャップはどのくらいか、システム側で改善できることは何か、などを幅広く考える必要があります。1つの視点に偏ってしまうと、体験全体を良くするのは難しいです。

ソフトバンク 石原さん：
そうですね。従来はプロダクトとユーザー間の直接のコミュニケーションだけでしたが、そこにAIが入ることで、3つの接点が絡み合う複雑なコミュニケーションが発生します。それをどううまく整備するかが、AIプロダクトを開発する際に大切なポイントの1つだと考えています。

例えば、ChatGPTを使う人は、アウトプットやアウトカム（そのチャットで何を達成したいか）を自分自身で決めてからAIと対話しますよね。この場合、「AIで業務を楽にしたい」と思っても何をどう楽にするかはユーザーに委ねられるので、人によっては指示があいまいになり、思った通りの結果が出にくいです。それに対してsatto workspaceは、資料という具体的なアウトプットを定義しているので、そこから逆算してユーザーに「必要なやりとり」だけを提示できます。

Goodpatch 関口：
もう1つ重要なのは、「ユーザーが自然にAIに自分の情報を提供するため」のコミュニケーションの設計です。AIはユーザーから提供された情報を基にアウトプットである資料を作成しますが、提供された情報が不十分だと満足のいく資料にならないことがあります。

情報提供を求めすぎるとユーザーはうっとうしく感じるので、情報提供コストと得られる効用のバランスをうまくとる必要があります。satto workspaceにとって、資料作成に必要な情報をどうユーザーからもらうかが、今かなり大きな研究課題です。

AI活用で「事実の整理」に割くコストがほぼゼロに　ていねいさとスピードを両立させるリサーチの方法

──目的や使い方、利用状況が違うとなると、確かに細かくユーザーリサーチをする必要が出てきそうですね。

Goodpatch 関口：
だからこそ、ていねいさとともに数をこなすためのスピードも重要になります。両者は二律背反になりがちですが、このチームでは両立できていると感じています。

──一体、どうやってその両立を実現しているんですか？

Goodpatch 関口：
まず、開発スピードが速くて新しいプロトタイプがすぐにできるので、即時検証に活用できている点が大きいですね。リサーチチームでも常に複数人が同時に検証を進めており、結果として、多面的な情報を速く集められています。今は全体で4〜5件ほどの検証が走っていますね。

検証の実施や分析も、AIを活用してかなり高速化できていると思います。従来のユーザーリサーチでは、ヒアリング結果を手動で整理して、プロジェクトメンバーの皆が見やすい形に整えて、それに対して意見を出してメモして……といった作業に結構な時間がかかっていたのですが、大鐘さんがAIを使ってここを圧倒的に効率化してくれたんです。

ソフトバンク 大鐘さん：
プロジェクト内部で「ヒアリングシート」と呼ばれているのですが、ユーザーヒアリングの文字起こしを貼り付けると自動でシートに整理される仕組みを作りました。自分自身、これまで検証を行うたびに、文字起こしを要約したり、質問項目に照らし合わせて回答を並べたりといった作業が大変で……。そこで、スプレッドシートとGeminiのAPIを組み合わせたら、実運用に全く問題ない精度で作業を自動化できたんです。

──おお……！これは確かに時間が相当短縮されそうですね。

ソフトバンク 石原さん：
しかも整理だけでなく、シート上で結果に対して質問できるんですよ。例えば「この課題に言及している人は誰？」と聞くと、AIが全員分の回答を見て、誰がどう答えたかを教えてくれるんです。整理も分析も、非常にやりやすくなりました。

ソフトバンク 大鐘さん：
また、ヒアリング結果を開発に連携しやすいように整えて、優先度を付ける作業も効率化できました。AIがヒアリング結果を基に「この画面にこのボタンが足りていない」といったチケット単位で要件を整理し、さらにその要件を機能ごとに分類して、最後に同じようなユーザの声の数によって重み付けしてくれます。

Goodpatch 関口：
一次情報を入れるだけで、必要な情報が自動で整理されるので本当に助かっています。僕らはそれを確認して本当に正しいかを判断し、検討を深めることに注力できるようになりました。ありがたいのは、どの機能に対してどんな声があるかを簡単に一覧できることです。

例えば、UI改善の話が出たときにこのシートを開いて「ここに該当する声は？」とすぐ確認することもできる。誰でもユーザーの声にアクセスしやすくなったのは大きいですね。

──開発優先度までAIが自動でつけてくれるなんて……。ここまで効率化している例は初めて見た気がします。どういう経緯でこの仕組みを開発したのでしょうか？

ソフトバンク 大鐘さん：
私はもともとエンジニアで、異動してからユーザーリサーチを担当するようになりました。最初は「ユーザーの声を聞いて開発に連携する」ことが仕事だと単純に考えていましたが、実際にやってみると、両者がうまく連携するためには複雑なステップを踏む必要があると気付かされました。

冒頭で話したように、検証をフェーズごとにていねいに分けることで、開発チームへスムーズに連携できると実感しています。

──複雑なステップとは、どういうものですか？

ソフトバンク 大鐘さん：
最初にリサーチの目的をはっきりさせます。誰のどんな困りごとを解決したいのかを明確にすると同時に、その結果が「何の意思決定に反映されるのか」まで明文化するように意識しています。

目的を定める際は、広く意見や課題を出してみて、収束するときにある程度の仮説を立てます。そして、その仮説が正しいかどうかをまず定性調査で確かめます。正しかった場合、次はその仮説にどれぐらい数や影響度があるのかをデータを取りながら検証していく、といった流れです。

Goodpatch 関口：
大事にしているのは、数値を見つつも「このユーザーの声の背景にどんな状況があったのか」をしっかりと深くまで分析し、示唆を導き出すことです。

そこを一定時間かけて議論していると、途中で「この課題に対する示唆は本当に正しいのか？」という疑問が出てくるんです。それが次の検証事項になり……というサイクルを繰り返すことで、ユーザーの理解とソリューションの妥当性を確かなものにしていきます。

リサーチの失敗から得た学び　ユーザーの声を「聞くだけ」では失敗する

──大鐘さんは、プロジェクト内でデザイナーとエンジニアをつなぐ役割を担っているとも言えそうですね。どういった経緯で、現在のリサーチのスタイルになったんですか？

ソフトバンク 石原さん：
最初からしっかりとした流れができていたわけではなく、過去の失敗を反映しながら今の形になったと思っています。以前、このsattoチームで開発していたプロダクトで、リサーチが原因で大きく失敗したことがありまして。調査結果からプロダクトを改善するまでのサイクルを描けていなかったのです。

当時もユーザーの声を聞く意識はありましたし、実際に高頻度でインタビューを行っていました。しかし、その声をどう解釈し、何に生かすべきかの理解が不十分でした。

ソフトバンク 大鐘さん：
開発側の人間はつい「この技術すごいだろう」「便利だろう」といった視点で進めがちです。一方で、私たちがユーザーの意見を聞きに行くと「ここが使いにくい」「ちょっとダサい」といった声をもらうので、それを開発側にフィードバックします。その結果、開発とユーザー両方の声を中途半端に反映した「キメラプロダクト」のようなものができてしまい、結局開発を中止することになったのです。

当時、私たちはコミュニティ運営を通じて、プロダクトに愛着を持ってくれているユーザーの一人ひとりを知っていました。「どうしてこんなプロダクトにしてしまったのか」という申し訳なさが大きくて。本当に大きな反省でしたね。

──反省を生かして今の体制になるまでに、どんな変化があったんですか？

Goodpatch 関口：
僕は今のお話しがあった時期の少し前にプロジェクトに参画しました。参画当時は、組織全体に優先度の判断軸がなかったんですよね。ちゃんとユーザーの声は聞きに行っているのに、それが誰の声でどんな課題なのか、それを分析した先に何の意思決定に影響するのか、といった議論ができていませんでした。そのため、「ここが使いづらい」というユーザーの声を一部ピックアップして、部分的な改善を繰り返していたように思います。

ソフトバンク 石原さん：
「早く結果を出したい」という空気もあり、船に穴が開き始めたことに皆が気づきながらも、スピードを落とさないように開発を進めていました。そこに対して、関口さんをはじめ、グッドパッチのメンバーが「このままではだめだ」と客観的に啓蒙してくれたんです。

そこで、一度立ち止まって余裕を持とうと決めて、ユーザーリサーチを一から学び直しました。正解がないAIの領域だからこそ、まずは教科書通りに進めることを意識しました。組織全体としても、いいと思うことにはエビデンスや根拠があるかを重視するようになりました。事業部長などトップの舵取りのおかげもあって、今の体制は非常にうまく回っています。

AIプロダクトでは、コンセプトテストの「常識」が通用しない？

──リサーチを進める中で、印象に残っているユーザーの声や気付きはありましたか？

Goodpatch 関口：
直近、プロトタイプをユーザーに見せて反応を確かめるリサーチを行いました。まずは画面共有で見せて意見を伺ったところ、興味を持ってくださった方が結構いたのですが、実際にプロダクトを配布してアンケートを取ったら、思ったほど満足度の点数が高くなくて……。

先ほどもお話ししましたが、生成AIを使うプロダクトには無数のユーザーシナリオがあります。プロトタイプやコンセプトテストは、ユーザー側も「ソフトウェアがきちんと動作する」という期待の下に行われることがほとんどですが、生成AIプロダクトでは、その「常識」が通用しない世界です。

──なるほど。期待するシナリオが描けないと、リサーチの精度自体が落ちてしまうリスクがあると。

Goodpatch  関口：
とはいえ、実際に使ってみたときに感じるギャップは、ユーザーに触れてもらわないと分かりませんから、施行回数を増やすことでしかコンセプトテストやリサーチの「精度」はカバーできません。「AI」という大きな変数があるからこそ、早く作って実際に使ってもらうことが重要だと学びました。

ソフトバンク 石原さん：
このプロジェクトでは、ハッとさせられる気付きが非常に多いですね。最近は「AIを使うことで、責任の所在がAIに移る」という感覚を知ったときが印象に残っています。あるユーザーが「私はAIで文章を作ることはせず、自分で作って同僚に確認してから上司に送る」と言っていたんです。理由を聞くと「AIは責任を取ってくれないから」と。この方は、AIを使うことで仕事の責任が自分からAIに移り変わると考えていました。

──興味深いですね。業務フローの間にAIが入ることで、まるで人間のような別の存在が介在しているような感覚になるのでしょうか。

ソフトバンク 石原さん：
この経験から、ユーザーが「AIを使ったとしても責任は自分にある」と感じられたり、反対に、責任の所在を気にしないでいいぐらい、AIを信頼し「自分のアシスタントだ」と感じてもらえるようなプロダクト作りをしなければと感じました。

──改善を重ねていろいろなユーザー情報に触れる中で、ユーザーリサーチについて認識が変わったことはありましたか？

ソフトバンク 大鐘さん：
私はユーザーリサーチをほとんど知らない状態でこのプロジェクトに飛び込んだので、最初は基本的に「開発側が企画してくれるので、とにかくユーザーの声を届ければいい」というくらいの認識でした。しかし、ユーザーリサーチをしっかりとした工程で行う大切さを、今は身をもって感じています。その結果として、今のsatto workspaceが本当に良いプロダクトになっているのを実感していますね。

ソフトバンク 石原さん：
私も少し前までは「ユーザーの声は大事」という認識でしたが、今は「ユーザーリサーチ自体が大事」という認識に変わっています。単に声を聞くだけでなく、「なぜユーザーはその声を上げているのか」を考えるようになりました。ユーザーの状況や課題の背景など、情報を密度高く理解できるようになり、その視点が増えるほどユーザーリサーチの重要性を実感します。自分たちのリサーチ体制を見直して、体系的に学び直して良かったなと感じています。

組織の余白を生み出すような「AIプロダクト」を作りたい

──ありがとうございました。最後に今後の展望や、今後に向けた思いがあれば教えてください。

ソフトバンク 石原さん：
現在はエンドユーザーに対して行っているリサーチですが、企業向けプロダクトである以上、今後はもう少し抽象度を高めて、決裁者層のことを考えていく必要があります。例えば、課単位から部・統括・会社単位と視野を広げ、決裁者に求められる機能や体験を踏まえて、ユーザーリサーチの領域を拡張していきたいと思っています。

個人的な視点では、私は組織の「余白を作る」というミッションにとても共感しています。それを噛み砕いた個人的なテーマとして、「大好きなことがある人が、それに没頭できる時間を作りたい」という思いがあって。例えば、子どもと週末にショッピングモールに行ったとき、カード売り場で熱中して遊ぶ大人を見ると「カッコいいな」と思うんです。そういう人がやりたいことに没頭できるよう、業務時間を効率化して余白を作りたい。自分自身も最近趣味に向き合う機会が少なくなったので、同じように好きなことを諦める人がいない世界になったらいいなと思っています。

ソフトバンク 大鐘さん：
リサーチ結果の整理や分析でのAI活用をさらに便利に加速させたいです。やはり、人による意思決定や判断は必ず必要ですし、ハンドルを握るのは常に人であるべきだと思っているので、AIがそれをどこまで支援できるか考えていきたいです。

私もsatto workspaceの「余白を作る」という考えに共感してこのプロジェクトに参加しています。以前、保育士をしていた友人が、書類作成などの煩雑な業務に追われて、本当にやりたい「子どもと直接関わる時間」を確保できず、最終的に仕事を辞めてしまったことがあって。そんな残念なことが起きないように、できるだけ多くの人が面倒な作業をAIに任せて、本当に注力したいことに集中できる時間を作り出したいと思っています。

Goodpatch 関口：
僕はプロダクトの成長に向けて、さらに検証の回数を増やしていきたいです。今回のサービスはエンタープライズ向けでターゲットが幅広いので、使う人の職種だけでなく、AIリテラシーや業務経験、資料作成経験やレベルなど、考慮すべき点が膨大です。そんな中で幅広いユーザーにフィットする形を見極めるには、やはり検証の回数を重ねてなるべく広い層から情報を集め、検証結果の質を上げていくことが大事だと思います。

このプロジェクトはメンバー全員の熱量とバイタリティが非常に高く、それがすごく魅力的だなと感じていて。個人の思いとしては、その熱量を一緒に楽しみながら、サポートではなく「共に」作っていきたいと思っています。

※sattoはソフトバンク株式会社の登録商標です。