味の素冷凍食品が生成AIに任せる仕事と、人が担う「ノイズ」の見極め方

アンケートや質問票の回答は、その時に本人が思っていたことである以上、嘘ではありません。ただ、そこには「こうあるべき」「こうありたい」という理想が入り込みます。答えられない本音こそがインサイトだという前提に立てば、質問への回答をいくら積み上げても届かない領域が残ります。生成AIの普及でリサーチや要約は速くなった一方、AIが返す答えは多くの人に共通する最大公約数であり、どうしても中心に寄ります。

編集部の見立てでは、ここでの困りごとはデータや回答の不足ではなく、集計という処理そのものの性質にあります。人数を重ねて傾向を取り出す作業は、外れた部分を誤差として落とすことで成り立っている。ところが商品や事業を動かすのは、まさにその落とされた側です。効率化が進むほど平均から外れた声に触れる機会が減っていく、という構造が課題の芯にあったのではないでしょうか。

仮説を立てる段階では質的データを、その仮説が人に響くかを確かめる段階では量的データを使うという工程の切り分けが、この進め方の土台になっています。定量・定性という言い方を避け、量的データと質的データを対等な情報として扱う姿勢は、単なる言葉づかいの問題ではありません。どちらが客観的で正しいかを競わせず、使う場面をあらかじめ決めてしまえば、はっきりしない情報を扱うことへの後ろめたさが消えます。市場規模や購入率は数字で押さえたうえで、発想の入口だけは人の暮らしの側に置く配置です。

AIの出力をまず土台に据え、そこから外れる個別の行動や感情を意図的に拾い上げる組み立ても、この型の中心にあります。多くの人の行動データを重ねれば共通する特徴が中心に集まり、AIが返すのはその最大公約数の答えになります。これを否定せず共通傾向を押さえる材料として使い、そのうえで「なぜこの人だけこう動いたのか」という一人分の具体を掛け合わせる。手作り料理の例のように、中心にある「手作り＝愛情」という解釈だけでは見えない葛藤まで含めて捉える手順が、共感の強さにつながる設計です。

人材育成を明文化された型に落とし込まず、読み解く経験の量に委ねている点も見逃せません。視点そのものは知識として先に渡し、そのうえで行動の足跡や購買データの軌跡を実際に追う経験を積ませる順番が取られています。3年分・1人あたり約2,000行という購買データを楽しみながら眺められるかどうかを重視する構えは、精神論のようでいて実際には適性の見極めに近く、続けられる人にしか蓄積が生まれない作業の性質を踏まえた割り切りではないでしょうか。

生成AIの活用範囲は、大量のデータから必要な情報を抽出し、関連付けて解釈し、示唆を得るところまで広がっています。データ分析や販売予測、生産計画は、人が担うと時間がかかり気づきにくい部分も残るため、AIに任せる領域として整理されました。一方、アイデア創出のようなクリエイティビティの高い業務をどこまで任せられるかは、まだ判断がつかない段階に置かれています。削減率や時間短縮といった定量的な成果は、本記事では示されていません。