1. AIがUXをどう変えたか
従来のUX設計では、UIは「決められた操作を効率よく行うための画面」として扱われていました。しかし生成AI時代では、ユーザー入力そのものがUIになります。
つまり現在のUXは、
- 何を入力するか
- AIへどう依頼するか
- AI結果をどう理解するか
- AIをどこまで信頼するか
まで含めて設計する必要があります。
たとえば通常の検索UIでは、「検索窓にキーワードを入れる」が基本でした。しかしChatGPT型UIでは、質問の仕方そのものが体験品質を左右します。
同じ機能でも、
- 指示が曖昧
- 文脈不足
- AIへの期待値が高すぎる
だけでUX品質が大きく崩れます。
そのためAI時代のUXリサーチでは、「画面操作の観察」だけでなく、「思考プロセス」「質問生成」「AIへの心理状態」まで観察対象になっています。
2. 従来型シナリオが通用しない理由
従来のユーザーテストは、再現可能なフローを前提としていました。
例:
- ログインする
- 商品を検索する
- 購入する
しかしAIプロダクトでは、同じ入力でも毎回違う結果が返ります。
つまり、
- 正解が固定されない
- 操作が自由
- 会話が分岐する
- 出力品質が変動する
という特徴があります。
そのため従来のように、「このボタンを押して次へ進む」だけを評価しても、本当のUXは見えません。
AI時代では、
- ユーザーが何を期待したか
- AI結果をどう解釈したか
- 不安を感じたか
- 再質問できたか
を確認する必要があります。
特に重要なのは、「AIをどう誤解したか」です。
AI UXでは、誤操作より「誤信頼」の方が大きな問題になるケースが増えています。
3. AIアプリ特有のテストポイント
Hallucination
Hallucination（ハルシネーション）は、AIが自然な文章で誤情報を生成する問題です。
重要なのは、「AIが間違えたか」だけではありません。
実務では、
- ユーザーが誤りに気づけたか
- AI結果をそのまま信じたか
- 根拠確認を行ったか
を観察する必要があります。
特にBtoB SaaSでは、AI出力が業務判断へ直結するため、UX設計側で「疑いやすさ」を組み込むことが重要です。
Trust
AI UXでは、「信頼」が最重要テーマの一つです。
ただし、信頼は高ければ良いわけではありません。
過信すると危険です。
逆に信用されなさすぎると、利用継続されません。
そのため実務では、
- なぜその回答になったか
- 根拠があるか
- 修正しやすいか
- 人が確認すべきか
をUIで伝える必要があります。
Prompt Behavior
AI UXでは、「ユーザーがどう質問するか」自体がUX品質を左右します。
初心者ユーザーは、
- 何を書けばいいかわからない
- 短すぎる質問になる
- AIに遠慮する
- 曖昧な指示になる
ケースが非常に多いです。
そのため現在のAI UIでは、
- サンプルプロンプト
- 自動補完
- 入力ガイド
- 会話テンプレート
などが重要になっています。
Human Expectation Gap
AI UXで最も難しい問題の一つが、「期待値ギャップ」です。
ユーザーはAIに対して、
- 人間並み
- 完全自動
- 正確
- 何でもできる
という期待を持ちやすいです。
しかし実際には、
- 文脈を誤解する
- 推測で補完する
- 最新情報が弱い
- 業務知識が不足する
場合があります。
このギャップを埋めることが、AI UX設計では非常に重要です。
4. シナリオ設計の変化
AI時代のユーザーテストシナリオは、「人に聞く台本」から、「AIと人が共同で磨く設計書」へ変化しています。
以前は、限られたシナリオを人が作り込んでいました。
しかし現在は、
- AIで大量の仮説生成
- ペルソナ別シナリオ作成
- 会話分岐生成
- 失敗ケース生成
を高速に行えるようになっています。
一方で、
- どの仮説が重要か
- 本当に現実的か
- UX課題につながるか
は、人間が判断する必要があります。
AI時代の実践テンプレート
- 検証したい仮説を書く
- ユーザー背景を定義する
- AIで複数シナリオを生成する
- 人が誘導的表現を削除する
- 観察ポイントを固定する
- 実施後にAIでログ整理する
- 最終解釈を人が行う
この流れにすると、速度と精度を両立しやすくなります。
5. AI SaaS向けユーザーテストサンプル
営業支援AI
シナリオ
あなたは営業担当です。商談後のフォローメールを10分以内に作成する必要があります。AIを使ってメール文面を作成してください。
観察ポイント
- どんな指示を書くか
- AI結果を修正したか
- そのまま送ろうとしたか
- 修正コストは高いか
AI議事録ツール
シナリオ
会議後、要点整理とタスク抽出をAIへ依頼してください。
観察ポイント
- AI結果を信頼したか
- タスク漏れを確認したか
- 修正フローは自然か
AI検索SaaS
シナリオ
社内規程を探してください。
観察ポイント
- AI検索結果をどう検証したか
- 間違った回答に気づけたか
- 再質問できたか
6. AI UX Metricsとは何か
AI UXでは、従来のCVRだけでは不十分です。
現在は以下のような指標が重要視されています。
.png)
特に重要なのは、「どこでAI利用を諦めたか」です。
AI UXでは、成功より失敗分析の方が改善につながるケースが多くあります。
7. AI時代のUXリサーチ実践フロー
AI UXでは、リサーチ自体にもAIが使われ始めています。
実務フロー
ただし重要なのは、「AIが結論を決める」のではなく、「人が判断しやすくする」ことです。
AIは補助役として非常に強力ですが、文脈理解や倫理判断は依然として人間が担います。
8. AI UX改善を高速化する運用方法
AI UXは、一度作って終わりではありません。
継続的な改善が前提です。
実務では、
- 会話ログ分析
- 離脱分析
- 失敗プロンプト分析
- A/Bテスト
- リテンション分析
を高速で回します。
特に重要なのは、「ユーザーが何を書けなかったか」です。
AI UXでは、「入力されなかった意図」の分析が非常に重要になります。
9. AI UXリサーチで失敗しやすいポイント
AI精度だけを見る
多くの失敗は、モデル性能だけを評価することです。
実際には、
- UI説明
- 入力支援
- 修正導線
- 会話設計
の方がUXへ大きく影響する場合があります。
AI慣れしたユーザーだけを見る
AIリテラシーが高い人は特殊です。
一般ユーザーは、
- AIに緊張する
- 長文入力が苦手
- AI結果を過信する
ケースが多くあります。
初心者観察を省くと、実際のUX課題を見落としやすくなります。
「便利そう」で判断する
AI UXでは、「面白い」と「継続利用される」は別です。
そのため、
- 継続率
- 実利用率
- 実業務転換率
- 習慣化率
まで確認する必要があります。
10. 今後5年の未来予測
今後のUXリサーチでは、AIがさらに深く組み込まれていきます。
特に進むと考えられているのは、
- AIによる行動分析
- 感情推定
- 会話異常検知
- UX課題自動抽出
- パーソナライズテスト
です。
一方で、人間側に求められる役割はより高度になります。
今後重要になるのは、
- 倫理設計
- 信頼設計
- AI説明責任
- 感情理解
- AI依存防止
です。
つまりUXリサーチは、「使いやすさ」を超えて、「人とAIの関係性設計」へ進化していきます。
