Sprigの調査エージェントに任せる3工程｜結論を書くのは人

「調査のAIエージェントを入れれば、設問づくりから報告書まで全部やってくれるらしい」「AIが出した報告をそのまま会議に出したら、数字の読み方を突っ込まれて答えられなかった」——プロダクトやマーケの調査を担う部門で、前後して聞こえてくる二つの声です。期待と戸惑いは、同じ誤解から生まれています。調査はAIが最初から最後まで代わりにやってくれる、という誤解です。本当は、任せてよい工程と、人が持たないと結論がずれる工程がはっきり分かれています。この記事では、米国の調査基盤 Sprig の調査エージェントを例に、任せる3つの工程と、問いと結論を人が持つ線を整理します。

Sprig は、製品の中やメールで出す調査をAIで回す基盤

Sprig は、企業が自社の利用者や見込み客に向けて行う調査を、一つの基盤で設計・配信・分析するための製品です。2026年10月時点の公式サイトでは、配信の経路としてメール、提供元が用意する調査パネル、自社のWebアプリやサイト、スマートフォンのアプリが並びます。製品の画面の中に短い設問を出す使い方が、もともとの強みとして知られてきました。

この基盤の上で、2026年に打ち出されたのが調査のAIエージェントです。公式サイトには、調査を組み立てるデザインエージェント、回答者に会話の形で聞くフィールドエージェント、統計の分析を担う Analyze Agent、報告をまとめるシンセサイズエージェントの四つが並んでいます。調査の一連の流れを、工程ごとに別のエージェントが受け持つ形です。

一般的な対話型のAIに回答のファイルを貼って要約させる使い方との違いは、調査の設計・配信・回答のデータが同じ基盤の中にあり、エージェントがそのデータに直接触れることです。どの設問に何人が答えたか、どの属性の人が答えたかを、エージェントが元のデータから引けます。

つまりこの製品が変えるのは、調査の手を動かす工程の速さです。逆に言えば、調査の問いを立てる工程や、結果から何を決めるかの工程は、製品を入れても自動にはなりません。この記事の論点は、どの工程を任せ、どの工程を人が持つかに集まります。

作っている会社と、国内でまだ知られていない理由

Sprig の採用ページによると、創業者で最高経営責任者はライアン・グラスゴー氏で、拠点はサンフランシスコとニューヨークです。投資元としてアンドリーセン・ホロウィッツ（Andreessen Horowitz）など3社の名前を挙げ、総額8,500万ドルの支援を受けたとしています。公式サイトに並ぶ顧客のロゴには、配達サービスのドアダッシュなど、米国のネットサービスの会社が目立ちます。

国内であまり知られていない理由は、確かめた範囲では三つあります。一つは、顧客が米国のネットサービスの会社に集中していることです。二つめは、製品の中で調査を出すには、自社のアプリに提供元の部品を組み込む必要があり、自社で製品を持ち、利用者が日々ログインしてくる会社でないと強みが生きにくいことです。

三つめは言語です。説明書では、調査そのものはすべての言語に対応するとされ、デザインエージェントによる翻訳の機能もあります。一方で、AIが作る調査の報告書は「常に英語」と説明書に明記されています。日本語の管理画面や国内の窓口の有無は、2026年10月時点の公式サイトでは確かめられませんでした。

国内で使うなら、日本語の自由回答を数十件入れて、テーマの分け方が日本語の言い回しを取り違えていないか、英語の報告書を誰が読み、誰が日本語にして社内に回すかを、試行の段階で決めておく必要があります。報告が英語で出ることは、そのまま人の確認の工程が一つ増えることを意味します。

4つのエージェントと、それぞれの提供状態

導入を検討するときは、すでに使える機能と、これから提供される機能を分けて見る必要があります。公式ブログと説明書で確かめた発表の日付と提供の状態を、次の表にまとめます。

エージェント・機能	中身（公式で確かめた範囲）	提供の状態
デザインエージェント	設問を書いた文書を読み込み、選択肢・分岐・無作為化を含む調査を組む。調査の翻訳も行う	2026年4月21日に発表、5月初めから順次提供
フィールドエージェント	回答者の属性と文脈に合わせて会話の形で聞き、回答に応じて追いの質問を作る	同上
シンセサイズエージェント	回答が入るたびに、テーマ・要約・引用を含む根拠付きの報告をまとめる	同上
Analyze Agent	クロス集計・t検定・分散分析・相関・価格の感度分析を提案し実行する。低品質の回答を除く前処理を含む	2026年10月8日の公式ブログで「近日提供」と案内
MCP コネクタ	社外の対話型AIから、利用者本人の権限で調査のデータを呼び出す窓口	2026年6月に公式ブログで提供を発表

表のとおり、統計の分析を担う Analyze Agent は、2026年10月時点で提供前の機能です。稟議や導入の計画では、提供中の機能だけを効果の見積もりに数えてください。また説明書では、録画の分析を担う機能の一つにベータの表記があります。ベータの機能は、本番の報告の根拠に使う前に試行の扱いにとどめます。

4月の発表の時点では、MCP コネクタは「今後数か月のうちに」提供する予定とされていました。その後6月に提供が発表されています。発表の時点の予定と、いまの提供状態が変わっていることがあるので、契約の前には提供元に、自社の契約で使える機能の一覧を出してもらうのが確実です。

「調査は全部AIに任せられる」が誤解である理由

調査のエージェントの発表を見ると、設問づくりから報告まで、人の出番がないように見えるかもしれません。しかし提供元自身の公式ブログは、別の見方を示しています。2026年8月の記事では、ある企業のUX調査の責任者の話を引き、AIは「頼れるインターン」であって調査担当の代わりではないと位置づけています。

同じ記事では、AIが助けになる作業として、要約、最初の下書き、傾向の発見、文字起こし、机上の調べもの、最初の骨組みを挙げています。一方で、どのテーマに意味があるかをAIは自分では判断できないとし、結果を事業の判断に訳す工程は調査担当に残ると書いています。AIは底を引き上げるが、独自性の天井を下げる、という言い方も紹介されています。

10月の Analyze Agent の紹介でも、調査担当が「調査の方向を決め」、方法と設定を自分で握り続けられることが強調されています。計算は既存の統計の道具で行い、AIは問いを分析の作業に訳す役だと説明されています。提供元の設計そのものが、問いと解釈を人に残す前提で作られていると読めます。

ですから、この製品を入れるときに決めるべきなのは「AIにどこまでやらせるか」の上限ではなく、人が必ず手を入れる工程はどこかです。次の節から、任せてよい3つの工程と、任せない工程を順に見ていきます。AIが聞き手になって深く聞き込む使い方の向き不向きは「AIインタビュー調査はどこまで使える？」で扱ったので、ここでは扱いません。

任せてよい工程1：配信の設計（設問の組み上げ・翻訳・分岐）

最初に任せてよいのは、決まった設問を、配信できる調査の形に組み上げる工程です。公式の発表では、デザインエージェントは設問を書いた文書を読み込み、選択肢、分岐の条件、並び順の無作為化を含む調査を組むとされています。人が数時間かけていた作業が数分になる、というのが提供元の説明です。

ここで大切なのは、エージェントへの入力が「設問を書いた文書」だという点です。何を聞くかは人が文書に書き、エージェントはそれを配信できる形に組む、という役割の分け方が、製品の作りにすでに表れています。設問の中身まで丸ごと考えさせる使い方は、この工程の外です。

翻訳も同じ考え方で任せられます。説明書によると、デザインエージェントは設問・選択肢・ボタンの文言を一度に訳し、確認してから配信できるとされています。訳した設問は、その言語を読める人が一度は通しで読んでから配信する決まりにします。設問の言い回し一つで回答が変わるからです。

もう一つの安全の仕組みとして、MCP を通じて社外のAIから調査を作った場合は、下書きとしてしか作られず、人が Sprig の画面で承認するまで回答者には出ないと公式ブログで説明されています。配信のボタンを押すのは人という線は、製品の側でも守られています。部門としては、承認する人を名前で決めておきます。

任せてよい工程2：回答の分類（自由回答のテーマ分け）

二つめは、集まった自由回答をテーマに分ける工程です。説明書によると、自由回答は OpenAI の GPT に送られ、短い名前と説明の付いたテーマにまとめられます。新しい回答は入るたびにテーマへ振り分けられ、回答の固まりが変われば、テーマも作り直されるとされています。

数百件の自由回答を人が一件ずつ読んで分ける作業は、調査の中で最も時間がかかる工程の一つです。ここを任せる効果は大きいでしょう。しかも説明書では、各テーマが元の回答を出典として示し、テーマを開けば元の回答を確かめられるとされています。テーマの名前と説明は、社内の言葉に合わせて直せます。

注意したいのは、テーマが作り直されることです。回答が増えるたびに分け方が変わるなら、先週の会議で見せた「上位のテーマ」が、今週は別の名前になっていることがありえます。会議に出すテーマは、出した時点の回答数と日付と一緒に残します。後から数字が変わったときに、何が変わったのかを説明できるようにするためです。

また、少数の声がテーマとして立たないことにも気をつけます。件数の少ない回答は、大きなテーマに吸収されたり、どこにも入らなかったりします。テーマの外に残った回答を人が読む時間を、工程の中に最初から入れておくと、重要な少数の指摘を落としにくくなります。

任せてよい工程3：報告の下書き

三つめは、調査の報告の下書きです。説明書によると、シンセサイズエージェントは回答とエージェントコンテキスト（調査の目的や用語、回答者の特徴を書き込む欄）をもとに、要約・調査の目的・主な発見・機会の4つの節からなる報告を作ります。報告の中の統計は、どの設問のデータを使ったかにリンクで戻れるとされています。

生成には条件があります。回答が10件以上あり、エージェントコンテキストが書かれていること、そして生成できるのは編集者と管理者の役割の人だけです。調査が終わった時点で報告が手で作られていなければ、自動で作られる仕組みもあります。

運用で見落としやすいのが、編集の扱いです。報告は人が直して保存でき、直した人の名前と時刻が残ります。ところが説明書には、エージェントコンテキストを更新したり再生成したりすると、それまでの編集が上書きされると書かれています。人が直した下書きを、別の人の再生成で失わないよう、直し始めたら再生成しない決まりを作ります。

10件という条件は、報告を作れる最低の件数であって、結論を出してよい件数ではありません。10件の回答から出た「主な発見」は、傾向の手がかりにはなっても、施策を決める根拠には足りないことがほとんどです。報告を作れることと、報告を信じてよいことは別だと、最初に部門で共有しておきます。

任せない工程1：何を問うかを決める

ここからは、人が持つ工程です。最初は、調査で何を問うかを決める工程です。何を知りたいのか、その答えが出たら何を決めるのか、という問いの設計は、エージェントの入力そのものです。デザインエージェントには設問の文書を、シンセサイズエージェントにはエージェントコンテキストを渡します。

エージェントコンテキストは5,000字までの自由記述の欄で、説明書では、AIの出力を調査の目的にそろえる、用語や機能の定義を渡す、回答者の特徴を書く、といった使い方が挙げられています。この欄に何を書くかで、報告がどの発見を優先して並べるかが変わるということです。

つまり、問いを人が決めずにエージェントに任せると、報告の優先順位まで任せることになります。たとえば「解約の理由を知りたい」とだけ書けば、AIは解約の理由らしい回答を集めますが、その答えで価格を変えるのか、機能を足すのか、案内を直すのかは決まっていません。答えが出たら何を決めるのかを、配信の前に一文で書いておくことが、問いの設計の最低限です。

問いを書く人は、調査の結果で判断を下す人と同じ部門にいるのが理想です。プロダクトの担当が問いを書き、調査の担当が設問の偏りを見直す、という二人の目を通すと、聞きたいことと聞き方のずれを配信の前に見つけられます。

任せない工程2：統計の解釈

二つめは、統計の結果をどう読むかです。Analyze Agent は提供前の機能ですが、公式の紹介では、調査の構造と目的から適した分析を提案し、クロス集計、t検定、分散分析、相関、価格の感度分析を実行するとされています。計算はパイソンの広く使われる統計の部品で行い、AIは問いを分析の作業に訳す役だという説明です。

計算の正しさを既存の道具に任せる設計は、AIが数字を作ってしまう心配を減らします。ただ、計算が正しいことと、その分析を選んだことが正しいことは別です。新しい顧客と古い顧客で差があるかを調べるとき、どの検定を使うか、何をもって差とみなすか、いくつもの切り口で比べたときに偶然の差をどう扱うかは、読み手の判断です。

特に気をつけたいのは、切り口を増やすほど「差がある」結果が偶然に出やすくなることです。AIに次々と問いを投げて分析させれば、どこかで目を引く差が見つかります。2026年10月時点の紹介記事には、多数の比較を行ったときの扱いについての説明はありませんでした。差が見つかったことより、差を見つけるまでに何回比べたかを記録します

また、統計的に差があることと、事業にとって大きな差であることも別です。回答者が多ければ、ごく小さな差でも統計上は差になります。差の大きさを事業の言葉で言い直すのは人の仕事です。紹介記事が、方法と設定に直接触れられることを強調しているのは、この判断を人に残すためだと読めます。

任せない工程3：結論と施策を決める

三つめは、調査の結果から結論を書き、施策を決める工程です。先に触れた公式ブログでも、結果を事業の判断に訳す工程は調査担当に残るとされていました。報告の下書きの「機会」の節に施策の案が並んでいても、それは案であって結論ではありません。

結論が人に残る理由は、AIの文章が劣るからではありません。結論は、調査の結果に加えて、売上の数字、開発の余力、競合の動き、過去の判断の経緯といった、調査の外の情報と合わせて初めて書けるからです。エージェントが見ているのは調査のデータだけで、説明書でも報告にはその調査のデータだけを使うとされています。

• 報告の下書きの「主な発見」を、確かめずにそのまま経営会議の資料に貼る
• 回答者の数と対象を書かずに「利用者の多くが求めている」と結論にする
• 「機会」の節に並んだ施策の案を、調査の外の事情を見ずに開発の優先順位にする
• 英語で出た報告を機械翻訳だけで社内に回し、誰も元の回答を読まない

いずれも、下書きを結論として扱ってしまう使い方です。報告を社内に回すときは、誰が結論を書いたかを報告の冒頭に名前で残す決まりにすると、AIの下書きと人の判断の境目が読み手にも分かります。

回答者の数と偏りを確かめる手順

報告の質は、AIの性能より先に、誰が何人答えたかで決まります。製品の中で出す調査は、その時点で製品を使っている人にしか届きません。すでに離れた人や、たまにしか使わない人の声は入りにくく、満足している人の声が多めに出る傾向があります。調査パネルやメールの配信を組み合わせるときも、経路ごとに答える人の層が違います。

この手順のうち、件数や割合を数える作業はエージェントに任せてかまいません。何件あれば足りるか、どのずれなら許せるかを決めるのは人です。特に最初の手順は、配信の前にしかできないことなので、問いを決めるときに一緒に済ませます。

報告に根拠と回答数を必ず付けさせる

説明書によると、報告の中の統計は元の設問のデータにリンクで戻れ、自由回答のテーマも元の回答を出典として開けます。根拠をたどる仕組みは、製品の側に用意されています。

ただ、根拠をたどれることと、読む人がたどっていることは別です。報告が社内に回るうちに、リンクの付いた画面から文章だけが資料に貼られ、根拠が切り離されていきます。報告の一文ごとに、回答の数・調査の期間・対象の層を添える決まりにしておくと、文章だけが独り歩きしても重みが分かります。

部門の決まりとしては、少なくとも次の三つを報告に付けさせます。何人が答えたか（設問ごとの回答数）、いつ聞いたか（配信の期間）、誰に聞いたか（経路と対象の条件）です。エージェントコンテキストに「すべての発見に回答数を付ける」と書いておけば、下書きの段階から付けさせやすくなります。

加えて、報告を直した人の名前と時刻が残る機能を使い、誰がどの段で下書きに手を入れたかを残します。数字の読み方を後から問われたとき、AIの下書きのままなのか、人が直した結果なのかを答えられることが、報告の信頼につながります。

製品の中で出す調査と、個人データの扱い

製品の中で出す調査は、回答と一緒に利用者の情報が付いてきます。説明書では、利用者の属性（言語やプランの種類など）を部品やデータの取り込みで送り、調査の対象を絞ったり、回答を絞り込んだりできるとされています。フィールドエージェントは、この属性と文脈に合わせて聞き方を変えるとされています。

気をつけたい点が二つあります。一つは、説明書に、属性は訪問者のデータごと消さない限り消せないと書かれていることです。一度送った属性は後から外しにくいので、送る項目は最初に絞ります。氏名やメールアドレスのような本人を特定できる情報を、調査の絞り込みのためだけに送る必要があるかを、配信の前に確かめます。

もう一つは、AIの処理の行き先です。説明書では、AIの分析に OpenAI の GPT を使い、提供元は顧客のデータで学習しないとしています。OpenAI の側の保存については、AI分析の概要のページでは保存しない契約を結んでいると書かれ、自由回答の分析のページでは30日で自動的に削除されると書かれています。同じ説明書の中で書き方が二通りあるので、契約の前に提供元に書面で確かめてください。

利用者に調査を出すときの案内も忘れないでください。回答がAIで分析されることを、利用規約やプライバシーの案内でどう示しているかは、自社の個人情報の担当と確かめておきます。公式サイトには SOC 2（タイプ2）や欧州の一般データ保護規則への対応などの表示がありますが、保存される地域は確かめた公式ページには書かれていませんでした。

MCPで外のAIに渡すもの、費用の増え方、止め方

2026年7月の公式ブログでは、MCP の安全の考え方が説明されています。社外の対話型AIは、利用者本人の資格で接続し、本人が Sprig の画面で見られる範囲のデータしか読めません。データは聞かれたときにだけ1回最大1,000件ずつ渡され、まとめての書き出しや複製は作らないとされています。提供元は回答のデータを学習に使わない一方、渡ったデータの扱いは、接続先のAIの提供元の条件に従うとも書かれています。

つまり、調査のデータが社外のAIの会話に入ったあとは、自社がその対話型AIと結んでいる契約次第です。個人の契約の対話型AIから接続できる状態にしないこと、接続してよいAIの種類と契約の形を、部門で決めて一覧にしておくことが要になります。管理者は組織全体で MCP を止めることも、個別の接続を取り消すこともできるとされています。

費用は、金額ではなく増え方で見ます。この種の基盤では、配信する調査の数、集める回答の量、使う人の数、パネルを使うかどうかで費用が変わりえます。エージェントの機能が別の契約になるかも含め、調査の数が増えたときに費用がどう増えるかを、契約の前に提供元に確かめることを勧めます。

止め方も先に決めます。製品の中の部品を外したときに調査が止まるか、集めた回答と報告を自社の手元に書き出せるか、AIの機能だけを止められるかは、試行の段階で確かめたい点です。報告の原本は基盤の外にも残すのが原則で、やめたときに過去の調査の結論までたどれなくなる事態を避けられます。

任せる工程と人が持つ工程を一枚にまとめる

ここまでの線を、一枚の表にまとめます。線の引き方は、間違えたときに誰がどれだけ困るかで決めています。自由回答のツール選びの観点を比べたい場合は「アンケートツール選定の確認項目」、インタビューの発言を分析する工程は「顧客インタビューを分析する5工程」を見てください。

工程	AIに任せてよいこと	人が決めること・確かめること
問いを立てる	設問の文書の誤字や重複の指摘	何を問うか、答えが出たら何を決めるか、エージェントコンテキストの中身
配信を設計する	設問・選択肢・分岐・無作為化の組み上げ、翻訳	訳した設問の通し読み、配信の承認、届く層と届かない層
回答を分ける	自由回答のテーマ分け、新しい回答の振り分け	テーマの名前の直し、テーマの外に残った回答を読む
分析する	分析の提案、計算、低品質の回答の候補の印付け	分析の選び方、比べた回数、差の大きさを事業の言葉で言い直す
報告する	4つの節の下書き、統計と元データのリンク	回答数・期間・対象の明記、結論と施策の決定、結論を書いた人の名前

表の右の列は、いずれも担当者の名前で決めておくべき項目です。AIに判断させないのは、AIが劣っているからではなく、調査の外の事情を知り、結論に責任を持てるのが人だけだからです。Analyze Agent のように新しい機能が提供されたら、どの行に入るかを見直します。

よくある質問

アンケートの道具に付いているAIの要約と、何が違うのですか

自由回答の要約だけなら、多くの道具が備えています。Sprig の違いは、設計・聞き取り・分析・報告を別々のエージェントが受け持ち、製品の中で出す調査のデータとつながっていることです。セミナーの後のアンケートのように、決まった設問を年に数回出すだけなら、そこまでの仕組みは要らないかもしれません。

日本語の調査でも使えますか

説明書では調査そのものはすべての言語に対応するとされていますが、AIが作る報告書は常に英語です。日本語の自由回答のテーマ分けの精度は、公式の資料では示されていません。日本語の回答で試行し、テーマの分け方と報告の翻訳を人が確かめてから判断してください。

調査の担当がいない部門でも使えますか

設問の組み上げや報告の下書きは速くなりますが、何を問うか、回答の偏りをどう見るか、結論をどう書くかは残ります。担当がいない部門ほど、AIの下書きをそのまま結論にしてしまう危険が大きくなります。最初の数本は、調査に慣れた人に問いと報告を見てもらうことを勧めます。

誰が導入を決めるべきですか

道具の選定は情報システムの部門や個人情報の担当と一緒に行いますが、問いの立て方と結論の書き方を決めるのは、調査の結果を使うプロダクトやマーケの責任者です。配信の承認者と、結論を書く人を名前で決めておくと、導入後に止まりません。

まとめ

調査のAIエージェントは、設問を書けば報告まで出てくる機械ではありません。Sprig のデザインエージェント、シンセサイズエージェント、そして近日提供の Analyze Agent は、配信の設計・回答の分類・報告の下書きといった手を動かす工程を大きく速くしますが、何を問うか、どの統計をどう読むか、何を結論にするかは決めてくれません。報告は英語で出て、10件から作れ、再生成で人の編集が上書きされる、という製品の性質も、人の確認の工程を前提にしています。入れるなら、答えが出たら何を決めるかを配信の前に一文で書き、配信の承認者を名前で決め、届く層と必要な回答の数を先に決める。テーマ分けと下書きはAIに任せ、テーマの外の回答を読み、比べた回数と差の大きさを人が確かめる。報告には回答数・期間・対象と、結論を書いた人の名前を必ず付けてください。

• 製品の機能と提供状態は、Sprig の公式サイト・採用ページ・公式ブログ（2026年4月21日・7月23日・8月4日・8月5日・10月8日）・説明書を2026年10月25日に確かめた範囲に基づきます
• 料金の体系、日本語の管理画面と国内の窓口、データの保存地域、日本語の自由回答の分析の精度は公式の資料で確かめられなかったため、契約の前に提供元に直接確かめてください

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。