Survicateの自由回答分類は人が決める|数える前に検収する線

Survicateの自由回答分類は人が決める|数える前に検収する線

「AIが自由回答を自動でテーマに分けてくれるなら、件数の多い順に並べて改善の優先順位にすればいいのでは」「分類はAIが勝手にやってくれるので、定義を決める会議はもう要らないはずだ」——製品内やメールで顧客アンケートを常に回している製品マーケティングやカスタマーサクセスの担当者から、導入の前後に決まって出てくる期待です。どちらも、AIの分類結果をそのまま「集計表」として扱える前提に立っています。AIが作ったテーマ分けは集計表ではなく、人が定義と照らして検収するまでは「下書き」です。この記事では、顧客アンケートの Survicate が2026年に打ち出した調査の保管庫(Research Hub)と、社内のAIから回答を読ませる仕組み(Survicate MCP)を材料に、常設アンケートの自由回答をAIに分類・集計させて意思決定に使うときの検収の線を整理します。分類の定義の決め方、抜き取りでの確かめ方、少数の声の拾い方、回答者の個人情報、社内AIに読ませる権限、月次の回し方、費用の増え方とやめ方までを扱います。


カメ先生カメ先生

自由回答のAI分類って、AIが正しく仕分けてくれる機能だと思われがちなんだ。でも本当は、AIは「似た言葉をまとめる」のが得意なだけで、何を同じ不満と数えるかという定義は会社ごとに違う。だから分類の線を引くのは人の仕事なんだよ。


カメ子カメ子

AIが作ったテーマの件数を、そのまま会議の資料に貼ってはいけない、ということですか。


カメ先生カメ先生

そう。件数を出す前に、テーマの定義を人が書き、抜き取りで原文に戻って確かめる。そのうえで、件数が少なくても重い声を別に拾う。Survicate は原文に戻る道を用意している製品だけど、戻って確かめるかどうかは使う側が決めることなんだ。


カメ子カメ子

便利な分類ほど、確かめる手順を先に決めておかないと、数字だけが独り歩きしてしまうんですね。


この記事のポイント
  • Survicate は自由回答をAIがテーマに分けて感情を付ける。2026年5月に調査の保管庫 Research Hub を、9月に社内のAIから回答を読む Survicate MCP を公開した
  • AIのテーマ分けは下書きとして扱い、テーマの定義表を人が先に書き、抜き取りで原文に戻ってから件数を数える。少数でも重い声は別の欄で拾う
  • 社内AIに読ませる範囲は接続した人の権限で決まる。個人情報の扱い、月次の検収役、費用の増え方とやめ方を、導入前に決めておく

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Survicate とは:製品内・メール・サイトで聞き続けるアンケートの基盤

Survicate は、顧客の声を集めて分析するためのアンケート製品です。自社のウェブサイト、ソフトウェア製品の画面の中、メールなどにアンケートを出し、回答を一か所に集めます。公式サイトは自らを「AIを使った顧客の声の基盤」と位置づけ、2,000社を超えるデジタル事業で使われていると説明しています。一度きりの大規模な調査より、製品の利用中や購入の直後に短く聞き続ける「常設型」の使い方が中心です。

この製品でAIが入るのは、大きく三か所です。一つ目は自由回答の分析で、公式の説明では「AIが自由記述の回答をテーマにまとめ、感情の印を付ける」とされています。二つ目は、2026年に大きく作り直された調査の保管庫 Research Hub で、アンケート以外の顧客の声も集めて報告書の下書きを作ります。三つ目が、社員がふだん使う生成AIから回答や調査を読みにいける Survicate MCP です。

この記事で取り上げるのは、アンケート製品として優れているかどうかではありません。常設のアンケートは回答が毎月積み上がるため、人が全件を読むのは早い段階で無理になります。そこでAIの分類に頼るのですが、頼った瞬間から、分類の誤りがそのまま優先順位の誤りになるという構造が生まれます。Survicate はその構造を考える材料として分かりやすい製品なので、具体例として使います。

2026年の動き:調査の保管庫 Research Hub と、社内AIから読む MCP

2026年5月12日付で、Survicate の最高製品責任者が Research Hub の刷新を公式ブログで説明しました。Research Hub は、アンケートの回答に加えて、アプリストアのレビュー、Intercom の問い合わせ、会議の文字起こし、アップロードした聞き取りの録音や表計算などをつなぎ、15を超える情報源をまとめて報告書の下書きをAIに作らせる保管庫です。調査の問い、使う情報源、期間を決めて「プロジェクト」を作り、一度きりにも継続にもできます。継続のプロジェクトは、新しい問題が出てきたときに知らせる仕組みも持つとされています。

注目したいのは、刷新の理由です。同じ記事は、前身の Insights Hub が「ありきたりな示唆」を出しがちだったことを認め、作り直した版では文単位で感情と示唆を割り当て、それぞれの発見が元の発言と情報源に戻れるようにしたと説明しています。さらに、重要な判断に使う発見は引用を全件確かめ、探索的な用途なら抜き取りで確かめることを勧めています。提供元自身が、AIの出力を検収なしに使うことを前提にしていない点は押さえておく価値があります。

2026年9月9日には、Survicate MCP を公開しました。公式の説明では、Claude・ChatGPT・Copilot などの社員が使う生成AIから、アンケートの一覧と設問、全体や設問ごとの結果、Research Hub の報告書や示唆を読み出せます。Slack への対応は予定とされています。同社はこれを、AIエージェント向けの層(Agentic Layer)の最初の機能と位置づけ、まだ最初の版だとしています。

誤解:AIのテーマ分けは「集計表」ではなく「下書き」

自由回答のAI分類でいちばん多い誤解は、出てきたテーマと件数を、選択式の設問の集計と同じ確からしさで扱ってしまうことです。選択式の集計は、回答者が自分で選んだ結果なので数え間違いが起きません。一方、自由回答のテーマ分けは、AIが文章を読んで「この回答はこのテーマ」と判断した結果です。判断である以上、外れる回答が必ず混ざります。

外れ方には癖があります。たとえば「料金が高い」と「料金の割に機能が少ない」は、AIが同じ「価格」のテーマにまとめやすい言葉ですが、前者は値下げの話、後者は機能の話で、打つべき手がまったく違います。逆に、「ログインが面倒」と「シングルサインオンに対応してほしい」は別々のテーマに分かれがちですが、社内では同じ担当者が扱う一つの課題かもしれません。AIは言葉の近さで分けるので、会社の中の担当や打ち手の単位とずれるのは自然なことです。

もう一つの誤解は、「AIの分類は自動なので、定義を議論する必要がない」というものです。実際には逆で、AIが毎月テーマを作り直すと、先月と今月で同じ名前のテーマに入る回答の範囲が変わることがあります。定義が動けば、月ごとの件数の増減は意味を失います。だからこそ、AIに任せる前に、人がテーマの定義表を書き、それを基準にAIの結果を検収する手順が要ります。以下の節では、この手順を運用として定着させる順番で見ていきます。

分類の定義は人が決める:テーマの定義表を先に書く

最初に作るのは、テーマの定義表です。表には、テーマの名前、含める回答の例、含めない回答の例、そのテーマを受け持つ社内の担当、の四つを書きます。名前だけでなく「含めない例」を書くことが、検収の基準を作るうえでいちばん効きます。たとえば「価格」のテーマに「料金の割に機能が少ない」を含めるかどうかを、ここで決めておきます。

定義表の出発点には、AIの結果を使って構いません。最初の一か月分の回答をAIにテーマ分けさせ、出てきたテーマを人が見て、統合する、分ける、名前を変える、を決めます。公式の説明では、Survicate の自由回答の分析はAIがテーマをまとめる仕組みですが、そのテーマを製品の中でどこまで手で直せるかは、公開資料からは細かく確かめられませんでした。定義の直し方が製品の中でできるか、外の表で管理するかは、試用期間のうちに確かめておく必要があります。

テーマの数も決めておきます。多すぎると一つひとつの件数が小さくなって比較できず、少なすぎると打ち手につながりません。目安として、受け持つ担当が明確に分かれる単位で10前後から始め、どのテーマにも入らない回答を「その他」に集め、その他が増えてきたら定義表を見直すという運用が回しやすい形です。定義表を変えた月は、変えたことを記録に残し、前後の月の件数を単純に比べないようにします。

検収の方法:抜き取りで原文に戻ってから数える

定義表ができたら、毎月の検収の手順を決めます。Survicate は分析の画面から個々の回答に戻れると説明しており、Research Hub でも発見ごとに元の発言を開けます。原文に戻る道があることと、実際に戻って確かめることは別なので、誰が何件を見るかまで決めておきます。

STEP1
テーマごとに抜き取る

各テーマから一定数の回答を無作為に抜き出します。件数の多いテーマほど件数の誤差の影響が大きいので、上位のテーマは多めに見ます。

STEP2
定義表と照らして正誤を付ける

抜き取った回答が、定義表の「含める例」に当たるか、「含めない例」に当たるかを人が判断し、外れた回答の割合を記録します。

STEP3
外れが多いテーマを直す

外れの割合が決めた線を超えたテーマは、定義表の文言か分け方を見直し、AIの結果をそのまま数えずに人が付け直すか、テーマを統合します。

STEP4
検収済みの件数だけを報告に使う

報告書には検収を通ったテーマの件数だけを載せ、検収していないテーマは「参考」として分けて書きます。

外れの割合をどの線で許すかは、使い道で変えます。製品の優先順位や予算の判断に使うテーマは厳しく、雰囲気をつかむための探索なら緩くします。これは Research Hub の記事が勧める、重要な判断は全件確認、探索は抜き取りという考え方と同じ向きです。検収の結果は、テーマごとに記録を残して翌月と比べられるようにしておくと、AIの分け方の癖が見えてきます。

  • 抜き取りは「目立つ回答」ではなく無作為に選びます。目立つ回答だけを見ると、外れの割合を実際より小さく見積もります
  • 検収する人を毎月同じ一人に固定すると、その人の解釈が定義になってしまいます。二人で一部を重ねて見ると、解釈のずれに気づけます

少数の声を拾う:件数の少ないテーマに消される回答

AIの分類と件数の並べ替えを組み合わせると、件数の少ない声は自然に下へ沈みます。ところがBtoBの製品では、件数は少なくても、大口の顧客の解約や、安全・契約にかかわる指摘のように、一件で重い声があります。件数順の報告だけでは、こうした声が会議に届きません。

対策として、定義表とは別に「件数によらず必ず人が読む回答」の条件を決めておきます。たとえば、解約・契約の見直しという言葉を含む回答、データの漏えい・誤作動を訴える回答、特定の重要顧客からの回答、感情が強く否定的な回答のうち短すぎないもの、などです。この条件に当たる回答は、AIのテーマ分けの結果にかかわらず全件を担当者が読みます。

もう一つ気をつけたいのが、AIの要約に少数意見が残らない問題です。報告書の下書きをAIに作らせると、多数派の傾向が文章の中心になり、少数の反対意見は一行に丸められがちです。要約の文章には、少数意見の欄を人が足すと決めておき、Research Hub の下書きを使う場合も、承認の前に少数意見の欄が空でないかを確かめます。何を少数意見として残すかをAIに判断させないことが、この欄を形だけにしないこつです。

感情の判定をそのまま数字にしない

Survicate の分析は、自由回答に肯定・否定といった感情の印を付けます。Research Hub は文単位で感情を割り当てるとしており、一つの回答の中に褒め言葉と不満が混ざっていても、それぞれに印が付く仕組みです。便利な一方で、感情の印を集計して「否定が何割」と報告すると、判定の癖がそのまま数字になります。

日本語の回答では、とくに判定が揺れやすい表現があります。「特に不満はありません」は否定語を含むのに中立か肯定、「もう少し速いと助かります」は丁寧な言い回しの不満、「さすがですね」は文脈によっては皮肉、といった具合です。AIが日本語のこうした言い回しをどこまで正しく読むかは、自社の回答で確かめるしかありません。導入前に、過去の回答から百件ほどを人が判定し、AIの判定と並べて一致の度合いを見ておくと安心です。

感情の印は、全体の割合として報告するより、テーマの中で否定の強い回答を探す道具として使うほうが安全です。たとえば「操作性」のテーマの中で否定の印が付いた回答を優先して読む、という使い方です。感情の割合を経営の指標として毎月追うなら、判定の一致の度合いを同じ表に書き添え、一致の度合いが低い月は数字を参考扱いにすると決めておきます。

回答者の個人情報:自由回答に書かれてしまうもの

自由回答の欄には、会社が聞いていない情報が書かれます。氏名、メールアドレス、電話番号、契約の番号、社内の担当者の名前、ときには取引先の内情まで、回答者は善意で書き込みます。AIに分類させるということは、こうした情報を含む回答をまとめてAIに渡すということです。

Survicate は公式の説明で、欧州の一般データ保護規則に沿っていること、データ処理の契約とデータ保護責任者を置いていること、ISO 27001 の認証、通信と保存の暗号化を挙げています。データの置き場所はアイルランドの AWS、文章の分析は OpenAI の企業向けAPIで動き、顧客のデータをAIの学習には使わないとしています。日本の個人情報保護法の観点では、外国にある事業者への提供や委託として扱う整理が要るため、法務と個人情報の担当に、契約書とデータ処理の契約を読んでもらってから始めます。

運用では、設問の段階で「個人を特定する情報は書かないでください」と添え、それでも書かれた情報の扱いを決めます。検収の担当者が個人情報を見つけたときの消し方、報告書や社内チャットに原文を貼るときの伏せ方、社外に出す資料に引用するときの同意の取り方です。顧客の言葉を広告や提案資料に引用したくなる場面は多いので、引用してよい回答の条件を、アンケートの案内文と社内の決まりの両方に書いておきます。

何が社外に出るか:データの置き場所と処理するAI

Survicate を入れると、データの流れは三段になります。回答者から Survicate へ、Survicate から分析を担うAIの提供元へ、そして MCP を使う場合は Survicate から社員の使う生成AIへ、です。それぞれの段で、誰がデータを持ち、どれだけ保存し、学習に使うかが違います。

流れの段何が渡るか誰の決まりが効くか確かめること
回答者から Survicate へ回答・設問・回答者の属性Survicate の契約とデータ処理の契約保存期間(契約の版で異なる)、置き場所
Survicate から分析のAIへ分類・要約のための回答の文章Survicate の説明では OpenAI の企業向けAPI学習に使わない旨、委託先の一覧
Research Hub に足す情報源問い合わせ・レビュー・会議の文字起こしつなぐ各製品の契約と Survicate の契約社員の発言や他社名が含まれないか
MCP で社内の生成AIへ結果・回答・報告書の中身社員が使う生成AIの提供元と自社の設定保存と学習の設定、接続を許す人

表の四段目は、見落としやすいところです。Survicate の公式の説明は、MCP 経由で生成AIに渡った内容の保存や学習の扱いは、AIの提供元の設定と自社の設定によって決まり、Survicate の側では管理できないと明記しています。つまり、回答を社内のAIに読ませるかどうかの判断は、社内でどの生成AIをどの契約で使っているかの判断と一体です。個人の契約の生成AIから接続させることは、最初の段階では認めないと決めておくのが無難です。

Research Hub に問い合わせ履歴や会議の文字起こしをつなぐと、アンケートの回答者以外の人の発言も分析の対象になります。営業の会議の文字起こしには社員の発言や他社の名前が含まれます。つなぐ情報源を増やすたびに、その情報源の中身を誰が見てよいかを確かめ、つなぐ判断を記録しておきます。

MCPで社内AIに読ませる権限:誰の資格で、何が読めるか

Survicate MCP の接続は、一度だけの認可(OAuth)で行い、APIの鍵を作って配る必要はないと説明されています。そして、生成AIからの呼び出しは、接続した本人の権限で動きます。Survicate の中で見られないアンケートは、生成AIからも見られません。ワークスペースの役割、フォルダの権限、Research Hub の役割がそのまま効く仕組みです。

この仕組みは安心材料であると同時に、権限の設計をそのまま広げる仕組みでもあります。Survicate の中で広い権限を持つ人が接続すれば、その人の生成AIは全アンケートの回答を読めます。接続を許す前に、Survicate の中の権限を棚卸しして、全件を見られる人を絞っておくことが先です。読む専用の役割の人に限って接続を許す、という段階の踏み方も考えられます。

書き込みの範囲も確かめておきます。公式の説明では、生成AIからできる書き込みは、アンケートの下書きと Research Hub の新しいプロジェクトの作成で、削除はできず、顧客へ何かを送ることもありません。生成AIで作った下書きは Survicate に下書きとして届き、人が確認して対象を決め、配信するまで回答者には届かないとされています。ただ、下書きが増えすぎると管理が乱れるので、生成AIから作った下書きは誰が見て、いつ消すかも決めておきます。

  • Survicate の管理者権限を持つ人が、個人契約の生成AIから接続し、全アンケートの回答を読ませてしまう
  • 生成AIに「解約理由の上位を教えて」と聞き、検収していないテーマの件数をそのまま経営会議の資料に貼る
  • 生成AIが作ったアンケートの下書きを、設問の偏りを確かめないまま配信してしまう

社内AIの答えを意思決定に使う前の線

Survicate の公式の説明は、MCP の使い道として、解約理由の順位づけ、製品計画の判断をアンケートと調査で確かめること、不満が広い傾向か一部の顧客かの見極め、改修の前後の比較、などを挙げています。どれも便利ですが、社内のAIが返す答えは、検収していないテーマ分けと要約の上に立っていることを忘れないようにします。

意思決定に使う前の線として、三つを決めておくと運用が安定します。一つ目は、AIの答えに出典として元の回答やアンケートの名前を必ず添えさせること。二つ目は、件数や割合が出てきたら、それが検収済みのテーマの数字かどうかを確かめること。三つ目は、予算・製品計画・価格に関わる判断では、AIの答えを結論ではなく問いの候補として扱い、人が原文を読んでから決めることです。

「改修の前後の比較」も注意が要ります。改修の前後でテーマの定義が変わっていたり、アンケートの出し方や対象が変わっていたりすると、件数の差は改修の効果を表しません。比べる前に、同じ定義・同じ出し方の期間どうしかを人が確かめます。AIに比較を頼むときも、比較してよい条件をそろえるのは人の仕事です。

月次の運用:誰が何をいつ見るか

常設のアンケートは、導入の最初の月より、半年後の運用が崩れやすいものです。担当者が入れ替わり、定義表が古くなり、検収が省かれ、AIの件数だけが報告に残る、という流れで形だけになります。そうならないよう、月次の運用を役割と日程で決めておきます。

目安として、次のような回し方が考えられます。月初の一週目に、前月分の回答のテーマ分けをAIに更新させます。二週目に、検収の担当者が抜き取りと、件数によらず読む回答の全件確認を行います。三週目に、検収を通ったテーマの件数と少数意見の欄をまとめ、各テーマの受け持ちの担当に渡します。四週目に、定義表の見直しが必要かを判断し、変えた場合は記録します。検収を飛ばした月は、報告書の件数に「未検収」と明記することを決まりにしておくと、形だけの運用に気づきやすくなります。

役割は、少なくとも三つに分けます。定義表の持ち主(多くは製品マーケティングか調査の担当)、検収の担当(二人で一部を重ねる)、テーマごとの受け持ち(製品・カスタマーサクセス・営業など)です。受け持ちの担当は、渡されたテーマについて「対応した・対応しない・保留」を返し、その結果を次の月の定義表の見直しに使います。声を集めるだけで返事がない状態が続くと、回答する顧客の側も離れていきます。

部署への渡し方:結論ではなく根拠付きで

検収を終えたテーマを部署に渡すとき、件数と要約だけを渡すと、受け取った側は「本当にそうか」を確かめられません。渡すときは、件数、代表的な原文を数件、少数意見、検収で見つかった外れの割合をひとまとめにします。原文があることで、受け取った担当は自分の知っている顧客の顔と結びつけて読めます。

営業やカスタマーサクセスに渡すときは、特定の顧客の回答かどうかが分かる形にするかを決めておきます。アンケートの案内で「回答は個別の対応に使う」と伝えていない場合、回答者を特定して営業がすぐに連絡するのは、回答者の期待を裏切ることになりかねません。個別の対応に使う設問と、匿名の傾向として扱う設問を、アンケートを作る段階で分けておくのが確実です。

経営層への報告では、AIが作った要約の文章をそのまま載せず、検収済みの数字と、担当が書いた一段落の解釈を並べます。解釈の欄には「AIの要約ではこう出たが、原文を読むとこう読める」と、人の判断を書き添えます。AIの要約を引用するなら、誰が確かめたかを添えることで、報告の責任の所在がはっきりします。

費用の増え方とやめ方

Survicate の料金は、月ごとの回答数と、Research Hub で扱うデータの量に応じて上がる形で示されています。公式の情報では、年払いの最も小さい契約が月56ドルからとされていますが、料金表の内訳は契約の版によって異なり、自由回答のAI分類と感情の分析は上位の契約から含まれると料金表に示されています。生成AIとの会話の回数にも契約ごとの上限があり、回答の保存期間も契約の版で数か月から数年まで変わります。導入前に、自社が使う機能がどの版に含まれるかを見積もりで確かめます。

費用が増えやすいのは、常設のアンケートを製品の画面の多くの場所に出し、回答数が想定を超えたときです。小さい契約では上限を超えると追加の料金がかかると示されています。また、Research Hub に情報源を足していくと、扱うデータの量が増えます。どのアンケートと情報源が分析の役に立っているかを四半期ごとに見直し、役に立っていないものは止めることを、費用の管理の決まりにしておきます。

やめ方も先に決めておきます。やめるときに必要なのは、回答の原文の書き出し、定義表と検収の記録、テーマごとの対応の記録の三つです。テーマ分けの結果は製品の中にしか残らないことが多いため、検収済みのテーマの付け方は、自社の表にも毎月写しておくと、別の製品に移っても過去と比べられます。MCP の接続も、やめるときに社内の生成AIの側で接続を外す手順を決めておきます。

よくある質問

回答が月に数十件しかなくても、AIの分類は役に立ちますか

件数が少ないうちは、人が全件を読むほうが早く、確かです。AIの分類が役に立つのは、人が全件を読みきれなくなってからです。少ないうちに定義表を作っておくと、件数が増えたときにAIの結果を検収する基準がすでにある状態で始められます。

NPSの調査の自由回答にも同じ考え方を使えますか

使えます。点数ごとの分け方とは別に、自由回答のテーマの定義表と検収の手順を持つという点は同じです。点数の分析の方法そのものは、この記事では扱いません。

Research Hub の報告書の下書きは、どこまで信用してよいですか

提供元自身が、重要な判断に使う発見は引用を全件確かめ、探索的な用途なら抜き取りで確かめることを勧めています。下書きの結論を承認する前に、発見ごとに元の発言を開き、少数意見の欄を人が足すことを手順にしてください。

社員が個人で使っている生成AIから接続されるのを防げますか

Survicate MCP は接続した本人の権限で動くため、接続を止めたい場合は、Survicate の中の権限と、社内で使ってよい生成AIの決まりの両方で手当てします。社内の生成AIの管理画面で接続できる先を管理者が決められる契約もあるため、情シスと一緒に設定を確かめてください。

まとめ

Survicate は、常設のアンケートの自由回答をAIがテーマに分けて感情を付け、2026年には Research Hub で他の情報源もまとめ、Survicate MCP で社員の生成AIから回答を読めるようにしました。どれも、人が全件を読みきれない量の声を扱うための仕組みです。ただし、AIのテーマ分けは集計表ではなく下書きです。人がテーマの定義表を先に書き、抜き取りで原文に戻って検収し、件数によらず読む回答の条件と少数意見の欄を決め、検収を通った数字だけを判断に使う。社内AIに読ませるときは接続する人の権限を絞り、個人情報と保存の扱いを契約で確かめ、月次の役割を決め、やめるときに持ち出すものまで用意しておく。ここまで決めてから入れれば、AIの分類は声を早く届ける道具として働きます。

※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。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次