業界では現在、あまり建設的とは言えない議論が繰り広げられている。
「合成」対「本物」。AIによる回答者対人間のパネル。誰もがまるでゼロサムゲームであるかのようにどちらかの側を選び、何かを解明したかのような態度を取っている。1年間にわたるパネルディスカッションやプレゼンテーションを聞き続けてきたが、これらはほとんどが騒音に過ぎないことは明らかだ。このような二元論的な枠組みは安易であり、どちらの方向においても人々を誤った判断へと駆り立てている。
私の結論はこうです:
合成データは実用的なツールです。有用なものです。しかし、それは魔法でもなければ、脅威でもありません。重要なのは、それがどこにふさわしく、どこにはふさわしくないかを理解することです。それだけのことです。
しかし、その話に入る前に、ひとつ見落とされがちな点がある。「合成データ」という言葉は、誰が使うかによって、まったく異なる意味を持つのだ。
- 合成ペルソナ
- 会話のシミュレーション
- 大規模な人間の反応データを用いて学習されたモデル
それらは同じものではありません。まったく別物です。その厳密さの度合いも大きく異なりますが、人々はそれでもそれらをひとまとめにしてしまいます。その結果、買い手は「シグナル」を必要としているのに、「ノイズ」ばかりを手にすることになってしまうのです。まずは、私たちが実際に何について話しているのかについて合意することから始めるべきです。
では、どのような場合にそれが理にかなっているのでしょうか?
主に初期段階の作業です。
10種類のコンセプト案があり、それを2つに絞り込む必要がある場合、10種類すべてでフルスケールのパネル調査を行うのは時間がかかり、費用もかかります。実際の予算を投入する前に、合成データを用いてプレッシャーテストを行うのは賢明な選択です。また、パネル調査の費用対効果が期待できない、リーチが難しいターゲット層(希少疾患の患者、極めてニッチなB2Bの購買担当者、超富裕層の消費者など)に対しても、この手法は有効です。さらに、規制の強化に伴い重要性を増していくプライバシー制約のある環境においても、この手法は有効です。
それが場違いなのは――率直に言えば――本当に重要な決定に関わるあらゆる場面です。
ブランドのポジショニングの見直し。新製品の発売。今、一般の人々が実際にどう感じているかを把握する必要があるあらゆる場面。
インターネット上のテキストで学習されたLLMは、そのことを教えてはくれません。LLMが教えてくれるのは、インターネット上でこれまで語られてきた内容であり、それは一見すると洞察のように聞こえるように整えられていますが、実際にはそうではありません。この違いは重要です。
これは特に定性的な研究において顕著です――その躊躇や矛盾、会話の中の、物事の解釈を一変させるような瞬間。こうしたものは合成することなどできません。そうではないと言う人は、何かを売りつけようとしているのです。
また、多くの人が見落としがちな点があります。それは、合成データの質は、その基礎となる実データの質に左右されるということです。
人間のデータ基盤が脆弱だと、合成された出力には、一見すると妥当に聞こえるため、見つけにくい誤りが含まれてしまいます。これは、明らかに間違っているデータよりも、実はさらに危険なのです。
この点をうまく実践しているチームは、「対」という議論を完全に乗り越えている。
彼らは、開発の初期段階では合成データを活用して、より迅速かつ低コストで進めています。そして、実際に重要な意思決定を行う段階になって初めて、実在する人間のデータを活用するのです。
両方。順番に。
これは保守的な見方というわけではありません。単に、ベンダーの説得力のある話に流されることなく、方法論に対して厳格な姿勢を貫いているだけです。
今後数年のうちに、この問題が明らかになるだろう。
最終的に成功を収めるのは、AIを活用して人間のデータをより有効に活用している組織であり、こっそりと人間に取って代わろうとし、誰にも気づかれないことを願っている組織ではない。
それじゃ長持ちしないよ。

