シンセティックユーザー（合成ユーザー）は、実際にその経験をした人がいなくても、ユーザー調査への参加のような回答を生成します。たとえば、給与計算ソフトを選ぶ新任マネージャーの役割をモデルに与え、ニーズを説明させたりプロトタイプに対するフィードバックを求めたりすることができます。その結果得られる回答は流暢で詳細かもしれませんが、だからといって実際のマネージャーが同じ意見を持っていることの証明にはなりません。

この違いは、成果物がどこで共有される場合でも、常に明確にしておく必要があります。詳細なペルソナに基づいている場合や過去のリサーチ情報が入力されている場合であっても、シミュレーションされた発言はあくまで生成されたデータにすぎません。

リサーチ計画の検討にシミュレーションを活用する

合成された回答は、質問の順序をシミュレーションしたり、想定される反論を探ったり、インタビューガイドに潜む前提に気づいたりするのに役立ちます。また、実際の経験を持つ人々を対象に深く掘り下げる価値のあるトピックを見つけるヒントになることもあります。

これはあくまで準備段階として捉えましょう。分かりにくい質問に対してもスムーズに答えてしまうモデルは、実際のパイロットテスト（事前検証）なら浮き彫りになるはずの「分かりにくさ」を覆い隠してしまうことがあります。また、非現実的なシナリオに対しても異議を唱えずに従ってしまうことがあるため、シミュレーションによる予行演習を行っても、人間によるパイロット調査を省略できるわけではありません。

Nielsen Norman Groupによるシンセティックユーザーに関するレビューでも、補助的な活用の可能性と、実際の人を対象としたリサーチの代替とを明確に区別しています。特に、生成されたデータが一見完成されたリサーチレポートのように見える場合、この境界線を保つことが極めて重要になります。

実際に何が検証されたのかを問い直す

短い属性プロンプトから詳細な個人レベルのデータまで、システムによって使われる入力情報は様々です。ある構成で特定の結果が再現できたからといって、別の構成が新しいターゲット層やタスク、プロダクトでも機能するとは限りません。

意思決定のためにシミュレーションの活用が提案された場合は、その出力が関連する人間のデータとどのように比較検証されたのか、どこでうまく機能しなかったのか、そしてその評価がモデル構築に使われたデータから独立して行われたものかを確認してください。平均的な回答と一致していたとしても、小規模なグループや例外的な体験が適切に反映されていない可能性があります。

シミュレーションによる回答者をどれだけ増やしても、独立した人間の観察結果が増えるわけではありません。あたかも大規模な顧客サンプルを集めたかのように回答数を報告したり、割合の計算に実際の参加者と混ぜてこっそり含めたりしないでください。

アウトプットにおける境界線を維持する

生成されたデータには利用する箇所で必ずラベルを付け、実際の参加者から得られたデータとは明確に分けておきましょう。仮説としての懸念事項はリサーチの問いにはなり得ますが、要約を重ねるうちに「顧客から得られたファクト」として扱われるようなことがあってはなりません。

意思決定が「人々が何を経験し、何を信じ、どう行動するか」に左右される場合は、ユーザーリサーチを通じて適切なエビデンスを収集してください。シミュレーションはその準備作業を助けたり、綿密に検証されたモデルをサポートしたりすることはできますが、想像上の体験を実際の観察事実に変えることはできません。