本記事は、AIインタビュー コルクトーク を開発・提供する弊社クエストリサーチが、自社の社内ヒアリングで コルクトーク を実際に使った記録です。
自社製品の紹介記事ですが、良かったところも手こずったところもそのまま書いています。
社内ヒアリングをやりたい、という場面は意外と多いものです。施策の振り返り、制作物の評価、メンバーの満足度の把握。
けれど実際にやろうとすると、いくつかの障壁に当たります。
例えば、一人一人から直接話を聞きたくても、その日程調整自体に時間がかかりすぎてしまいます。
かといって社内アンケートにすると、今度は回答が一言で返ってきます。「特にありません」「まあまあです」。
知りたいのは点数ではなく、そう思った理由のほうなのに、そこだけがきれいに抜け落ちてしまいます。
弊社はこの課題を解くために コルクトーク を作っているわけですが、当人たちが社内で使わないのももったいない話です。
そこで、デザインチームのメンバーが自分の業務のために3回使ってみたところ、3回目には準備に数時間、案内から2〜3日で15名から回答が集まりました。
何をどう設計して、何が返ってきたのかを、実際の画面と一緒に書いていきます。
改めて整理すると、社内ヒアリングが進まない理由はだいたい2つです。
ひとつは時間の問題。
定性調査は、聞く側と話す側の予定を合わせる必要があります。相手が15人いれば15回の調整が発生し、しかもそれが自分の本業の合間に入ります。
「来週やります」と言ったまま1か月経つ、というのはよくある話です。
もうひとつは深さの問題。
定量調査は一斉に配れて集計も楽ですが、選択肢の中から選んでもらう以上、選択肢を作った人の想像を超える答えは返ってきません。
自由記述欄を置いても、書く負担が大きいので埋まらないか、埋まっても一行で終わります。
社内ヒアリングは「たくさんの人に」と「深く」を両立したい場面なのに、既存のやり方はどちらか一方しか満たしてくれません。
コルクトーク は、ちょうどこの間を埋めるために作ったツールです。
コルクトーク は、AIが対話形式で質問して深掘りしてくれるAIインタビューツールです。
社内ヒアリングの文脈で、具体的に何が省けるのかを先に書いておきます。
①日程調整
非同期なので、聞く側に必要なの時間は「調査を設計する時間」だけです。
回答者も手が空いたときにリンクを開けば、調査に参加することができます。
15人でも30人でも、日程調整コストはゼロのままです。
配るのはURL1本。
回答者側のアカウント登録はありません。社内ならチャットに貼るだけで済みます。
②ゼロからの調査設計
ゼロから質問フローを組む必要はありません。用途別のテンプレートを適用して、中身を自分の質問に差し替えるだけです。
さらに コルクトーク は MCP に対応しているので、Claude を接続してメモ帳の質問リストから設計を作ってもらうこともできます（手順は後述の別記事にまとめています）。
③回答者の負担
コルクトークは、選択式とAIの深掘りを1本に混ぜられるインタビューツールです。
「所属は？」のような事実確認は選択式でさっと答えてもらい、「なぜそう思うのか」の部分だけAIに掘ってもらう。
全部を自由記述にしないので、回答者の負担が上がりません。
④調査の連携ミス
調査ごとにインタビューを作成。
プロジェクトの下にインタビューをぶら下げる構造なので、「あの調査どこいった」がありません。
⑤分析手順の迷子
基本設定 → 設計 → 配信 → 回答収集 → 分析、という進み方がステータスとして常に表示されます。
手順を覚えなくても、画面の指示どおりに進めば配布まで着きます。
そしてもうひとつ、使ってみて分かった効用があります。
相手がAIだと、かえって話しやすい場面があるということです。
これは1回目の話で触れます。
3回とも目的の違う調査でした。順に振り返ります。
最初はインターン生への業務満足度調査でした。
コルクトーク を選んだ理由は、直接聞くより話しやすいのではないかと思ったからです。
上長が正面から「今の業務どう？」と聞いて、率直な答えが返ってくるかというと、なかなか難しいところがあります。
相手にとっては評価者でもあるので当然です。その点、AI相手なら「誰に何を言うか」の気遣いが減ります。
対象は1名だったので効率の話ではありません。聞き方そのものを変えるための選択でした。
2回目は、あるプロジェクトの制作物に対する感想フィードバックの収集です。10名から回答をもらいました。
デザインやクリエイティブの仕事は、作って納めて終わり、になりがちです。良かったのか、どこが刺さったのか、次はどうするといいのか。
聞く機会がないまま次の案件が始まります。評価指標を持ちづらい領域だからこそ、感想が集まること自体に価値がありました。
普段は聞けない感想が読めたのは、素直に嬉しかったところです。
3回目が今回のメインです。
より多くの人に聞きたい調査だったので、人数を増やしても運用が重くならない コルクトーク が適任でした。
案内を出してから2〜3日で15名から回答が集まりました。
「たくさんの人に、それなりの深さで聞く」——これがいちばん効く使い方だと思います。
テーマは「社内の営業資料が実際どう使われているか」です。
作った側の想定と、使う側の実態がずれていないかを確かめたい、という動機でした。
準備
対象はコンサルティング／リサーチ／マーケティング／コーポレート／人事・採用／広報の6職種。
部署によって資料の使い方がまったく違うはずなので、職種を最初に聞いて後の分析で切れるようにしました。
聞いたこと
質問はこの順に並べました。
ポイントは2番です。
「使っていない」と答えた人に利用頻度を聞いても意味がないので、そこで分岐させて別ルートに送ります。
未利用者には「どんな資料があれば使えそうか」を聞きました。使っていない人の声も、資料改訂のヒントとしては同じくらい重要だからです。
分岐の設定は、設計画面で条件を1つ指定するだけです。
配布
設計が終わったら配信を有効にしてURLを取得し、社内に案内を出します。ここまでが数時間です。
本番配信の前に、テスト配信のURLで自分が一度回答しておきます。ここを飛ばさないことが品質を左右するのですが、詳しくは後半に書きます。
回答は管理画面に溜まっていき、テーブル・チャート・クォータの3つの見方で確認できます。CSVでの書き出しもここからです。
ここから先に挙げる傾向・コメントは、記事用に用意したサンプル（ダミーデータ）です。実際の社内回答の内容は掲載していません。
集まった回答を眺めていて、選択式だけでは絶対に出てこなかっただろうと思ったのが次の2点です。
ひとつは、使い方が想像以上に割れていたこと。
「配られた資料をそのまま使う」派と、「相手企業に合わせて毎回抜粋・並び替え・独自スライドの差し込みまでやる」派に、きれいに分かれました。
作る側は前者を想定して1本の完成品を作りがちですが、後者の人にとっては「リッチな状態から引き算できる」形のほうが使いやすい、という指摘まで出てきます。
これは選択肢を用意する側の発想からは出てきません。
もうひとつは、要望の粒度が具体的だったこと。
「分かりやすくしてほしい」ではなく、「他社との料金比較表」「事例を図解した1枚」「事業全体像を1枚で示す図」「コピペで使えるロゴ・チャート・ピクトグラムの素材集」と、そのままタスクにできる形で返ってきました。
AIが「具体的には？」と一段掘ってくれるからです。
逆に「不要」と言われたものもありました。
冒頭のミッション・バリュー紹介は、シーンによってはむしろ邪魔になる、という声です。
作った側からは削りにくい部分こそ、こういう形で聞けると判断がつきます。
ここは正直に書きます。1回目はまったく不慣れでした。
調査設計そのものには慣れていても、AIインタビューという形式で何をどう聞けばいいのかが分からなかったのです。
変わったきっかけは、テスト配信で自分が一度回答してみるようにしたことです。
コルクトーク には、本番公開の前に回答体験を確認するためのテスト配信があります。
そのURLを開いて回答者として一周すると、「この質問文は答えにくい」「この聞き方だと自然に言葉が出る」というのが体感で分かります。
設計画面を眺めているだけでは気が付かなかったことでした。
繰り返すうちに、こういう感覚が掴めてきました。
裏を返せば、この工程さえ飛ばさなければ、あとは簡単です。
定量調査のように選択肢の網羅性に神経を使う必要も、定性調査のように当日の進行力を求められることもありません。
聞きたいことを並べて、掘ってほしいところを指定する——考えることが素直なので、社内の誰でも設計できる形式だと思います。
最初は手探りでしたが、3回目には準備数時間で配布まで到達できるようになりました。
思いついたその日に配れる、というのは社内ヒアリングにとってかなり大きい変化です。「やろう」と思ってから実行までの間に、熱が冷めないので。
社内ヒアリングで困っているのが「人数を増やすと運用が重くなる」ことなら、コルクトーク は解決策になります。
逆に、1人に対して1時間じっくり向き合いたい調査なら、従来型の対面調査のほうが向いています。
Claude を MCP でつないで設計そのものを作らせる手順——接続のセットアップから、聞きたいことを書いたメモを渡して設計を組み上げるところまでは、別記事にまとめました。あわせてどうぞ。
コルクトーク の機能や導入について詳しく知りたい方は、コルクトーク の資料を見るからお問い合わせください。社内ヒアリングはもちろん、顧客インタビューや採用面談のフィードバック収集にもお使いいただけます。
.webp)
