【2026年最新】AIでアンケート設計｜中小企業が使える回答を集める実務ガイド
結論：アンケートは「集めてから考える」のではなく「何を知りたいか」を先に決め、設問設計の段階で生成AIに壁打ちさせると、回答の質が一段上がります。
この記事の要点：
- 要点1：使えない回答が集まる原因の多くは、設問が悪い（誘導・二重質問・選択肢漏れ）こと。配布前にAIで点検すれば防げます。
- 要点2：目的の整理→設問設計→依頼文→集計・分類→仮説出しの5工程すべてに、コピペで使えるプロンプトを用意しました（計5つ以上）。
- 要点3：個人情報・回答データの扱い（利用目的の明示・同意・匿名化・社外サービスの規約確認）は、設計段階でルール化しておくのが安全です。
対象読者：顧客満足度・従業員・市場調査などのアンケートを、聞きっぱなしにせず打ち手につなげたい中小企業の経営者・部門責任者の方。
読了後にできること：今日中に、自社のアンケート目的を1文で言語化し、その目的に紐づく設問のたたき台をAIに作らせるところまで進められます。
「アンケート取ったのに、結局なにも変わらなかったんだよな…」
先日、ある製造業の研修先で、こんな相談を受けました。前年に顧客満足度アンケートを実施したものの、集まったのは「満足／やや満足／普通」の数字だけ。「で、次に何をすればいいの？」という問いに、誰も答えられなかったというのです。設問を見せてもらうと、「当社のサービスにご満足いただけましたか？」という、答える側がうっすら「満足」を選びたくなる聞き方ばかり。これでは打ち手は出てきません。
この経験から気づいたのは、アンケートの成否は「集めた後の分析」より「集める前の設計」でほぼ決まる、ということです。何のために聞くかが曖昧なまま設問を並べると、回答は集まっても「使える回答」にはならない。逆に、目的と知りたいことを先に絞り込めば、設問数を減らしても意思決定に効くデータが取れます。
この記事では、目的の整理から設問設計、回答率を上げる依頼文、自由記述の集計・分類、そして結果からの仮説出しまでを、コピペ可能なプロンプト付きで全公開します。集まった声をどう深掘りするか（VOC分析）は別記事に譲り、ここでは「設計して集める」工程に絞ります。5分で試せる設問チェックから順に紹介しますので、ぜひ今日から動かしてみてください。
なお、ChatGPTをはじめとする生成AIをビジネスでどう使い分けるかの全体像は、ChatGPTビジネス活用完全ガイドで体系的にまとめています。本記事はその「アンケート設計」への具体的な応用編という位置づけです。
まず5分で試す「設問の地雷チェック」
本格的に設計に入る前に、いま手元にあるアンケート（過去のものでも、作りかけでもOK）を1問だけAIに点検させてみてください。これだけで、自社の設問のクセが見えます。
顧問先の小売チェーンで、既存の顧客アンケートをこのプロンプトに通したところ、10問中4問が「誘導的」または「二重質問」と判定されました。担当者が「言われてみれば確かに、満足する前提で聞いていた」と苦笑いしていたのが印象的です。
あなたはアンケート設計の専門家です。以下のアンケート設問を、回答の質を下げる観点でレビューしてください。
【チェック観点】
1. 誘導質問（特定の答えに導いていないか）
2. 二重質問（1つの設問で2つのことを聞いていないか）
3. あいまいな言葉（「よく」「たまに」など人によって解釈が分かれる語）
4. 選択肢の漏れ・重複（「その他」や中間の選択肢が必要か）
5. 専門用語・社内用語（回答者が理解できるか）
各設問について「問題の有無 → 具体的な問題点 → 修正案」を表形式で出してください。
【設問】
（ここに自社の設問を貼り付け）効果：研修先での実例 — 配布前にこのチェックを挟むことで、回答後に「この設問、聞き方が悪くて使えない」と気づく手戻りがなくなりました。設計にかける時間は5分増えるだけですが、集計後のやり直しを丸ごと防げます。
ここからは、アンケートを最初から組み立てる場合の流れを、工程ごとに見ていきます。
STEP1：何のために聞くか「目的と知りたいこと」を整理する
アンケート設計でいちばん飛ばされがちなのが、この工程です。「とりあえず満足度を聞こう」で始めると、設問が増えるだけで打ち手につながりません。先に「この結果を見て、誰が・何を・どう判断するのか」を決めるのが先決です。手順は次の通りです。
- 意思決定者と用途を1文で書く：「店長が、来期の接客研修に予算を割くかを判断するため」のように、結果の使い道を具体化します。用途が言えない設問は削ります。
- 知りたいことを3〜5個に絞る：欲張ると回答負担が増えて回答率が落ちます。意思決定に直結する論点だけに絞り込みます。
- 仮説を先に立てる：「リピートしない理由は価格より接客では」など、検証したい仮説を言語化します。これが設問の骨格になります。
- AIに目的整理を壁打ちさせる：下記プロンプトで、目的・対象・知りたいことの抜け漏れを洗い出します。
- 集計のゴール像を決める：「最終的にどんなグラフ・表で意思決定するか」を先に描くと、必要な設問が逆算できます。
あなたは中小企業の調査設計を支援するコンサルタントです。以下の前提から、アンケートの目的・知りたいこと・検証仮説を整理してください。
【前提】
- 会社：（業種・規模）
- 困っていること：（例：リピート率が伸びない）
- このアンケートの結果で判断したいこと：（例：来期の改善投資の優先順位）
- 回答してもらう相手：（例：直近3か月の購入顧客）
【出してほしいもの】
1. このアンケートの目的（1文）
2. 知りたいこと（3〜5個に絞り込み、優先順位つき）
3. 検証したい仮説（2〜3個）
4. 「聞かなくてよいこと」の候補（負担削減のため）
5. 集計後にどんな表・グラフで意思決定すると良いかの提案顧問先のサービス業では、この工程だけで設問数が当初の18問から9問に半減しました。「全部聞きたくなる気持ちを、AIに『それは判断に使いますか？』と突っ込んでもらえるのが効いた」とのことでした。設問が減れば回答負担が下がり、結果的に回答率も自由記述の充実度も上がります。
事例区分：実案件（匿名加工）
以下は弊社が支援した企業の事例です。守秘義務のため業種・数値を一部加工しています。
STEP2：使える回答を引き出す「設問設計」
目的が固まったら、いよいよ設問です。ここでのコツは、AIに「設問を作らせる」だけでなく「自分が作った設問を厳しく批判させる」ことです。生成AIは設問の量産は得意ですが、その設問が自社の意思決定に効くかは人が判断する必要があります。
尺度（聞き方）の選び方
満足度のような程度を聞くなら、3段階より5段階のほうが差が見えやすく、中間（どちらともいえない）を置くか外すかは「決めきれない人を許容するか」で選びます。一方、「次の中で当てはまるものをすべて選んでください」のような複数選択は集計が複雑になるため、1問1論点を基本にすると後工程が楽です。数値で比べたい項目（推奨度など）は0〜10の11段階、態度・印象は5段階、と用途で使い分けます。
設問のたたき台を作るプロンプト
STEP1で整理した目的に沿って、アンケート設問のたたき台を作成してください。
【目的】（STEP1の目的を貼り付け）
【知りたいこと】（3〜5個を貼り付け）
【回答者】（例：直近購入した個人顧客／自社の従業員）
【条件】
- 設問は全部で8問以内（回答負担を考慮）
- 各設問に「聞く理由（どの意思決定に使うか）」を併記
- 尺度（5段階・選択式・自由記述）と、その尺度を選んだ理由も明記
- 誘導・二重質問・あいまい語を避ける
- 最後に1問だけ自由記述を入れる（深掘り用）
設問・尺度・聞く理由を表形式で出してください。作った設問を自己批判させるプロンプト
上で出た設問を、今度は反対の立場から潰しにかかります。これをやらないと、AIが作ったそれっぽい設問をそのまま使ってしまい、配布後に後悔します。
あなたは厳しいレビュアーです。以下のアンケート設問を「使えない回答が集まるリスク」の観点で批判してください。
【観点】
- 回答者が答えに困る・解釈が割れる設問はどれか
- 「失礼」「答えにくい」と感じられる恐れがある設問はどれか
- この設問の回答が集まっても、結局どの意思決定にも使えないものはどれか（=削る候補）
- プライバシーに踏み込みすぎ、または利用目的と無関係に個人情報を聞いていないか
各設問に「リスク → 削る／直す → 修正案」を付けてください。
【設問】（STEP2で作った設問を貼り付け）研修先のBtoB企業で、この自己批判プロンプトを回したところ、「年収を選んでください」という設問が「利用目的と関係なくセンシティブ情報を聞いている」と指摘され、削除に至りました。AIに作らせて、AIに批判させ、最後に人が決める。この三段構えが、設問設計でいちばん効くやり方です。
STEP3：回答率を上げる「依頼文」を設計する
どれだけ良い設問を作っても、答えてもらえなければゼロです。回答率は依頼文の出来でかなり変わります。ポイントは、所要時間・利用目的・回答の扱いを冒頭で明示し、回答者にとっての「答えるメリット」または「あなたの声が活きること」を伝えることです。手順はこうです。
- 所要時間を最初に書く：「3分で終わります」など、負担の見通しを冒頭に示します。
- 利用目的を明示する：「いただいた回答は、来期のサービス改善のためだけに利用します」と書き、目的外利用しないことを伝えます。
- 回答の扱いを伝える：匿名か記名か、個人が特定される形で公表しないか、を明記します。安心感が回答率に直結します。
- 回答が活きる約束をする：「結果は改善策とともに後日お知らせします」など、聞きっぱなしにしない姿勢を見せます。
- AIで複数パターンを作り、A/Bで比べる：下記プロンプトで2〜3パターン作り、短期間で反応の良い文面を採用します。
顧客向けアンケートの依頼文（メール／LINE／フォーム冒頭）を3パターン作成してください。
【前提】
- 送る相手：（例：直近購入した既存顧客）
- アンケートの目的：（例：来期のサービス改善のため）
- 所要時間：（例：3分・設問7問）
- 回答の扱い：匿名・個人が特定される形では公表しない
- 回答が活きること：（例：寄せられた声をもとに改善し、結果を後日共有）
【条件】
- 冒頭で「所要時間」と「利用目的」を明示
- 過度なお願い口調や煽りは避け、誠実で簡潔に
- 件名（メールの場合）も3案
- パターンごとに「狙い（誰のどんな心理に効くか）」を一言添える顧問先の飲食店で、依頼文に「いただいた声は次回のメニュー改定でかならず検討します」の一文を足しただけで、回答数が前回の体感1.5倍に増えました（同一店舗・同一配布チャネルでの比較）。サンプルが大きい話ではないので断定はできませんが、「答える意味がある」と伝えるだけで人は動きやすくなる、という肌感覚は他の現場でも共通しています。
STEP4：自由記述を「集計・要約・分類」する
選択式の集計は表計算ソフトで済みますが、手間がかかるのが自由記述です。100件、200件と集まると読むだけで一日仕事になります。ここが生成AIの最も効く工程です。ただし「AIが要約したから正しい」ではなく、要約と分類の妥当性は人が抜き取りで確認するのが鉄則です。手順は次の通りです。
- 個人情報を外す（匿名化）：氏名・店舗名・固有名詞など個人が特定されうる情報は、AIに渡す前に削るかマスキングします。
- 分類軸を先に決める：「価格／品質／接客／納期／その他」など、STEP1の目的に沿った軸を用意します。軸がないとAIの分類がブレます。
- AIで分類・件数集計させる：下記プロンプトで、各記述をカテゴリに振り分け、件数と代表コメントを出します。
- 少数だが重要な声を拾う：件数は少なくても、重大なクレームや改善の種は別枠で抽出させます。
- 人が抜き取りで検算する：分類結果から10〜20件をランダムに開き、AIの振り分けが妥当かを目視で確認します。
以下は顧客アンケートの自由記述です。次の手順で整理してください。
【手順】
1. 各コメントを次のカテゴリに分類：価格／品質／接客／納期／その他
2. カテゴリごとの件数と割合を表で出す
3. カテゴリごとに、内容を代表するコメントを2件ずつ引用
4. 件数は少ないが「重大なクレーム」「具体的な改善案」を含むコメントを別枠で抽出
5. 個人名・店舗名など個人が特定される表現が残っていれば指摘（マスキング漏れチェック）
※ 推測で内容を補わず、書かれていることだけで分類してください。
【自由記述データ】
（匿名化済みのコメントを貼り付け）表計算で数値項目を扱う発展形は、中小企業のためのAIデータ分析ガイドで具体的なプロンプトをまとめています。顧客台帳と組み合わせて属性別に見たい場合は、AI×CRM顧客データ分析もあわせてどうぞ。
ある教育機関の研修で、約150件の受講後アンケートをこの手順で処理したところ、手作業なら半日かかっていた仕分けが30分程度で骨子まで進みました。ただし、AIが「接客」に分類したコメントの中に、よく読むと「カリキュラム内容」の話が混じっていたケースもありました。だからこそ、最後の抜き取り検算は省けません。
STEP5：結果から「打ち手の仮説」を出す
集計して終わりではなく、「で、何をするか」までつなげて初めてアンケートは価値を持ちます。ここでもAIは仮説の壁打ち相手として優秀ですが、出てきた施策をそのまま実行するのではなく、自社の事情に照らして取捨選択するのは人の役割です。
以下のアンケート集計結果から、改善の打ち手の仮説を出してください。
【集計結果】
- 選択式の結果：（満足度の分布など）
- 自由記述の分類結果：（カテゴリ別件数と代表コメント）
【出してほしいもの】
1. 結果から読み取れる課題（事実ベースで3つ）
2. 各課題に対する打ち手の仮説（すぐ着手・要検討・中長期の3レベルで）
3. その打ち手が効いたかを測るための、次回アンケートで聞くべき設問案
4. 「サンプル数が少なく断定できない」項目があれば、その注意点
※ 集計結果に書かれていない数字や事実を作らないでください。効果：このプロンプトの肝は、最後の「次回アンケートで聞くべき設問案」を出させる点にあります。アンケートを一回きりで終わらせず、打ち手の効果検証までを設計に織り込むことで、改善が回り始めます。AI導入を一過性で終わらせない進め方の全体像は、AI導入戦略の完全ガイドで整理しています。
【要注意】使える回答が集まらない失敗パターン
最後に、現場でよく見る失敗と回避策をまとめます。どれも「設計段階」で防げるものばかりです。
失敗1：誘導質問で「欲しい答え」を集めてしまう
❌「当社の丁寧な対応にご満足いただけましたか？」のように、答えを誘導する聞き方をする。
⭕「当社の対応について、当てはまるものを選んでください（とても良い〜とても悪い）」と中立に聞く。
なぜ重要か：誘導された回答は心地よい数字になりますが、改善には使えません。前述のとおり、AIの自己批判プロンプトで配布前に潰すのが確実です。
失敗2：1つの設問で2つのことを聞く（二重質問）
❌「価格と品質に満足していますか？」
⭕「価格への満足度」「品質への満足度」を別の設問に分ける。
なぜ重要か：二重質問は、回答者がどちらを答えたのか分からず、集計が使い物になりません。実際にこの設問のせいで「価格が問題なのか品質が問題なのか判断できない」と相談に来た企業がありました。
失敗3：利用目的を伝えずに個人情報を聞く
❌ 利用目的を示さないまま、氏名・連絡先・年収などを必須回答にする。
⭕ 何のために使うかを明示し、目的に必要な情報だけを、できれば任意で聞く。
なぜ重要か：個人情報を取得する際は利用目的を本人に伝えるのが基本です（個人情報保護法）。目的と無関係な情報を集めると、回答率が下がるだけでなく、データ管理の負担とリスクも増えます。
失敗4：少ないサンプルで全体を語ってしまう
❌ 回答10件のうち6件が「不満」だったから「顧客の6割が不満」と結論づける。
⭕「今回の回答（n=10）では不満が多かった。傾向の確認として継続的に取得する」と慎重に扱う。
なぜ重要か：少数の回答を全体の代表のように扱うと、誤った打ち手に予算を投じてしまいます。AIに仮説を出させるときも「サンプルが少なく断定できない項目」を明示させると、勇み足を防げます。
個人情報・回答データの扱い（設計段階でルール化する）
アンケートは個人情報を扱う場面が多く、設計段階でのルール化が安全策になります。最低限おさえておきたいのは次の点です。
- 利用目的の明示：個人情報を取得するときは、利用目的をあらかじめ本人に伝えるのが原則です。依頼文に「○○のために利用します」と書きましょう。
- 必要最小限の取得：目的に必要のない個人情報（年収・家族構成など）は聞かない。聞くなら任意に。
- 匿名化してからAIに渡す：自由記述をAIに集計させる際は、氏名・固有名詞など個人が特定される情報を外してから渡します。
- 社外サービスの規約確認：外部のフォームツールや生成AIサービスに回答データを入力する場合、そのサービスの利用規約・データの取り扱い（入力内容を学習に使うか等）を事前に確認します。業務利用に適した設定・プランを選びましょう。
- AIの出力は人が確認：AIが作った設問・要約・分類は、誘導的・失礼でないか、事実をねじ曲げていないかを人が必ずチェックします。
制度の詳細や最新の考え方は、個人情報保護委員会（PPC）の公式情報で確認するのが確実です（本記事の情報は2026年6月時点）。社内のデータ保護全般の進め方は顧客の声（VOC）をAIで分析する記事でも触れていますので、集めた後の活用とあわせてご覧ください。
まとめ：今日から始める3つのアクション
- 今日やること：手元の過去アンケート（または作りかけ）を「設問の地雷チェック」プロンプトに通し、誘導・二重質問・あいまい語を洗い出す。
- 今週中：このアンケートで「誰が・何を判断するか」を1文で言語化し、知りたいことを3〜5個に絞ったうえで、設問のたたき台と依頼文をAIに作らせる。
- 今月中：実際に配布して回答を集め、自由記述をAIで分類・要約。打ち手の仮説と「次回聞くべき設問」まで出し、改善のサイクルを一周回す。
アンケートは、設問を1問足すより1問削るほうが難しく、そして効果的です。「全部聞きたい」を「判断に使うことだけ聞く」に変える壁打ち相手として、生成AIを使ってみてください。聞きっぱなしのアンケートが、打ち手につながるデータに変わります。
次回予告：次の記事では、集まった回答をダッシュボードで可視化し、経営会議で使える1枚の資料にまとめるテクニックをお届けします。
著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
参考・出典
- 個人情報保護法等 — 個人情報保護委員会（参照日: 2026-06-04）
- 特定分野ガイドライン — 個人情報保護委員会（参照日: 2026-06-04）
- データサイエンス・スクール（統計力向上サイト） — 総務省統計局（参照日: 2026-06-04）
- なるほど統計学園 — 総務省統計局（参照日: 2026-06-04）
