調査の組み立て
92正しい問いを選ぶには、プロダクト、人間、組織についての文脈が必要だ。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
UXリサーチャーは、製品を使う人、あるいは使うかもしれない人についてのエビデンスを集める。インタビュー、ユーザビリティテスト、アンケート、日記調査、アナリティクスのレビューといった手法を選び、繰り返し現れるパターンを分析し、デザイナー、エンジニア、プロダクトマネージャーにその意味合いを説明する。その成果物は、インターフェースについての個人的な意見ではなく、ユーザーの行動とニーズについての説得力のある説明だ。
いいえ。UXデザイナーはフロー、インターフェース、プロトタイプを作り、UXリサーチャーはそのデザインがユーザーの目的や状況に合っているかを調査する。小規模なチームではこれらの役割を兼ねることもあるが、中心となる専門性は異なる――デザインは解決策を作り反復し、リサーチは調査を計画し問題と利用実態についてのエビデンスを判断する。
免許も単一の学位も必要ない。多くの実務者は心理学、人類学、HCI、社会学、デザイン、コンピューターサイエンスの学位を持っているが、雇用主が主に見るのは、しっかりした調査と明確な影響力を示すポートフォリオだ。特定の肩書きよりも、調査手法、文章力、参加者への倫理的な配慮のほうが重要になる。
ユーザビリティテストは、リサーチャーが観察するなかで、代表的な参加者に製品やプロトタイプを使って現実的なタスクを試みてもらうものだ。これにより、人々がどこでためらい、ラベルを誤解し、目標を達成できないかが明らかになる。慎重に選ばれた少数のセッションでも深刻な問題を明らかにできるが、それ自体で統計的に精密な市場シェアを算出することはできない。
米国では、テクノロジー業界の中堅UXリサーチ職は2020年代半ばでおよそ9万〜14万ドルの基本給を提示することが一般的で、大手企業ではより高い総報酬が支払われる。それ以外の地域の給与は、その地域のテクノロジー市場、公共部門の給与表、そしてその職務がエージェンシー、社内、コンサルティングのいずれかによって異なる。
多くの場合、特にリモートインタビューやモデレート付きのプロトタイプテストでは可能だ。フィールド調査、ラボセッション、コンテクスチュアル・インクワイアリーは、製品が職場、デバイス、物理的環境に依存している場合、依然として対面での作業を必要とする。リモートリサーチは募集の幅を広げる一方で、同意、アクセシビリティ、観察の質をより重要にする。
AIツールは、書き起こし、タグ付け、要約、初稿レポート作成といった手作業を急速に減らしている。
リサーチの核心的な課題は依然として人間のものだ――何を研究するかを決め、信頼できる参加を得て、エビデンスを文脈の中で解釈すること。
AIはリサーチの事務作業と一次的な統合作業のかなりの部分を自動化できる。しかし、妥当な調査を確実に設計すること、参加者の言葉にならない不快感に気づくこと、倫理的なトレードオフを判断すること、あるいは誤解を招く結論について組織に責任を負わせることはできない。
肩書きではなく業務単位で算定。低いほど安全。
AIが奪えない仕事 →正しい問いを選ぶには、プロダクト、人間、組織についての文脈が必要だ。
デリケートな打ち明け話は、聞き取り、責任を持って応答できるリサーチャーにかかっている。
同意、プライバシー、害についての責任を要約ツールに委任することはできない。
ためらいや回避行動には、文化的、アクセシビリティ上、あるいは職場に固有の原因があるかもしれない。
リサーチャーは都合の良い結論に異議を唱え、そのエビデンスが何を正当化するかを交渉しなければならない。
音声認識システムはすでに手作業の書き起こしの多くを取り除いている。
モデルは、頻出するフレーズや提案されるテーマを人間のレビューのためにクラスタリングできる。
AIはたたき台となるガイドを作成できるが、リサーチャーはそのバイアスと妥当性を検証しなければならない。
ツールは構造化されたメモから要約、表、エビデンスへのリンクの草案を作成できる。
リサーチャーはメモの整理に費やす時間を減らし、要約がニュアンスを保持しているかどうかを確認する時間を増やすだろう。
自動化は事務的な役割を減らす一方で、方法論的なスキルへの期待を高める可能性がある。
チームは、記録、参加者データ、機密性の高い調査でのモデル利用についての方針を必要とする。
定性的な統合が安価になることで、検証のための強力な実験的、行動的、フィールドのエビデンスがより重要になる。
倫理的な参加者募集、リポジトリ、参加者管理システムを構築する。
人々がAI製品の振る舞いをどう信頼し、修正し、理解するかを研究する。
障がいのあるユーザーがプロダクトの旅路の中で経験する障壁を調査する。
リサーチのエビデンスをプロダクトポートフォリオと組織の意思決定に結びつける。
可逆の3レンズ: 補助、一部置換、新ニッチ。教材であり予測ではありません。
役割は残し、AIが下書き・仕分け・調査を加速。判断と責任は人側。
狭いタスク群が先に圧縮され、隣接スキルが伸びることも。
規制下でAI出力を信頼する監督・統合・ドメインQAが生まれ得る。
AIはおそらく定型的なリサーチの生産を速める一方で、根拠の弱いエビデンスを大規模に作りやすくもするだろう。
最も長く生き残るリサーチャーは、厳密さを守り、見過ごされがちな人々を代弁し、明確なエビデンスで重大な意思決定を変えられる人物だろう。
分野だけでなく、6つのスコアが近い職業です。
物質そのものを作り、測る科学者——バビロニアのタプティの蒸留器から今日のロボット実験室まで、スペクトルの意味を決めるのは常にこの人だ。
AI耐性 70 🌉川と岩と重力を橋・道路・清潔な水に変える職業――イムホテプ以来、文明を静かに支え続ける仕事。
AI耐性 72 🧬遺伝性疾患、検査の選択、結果について人々の理解を助け、ゲノム科学と非指示的で思いやりのあるカウンセリングを組み合わせる。
AI耐性 72 🌿組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66 🗺️会社が次に何を作るべきか、なぜそれを作るのかを決める仕事。顧客のニーズ、事業目標、エンジニアリングの制約を、誰か一人がすべてを所有するわけではない一つの共有計画へとまとめ上げる。
AI耐性 50 🎮遊びの設計者――古代のセネトの盤からテトリス、そして30億人が遊ぶ今日の巨大産業まで、ゲームがプレイヤーに何を求めるかを決める人。
AI耐性 65建物が安全に建ち、法規に適合し、施主を満足させ、適正なコストに収まるよう設計する——それが崩れれば法的責任を負う仕事。
AI耐性 78 🎬脚本を完成した映画に変える仕事。あらゆるショット、演技、編集の判断を下し、プロデューサーやスタジオ、そして観客にその予算をかける価値があったと納得させる。
AI耐性 73 ✍️紫式部が平安の宮廷で綴った物語から、Kindleが生んだ自己出版の大波まで――免許も出世の階段も定年もない、長編フィクションの書き手という仕事。
AI耐性 62 🎻楽器や歌唱の習得に何年もかけたのち、ストリーミングが市場を広げた一方で単価を下げた業界で、演奏、録音、指導によって生計を立てる。
AI耐性 60 🖌️記録に残る最古の画像制作の職業――4万5000年前の洞窟壁画から現代のアトリエまで、今なお一筆一筆手で描かれ続けている。
AI耐性 74 🎮遊びの設計者――古代のセネトの盤からテトリス、そして30億人が遊ぶ今日の巨大産業まで、ゲームがプレイヤーに何を求めるかを決める人。
AI耐性 65