---
title: "AIペルソナとは？作り方・プロンプト例と「実調査の代わりにならない」研究データ"
url: "https://www.issoh.co.jp/tech/details/12287/"
published: 2026-05-28
updated: 2026-10-20
categories: ["LLM・RAG"]
publisher: "株式会社一創"
---

# AIペルソナとは？作り方・プロンプト例と「実調査の代わりにならない」研究データ

AIペルソナは、ChatGPTやClaudeなどの生成AIに顧客の属性や背景を与えて作る仮想の顧客像です。ペルソナ文書の下書きに使うだけなら数分で終わりますが、AIペルソナに「アンケートに答えさせる」使い方については、2026年9月にPew Research Centerが公表した検証で、人間の調査結果から平均12.4ポイントずれました。この記事では、AIペルソナの作り方とプロンプト例に加え、どこまで信用してよいかを研究データで示し、実調査と突き合わせる手順までまとめます。

## まとめ：AIペルソナの使いどころと限界の要点

- AIペルソナには「ペルソナ文書を下書きさせる」使い方と「仮想回答者として質問に答えさせる（シリコンサンプリング）」使い方の2種類があり、信頼できる範囲がまったく違います。
- 仮想回答者としての精度は、Pew Research（2026年9月）で人間の調査との平均絶対誤差12.4ポイント。約28%の設問では15ポイントを超える誤差がありました。
- 外れ方には傾向があります。回答の散らばりが小さくなる、属性のステレオタイプを誇張する、新しい話題に弱い、の3つです。
- Parkらの検証では、人口統計属性だけより本人のインタビューやアンケートを与えた方が回答の再現度は上がりました。ただし、入力情報の追加が常に精度向上につながるわけではありません。
- 使ってよいのは仮説出し・質問票の事前点検・訴求案の洗い出しまで。市場規模の推計、価格決定、Go/No-Goの判断材料にはしないでください。

以下、2種類の使い方の違い、研究データ、作り方、検証方法の順に説明します。

## AIペルソナが指す2つの使い方：ペルソナ文書の生成と仮想回答者

「AIペルソナ」という言葉は、別物の2つの作業をまとめて指しています。どちらの話をしているのかで、期待してよい精度が変わります。

### ペルソナ文書の下書き：顧客データの整理と推測の区別

1つ目は、従来の[ペルソナマーケティング](/column/details/17635/)で作ってきた人物像（年齢・職業・課題・情報収集の経路など）を、AIに下書きさせる使い方です。手元の顧客データや調査結果を渡して整理させるなら、作業時間の短縮として素直に効きます。ただし、AIが書いた人物像は「それらしい文章」であって、事実ではありません。渡したデータに無い項目（年収や趣味など）をAIが補った場合、その部分は推測です。

無料で試せるペルソナ生成ツールの例として、解決したい課題とターゲットを入力するとペルソナと9項目の分析結果を返す[Insight Journey（インサイトジャーニー）](/column/details/7959/)があります（2026年8月30日時点で有料プランなし）。専用ツールも中身は同じく生成AIなので、ここで説明する限界はそのまま当てはまります。

### 仮想回答者（シリコンサンプリング）：質問への合成回答と実調査との違い

2つ目は、AIに「30代・共働き・都内在住の会社員」といった人物を演じさせ、商品コンセプトや広告案への反応を答えさせる使い方です。研究では「シリコンサンプリング」「合成回答者（synthetic respondents）」「デジタルツイン」と呼ばれます。このうち「シリコンサンプリング」の呼び名は、Argyleらが2022年に発表し2023年に_Political Analysis_誌に掲載された論文「[Out of One, Many](https://arxiv.org/abs/2209.06899)」に由来します。この論文は、米国の大規模調査に答えた実在の回答者の属性背景をGPT-3に与えると、属性グループごとの回答分布をかなり再現できると報告し、その性質を「algorithmic fidelity（アルゴリズムの忠実度）」と名付けました。大統領選の投票先では、GPT-3と米国選挙調査（ANES）の回答の四分相関係数が、半数以上の比較で0.90以上でした。

問題になるのはこちらの使い方です。「AIに聞いたら7割が買いたいと答えた」という数字は、実際の顧客に聞いた7割と同じ重みを持ちません。その理由を次の章で研究データから示します。

## AIペルソナの回答はどれだけ外れるか：2024〜2026年の検証データ

Argyleらの論文以降、AIの回答を同じ設問の人間の調査と比べる検証が積み上がりました。結論はほぼ一致しています。全体の平均はそれなりに当たるが、調査の代わりにはならない、です。

### Pew Research（2026年9月）：3回の世論調査で平均12.4ポイントの誤差

米国の調査機関Pew Research Centerは2026年9月30日、報告書「[Can AI Stand In for Human Survey-Takers? Not Really](https://www.pewresearch.org/data-labs/2026/09/30/can-ai-stand-in-for-human-survey-takers-not-really/)（AIは人間の回答者の代わりになるか？ 実際にはならない）」を公表しました。自社パネル（American Trends Panel）の2026年の3回の調査を、回答者1人ずつに対応するAIの「デジタルツイン」で再現し、結果を比べています。最終構成に使ったモデルはClaude Opus 4.6です。

| 比較した調査            | 再現した設問数 | 平均絶対誤差            |
| ----------------- | ------- | ----------------- |
| Wave 185（2026年1月） | 119問    | 11.3ポイント（報告書本文の表） |
| Wave 190（2026年3月） | 105問    | 14.7ポイント          |
| Wave 192（2026年4月） | 67問     | 11.2ポイント          |
| 3回の平均             | －       | 12.4ポイント          |

出典：Pew Research Center「Can AI Stand In for Human Survey-Takers? Not Really」本文の表と[Methodology](https://www.pewresearch.org/data-labs/2026/09/30/methodology-silicon-samples/)。Wave 185の誤差は、Methodologyのモデル比較では11.4ポイントと記載されています。平均絶対誤差は、各設問の選択肢ごとに人間とAIの回答割合の差を取り平均したものです。

約28%の設問で誤差が15ポイントを超え、個別の選択肢では20〜40ポイント外れたものもありました。同じ手法でもモデルによって差が出ており、Wave 185ではGPT-5.1が13.3ポイント、軽量版のGPT-5 nanoが17.4ポイントでした。報告書は「現時点では、広く公共的な重要性を持つテーマについて、AIモデルは従来の世論調査の十分な代替にはならない」と結論づけています。

### Stanford大学の1,052人のデジタルツイン：論文の改訂で85%から83%へ

よく引用される「AIは本人の回答を85%の精度で再現した」という数字は、Park（Stanford大学）らが2024年11月にarXivへ投稿した論文（[arXiv:2411.10109](https://arxiv.org/abs/2411.10109)）の初版に出てくるものです。米国の1,052人に2時間の半構造化インタビューを行い、その記録を与えたAIエージェントが、本人の一般社会調査（General Social Survey）への回答をどれだけ再現できるかを測りました。

この「85%」は正答率ではありません。人間が2週間後に同じ質問へ答え直したときの一致度を100%とした比率です。また論文は2026年6月の第3版で改題され、数値も更新されています。第3版ではインタビューのみ83%、アンケートのみ82%、両方86%、人口統計属性だけのエージェント74%です。

実務への含意ははっきりしています。属性だけ（74%）とインタビュー記録あり（83%）の差が、入力データの価値です。ただし両方を組み合わせても伸びは小さく、第3版の要旨は、領域内で十分な証拠を得ると改善が頭打ちになると述べています。

### Prolificの996人比較：1人ずつ答えさせると分布の誤差が約3倍

オンライン調査会社Prolificの研究者は2026年8月、996人の米国人に行った政治意見・消費者調査を、AIで再現するプレプリントを公表しました（Gordonら「[Do Richer Personas Improve LLM Survey Simulation? A Fidelity Paradox](https://papers.ssrn.com/sol3/papers.cfm?abstract%5Fid=7306183)」、SSRN）。人口統計属性のペルソナを1人ずつ演じさせて集計すると、AIに集団全体の回答分布を直接推定させた場合より分布の誤差が約3倍に増えました。筆頭著者のAndrew Gordon氏はLinkedInへの投稿で、ペルソナが「ステレオタイプ的な最頻回答に潰れた」と説明しています（research-live、2026年8月24日の記事で引用）。

改善策も示されています。同じ投稿によると、インタビューの書き起こしを与えると回答の散らばりが縮む現象（分散の縮小）は半分になりましたが、何も情報を与えずに集団の分布を推定させた場合の精度には届きませんでした。さらに効いたのは聞き方の変更です。ペルソナごとに1つの回答を選ばせるのをやめ、各選択肢を選ぶ確率を答えさせると、誤差は35〜48%減りました。それでも、もう1つの人間サンプルを取った場合の精度に並ぶ方法はありませんでした。

### Bisbeeら（2024年）：平均は合っても分散と回帰係数がずれる

Vanderbilt大学のBisbeeらが_Political Analysis_誌（2024年、32巻）に発表した論文「[Synthetic Replacements for Human Survey Data? The Perils of Large Language Models](https://doi.org/10.1017/pan.2024.5)」は、ChatGPTに複数のペルソナを演じさせ、11の社会・政治グループへの好感度を答えさせました。平均値は米国選挙調査（ANES）とよく一致しましたが、回答のばらつきは実際の調査より小さく、回帰分析の係数は実データと大きく異なることが多いという結果でした。さらに、プロンプトの小さな言い回しの変更で分布が変わり、同じプロンプトでも3か月の間隔を置くと結果が有意に変わりました。

3か月で結果が変わるという点は、AIペルソナで定点観測（毎月同じ設問で意識の変化を追う）をしてはいけない理由になります。変化が顧客の側で起きたのか、モデルの側で起きたのか区別できません。

## AIペルソナの回答が外れる3つの傾向と、日本市場での注意

4つの検証で繰り返し出てくる外れ方は、次の3つに集約できます。どれも「平均だけ見ていると気づかない」種類のずれです。

- **回答の散らばりが小さい**：人間なら「1」から「5」まで割れる設問で、AIは「4」に集中しがちです（Bisbeeら、Prolific）。購入意向の上位2段階の割合を過大に見積もる原因になります。
- **属性のステレオタイプを誇張する**：Pewの検証では、AIは「ヒスパニック系成人の97%がワールドカップを少なくともある程度見そう」と答えましたが、実際は43%でした。ある属性に多い傾向を「ほぼ全員」に膨らませます。
- **新しい話題に弱い**：Pewの検証では、2026年初めの時事問題（データセンターへの認知や評価など）で大きく外れました。学習データに無い出来事への反応は推測するしかありません。

ただし、Pewの時事問題に関する結果だけでは、新商品のコンセプト評価の精度は判断できません。新商品への反応も、対象顧客への実調査で確かめる必要があります。

日本市場向けには、もう1つ割り引くべき点があります。ここまでの検証はすべて米国の回答者を基準にしたもので、ここで紹介した研究だけでは、日本の消費者に対する再現精度は判断できません。日本語での回答や日本の商習慣を含む条件については、対象顧客の実データと比較して精度を確かめる必要があります。

## AIペルソナを使ってよい場面・使ってはいけない場面の判断基準

研究データを踏まえると、判断の基準は「AIの答えが外れても、後で人間のデータで修正できるか」の1点です。修正の機会がある用途なら使い、AIの数字がそのまま意思決定に入る用途では使いません。

| 用途               | 判断    | 理由                 |
| ---------------- | ----- | ------------------ |
| ペルソナ文書の下書き・整理    | 使ってよい | 元データがある前提で整形の作業    |
| インタビュー質問票の事前点検   | 使ってよい | わかりにくい設問を事前に洗い出せる  |
| 広告の訴求軸・反論の洗い出し   | 使ってよい | 案を広げる用途で、採否は実測で決める |
| 実調査の対象セグメントの絞り込み | 条件付き  | 仮説として扱い、実調査で確かめる   |
| 購入意向・満足度の割合の推計   | 使わない  | 自社の商品・顧客での精度が未検証   |
| 価格決定・需要予測        | 使わない  | 分散の縮小で極端な反応が消える    |
| 同じ設問の定点観測        | 使わない  | モデル側の変化と区別できない     |

UXリサーチの専門機関Nielsen Norman Groupも[合成ユーザーの評価記事](https://www.nngroup.com/articles/synthetic-users/)で、合成ユーザーは「デスクリサーチと仮説生成には有用だが、最終的な意思決定には使えない」と評価しています（2024年6月）。

「条件付き」の行は、AIの出力をそのまま採用せず、少人数でも実在の顧客に当てて確かめる場合に限ります。逆に、社内会議でAIの回答割合をグラフにして見せるのは避けてください。グラフになった数字は、出どころが推測であることが忘れられたまま意思決定に使われます。

## 実データを起点にしたAIペルソナの作り方とプロンプト例

精度を左右するのは、AIに何を渡すかです。Stanfordの検証で属性だけのエージェントが最も外れたように、「30代女性・会社員」だけで作ったペルソナは、対象顧客の個別事情を反映できず、ステレオタイプに偏るおそれがあります。

### 作成の5ステップ：目的の固定から実調査での確認まで

1. **使う目的を1つに決める**：「質問票の点検」「訴求案の洗い出し」など、前章の表で「使ってよい」に当たる用途に限定します。
2. **元になる実データを集める**：既存顧客のインタビュー記録、自由回答、問い合わせ内容、購買履歴の集計など。個人を特定できる情報は外しておきます（後述）。
3. **ペルソナごとにデータを分けて渡す**：セグメントごとに実在の回答を数件ずつ添え、そのセグメントの言葉づかいと判断基準を読ませます。
4. **回答は確率や理由つきで出させる**：1つの答えを選ばせず、選択肢ごとの確率と、その根拠になった元データの箇所を書かせます。
5. **実在の顧客で確かめる**：AIの出力から得た仮説を、少人数のインタビューや小規模アンケートで確認します。

手順4はProlificの検証で誤差を35〜48%減らした聞き方を、実務向けに置き換えたものです。手順5を省いた出力は、顧客について確認された事実として扱わず、未検証の仮説にとどめます。実在顧客1人を深く掘る方法は[N1分析](/column/details/5164/)、インタビューの設計は[半構造化インタビュー](/column/details/6327/)の記事で扱っています。

### プロンプトの型：元データ・回答確率・根拠の指定

次のプロンプトは、商品コンセプトへの反応を仮想回答者に聞く場合の型です。角括弧の部分を自社の情報に置き換えて使います。

```
あなたは次の顧客データ（同じセグメントの複数人の記録）を参考にした、仮説上の1人の回答者を演じます。
実在する特定の1人を再現するものではありません。
データに書かれていない事実は作らず、推測する場合は「推測」と明記してください。

# 回答者の元データ（[セグメント名]の実際のインタビュー記録から抜粋）
[インタビュー記録や自由回答を3〜5件、個人を特定できる情報を除いて貼る]

# 質問
次の商品コンセプトについて、購入意向を5段階で答えてください。
[コンセプト文]

# 回答形式
1. 各段階（1=全く買いたくない 〜 5=ぜひ買いたい）を選ぶ確率を合計100%で示す
2. その確率にした理由を、元データのどの記述に基づくかを引用して説明する
3. 元データからは判断できない点を列挙する
```

回答形式の3番目が肝心です。AIは聞かれれば何でも答えるので、「判断できない点」を明示的に書かせないと、推測と根拠のある回答が区別できなくなります。ここで挙がった点が、そのまま実調査で聞くべき質問のリストになります。

なお「ペルソナ」はLLMの研究分野では、モデル自体の人格特性（迎合的・攻撃的など）を指す言葉としても使われます。こちらはマーケティングのペルソナとは別の話で、[ペルソナベクトル](/tech/details/8541/)の記事で解説しています。

## AIペルソナの回答を実調査と突き合わせる検証方法

AIペルソナを継続して使うなら、一度は同じ設問を実在の顧客にも聞き、ずれ方を測っておきます。比べるのは平均だけでは足りません。研究で繰り返し見つかった「散らばりの縮小」は、平均を見ても気づけないからです。

次のPythonコードは、5段階の購入意向について人間とAIの回答を比べ、平均・標準偏差・上位2段階の割合・分布の距離を出します。標準ライブラリだけで動きます。回答データは説明用に作った例で、各回答者が1〜5の整数を1つ選んだ形式です。前章のプロンプトが返す確率分布は、このコードには直接入力できません。確率分布を検証する場合は、回答者の重みが同じなら各段階の確率を回答者全体で平均し、得られた分布から平均・標準偏差・上位2段階の割合・全変動距離を計算します。

```
from collections import Counter
from statistics import mean, pstdev

# 5段階評価（1=全く買いたくない〜5=ぜひ買いたい）の回答
human     = [5, 4, 4, 2, 3, 5, 1, 4, 3, 2, 4, 5, 3, 1, 4, 2, 5, 3, 4, 2]
synthetic = [4, 4, 4, 4, 3, 4, 4, 5, 4, 4, 4, 3, 4, 4, 5, 4, 4, 4, 3, 4]

def share(xs, scale=range(1, 6)):
    c = Counter(xs)
    return {k: c[k] / len(xs) for k in scale}

h, s = share(human), share(synthetic)
tvd = sum(abs(h[k] - s[k]) for k in h) / 2      # 全変動距離（0=分布が一致、1=確率が正の選択肢に重なりがない）
top2_h = h[4] + h[5]
top2_s = s[4] + s[5]

print(f"平均        人間 {mean(human):.2f} / AI {mean(synthetic):.2f}")
print(f"標準偏差    人間 {pstdev(human):.2f} / AI {pstdev(synthetic):.2f}")
print(f"購入意向(4+5) 人間 {top2_h:.0%} / AI {top2_s:.0%}")
print(f"全変動距離  {tvd:.2f}")
if pstdev(synthetic) < pstdev(human) * 0.7:
    print("判定: AIの回答は散らばりが小さすぎる（分散の縮小）")
```

Python 3.9で実行すると次のように出力されます。

```
平均        人間 3.30 / AI 3.95
標準偏差    人間 1.27 / AI 0.50
購入意向(4+5) 人間 50% / AI 85%
全変動距離  0.45
判定: AIの回答は散らばりが小さすぎる（分散の縮小）
```

この例では平均の差は0.65段階ですが、「買いたい」と答えた割合は人間50%に対しAI85%と、35ポイント開いています。報告書に載せるのが上位2段階の割合なら、AIの数字はそのまま使えません。標準偏差が人間の7割を下回るかどうかの判定は、この記事で置いた目安です。自社の比較データが溜まったら、許容できるずれの幅を自社で決め直してください。

実在顧客側の調査の設計は、[コンセプト調査](/column/details/5913/)や[マーケティングリサーチ](/column/details/6757/)の手法がそのまま使えます。少人数の比較はずれの仮説を見つける出発点になりますが、過大・過小の方向まで確定できるとは限りません。抽出方法や標本誤差を確認し、必要に応じて追加調査します。

## 顧客データを生成AIに入力するときの個人情報の扱い

実データは回答の再現度を改善する場合がありますが、情報を増やせば必ず精度が上がるわけではありません。また、渡すデータには個人情報が含まれがちです。個人情報保護委員会は2023年6月2日の「[生成AIサービスの利用に関する注意喚起等](https://www.ppc.go.jp/files/pdf/230602%5Falert%5Fgenerative%5FAI%5Fservice.pdf)」で、事業者に次の点を求めています。

- 個人情報を含むプロンプトを入力する場合は、特定した利用目的の達成に必要な範囲内であることを十分に確認する
- 個人データを含むプロンプトを本人の同意なく入力し、その個人データがサービス側で応答結果の出力以外の目的に使われる場合、個人情報保護法違反となる可能性がある
- 本人の同意なく個人データを入力する場合は、サービス提供事業者がその個人データを機械学習に利用しないこと等を十分に確認する

入力前に氏名・連絡先・会員IDを除くだけでなく、発言中の勤務先、地域、経歴などの組み合わせから個人を識別できないかも確認します。識別可能性が残る場合は、個人情報として入力の可否を判断します。そのうえで、入力データを学習に使わない設定や契約（法人向けプランやAPI利用）を選びます。社外秘の商品コンセプトを入れる場合も、同じ設定を確認してから入力してください。

## よくある質問

### AIペルソナで市場調査やアンケートの代わりになりますか？

なりません。Pew Research Centerが2026年9月に公表した検証では、Claude Opus 4.6で作った回答者のデジタルツインの回答が、人間の調査結果と平均12.4ポイントずれ、約28%の設問では15ポイントを超える誤差がありました。Prolificの研究も、AIによる調査の再現は方向性をつかむ探索的な用途に限るべきだと結論づけています。AIペルソナは調査の前段で仮説や質問を作るために使い、数字は実在の顧客から取ってください。

### ChatGPTでペルソナを作るときのプロンプトのコツは？

属性（年齢・性別・職業）だけを渡さず、実在顧客のインタビュー記録や自由回答を数件添えることです。Stanford大学のParkらの検証では、属性だけのAIエージェントの再現度が74%だったのに対し、インタビュー記録を与えると83%まで上がりました。あわせて、データに無い事実を作らないこと、推測を明記すること、判断できない点を列挙することを指示し、引用や説明が元データと一致するかを人が照合すると、出力のどこが根拠でどこが推測かを区別できます。

### シリコンサンプリングとは何ですか？

大規模言語モデルに実在の調査回答者の属性背景を与え、その人の代わりに設問へ答えさせて「仮想の標本」を作る手法です。Argyleらが2022年に発表し2023年に_Political Analysis_誌に掲載された論文「Out of One, Many」で提唱されました。属性グループごとの回答分布をある程度再現できる一方、その後の検証では回答の散らばりが小さくなる、プロンプトの言い回しや時期で結果が変わるといった問題が報告されています。

### AIペルソナの回答はなぜ人間とずれるのですか？

研究で繰り返し確認されているのは3つの傾向です。人間なら意見が割れる設問でも中間的な答えに集中する「分散の縮小」、ある属性に多い傾向を全員に当てはめる「ステレオタイプの誇張」、学習データに無い最近の出来事への反応を推測で埋めてしまう「新しい話題への弱さ」です。平均値は合っていても割合や分布がずれるため、平均だけを見て精度を判断すると見落とします。

### 無料でAIペルソナを作れるツールはありますか？

ChatGPT・Claude・Geminiなどの汎用チャットAIの無料プランでも、この記事のプロンプトの型でペルソナ文書の下書きや仮想回答は作れます。ペルソナ生成に特化した無料ツールとしては、解決したい課題とターゲットを入力するとペルソナと9項目の分析結果を返すInsight Journeyなどがあります。どのツールも中身は生成AIなので、実データを渡さなければ平均的な人物像しか出てこない点と、出力を実調査で確かめる必要がある点は変わりません。

## 関連記事

- [ペルソナマーケティングとは？ターゲットとの違いと施策に落とす手順](/column/details/17635/)
- [Insight Journey（インサイトジャーニー）とは？無料ペルソナ生成AIツールの使い方と出力9項目](/column/details/7959/)
- [マーケティングリサーチとは？市場調査との違い・手法の選び方と進め方](/column/details/6757/)
- [N1分析とは？進め方と対象者の選び方、ペルソナ分析との違い](/column/details/5164/)
- [ペルソナベクトルとは？LLMの人格特性を活性の方向で監視・制御するAnthropicの手法と実装](/tech/details/8541/)

---

出典: [AIペルソナとは？作り方・プロンプト例と「実調査の代わりにならない」研究データ](<https://www.issoh.co.jp/tech/details/12287/>)（株式会社一創）