アンケートの自由記述をAIで分析する方法｜手順・プロンプト・注意点を解説

目的をもってアンケートを作成し、回答も順調に回収できている。それなのに、回答データの集計に苦戦している——そんな悩みを抱えている方は少なくありません。

定量設問であればグラフですぐに結果を把握できますが、自由記述（フリーコメント）の回答は、一つひとつ読む時間がかかるうえ、担当者によって解釈が分かれ、データとして活かされないことが多いものです。その結果、集計が放置され、せっかく集めた回答が無駄になってしまうことも起こります。

本記事では、アンケートの自由記述をAIで分析する具体的な方法や、手作業やテキストマイニングとの違い、精度を上げるプロンプトのコツ、注意点までを解説します。設問づくりから見直したい方は、あわせてAIを使ったアンケート設計の方法とは？手順とコツを解説もご覧ください。

アンケートの自由記述をAIで分析するとは？

自由記述のAI分析とは、アンケートの自由回答文をAIに読み込ませ、内容ごとの分類・要約・感情の判定・示唆の抽出までを自動で行う手法のことです。人が一件ずつ読む代わりに、大量の回答から傾向を短時間で構造化できます。なお、自由記述回答は調査業界では「オープンアンサー」と呼ばれることもあります。

これまで自由記述の集計は、担当者が一つひとつ読みながらExcelにタグ付けし、近い意見をまとめていくという属人的な作業でした。AIを使うことで、この「読む・分類する・まとめる」という工程を大幅に短縮できます。

手作業集計やテキストマイニングとの違いとは？

AIによる分析は、キーワードの出現回数を数えて分類する従来のテキストマイニングと異なり、文章の文脈や意図を踏まえて分類・要約できる点が大きな特徴です。主な違いを整理します。

観点	手作業での集計	テキストマイニング	AI分析
速度	遅い（件数に比例）	速い	速い
文脈の理解	できる	苦手（単語単位）	できる（文単位）
分類の一貫性	担当者でぶれる	高い	高い（基準を指定可能）
要約・示唆出し	できるが時間を要する	不得意	得意
準備の手間	少ない	辞書設計が必要	プロンプト設計が必要

なぜ自由記述回答の分析にAIが有効なのか？

AIは文章の意味を理解して分類・要約できるため、これまで時間とスキルを要した自由記述の分析を、担当者を選ばず短時間で行えるようになったからです。定性データを定量的なレポートに変換しやすくなった点も大きな変化です。

自由記述回答の分析にAIを使うメリットは、大きく分けて3つあります。

１，時間の短縮
回答数が数百件と膨大でも、分類と要約の下書きを短時間で作成できます。

２，解釈の均質化
分類基準をあらかじめ設定しておくことで、誰が実施しても近い結果となり、属人化を防げます。

３，定量化
「不満と回答した人の内訳は価格が◯件、機能面が◯件」のように、自由記述を数値化して報告できます。

一方で、AIにも不得意なことがあります。AIは事実と異なる内容でも、もっともらしく生成してしまうこと（ハルシネーション）があります。そのため要約結果をすべて鵜呑みにせず、重要な判断に使う箇所は原文を確認する運用が欠かせません。

AIで自由記述を分析する5つのステップ

自由記述のAI分析は、①データ整形②分類軸の設計③AIで分類・要約④感情分析・スコアリング⑤示唆の抽出とレポート化、の5ステップで進めます。最初に分類軸を決めておくことが、結果の使いやすさを大きく左右します。

データを整形する

回答データをスプレッドシートなどに書き出し、空欄や「特になし」などの無効回答を除いておきます。氏名や連絡先が含まれる場合は、この段階で匿名化（削除）しておきましょう。回答IDを割り振っておくと、あとで原文に戻って確認しやすくなります。

分類軸（カテゴリ）を設計する

「価格」「機能」「サポート」「操作性」など、集計対象となる観点を先に決めておきます。軸が曖昧なままAIに分析を任せると分類がぶれるため、軸は人が主導して決めるのがポイントです。迷った際は、AIに数十件を要約させ、出てきた頻出テーマを軸に選ぶ方法もあります。

たとえば従業員満足度調査であれば、「評価制度」「上司との関係」「働き方」などの軸に置き換えても、同じ手順で分析できます。ES調査の具体的な項目設計については、以下のコラムもご参考ください。

あわせて読みたい：[従業員満足度調査（ES調査）の項目と手順｜失敗しない導入メリット]

AIで分類・要約する

設計した分類軸をプロンプトで指定し、各回答をカテゴリに振り分けます。同時にカテゴリごとの代表的な意見を要約させると、報告用の材料がそろいます。件数が多い場合は、数十件ずつに分けて処理することで精度が安定します。

感情分析・スコアリングを行う

各回答をポジティブ・ネガティブ・中立に判定させ、必要に応じてスコアを付けます。これにより「ネガティブな意見が多いカテゴリはどれか」を定量的に把握できます。判断が難しい回答は、人が確認する前提で運用します。

示唆を抽出し、レポート化する

カテゴリ別の件数や感情の傾向、代表的な声をまとめ、「次に何をすべきか」の示唆まで落とし込みます。改善のインパクトが大きい順に並べることで、社内での意思決定に直結するレポートになります。

分析精度を上げるプロンプトのコツは？

分類軸・出力形式・判断できない場合の扱いを、プロンプトの中で具体的に指定することが精度向上の近道です。AIに分類を丸ごと任せるのではなく、人が枠や軸を決めて作業だけを任せるイメージが有効です。

たとえば、次のようなプロンプトの型が使えます。

あなたはアンケート回答の分析担当です。以下の自由記述回答を分析してください。

【分類軸】価格 / 機能 / サポート / 操作性 / その他
【出力形式】回答ID, カテゴリ, 感情(ポジティブ/ネガティブ/中立), 要約(30字以内)
【ルール】

1回答が複数カテゴリに該当する場合は主要な1つを選ぶ

判断できない場合はカテゴリを「その他」とし、理由を残す

事実を推測で補わず、書かれている内容だけで判定する

回答データ：
（ここに回答を貼り付け）

ポイントは、出力形式を表の列として指定することです。そのままスプレッドシートに貼り付けて集計できるため、後の工程が一気にラクになります。

なお、分析のしやすさは設問の作り方でも大きく変わります。回収後に困らないよう、設計段階から分析しやすい自由記述設問を用意しておきましょう。自由記述という回答形式そのものの使い分けについては、下記記事で解説しています。

あわせて読みたい：[単一選択・複数選択・マトリクス形式｜アンケート回答形式の選び方]

自由記述分析でやりがちな失敗と注意点

個人情報の取り扱い、AIのハルシネーション、回答の代表性のバイアスの3点は、分析前に必ず押さえておくべき注意点です。特に外部AIサービスへの回答データの入力は、情報漏洩リスクの観点から慎重に扱う必要があります。

・個人情報の取り扱い
自由記述には氏名や具体的なエピソードが書かれることがあります。外部のAIサービスに入力する前に必ず匿名化し、入力データが学習に使われない設定であることを確認しましょう。社内の情報取り扱いルールに沿うことが前提です。

・ハルシネーション
AIは事実ではない情報や、実際には記載されていない内容を要約に混ぜることがあります。重要な意思決定に使う要約は、必ず原文と照合しましょう。

・代表性のバイアス
自由記述を書くのは、強い意見を持つ一部の回答者に偏る傾向があります。声の大きな意見を全体の総意と誤解しないよう、定量設問の結果と併せて解釈しましょう。

回答データの保管場所や外部AI利用に関する運用ルールは、自社の情報セキュリティ方針に従ってください。取り扱いに不安がある場合は、データの保管場所が明確なツール上で分析まで完結させる方法が安全です。

ツール選定時に確認すべきセキュリティ要件は、下記のチェックリストも参考にしてください。

あわせて読みたい：[アンケートツール選定のセキュリティチェックリスト8項目！ツール起因の情報漏洩を防ぐ確認ポイント]

AIを使い自由記述回答を分析する際のよくある質問（FAQ）

Q.自由記述の回答をChatGPTなどにそのまま貼り付けて分析してもよいですか？

A.回答者の個人情報や機密情報が含まれる場合、外部のAIサービスへそのまま入力するのは避けるべきです。氏名・連絡先などを削除してから使う、入力データを学習に利用しない設定やプランを選ぶ、社内ルールに沿うことが前提です。不安がある場合は、データの保管場所が明確なツール上で完結させる方法を検討してください。

Q.何件くらいの回答からAIで分析する価値がありますか？

A.目安は数十件以上です。手作業でも読み切れる十数件程度なら人が読んだほうが速い場合もありますが、数十件を超えると分類の一貫性が崩れやすくなります。定期実施のアンケートは、件数が少ないうちから分類軸を決めておくと後の比較が容易です。

Q.AIによる感情分析の精度はどのくらいですか？

A.ポジティブ・ネガティブの大まかな判定は実用的な精度が得られますが、皮肉や条件付きの評価、専門用語を含む文章は誤判定が起きやすい傾向があります。ネガティブ判定やスコアの低い回答は人が原文を確認する運用にすると、弱点を補えます。

Q.定量設問と自由記述はどう組み合わせて分析すればよいですか？

A.定量設問で「どこに差があるか」を把握し、自由記述で「なぜその評価なのか」を読み解くのが基本です。低スコアの回答者の自由記述だけをAIで分類・要約すると、不満の原因を効率的に特定できます。代表的な組み合わせ方が、NPSの推奨度スコアと理由の自由記述です。導入手順は下記で解説しています。

あわせて読みたい：[NPSを無料で導入する手順｜おすすめツールの選び方と活用法]

まとめ

アンケートの自由記述は、AIを使うことで「読むのに時間がかかる定性データ」から「意思決定に使える定量的な示唆」へと変えられます。鍵になるのは、分類軸を人が設計し、出力形式を指定し、重要な箇所は原文で確認するという運用です。個人情報の取り扱いにだけ注意すれば、これまで放置されがちだった自由記述が、改善の宝の山に変わります。

—smile surveyなら収集から分析まで一気通貫できる

自由記述の分析を継続的に活かすなら、アンケートの作成・回収・分析・顧客データへの反映を分断せず、ひとつの流れにすることが重要です。smile survey（スマイルサーベイ）は、この一連の流れを1つのツールで完結できます。

smile surveyでは、自由記述を含むアンケートの作成から配信・回答回収までを、プログラミング不要で現場だけで完結できます。回収した回答データを分析にかけ、さらにSalesforce連携によって、分析結果を顧客一人ひとりのデータに紐づけて活用できる点が特長です。Salesforce連携によるアンケート活用の具体例は、以下のコラムでも紹介しています。

あわせて読みたい：[Salesforceアンケート活用例4選｜リード獲得やNPS自動化のメリット]

たとえば「サポートに不満」という自由記述を残した顧客を特定し、その情報を営業・カスタマーサクセスの担当者がSalesforce上ですぐ確認する、といった運用につなげられます。アンケートを「取って終わり」にせず、次のアクションまで一気通貫でつなげられるのが、連携型ツールの強みです。