Abstract
スタンフォード大学のParkらが提唱したGenerative Agents（2023）は、LLMベースのエージェントに記憶・計画・反省の能力を付与することで、人間に近い行動パターンを再現できることを示した。本稿では、このアプローチを市場調査領域に応用し、信念体系（Belief System）を核とするAI人格に事業アイデアを評価させるシミュレーション手法を提案する。
30体のAI人格にメルカリ・ChatGPT Plus・Notionを評価させた結果、AI人格が返した拒否理由が、各サービスが実際の事業運営で直面した課題と高い一致を示した。特に、信念の有無が評価の定性的妥当性に決定的な差をもたらすことを確認した。
1. はじめに：先行研究と問題意識
1.1 Generative Agents（Park et al., 2023）
スタンフォード大学のJoon Sung Parkらは "Generative Agents: Interactive Simulacra of Human Behavior" において、25体のLLMエージェントが仮想の町「Smallville」で自律的に生活するシミュレーションを構築した[1]。各エージェントは以下の3つのアーキテクチャを持つ：
- Memory Stream: 経験の時系列記録
- Reflection: 記憶から高次の抽象化を生成
- Planning: 抽象化に基づく行動計画
この研究は、LLMに適切な構造を与えれば「人間らしい行動」が再現可能であることを示した画期的な成果である。
1.2 Synthetic Users研究
MITのArgyleらは "Out of One, Many: Using Language Models to Simulate Human Samples"（2023）において、LLMが特定のデモグラフィック条件を与えられた際に、実際の世論調査と統計的に類似した回答を生成できることを示した[2]。
また、Huangらの "Can Large Language Models Provide Useful Feedback on Research Papers?"（2023）は、LLMが人間の評価者と高い相関を持つフィードバックを生成できることを報告している[3]。
1.3 問題意識
これらの研究は重要な示唆を含むが、市場調査への応用という観点では以下の課題が残る：
- Generative Agentsは行動シミュレーションに焦点を当てており、購買判断のような意思決定プロセスのモデリングには最適化されていない
- Synthetic Users研究はデモグラフィック属性に基づく回答生成であり、個人の信念・価値観・過去の経験が意思決定に与える影響を十分にモデル化していない
- いずれの研究も、NPS・CSAT・PMFといった標準的なマーケティング調査フレームワークとの統合を試みていない
本稿では、Generative Agentsの「記憶」の概念をベースに、信念体系（Belief System）を意思決定の中核に据えたAI人格を構築し、市場シミュレーションに適用した結果を報告する。
2. 提案手法：Belief-Driven Persona Architecture
2.1 設計思想
人間の購買意思決定は、スペック比較のような合理的プロセスだけでは説明できない。Kahneman（2011）のSystem 1/System 2理論[4]が示すように、多くの判断は**直感（System 1）**によって瞬時に行われ、その直感を形成するのが「信念」である。
我々のアーキテクチャでは、信念を意思決定フィルターとして明示的にモデル化する：
入力（事業アイデア）
↓
信念フィルター（Belief Filter）
↓
判断ロジック（Decision Logic）
↓
過去の経験との照合（Memory Retrieval）
↓
出力（評価 + 理由）
2.2 ペルソナスキーマ
各AI人格は以下の多層構造を持つ：
Persona Schema:
├── Layer 1: Demographics（属性層）
│ └── 年齢、性別、職業、年収、居住地
├── Layer 2: Value System（価値観層）
│ ├── risk_tolerance: Low / Medium / High
│ ├── innovation_acceptance: Low / Medium / High
│ └── brand_trust: Low / Medium / High
├── Layer 3: Belief System（信念層）★核心
│ └── 3つの根本的信念（例: "新しいテクノロジーは大抵不要"）
├── Layer 4: Decision Logic（判断論理層）
│ └── 優先順位付きの判断ステップ
├── Layer 5: Experiential Memory（経験記憶層）
│ └── event → result → behavioral impact
├── Layer 6: Personality（人格層）
│ └── MBTI、口癖、思考パターン
└── Layer 7: Psychology（心理層）
└── 不安、願望、購買トリガー、拒否トリガー
Generative Agentsとの差異は以下の通り：
| 要素 | Generative Agents | 本手法 |
|---|---|---|
| 記憶 | 時系列のMemory Stream | 因果関係を持つExperiential Memory |
| 行動原理 | 反省→計画→行動 | 信念→判断ロジック→評価 |
| 目的 | 行動のシミュレーション | 意思決定のシミュレーション |
| 出力 | 自律的な行動 | 構造化された評価（NPS, CSAT等） |
2.3 信念の設計原則
信念は以下の原則に従い設計した：
原則1: 3つに限定する
認知心理学の研究は、人間の核となる信念は少数であることを示唆している（Rokeach, 1968）[5]。多すぎると矛盾が生じ、一貫性が失われる。
原則2: 判断との因果関係を明示する
信念: 「新しいテクノロジーは大抵不要」
→ 判断ロジック第1位: 大手企業が推奨しているか確認
→ 拒否トリガー: カタカナ語が多い時
信念が判断ロジックと拒否トリガーの上流に位置する構造とすることで、一貫性のある評価を担保する。
原則3: 経験記憶に因果の連鎖を持たせる
Generative Agentsの記憶は時系列だが、我々は因果の連鎖を持たせる：
{
"event": "ネット詐欺に遭いかけた",
"result": "深刻な精神的ダメージ",
"impact": "ネット上の金銭取引を極度に警戒"
}
これにより、「なぜこの人はこう判断するのか」のトレーサビリティが確保される。
3. 実験設計
3.1 評価対象
既知のサービス3件を、「今日ゼロから立ち上げた場合」という前提で評価させた：
| サービス | 価格 | 調査形式 |
|---|---|---|
| メルカリ（フリマアプリ） | 手数料10% | 基本評価 |
| ChatGPT Plus（AIチャット） | 月額3,000円 | NPS調査 |
| Notion（ワークスペース） | 無料〜月額2,500円 | PMF調査 |
3.2 AI人格の構成
30体のAI人格を以下の多様性を確保して構成した：
- 年齢分布: 19〜68歳（全年代をカバー）
- 性別: 男性15名、女性15名
- 職業: 18カテゴリ（エンジニア、主婦、工場管理職、外科医、大学生、カフェオーナー等）
- 年収: 0円（学生）〜1,200万円（外資系金融）
- リスク許容度: Low 12名、Medium 10名、High 8名
- MBTI: 全16タイプを網羅
3.3 LLM
Google Gemini 2.5 Flash を使用。response_mime_type: "application/json" を指定し、構造化された回答を強制した。30体を15並列で同時実行（asyncio.Semaphore）。
3.4 対照実験
信念の効果を検証するため、同一のデモグラフィック属性を持つが信念・判断ロジック・経験記憶を除去した対照群（属性のみ群）と比較した。
4. 結果
4.1 メルカリの評価結果
| 指標 | 信念あり群 | 属性のみ群 |
|---|---|---|
| 興味率 | 83.3% | 86.7% |
| 利用意向 | 83.3% | 90.0% |
| 拒否理由の具体性 | 高い | 低い |
| 実際の課題との一致度 | 高い | 低い |
定量的には大きな差がないが、定性的な差は顕著であった。
信念あり群の拒否理由（抜粋）
| ペルソナ | 核心信念 | 拒否理由 |
|---|---|---|
| P003（63歳・退職者） | テクノロジーは不要 | 「ネットで物を売り買いなんて…」 |
| P005（51歳・工場管理） | 現物確認が第一 | 「品物を手に取れないのが不安」 |
| P027（55歳・金融） | ブランドイメージ重視 | 「フリマはプロフェッショナルではない」 |
属性のみ群の拒否理由（抜粋）
| ペルソナ | 拒否理由 |
|---|---|
| 63歳・男性 | 「操作が少し難しいかもしれない」 |
| 51歳・男性 | 「よくわからないが不安がある」 |
| 55歳・男性 | 「あまり興味がない」 |
属性のみ群の回答は汎用的で、事業改善に活用できる情報量が少ない。
メルカリの実際の課題との対応
| AI人格の拒否理由 | メルカリの実際の対応策 |
|---|---|
| 「ネット取引が怖い」 | メルカリ教室（対面サポート） |
| 「品物を確認できない」 | 商品写真充実、評価システム、返品保証 |
| 「フリマ＝ブランド棄損」 | メルカリ認定ブランド品カテゴリ |
信念あり群が指摘した課題は、メルカリが実際に数年かけて解決してきた課題と一致していた。
4.2 ChatGPT Plus — NPS調査
| 指標 | 値 |
|---|---|
| NPSスコア | -13 |
| 推奨者（9-10） | 11名 |
| 中立者（7-8） | 4名 |
| 批判者（0-6） | 15名 |
信念に基づくスコアリングの特徴：
- 信念「技術投資は自己成長」→ スコア9-10（推奨者）
- 信念「無料で十分なものに金は払わない」→ スコア2-4（批判者）
- 信念「海外企業は信用できない」→ スコア3-5（批判者）
信念の種類がスコアの分布を決定しており、デモグラフィック属性のみからは予測できないスコアパターンが観察された。
4.3 Notion — PMF調査（Sean Ellis Test）
| 指標 | 値 |
|---|---|
| PMFスコア | 57% |
| 「非常に残念」 | 17名 |
| 「やや残念」 | 4名 |
| 「あまり残念ではない」 | 2名 |
| 「全く残念ではない」 | 7名 |
Sean Ellisの閾値（40%）を超えており、NotionのPMF達成を示唆する結果となった。
「全く残念ではない」と回答した7名の共通信念：「既存の方法（紙、Excel）で十分」。この層はNotionのターゲット外であることが信念から明確にわかる。
5. 考察
5.1 信念がもたらす「定性的妥当性」
本実験の最も重要な知見は、信念の付与が定量的結果よりも定性的結果の妥当性を大幅に向上させたことである。
興味率や利用意向の数値は信念の有無で大きく変わらなかった（メルカリ: 83.3% vs 86.7%）。しかし、拒否理由の具体性と実用性には決定的な差があった。
これは、市場調査における従来の定量/定性の議論と通底する。アンケートの数値（定量）だけでは事業判断はできず、「なぜそう答えたか」（定性）が意思決定に不可欠である。信念駆動型AI人格は、この定性情報の生成に強みを持つ。
5.2 先行研究との位置づけ
| 手法 | 長所 | 短所 | 本手法との関係 |
|---|---|---|---|
| Generative Agents [1] | 行動の自律性 | 意思決定のモデル化が弱い | 記憶の概念を拡張 |
| Synthetic Users [2] | 統計的代表性 | 個人の信念を扱えない | 信念層を追加 |
| 従来のペルソナ分析 | 実務での普及 | 静的で行動予測が困難 | 動的な評価能力を付与 |
| 本手法 | 信念に基づく判断再現 | 実際のユーザーではない | — |
5.3 限界と今後の課題
- 検証の限界: メルカリ等の既知サービスで「事後的な一致」を確認したに過ぎない。未知のサービスに対する予測的妥当性は未検証である
- 信念の設計バイアス: 信念は人間が設計しており、設計者のバイアスが結果に影響する可能性がある
- LLMの内在バイアス: Geminiの学習データに含まれる社会的バイアスが、特定の信念パターンの回答に影響する可能性がある
- 30体の代表性: 30体で日本の消費者全体を代表することは不可能である。母集団の設計方法について更なる研究が必要である
6. まとめ
本稿では、Generative Agentsの概念を市場調査に応用し、信念体系を核としたAI人格による事業評価シミュレーション手法を提案した。
主要な貢献：
- Belief-Driven Persona Architectureの提案 — 信念を意思決定フィルターとして明示的にモデル化
- 定性的妥当性の実証 — 信念の付与により、拒否理由の具体性と実用性が大幅に向上
- 標準調査フレームワークとの統合 — NPS、CSAT、CES、PMF、Van Westendorp等への適用を実現
信念を持たないAIは「一般論」しか語れない。信念を持つAIは「その人ならではの意見」を語る。この差が、事業評価の精度を変える。
References
[1] Park, J. S., O'Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative Agents: Interactive Simulacra of Human Behavior. Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology (UIST '23).
[2] Argyle, L. P., Busby, E. C., Fulda, N., Gubler, J. R., Rytting, C., & Wingate, D. (2023). Out of One, Many: Using Language Models to Simulate Human Samples. Political Analysis, 31(3), 337-351.
[3] Huang, F., et al. (2023). Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis. arXiv preprint arXiv:2310.01783.
[4] Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
[5] Rokeach, M. (1968). Beliefs, Attitudes, and Values: A Theory of Organization and Change. Jossey-Bass.
実装
本稿で報告したシミュレーション手法は、FutureCustomer Lab として商用サービス化している。30体のAI人格による事業評価、NPS/CSAT/CES/PMF/価格感度調査が実行可能。
👉 https://persona.microforge.works
Microforge Works について
Microforge Works は「Forging Business with Technology」をスローガンに、データとAIの力で意思決定を支援するプロダクトを開発しています。
| プロダクト | 概要 | URL |
|---|---|---|
| Kabu Prediction | AI駆動の日本小型株予測プラットフォーム | https://kabu.microforge.works |
| CRM Analytics | 自然言語AIビジネス分析プラットフォーム | https://analyst.microforge.works |
| FutureCustomer Lab | 30体のAI人格による事業アイデア検証 | https://persona.microforge.works |
Website: https://microforge.works