リサーチエージェント：知らないことを、神格化せず調べる

リサーチを分解する

知らない領域は、手放しで神格化しやすい。銀行員時代に、不動産、遺産整理、保険セールスができる先輩が輝いて見えたように、構造が見えない専門性は巨大に見える。

リサーチエージェントの役割は、専門性を小さくすることではない。何が事実で、何が推測で、何を専門家に聞くべきかを分けることである。

分解した能力	AIの役割	成果物
情報収集	公開情報、一次情報、統計を集める	情報源リスト
信頼性評価	出典、日付、利害関係を確認する	信頼度メモ
市場整理	市場規模、顧客、競合を整理する	市場メモ
顧客理解	インタビューやレビューから課題を抜く	顧客インサイト
制度確認	法規制、補助金、業界ルールを調べる	制度論点表
要約	長い資料を判断材料にする	リサーチブリーフ

Role

基本ロールは「調査・情報整理エージェント」とする。

調査問いを明確にする
信頼できる情報源を集める
事実、推測、未確認を分ける
競合、市場、顧客、制度を整理する
専門家に聞くべき質問を作る

投資判断、法的判断、医療・税務・金融助言、信用判断は人間または専門家に戻す。

Tools

Tool	用途
Web検索	公開情報、ニュース、公式資料の調査
PDF/文書解析	白書、規制資料、決算資料の要約
表計算	市場規模、競合比較、価格比較の整理
ドキュメント検索	社内の過去調査、議事録、顧客メモの参照
引用管理	URL、取得日、出典種別の保存
インタビュー記録	顧客発言の分類、仮説抽出

Thinking

思考法	チェックする問い
一次情報優先	公式、当事者、統計に当たっているか
時点確認	いつの情報か
利害関係	誰に都合の良い情報か
反証	逆の主張や失敗例はあるか
粒度	経営判断に使える具体性か
未確認	まだ断定できないことは何か

Output

項目	内容
調査目的	何の判断に使う調査か
結論	今言えること
根拠	出典、日付、引用元
反対材料	結論に反する情報
未確認事項	追加で調べるべきこと
次アクション	専門家、顧客、社内に聞く質問

KPI

調査ブリーフ作成時間
一次情報参照率
出典不明の主張数
調査後に追加で必要になった確認数
意思決定に使われた調査数
誤情報、古い情報の検出数

エスカレーション

法律、税務、医療、金融、労務の判断が必要
出典が弱い情報しかない
相手の信用や反社チェックが必要
個人情報や機密情報を扱う
調査結果が重大な撤退、投資、採用判断に直結する

発生しうる業務

頻度	業務	AIに任せる粒度
日次	ニュース監視、競合更新、制度変更確認	アラート、要約
週次	市場、顧客、競合の変化整理	リサーチメモ
月次	業界レポート、顧客インタビュー整理	ブリーフ、仮説更新
随時	新規事業、提携、採用、広告前の調査	論点表、質問リスト

学習方法

学習材料	学ぶこと
過去調査	自社がよく見る市場、競合、論点
意思決定ログ	どの情報が判断に効いたか
顧客インタビュー	顧客の言葉、課題の粒度
公的統計リンク集	信頼できる一次情報源
専門家への質問履歴	AIでは判断できない境界

能力の磨き方

調査ごとに「使われた根拠」と「使われなかった根拠」を分ける
出典の古さ、信頼性、利害関係を採点する
人間が追加調査した点をテンプレートに戻す
断定しすぎた表現を修正ルールにする
月1回、情報源リストを更新する

作り方

調査ブリーフのテンプレートを固定する
参照してよい公式情報源をリスト化する
出典、取得日、信頼度を必須項目にする
推測と事実を分ける出力ルールを入れる
高リスク領域は専門家確認へ送る
調査結果をナレッジDBに保存する

作れない場合は、「市場調査bot」「競合調査bot」「制度確認bot」「顧客インサイトbot」に分ける。

最小実装

最初から自律実行させるのではなく、読み取り、下書き、承認付き更新の順に広げる。リサーチエージェントの最小実装は、市場、競合、顧客、制度を事実と推測に分けて調べるための「入力を読む場所」「出力を残す場所」「人間が承認する場所」を固定することである。

層	最小構成
入力	Web検索、PDF解析、引用管理、表計算、社内ドキュメント、インタビュー記録から読み取り専用で参照する
処理	事実、推測、未確認、次アクションを分けて整理する
承認	外部送信、重要判断、台帳更新、金銭・契約・人事に関わる操作は人間承認にする
記録	出力、採否、修正理由、次回改善点を同じ場所に残す

入力データ

調査目的、判断したいこと
公式資料、統計、競合サイト、ニュース
顧客発言、レビュー、問い合わせ
取得日、出典、利害関係

入力データには、取得日、参照元、更新者を残す。古い情報や未確認情報を混ぜると、AIはもっともらしいが危ない判断を出す。

出力フォーマット

フィールド	内容
`question`	調査問い
`findings`	確認できた事実
`sources`	出典、日付、信頼度
`counterpoints`	反対材料
`unknowns`	未確認事項
`unknowns`	未確認事項、追加で人間が見る点
`human_review`	承認者、判断期限、エスカレーション条件

この形式で残すと、後から「AIが何を見て、何を出し、人間がどこを直したか」を追える。

サンプルプロンプト

あなたはリサーチエージェントです。
目的は「市場、競合、顧客、制度を事実と推測に分けて調べる」ことです。

入力:
- 対象: [対象名]
- 参照データ: [参照元]
- 期限: [期限]
- 制約: [承認条件、禁止事項、守るべきルール]

指示:
1. 事実、推測、未確認事項を分けてください。
2. 出力フォーマットに沿って整理してください。
3. 判断できない点を無理に結論づけず、human_reviewに戻してください。
4. 外部送信、重要更新、金銭・契約・人事に関わる操作は実行せず、承認依頼にしてください。

出力:
- 要約
- 構造化データ
- 次アクション
- human_review

ワークフロー

調査問いを一文で固定する
一次情報を優先して集める
事実、推測、未確認を分ける
専門家や顧客に聞く質問に変換する

この流れを固定すると、AIは単発の相談相手ではなく、業務の一部として改善できる。

失敗パターン

古い情報を現在の事実として扱う
二次情報だけで断定する
調査目的と関係ない情報を集めすぎる

失敗パターンは、禁止事項としてプロンプトに入れるだけでは足りない。出力レビュー時に「今回どの失敗に近かったか」を記録し、次の入力データや評価基準へ戻す。

評価ルーブリック

出典と取得日がある
反対材料が含まれている
未確認事項が次アクションになっている
事実、推測、未確認が分離されている
人間に戻すべき判断がhuman_reviewに出ている

5段階評価にする場合は、3を「人間が軽く直せば使える」、4を「そのまま業務で使える」、5を「次回のテンプレートに採用できる」と定義する。