AI活用事例 読了 7 分

歯磨き粉のコルゲート発のAI論文、人間9300人分の購買調査をAIが90%の精度で再現

Shiritomo編集部 @shiritomoAI_jp 2026年11月22日 更新
歯磨き粉のコルゲート発のAI論文、人間9300人分の購買調査をAIが90%の精度で再現

歯磨き粉と歯ブラシで知られるコルゲート・パルモリーブと、データサイエンス企業PyMC Labsが発表した論文が、公開から1年ほど経った今になって、Xのある投稿をきっかけに再び注目を集めています。
内容は「AIに人間のふりをしてアンケートに答えさせたら、本物の調査結果とどれくらい近くなるか」という、かなり具体的な実験です。
SNSやマーケティングの現場でアンケート設計やユーザー調査に関わる方にとっては、調査のコスト感覚そのものが変わりかねない話です。

先に結論をまとめると:

  • コルゲート・パルモリーブとPyMC Labsの論文は、AIに人物像を与えて商品の感想を自由に語らせ、その文章を数値化する「SSR」という手法を提案している
  • 57件・9300人分の実際の消費者調査と比較した結果、人間の回答との一致度は90%前後だった
  • 新商品やニッチな層ではまだ人間データで補う必要があると、研究チーム自身が指摘している

きっかけは、歯磨き粉メーカーの論文を紹介した1件の投稿

話題を広げているのは、X上でAI活用系の情報を発信するアカウント「HowToPrompt」の投稿です。
2026年11月21日の午後、「歯磨き粉を作っている会社が、誰も気づかないうちに市場調査業界を静かに終わらせてしまった」という書き出しで、コルゲート・パルモリーブが関わる論文の内容を紹介しました。

ただ、この論文自体は目新しいものではありません。
もとはPyMC LabsとColgate-Palmolive社の研究者らが2025年10月にまとめた「LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings」という論文です。
なぜ1年近く経った今、同じ論文が改めて取り上げられているのか。
その中身を確かめてみました。

調べて分かったこと

SSRという手法は何をしているのか

論文のタイトルにある「Semantic Similarity Rating(SSR、意味的類似度にもとづく評価)」は、AIに数字で回答させる代わりに、まず自由な文章で答えさせる手法です。
具体的には、年齢や収入などの人物像(ペルソナ)をAIに与えたうえで商品の説明を見せ、「この商品を買いたいと思うか、自分の言葉で書いてください」と自由記述で答えさせます。
そのうえで、出てきた文章を「絶対に買う」「たぶん買わない」といった5段階評価の基準文と意味の近さで比べ、埋め込み(エンベディング:文章の意味を数値のベクトルに変換する技術)を使って1〜5のスコアに変換します。
単に「1〜5で評価して」とAIに聞くより、人間の実際の回答パターンに近づくというのが論文の主張です。

本当に人間の調査と近いのか

検証に使われたのは、コルゲート・パルモリーブが実施した57件のパーソナルケア商品調査、回答者数にして9300人分の実データです。
GPT-4oとGemini 2.0 Flashにこの手法で答えさせたところ、人間がもう一度同じ調査に答えたときの再現性(テスト再テスト信頼性)に対して90%前後の一致度が出ました。
回答の分布の形についても、統計的な類似度の指標で0.85を超える値となり、極端に偏った答えを返していたわけではないようです。

新商品では何が課題になるのか

もっとも、研究チームが手放しで「人間の調査は不要」と結論づけているわけではありません。
PyMC Labsのブログでは、参照文(評価の基準となる文章)の設計がまだ発展途上であることに触れています。
また、AIが出す回答は人間のパネルより好意的に偏る傾向(ポジティブバイアス)がむしろ弱く、魅力の低い商品ほど人間より厳しめの評価になりやすいという特徴にも触れています。
検証に使われたのも既存カテゴリーのパーソナルケア商品が中心で、市場に前例のない新商品や、回答者の層が薄い商品では、人間データで補う必要があるという立場です。
市場調査そのものをAIに置き換えるのではなく、「まず数十案をAIでスクリーニングし、絞り込んだ案だけ人間調査にかける」という使い方が現実的な落としどころとして示されています。

公開から1年ほどというタイミングで同じ論文が再び取り上げられたのも、こうした「数十パターンを低コストで試せる」という実利的な側面が、改めて目に留まったからかもしれません。

自社の調査にAIを使うとしたら、何から試せるのか

実務として気になるのは、国内の調査設計にもこの考え方が使えるのかという点です。
SSR自体はモデルに依存しない手法で、GPT-4oやGeminiのような汎用モデルで動く以上、特別な契約や追加の学習データは必須ではありません。
ただし論文が使った参照文・評価軸は英語圏のパーソナルケア商品向けに作られたものなので、日本語の商品カテゴリーにそのまま流用できるかは検証されていません。
市場調査を検討する際は、まず既存の調査データが社内にある商品カテゴリーで小さく試し、実際の調査結果とどれだけズレるかを確認してから本番の調査設計に組み込む、という順序が無難です。

Shiritomo編集部の考察:古い論文はなぜ今また掘り返されたのか

今回いちばん興味深いのは、論文の内容そのものより「1年前の研究が今また掘り返されている」という現象です。
AI関連の情報はタイムラインの流れが速く、半年前の発表はすでに「昔の話」として扱われがちです。
ただ、今回のように具体的な数値(90%・9300人)を伴う検証結果は、再紹介されるだけで新しい反応を生むことがあります。
SNS運用の観点では、自社が過去に出した分析や検証記事も、同じ切り口で「あれから1年、改めて見てみると」という形で再発信する価値があるということです。
すでに結果が出ている検証ネタは、情報の鮮度よりも具体性と再現可能性が再拡散の鍵を握っているのではないでしょうか。

まとめ

コルゲート・パルモリーブとPyMC Labsが2025年に発表した論文は、AIに人物像を与えて自由に答えさせ、その文章を意味の近さで数値化する「SSR」という手法です。
人間9300人分の実調査に対して90%前後の一致度を示し、1年を経て再びXで注目を集めています。
研究チーム自身は新商品や人間データの補完が要る場面もあると認めており、全面的な置き換えというより「まず低コストで絞り込み、最後は人間調査で仕上げる」使い方が現実的な線のようです。

さらに深掘りしたい方へ

生成AIで7割が時短実感、なのに4割弱は「負担が増えた」――大手企業309人調査生成AIで7割が時短実感、なのに4割弱は「負担が増えた」――大手企業309人調査業務時間が「30%以上短縮した」と答えた人が23.9%、「10〜29%短縮した」が47.9%。 合わせて7割超が生成AIで時間を短縮できたと回答。
OpenAI「ChatGPT for Sales」、CRM更新や商談準備まで担うが送信は人の指示待ちOpenAI「ChatGPT for Sales」、CRM更新や商談準備まで担うが送信は人の指示待ち見込み客リストづくり、商談の準備、CRMの更新。 営業職の仕事の大半を占めるこの3つを、OpenAIが1つのチャット画面に押し込みました。

論文の詳細はarXiv掲載のプレプリント「LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings」で読めます。
手法の実装例はPyMC Labsが解説記事「AI-based Customer Research」で公開しています。