質的研究のための音声インタビュー：AI音声インタビューの仕組み（2026年）
執筆：Fengming Liu（UCL）· 監修：Prof. Shubin Yu（HEC Paris） · October 2026 · 更新日: 2026-10-12 · 8 min read
要点：AI音声インタビューでは、参加者はアプリを使わずにブラウザ上で、回答を入力する代わりに話して答えます。QualiTaTiは各回答を文字起こしし、インタビューガイドに基づいてフォローアップ質問を行います。AIに質問を読み上げさせることも、リアルタイムの音声会話を行うこともできます。
音声インタビューを行う4つの方法
| モード | 参加者 | AIインタビュアー | 1分あたりのクレジット |
|---|
| 音声からテキスト | 話す | 書く | 1 |
| テキストから音声＋テキスト | 入力する | 話して書く | 1 |
| 音声から音声＋テキスト | 話す | 話して書く | 1 |
| リアルタイム音声モード（実験的） | 自由に話す | リアルタイムで応答する | 5 |
テキストのみのインタビューも1分あたり1クレジットです。最初の3つのモードは、音声付きのチャットのように交互に発言します。リアルタイム音声は、参加者が途中で割り込める連続した音声会話です。比較的新しい機能で、専用のリンクと設定があります。
音声が適している場合
- 入力に時間がかかる参加者：高齢者、スマートフォンを使う人、書くより話すほうが得意な人。
- 正確な事実よりも語りが重要なテーマ。
- 何が語られたかだけでなく、どのように語られたかを聞く必要がある研究。
テキストが適している場合
- センシティブな質問。Schober et al.（2015）は、スマートフォンでのテキストインタビューは音声インタビューよりもセンシティブな情報の開示が多く、回答も正確であることを示しました。これは人間のインタビュアーでも自動化されたインタビュアーでも同様でした。
- 書くことを好む参加者。LenznerとHöhne（2022）では、音声での回答を望まなかった人が最も多く挙げた理由は、書面でのコミュニケーションを好むことでした。音声を使う意向は、スマートフォンを頻繁に使う若い人で最も高くなりました。
- 騒がしい環境や共有スペースなど、参加者が自由に話せない場面。
迷う場合は、対象集団の数人で両方のモードをパイロットしてください。音声とテキストのAIインタビューを比較した記事で、トレードオフをより詳しく説明しています。
音声インタビューの設定
- AI Interviewerプロジェクトを作成し、ガイドを作成または生成します。
- プロジェクト設定でインタラクションモードを選びます。リアルタイム音声の場合は「リアルタイム音声モード」パネルを開き、その専用リンクを使います。
- 音声を選び、インタビュー言語でプレビューを聞きます。
- 文字起こしに加えて録音も必要な場合は、音声録音をオンにします。参加者には、インタビューが録音されていることが表示されます。
- リンクを共有する前に、スマートフォンとノートパソコンで自分でテストインタビューを行います。
参加者の体験
- アプリもアカウントも不要です。インタビューはスマートフォンやパソコンのブラウザで開きます。
- 最初の質問の前にマイクのチェックがあり、開始画面には同意の手順があります。
- iPhoneでは、参加者が開始ボタンをタップした後に音声が始まります。開始画面でタップするよう案内されます。
文字起こしとその限界
話された回答はすべて自動的に文字起こしされ、コーディングの対象はその文字起こしです。自動文字起こしには誤りがあり、特に人名、訛り、専門用語、背景の雑音で起こりやすくなります。文字起こしの誤りとフォローアップの質のばらつきは、AI音声インタビュアーの既知の限界です（Tirumala et al., 2025）。引用する前に各文字起こしに目を通し、重要な箇所を修正してください。
同意、録音、データ
説明文書では、インタビューをAIが行うこと、声が文字起こしされること、音声を保存するかどうかを参加者に伝えてください。倫理審査キットには、それぞれの文面が用意されています。データは欧州連合（EU）内に保存されます。トラストページでは、音声と文字起こしがどこで処理されるかを説明し、関係する事業者を一覧にしています。
音声インタビューの分析
音声の文字起こしは、テキストインタビューと同じQDAワークスペースに取り込まれます。手作業で、またはご自身で確認するAIの提案を使ってコーディングし、2人目のコーダーを招待できます。NVivo、ATLAS.ti、MAXQDAで仕上げたい場合は、.qdpxファイルでエクスポートできます。NVivoへの引き継ぎガイドを参照してください。
よくある質問
参加者は何かをインストールする必要がありますか？
いいえ。マイクにアクセスできるブラウザがあれば十分です。
音声で使える言語は何ですか？
音声インタビューは、プロジェクトで設定したインタビュー言語で行われます。音声の品質は言語によって異なるため、公開前にその言語で音声をプレビューしてください。
音声インタビューは費用が高くなりますか？
3つの標準モードでは高くなりません。テキストと同じく1分あたり1クレジットです。リアルタイム音声は1分あたり5クレジットのため、30分のリアルタイムインタビューでは150クレジットを使用します。料金ページを参照してください。
AI音声インタビューは人間によるインタビューと同等ですか？
初期の研究は有望ですが、規模は小さいものです。Wuttke et al.（2024）は、学生のサンプルにおいて、AIが行うインタビューのデータの質が人間によるものと同程度であることを示しました。Tirumala et al.（2025）は、適性は状況によって異なると結論づけています。ご自身の対象集団でパイロットを行ってください。
出典（2026-10-12確認）：Schober et al. (2015), Precision and Disclosure in Text and Voice Interviews on Smartphones, PLOS ONE 10(6)、Lenzner and Höhne (2022), Who Is Willing to Use Audio and Voice Inputs in Smartphone Surveys, and Why?, International Journal of Market Research 64(5)、Tirumala, Jain, Leybzon and Buskirk (2025), Mic Drop or Data Flop? Evaluating the Fitness for Purpose of AI Voice Interviewers, arXiv:2509.01814、Wuttke et al. (2024), AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers, arXiv:2410.01824。