AI UX改善の前に業務理解〜現場との共創で見えるもの〜
はじめに生成AIや業務自動化ツールのようなプロダクトにおいて、UXデザインは非常に複雑な文脈を扱うことになります。特に、業務効率化やフロー改善を目指すサービスでは、「何をどうすれば便利になるのか」が表面的には見えづらいことが多く、ユーザー自...
UXデザイン
AI 
AI A/Bテストの限界と、AIサービスにおける代替手法
はじめに多くのWebサービスにおいて、A/Bテストは改善の定番手法として広く活用されています。2つ以上のUIパターンや文言、導線設計を用意し、ユーザーの行動によってどちらがより成果につながるかを検証するというアプローチです。しかし、AIを活...
AI KPIだけに頼らない、定性データから学ぶ改善アプローチ
はじめにAIエージェントや自動化ツールなどのプロダクトでは、ユーザーの行動を可視化するKPI（定量指標）が改善の指針として活用されることが多くなっています。たとえば「DAU」「完了率」「継続率」「自動化数」などは、チームの成果指標としても扱...
AI リテンションを高めるための「手応え感」設計とは？
はじめにAIや業務自動化サービスのようなツールでは、一度導入されても「使い続けてもらえるかどうか」が大きな課題になります。導入後の継続率、いわゆるリテンション（再訪・再利用）を高めるには、単なる利便性やUIの良さ以上に、「手応え感」＝ユーザ...
AI ユーザーの学習曲線をデザインする〜継続利用への設計〜
はじめに生成AIやAIエージェントを活用したサービスは、導入時にユーザーから「すごい」と思ってもらえることが多い反面、一度使って終わってしまったり、リピートされないという課題に直面することも少なくありません。この背景には、「最初の驚き」と「...
AI 意図しない自動化の「暴走」を防ぐためのUXチェックリスト
はじめにAIエージェントやノーコードツールによる業務自動化が進む中、想定通りに動くはずの自動化が、「勝手に実行された」「不要な作業が繰り返された」「意図しない相手に連絡された」といったトラブルを引き起こすことがあります。こうした予期せぬ動作...
AI エラーハンドリングのUX〜AIエージェントが間違えるとき〜
はじめにAIエージェントは便利で柔軟な存在ですが、どれほど高精度であっても間違えることがあります。出力が意図にそぐわない、不正確な情報を含む、行動が止まってしまう、思い通りに動作しない――。こうした“AIのエラー”に直面したとき、ユーザーの...
AI 出力品質のばらつき、UXから見たその評価軸〜AIの“揺らぎ”とどう向き合うか〜
はじめに生成AIを活用したサービスでは、同じ入力をしても出力が毎回異なるという特性があります。この“ばらつき”は、ユーザーにとっての驚きや柔軟性を生む一方で、安定性や再現性への不安を招く要因にもなります。特に業務利用を前提としたAIサービス...
AI AIサービスのユーザビリティテストはどう行うべきか？
はじめにAIサービス、特にエージェント型や自動化支援プロダクトは、ユーザーの入力や状況に応じて振る舞いが変化する、“非決定的”な体験を特徴としています。そのため、一般的なSaaSやWebサービスとは異なり、「UXのブレ幅が大きい」ことが課題...
AI デザイナーが手がける「設定画面」UXの重要性
はじめにプロダクトのUIをデザインする際、多くの人がまず思い浮かべるのはダッシュボードや主機能画面でしょう。しかし、実際にユーザーの満足度・離脱率・カスタマイズ性に大きく影響を与えるのが、「設定画面」の存在です。特にAIや業務自動化ツールの...