記者がデータを求める時代に、AI生成リサーチが広報の信頼を壊すリスク

PR業界の専門メディアであるO'Dwyer'sは、AIが生成した「合成データ」を広報リサーチに活用することへの警鐘を、2026年6月15日公開の記事で報じた。執筆者はウェイクフィールド・リサーチ（Wakefield Research）のシニアパートナー、ネイサン・リクター氏（Nathan Richter）で、合成データの急速な普及が広報担当者にとって無視できないリスクをはらんでいると指摘している。

合成データとは、実際の調査対象者からアンケートを取る代わりに、大規模言語モデル（LLM）を使ってオーディエンスの反応を模倣・予測するAI生成のリサーチデータのことだ。リクター氏によると、調査コストが縮小し、AIがワークフロー全体に浸透するなか、広報業界でもこの手法を採用するリサーチ会社が増えているという。より速いアウトプット、より低いコストを約束する合成データは、スピードが命の広報業界にとって一見魅力的な選択肢に映る。しかし同氏は、「既知のデータに基づいて予測した回答」と「実際の人間の思考や感情を測定した結果」には根本的な違いがあると強調する。

合成データが「古い答え」しか出せない理由

リクター氏が指摘する最初の問題は、合成オーディエンスが本物のオーディエンスの代替にはならない点だ。AIが生成する合成ペルソナは、過去の消費者行動データをもとに機械学習で作られており、人間の意思決定に伴う感情的・非合理的な要素を再現できないという。

さらに深刻な問題として同氏が挙げるのが、「古いインサイトの再パッケージ化」だ。合成データは過去の蓄積データに大きく依存するため、結局のところ既に世の中に存在するパターンや前提を引き出すに過ぎないと指摘する。広報・PR活動においてリサーチが価値を持つのは、長年の通説を覆すデータ、オーディエンスの意識変化を示す数値、予想外の結論など、「ニュースになる理由」があるからだ。合成データでは、そうした新鮮な発見を生み出すことが難しく、事実上リサーチの「ニュースバリュー」を失わせると同氏は論じている。

透明性の欠如が記者との信頼を壊す

リクター氏が三つ目の問題として挙げるのが、透明性の欠如だ。多くの合成リサーチプラットフォームは、どのデータを使ったか、どのような前提を置いたか、モデリングのフレームワークがどう設計されているかについて、ほとんど情報を開示していないという。その結果、広報チームは「システムの学習に何の情報が使われたか」「オーディエンスがどう表現されているか」「モデル内にどんな偏り（バイアス）が存在するか」を把握できないまま、リサーチをソートリーダーシップの根拠として使うことになる。

記者は当然ながら、データの出所・調査手法・データの信頼性について完全な透明性を求める。方法論の正当性が確認できなければ、ブランドはメディアとの関係を損ない、消費者や同業他社からの信頼も失うリスクがあるとリクター氏は警告する。フェイクニュース・情報操作と戦う記者たちにとって、信頼できる根拠のないリサーチは今や受け入れがたいものだという。

データへの高い需要が、質への問いを突きつける

記事では、Cisionが発行した「2026年 メディアの現状レポート（State of the Media report）」のデータも引用されている。同レポートによると、記者が広報担当者に最も求めるリソースのトップは「より多くのデータやリサーチ」であり、信頼できるデータやリサーチがあれば提案メールへの反応意欲が高まると答えた記者も一定数存在するという。

リクター氏はこのデータを逆説的に活用し、だからこそデータの「質と信頼性」が今まで以上に重要だと主張する。記者がデータを強く求めているということは、粗悪なリサーチや根拠の怪しい合成データを送りつけた場合のダメージも、それだけ大きくなるということだ。

では、AIはリサーチに使えないのか。リクター氏はそうは言っていない。合成データは、初期の草案段階でのコピー表現テストなど「補助的な役割」として有効活用できると述べている。しかし、リサーチの主軸に据えることは避けるべきだという。広報チームに求められるのは、データを前面に出しつつ確信を持って発信し、主要な知見を検証し、使用している手法を理解し、公開する結論に責任を持つことだと同氏は結論づけている。リサーチの価値は、最終的にその「信頼性」にこそあるからだ。