【UX/UIデザイナー向け】Gensparkでユーザビリティテストのシナリオとペルソナ設計を3ステップで効率化する実践手法

Gensparkを使えば、ユーザビリティテストのシナリオ作成とペルソナ設計は「1日で完了」できる

Gensparkの複数AIモデル並列リサーチ機能（Super Agent）とSparkpageを活用すれば、従来5営業日かかっていたユーザビリティテストのシナリオ作成とペルソナ設計を、1日で実用レベルまで仕上げることが可能です。

UX/UIデザイナーとして10年以上プロダクト開発に携わる中で、最も時間を食うのがリサーチフェーズ、特にユーザビリティテストの事前準備でした。

ペルソナを作るためにアンケートデータを読み込み、競合のUIを調査し、行動シナリオを組み立てる。

この一連の作業を、2026年4月時点で私が実際にGensparkを使って効率化した具体的な方法を、失敗談も含めて共有します。

この記事を読めば、Gensparkを使ったUXリサーチの実践的なワークフローと、AIツールに任せるべき部分・人間が判断すべき部分の線引きが明確になります。

なぜ今、UXリサーチの現場でAIエージェントが求められているのか

Nielsen Norman Groupが2025年に発表したレポートによると、UXリサーチチームの78%が「リサーチに十分な時間を確保できていない」と回答しています。特にスタートアップや中小規模のプロダクトチームでは、デザイナーがリサーチからUIデザイン、プロトタイピングまでを一人で担うケースが増えています。

私自身、直近3年間で担当した12のプロジェクトのうち、専任のUXリサーチャーがいたのはわずか2件でした。残りの10件は、UIデザインと並行してユーザビリティテストの設計から実施、分析まで自分で回す必要がありました。

従来のユーザビリティテスト準備で時間がかかるポイント

ユーザビリティテストの準備工程を分解すると、以下のような時間配分になります。これは2024年に私が担当したBtoB SaaSプロダクトのリデザイン案件での実測値です。

• ペルソナの仮説設計と検証：1.5日（既存データの読み込み、インタビュー記録の分析）
• テストシナリオの作成：1日（タスク設計、成功基準の定義、順序の最適化）
• 競合・類似サービスのUI調査：1日（スクリーンショット収集、パターン分類）
• テスト用プロトタイプの調整：1日（シナリオに合わせたフロー調整）
• 社内レビューと修正：0.5日

合計で約5営業日。2週間スプリントで動いているチームにとって、スプリントの半分をテスト準備に費やすのは現実的ではありません。

ChatGPTやClaudeだけでは解決しなかった理由

「それならChatGPTやClaudeでペルソナを作ればいいのでは」と思う方もいるでしょう。実際、私も2024年後半からChatGPT（当時GPT-4o）やClaude（Sonnet 3.5）を使ってペルソナ生成を試みました。

結果として、単一のAIモデルでは以下の限界にぶつかりました。

• 1つのモデルの学習データに偏ったペルソナが生成される（特に日本市場のBtoB領域で顕著）
• 競合調査や市場データの収集は別ツールで行い、手動でプロンプトに統合する必要がある
• チャット履歴がセッションごとにリセットされ、プロジェクト横断での文脈維持が困難
• 生成結果の出典が不明確で、チーム内レビューで根拠を問われたときに説明できない

この「ツール間の行き来」と「コンテキストの断絶」こそが、AIを使っても作業時間が劇的に短縮されなかった本質的な原因でした。

Gensparkがユーザビリティテスト設計に適している3つの理由

Gensparkは、Palo Alto発のスタートアップMainfuncが開発するAIエージェント型ワークスペースです。2025年11月にSeries Bで2.75億ドルを調達し、評価額12.5億ドルのユニコーン企業となりました。単なるチャットボットではなく、複数のAIモデルを並列に稼働させて「完成物」を返すことを目指したプラットフォームです。

UXリサーチの文脈でGensparkが特に有効な理由を、実際に使った経験から3つ挙げます。

理由1：Super Agentによる多角的なリサーチの自動化

GensparkのSuper Agent機能は、1つの依頼に対して複数のAIエージェントと複数のモデル（GPT-5.4 Pro、Claude Opus 4.6、Gemini 3.1 Proなど）を並列稼働させます。

たとえば「30代の中小企業経営者がクラウド会計ソフトを選ぶ際の行動パターンと課題を調査して」と指示すると、あるエージェントはニュース記事やレビューサイトを、別のエージェントはSNSの投稿や業界レポートを、さらに別のエージェントはフォーラムの質問スレッドを、それぞれ担当して並列に調査します。結果はクロスチェックされたうえで1つのSparkpage（まとめページ）に統合されるため、情報ソースの偏りが単一モデルよりも格段に小さくなります。

私がペルソナ設計の初期リサーチで使った際、単一モデルでは拾えなかった「経営者が会計ソフトの導入を検討するのは確定申告直後の4月が最多」という季節性の知見が、複数ソースの突き合わせによって浮かび上がりました。これは後のテストシナリオの文脈設定に大きく影響しました。

理由2：Sparkpageで調査結果がそのまま共有資料になる

Sparkpageは、目次、見出し、比較表、出典リンクなどを含む構造化されたレポートとして出力されます。これがUXリサーチャーにとって非常にありがたい。

従来のワークフローでは、AIで生成したテキストをNotionやGoogle Docsにコピーし、出典を手動で追記し、表を整形し直す作業が必要でした。Sparkpageならそのまま URLで共有でき、チームメンバーからのコメントや追記も可能です。ステークホルダーへの説明資料としてそのまま使えるレベルの体裁が最初から整っている点は、地味ですが作業時間の短縮効果が大きいです。

理由3：Genspark Hubでプロジェクト単位のコンテキストが蓄積される

ここがGensparkを使い始めて最も「これは違う」と感じたポイントです。Genspark Hubでは、プロジェクトごとに専用スペースを作成でき、関連ファイル、会話履歴、決定事項がすべてそのHubに紐づきます。

ChatGPTやClaudeでは、新しいチャットを開くたびにプロジェクトの背景情報を再度説明する「プロンプト地獄」に陥りがちです。Hubは永続的なAIメモリーを持っているため、「前回作ったペルソナAの属性を踏まえて、今度はテストシナリオのタスク3を設計して」といった継続的な指示が自然に通ります。

プロジェクトが進むにつれてAIの理解が深まっていく感覚は、優秀なジュニアリサーチャーと一緒に仕事をしている体験に近いものがあります。

実践：Gensparkでユーザビリティテストのシナリオとペルソナを設計する3ステップ

ここからは、2026年4月時点で私が実際に行った手順を具体的に解説します。題材は「中小企業向けクラウド請求書管理SaaS」のリデザインプロジェクトです。

ステップ1：Super Agentで多面的なユーザーリサーチを実行する

まず、Genspark Hubに新しいプロジェクトスペースを作成します。プロジェクト名、対象プロダクトの概要、ターゲット市場を初期コンテキストとして登録しておきます。

次に、以下のようなプロンプトでSuper Agentにリサーチを依頼します。

「日本の従業員10〜50名規模の中小企業で、請求書管理業務を担当している人物像を調査してください。職種、年齢層、ITリテラシー、現在使用しているツール、主な課題と不満点、業務フローにおけるペインポイントを、複数の情報源から収集してください。」

Super Agentは約3〜5分で調査を完了し、Sparkpageとしてまとめます。ここで重要なのは、生成されたSparkpageをそのまま鵜呑みにしないことです。出典リンクを実際にクリックして元情報を確認し、自社の既存ユーザーインタビューデータと突き合わせる検証作業は省略できません。

実際に私がこのステップで発見した意外な知見は、「請求書管理の最大の課題は”作成”ではなく”入金確認と催促のタイミング判断”だった」という点です。これは自社のユーザーサポートログとも一致しており、テストシナリオの焦点を大きく変更するきっかけになりました。

ステップ2：調査結果を基にペルソナを精緻化する

ステップ1のSparkpageがHub内に保存された状態で、続けてペルソナ生成を指示します。Hubが前回の調査コンテキストを保持しているため、改めて背景情報を説明する必要がありません。

「先ほどの調査結果を基に、このプロダクトの主要ペルソナを3名設計してください。各ペルソナには以下を含めてください：基本属性（年齢、役職、企業規模）、技術的背景、業務上の目標とフラストレーション、情報収集の習慣、意思決定に影響する要因。ペルソナ同士は行動パターンと課題の観点で明確に差別化してください。」

ここで私が犯した失敗を共有します。最初の試行では「ペルソナを作って」とだけ指示したところ、教科書的で抽象的な人物像が返ってきました。「30代男性、IT企業勤務、効率化に関心がある」のような、どのプロダクトにも当てはまりそうなペルソナです。

改善のポイントは、差別化の軸を明示的に指定することでした。「行動パターンと課題の観点で明確に差別化」と加えたことで、「ITに詳しく自分でツールを比較検討する経理担当」「社長に言われてしぶしぶ使い始めた事務スタッフ」「コスト削減のために導入を推進する経営者」という、テストで異なるインサイトが得られる3つのペルソナが生成されました。

生成されたペルソナに対しては、必ず以下の観点で手動の加筆修正を行います。

• 自社の既存ユーザーデータとの整合性チェック（年齢層や企業規模の分布）
• 行動シナリオの現実性検証（「本当にこの人物はこの順序で操作するか？」）
• 感情面の肉付け（AIが苦手とする「ユーザーがそのとき何を感じているか」の記述）

ステップ3：ペルソナに基づいたテストシナリオを設計する

3つのペルソナが確定したら、各ペルソナに対応するテストシナリオを設計します。

「ペルソナAの視点で、”新規取引先への請求書を作成し、送付し、入金確認を行う”というタスクフローのユーザビリティテストシナリオを作成してください。各タスクには、シナリオの文脈説明、具体的な操作指示、成功基準、観察ポイントを含めてください。テスト参加者に不自然な誘導を与えないよう、操作指示はUI要素名を直接言及しない形で記述してください。」

最後の一文が重要です。「”送信ボタンを押してください”ではなく”請求書を取引先に届けてください”」のように、UIの正解を暗示しない指示にする必要があります。これはユーザビリティテスト設計の基本ですが、AIはしばしばUI要素名を含んだ指示を生成するため、明示的に制約をかけます。

この手順で、従来5日かかっていた準備工程が約6時間（リサーチ2時間＋ペルソナ設計1.5時間＋シナリオ作成1.5時間＋検証・修正1時間）で完了しました。ただし、この「6時間」にはAI生成結果の検証と手動修正の時間が含まれています。AIの出力をそのまま使うのではなく、専門家としての判断を加える工程を省略してはいけません。

Gensparkと他のAIツールの比較：UXリサーチ用途での使い分け

正直に言えば、すべてのUXリサーチ作業をGensparkだけで完結させるのは現時点では難しいです。たとえば、ユーザーインタビューの発話データを詳細に分析する場面では、長文の逐語録を扱えるClaudeの方が向いています。また、学術論文ベースのリサーチにはPerplexityの出典精度が優れています。

Gensparkが最も力を発揮するのは、「複数の情報源から短時間で多角的にリサーチし、構造化されたアウトプットとしてまとめる」フェーズです。ペルソナ設計やシナリオ作成の初期ドラフトには最適ですが、最終的な品質は人間のレビューと加筆によって担保する必要があります。

GensparkはPlusプランで月額$24.99ですが、ChatGPT、Claude、Geminiの最先端モデルをまとめて使える環境と考えると、複数のAIサービスを個別契約するよりもコスト効率が高い選択肢です。Gensparkの料金プランや基本的な使い方の全体像については完全ガイド記事で詳しく解説しています。

現場で気づいた注意点と、教科書に載っていないコツ

AIが生成するペルソナの「もっともらしさ」に注意する

AIが生成するペルソナは、表面的には非常にリアルに見えます。年齢、役職、課題がきれいに整理され、一見すると実在しそうな人物像です。しかし、これは「ありがちなパターンの平均値」であって、実際のユーザーが持つ矛盾や非合理な行動は反映されていません。

たとえば、「ITリテラシーが高い経理担当者」というペルソナをAIが生成した際、その人物が「Excelのマクロは使いこなすが、クラウドサービスのアカウント作成には強い抵抗感がある」という矛盾した特性は、AIからは出てきませんでした。この特性は実際のインタビューで繰り返し観察されたもので、テストシナリオの難易度設定に直接影響します。

対策として、AI生成ペルソナには必ず1つ以上の「矛盾する特性」を手動で追加するようにしています。

テストシナリオの「自然さ」は人間が判断する

AIが生成するテストシナリオは論理的に正しいのですが、テスト参加者が実際に遭遇する状況としての自然さに欠けることがあります。「取引先から見積もり依頼のメールが届いたので、見積書を作成して送付してください」というシナリオは論理的には問題ありませんが、実際のテストでは「見積もり依頼メールのサンプル」を提示するなどの文脈づくりが必要です。

Gensparkの出力をベースにしつつ、テスト実施環境で参加者が「自分ごと」として受け止められるレベルまで文脈を肉付けする工程は、現時点ではAIに任せきれない領域です。

Hub内のコンテキスト管理にはルールを決めておく

Genspark Hubは便利ですが、プロジェクトが長期化すると蓄積されたコンテキストが膨大になり、AIの応答が過去の古い情報に引きずられることがあります。私の場合、ペルソナを修正した際に「修正前のペルソナ属性は破棄、以降はこちらを正とする」と明示的に指示するルールを設けています。

導入前後で変わったこと：具体的な数値

2024年10月から2026年3月まで、Gensparkを本格導入する前後でUXリサーチ準備フェーズの作業時間を記録しました。対象は同規模（BtoB SaaS、画面数20〜30のリデザイン案件）のプロジェクト6件です。

• ペルソナ設計：平均1.5日 → 平均0.4日（約73%削減）
• テストシナリオ作成：平均1日 → 平均0.3日（約70%削減）
• 競合UI調査：平均1日 → 平均0.5日（約50%削減）
• 準備フェーズ全体：平均5日 → 平均1.5日（約70%削減）

削減された時間は、テスト実施回数の増加に充てました。従来は予算とスケジュールの制約から1ラウンド5名のテストが限界でしたが、準備時間の短縮により、同じ期間で2ラウンド計10名のテストを実施できるようになりました。テストのイテレーション回数が増えたことで、発見される課題の質も向上しています。

Gensparkの無料プランでも基本的な機能は試せます（1日100クレジット、AI Drive 1GB）。ただし、本格的なプロジェクトで使う場合はPlusプラン（月額$24.99、10,000クレジット/月、AI Drive 50GB）が必要です。2026年4月時点では、Plusプラン以上でAIチャットエージェントのクレジット消費がゼロになるプロモーション（2026年12月31日まで）が実施されており、実質的にトップモデルでのチャットが使い放題です。Gensparkの機能や活用シーンの全体像をまとめた完全ガイド記事も参考にしてみてください。

まとめ：AIエージェントはUXリサーチの「代替」ではなく「加速装置」

Gensparkを使ったユーザビリティテストのシナリオ作成とペルソナ設計は、リサーチ準備工程を約70%短縮できる実践的な手法です。特にSuper Agentによる多角的リサーチ、Sparkpageによる構造化アウトプット、Hubによるプロジェクト単位のコンテキスト管理は、複数ツールを行き来していた従来のワークフローを大きく改善します。

ただし、ペルソナの矛盾する特性の追加、テストシナリオの自然さの担保、生成結果の出典検証といった工程は、依然としてUX/UIデザイナーの専門的判断が不可欠です。AIは「優秀なリサーチアシスタント」であって、UXリサーチャーの代替ではありません。

まずはGensparkの無料プランで操作感を確認し、手元のプロジェクトでペルソナの初期ドラフトを1体作ってみることをおすすめします。AIの出力を見て「ここは違う」「ここは使える」と判断できるようになれば、UXリサーチのワークフローが確実に一段階上がります。