表題の様な話はいくらでもある。すなわち、「どの程度の数の意見は、参考となるか？」という問だ。
他にも、ある商品やサービスへの満足度を測定する、あるいは市場調査を行うために、「アンケート」や「モニター」という手法がよく使われる。
よくやりがちなのが、「今のお客さん」に新しく作ったサービスを持って行き、「こういうサービスが有りますが、どうですか？」と聞く方法だ。既存のお客さんは話をしやすい上、もしかしたら買ってくれるかもしれない。
しかし、そうやって既存のお客さんに買ってもらったが、結果としてそのサービスは「既存のお客さんにしか買ってもらえなかった」ということはよくある。マーケティング担当や商品開発担当からよく聴く話が、「お客さんにアンケートを取ってもらったら、「良い」と言ってもらった。購入もしてもらったのに、なんで他に売れないのだろう・・・？」ということになる。
そんな時に役に立つのが、統計だ。
例えばあなたがターゲットを40万社とするサービスを開発したとする。このサービスにリソースを投入してよいかどうか判断をするために、このサービスを買いたいと思うか？というYes/No式の調査をしたい。
どの程度の数の会社に話を聞けば、正確なデータが手に入るだろうか？
世論調査や、製品検査などに使われている手法である、「標本調査法」と呼ばれる方法を採用すると、簡易的に統計局の表を用いてしまうのがカンタンだ。説明も載っているので、詳しく知りたい人はリンク先を参考にすると良いと思う。
（出典：統計局 「統計学習の指導のために」）
| 標本の大きさ | 調査結果が50％だった場合（注２）に 真の値が95％の確率で存在する範囲 |
|---|---|
| 100 | 50.0％±10.0、すなわち40.0％～60.0％ |
| 200 | 50.0％±7.1、すなわち42.9％～57.1％ |
| 500 | 50.0％±4.5、すなわち45.5％～54.5％ |
| 1000 | 50.0％±3.2、すなわち46.8％～53.2％ |
| 2000 | 50.0％±2.2、すなわち47.8％～52.2％ |
| 3000 | 50.0％±1.8、すなわち48.2％～51.8％ |
※１この表は、母集団の数が40万社などと大きい時には、母集団の数がいくつかということは関係なく使える。
※２調査結果が５０％だった場合とは、YesとNoの比率が五分五分ということ。五分五分以外の場合では、もっと精度は上がるので（すなわち、もっと小さい標本でもよいので）標本の大きさは、調査結果が５０％だった場合のことを考えておけば問題ない。
上の表を見ると、100社に聞いて50％の会社が「買う」といった場合、40万社に聞いても95％の確率で40％~60％の会社が「買う」と回答するということを示す。インタビューの会社を増やして、３０００社にしても誤差が±1.8％になるだけで、大して変わらない。インタビュー先の会社が100社程度でも、十分信頼できるデータが手に入る。
ただし、この100社は、できるだけランダムに、無作為に、「全体をあらわしていると考えられる100社」を選定することが重要である。
ちなみに、表題にあるような「母集団の数が40程度」と小さい時には、上の表は使えない。例えば、
40人の会社で、ランダムに10人の社員に「会社に対して大きな不満があるか？」と聞いたら、半数の人が「不満」と応えた。全員に聞いた時、何人の人が「不満」と答えるか？
という問だが、統計局の表を引用すれば、
| 母集団の大きさ | 標本の大きさ | 調査結果が50％だった場合（注２）に 真の値が95％の確率で存在する範囲 |
|---|---|---|
| 200 | 100 | 50.0％±7.1、すなわち42.9％～57.1％ |
| 200 | 50 | 50.0％±12.3、すなわち37.7％～62.3％ |
| 100 | 50 | 50.0％±10.1、すなわち39.9％～60.1％ |
| 100 | 25 | 50.0％±17.4、すなわち32.6％～67.4％ |
| 40 | 20 | 50.0％±16.0、すなわち34.0％～66.0％ |
| 40 | 10 | 50.0％±27.7、すなわち22.3％～77.7％ |
ということで、40人のうち10人に聞いたところで、真の値は22％から78％の間にある。不満を持っている人の割合は40人に拡大したときは2割から7割の間と、全く参考にならないデータだ。
なお、表を見ると、40人の会社では20人に聞いて、50％の人が「不満」と言ったとしても、全体では35％~66％となり、そこまで信頼できるデータが取れるわけではない。
小さい会社では10人程度に聞いたところで、全体のことはわからないということだ。まあ、誰かの言う「みんな言ってますよ」なんて、そんなものである。
因みに、このような計算をズバッとやってくれるスクリプトを載せたページがあるので、細かく数値を設定したい方は、こちらを利用すると良いだろう。
製薬・バイオ企業の生成AI導入は、「試行」から「実利」を問うフェーズへと移行しています。 (2026/01/19更新）
単なる理論ではなく、現場で成果を出す生成AI活用の“実装方法”を知りたい方に最適なウェビナーです。
本セミナーでは、製薬・バイオ企業でのPoC（概念検証）から得られた実データとノウハウを元に、「どこにAIが効くのか」「どこが難しいのか」を明確に解説します。
【開催概要】
・開催日：2026年2月12日（木）
・時間：12:00〜13:00
・形式：オンライン（Zoom／ログイン不要）
・参加費：無料（定員150名）
本セミナーでは、13チームのPoCで時間を50〜80％削減したノウハウを余すことなく共有します。適用可否の見極め、評価設計、失敗領域への対応方法、全社展開のガバナンス設計まで、実践的な内容です。:contentReference[oaicite:1]{index=1}
・製薬・バイオ・化学業界のDX／業務改革担当者
・AI導入プロジェクト責任者・企画部門・法務・人事などの全社展開担当者
・PoC設計や効果測定の「型」を学びたい方
・自社の生成AI活用を確実な成果につなげたい実務担当者
【セミナーの内容】
・生成AIの“適用可否”を短期間で見切る方法（PoC設計・評価の型）
・現場で成果を出すAI活用ノウハウ（バックキャスティング／プロンプト構造化 等）
・適用が難しい領域（PowerPoint・OCR 等）の整理と次の打ち手への転換
・横展開に向けたガバナンス設計とナレッジ共有
【登壇者】
奥田 真輔 氏
システム開発やITコンサルティングを経て、
外資系製薬企業で15年以上のITビジネスパートナーとして人事からコマーシャル、
メディカルなど製薬企業の様々な分野のプロジェクトに携わる。
現在はネクセラファーマ株式会社で、システムだけではなく、企業風土改革や業務改善をリードし、
日本発グローバルバイオ製薬企業にむけて、同社の成長基盤の構築に尽力している。
岡田 雄太（ワークワンダース株式会社 CTO）
野村総合研究所に新卒入社後、証券総合バックオフィスシステムやオンライントレードシステムなどの開発に従事。
その後、8 Securities（現SoFi Hong Kong）へ出向し、日本人唯一のエンジニアとして国際的なプロジェクトに携わる。
BOOSTRYでは信託銀行向けSaaSの立ち上げと成長を牽引。
WiseVineではCTOとして開発組織を30名規模に拡大し、プロダクト開発を推進。
2025年4月よりワークワンダース株式会社CTOに就任。AI活用を中心とした開発支援をリードする。
【お申込み・詳細】
こちらのウェビナー申込ページをご覧ください。
