EYとAaruの提携を解説: 富裕層調査の結果（2026年）

EYとAaruは正式なパートナーシップを締結しました。2026年9月30日、EYはAI行動シミュレーション企業であるAaruとErnst & Young LLP（EY US）とのアライアンスを発表しました。実際の施策を実行する前に、クライアントがシミュレーション上の母集団を用いて意思決定をテストできるように支援することを目的としています（EY newsroom）。この提携は、Aaruが実施したブラインド検証を受けたものです。その検証では、30以上の市場における3,600人の富裕層投資家を対象に6か月を要したEYの「2025 Global Wealth Research Report」を、わずか1日で再現し、53の単一選択式設問全体で中央値0.90のスピアマン相関を記録しました（EY insight）。本稿に記載する事実は、2026年10月時点でEYおよびAaruの公開ページで確認された情報に基づいています。

リサーチの発注担当者にとって重要な問いは、実際に何が測定されたのか、この提携によって何が変わるのか、そしてマネージド型のシミュレーションパートナーとセルフサーブ型ツールをどう評価すべきかという点です。本記事では、マーケティング的な宣伝文句を排し、公開された客観的な事実を整理します。Mindsは合成リサーチプラットフォームであり、Aaruの代替となる選択肢です。本稿では、どのようなケースでAaruのアプローチが適しているのかについても率直に言及します。

EY Global Wealth Studyの検証: 何が測定されたのか

2025年8月、EYのウェルス＆アセットマネジメントチームは、Aaruに対して調査結果を一切見せないブラインドの状態で、「2025 EY Global Wealth Research Report」を再現するという課題を課しました。元の調査は30以上の市場にまたがる3,600人の富裕層投資家を対象とし、6か月の実地調査期間を要したものでした。Aaruのケーススタディによると、その実地調査費用は7桁ドル（数百万円から数千万円規模）に達していたとされています（Aaru case study）。

Aaruは国勢調査、金融機関、ソーシャルメディアから得られた人口統計、行動、感情データをもとにシミュレーション用の投資家を構築し、わずか1日で実行を完了しました。EYはその後、合致する53の単一選択式設問について、以下の3つの指標を用いて2つのデータセットを比較しました。

出典: EY insight、2025年10月。

EYとAaruは、これらの乖離について「人々が口で言うこと」と「実際の行動」のギャップを反映していると主張しています。親のアドバイザーをそのまま継続して利用するかという質問に対し、実際の調査では相続人の82%が「はい」と答えました。一方、シミュレーションの予測は43%であり、EYが引用した業界調査によれば実際の維持率は20%から30%にとどまっています。同様に、調査対象となった投資家の69%が単一の金融機関を利用することを好むと回答したのに対し、シミュレーションの予測は37%でした。これに対し、EYは実際に単一のアドバイザーを利用している富裕層は33%であるというデータを引き合いに出しています。

これらの結果をどう読み解くか

• このテストは関係する2社によって設計・公開されたものであり、査読を受けたものや第三者によって独立して再現されたものではありません。
• 対象となったのは単一選択式の設問のみであり、自由回答による定性的な理由付け、価格設定のトレードオフ、新製品のコンセプト検証などは比較に含まれていません。
• 順位相関の中央値0.90は、回答の並び順がおおむね一致していたことを示しています。各項目のパーセンテージがどの程度ずれる可能性があるかを把握するには、平均7.1ポイントの差という数値のほうが適切な目安になります。
• 「シミュレーションのほうが実際の行動に近かった」という主張は、少数の設問と第三者の業界統計に依拠しているため、決定的な証拠というよりは有望な兆候として捉えるのが賢明です。

2026年9月のEYとAaruの提携

2026年9月30日に発表された提携は、AaruのシミュレーションエンジンとEY USのセクター別・機能別の専門チームを結びつけるものです。EYによると、Aaruが特定のオーディエンスを表現するAIエージェントの母集団を生成し、EY USがクライアントによるその結果の戦略的活用を支援します。最初に明名された注力分野は金融サービスであり、マーケティングメッセージ、製品や価格の提案、営業・サービス戦略、M&Aの影響などの検証が進められています（EY newsroom）。

企業の買い手にとって実務上の変化は、提供ルートにあります。Aaruと直接契約するだけでなく、EY USのコンサルティング案件を通じて、EYの業界データやアドバイザリー支援を受けながらAaruを活用できるようになりました。

Aaruはどのような仕組みで動作するのか

Aaruは、現実世界の行動結果に基づいてトレーニングされた行動シミュレーションプラットフォームであると自社を説明しています。EYの調査検証において、同社は意思決定の特性をモデル化する行動アーキテクチャを備えたエージェントを構築し、それらをシミュレーション環境に配置して調査の設問を投げかけました。Aaruによれば、金利の変更や競合他社の動きといったイベントの発生後にも同じ仮想母集団を再実行でき、24時間以内にセンチメントの変化を予測できるとしています（Aaru case study）。

Aaruはセルフサーブ型の価格プランを公開しておらず、アクセスはエンタープライズ営業、または今回のEY USとのアライアンスを通じて行われます。Aaruとセルフサーブ型ツールの詳細な比較については、MindsとAaruの比較およびAaruの代替ツール一覧を参照してください。

合成シミュレーションが実現できること、確立できないこと

合成リサーチプラットフォームを客観的に評価するには、合成された母集団の統計的・方法論的な境界線を正しく理解する必要があります。合成データのアウトプットは方向性を示すもの（ディレクショナル）です。統計的代表性や因果関係の証明を確立するものではなく、需要予測、正確な支払意欲の特定、または極めて重大な最終検証において実パネルを代替することはできません。

シミュレーションエージェントは、学習データのパターン、人口統計学的な事前分布、そして与えられたコンテキストから回答を生成します。複数のシナリオオプションで実行することで、相対的なトレードオフ、メッセージングで生じる潜在的な摩擦、定性的な理由付けを浮き彫りにすることができます。こうした方向性のシグナルは、一次調査の予算を投じる前に膨大なアイデアを絞り込むのに役立ちます。

ただし、合成シミュレーションは以下の領域において実証的な現実を代替することはできません。

1. 代表性: 言語モデルによるペルソナは、対象集団の人口統計的および心理的分布を統計的に代表性のある形で正確に再現するわけではありません。
2. 因果関係の証明: 孤立した刺激に対する反応をシミュレートしても、因果メカニズムを単離したり、現実世界の交絡変数を完全に考慮したりすることはできません。
3. 需要予測: シミュレーション上で示された選好は、実際の導入率、市場浸透率、または購入量を正確に予測することはできません。
4. 支払意欲: 合成エージェントは実際の金銭的制約に直面しないため、価格シミュレーションから絶対的な価格弾力性を導き出すことはできません。
5. 重大な意思決定の最終検証: 重要な戦略的判断、大規模な資本配分、公式な情報開示には、依然としてリクルートされた人間の参加者による検証が必要です。

合成データを確定的な予測としてではなく、反復的かつ探索的なインプットとして扱うことで、経営判断において合成データへ過度に依存するリスクを防ぐことができます。

運用モデルの比較: マネージドコンサルティング対セルフサーブプラットフォーム

合成リサーチを導入する際、企業の買い手は通常、マネージドコンサルティングとセルフサーブ型シミュレーションプラットフォームという2つの運用モデルのいずれかを選択します。

EY USとAaruの提携のようなマネージドコンサルティングは、専任の外部チームがカスタムエージェント母集団を構成し、企業固有のデータをインジェストし、シミュレーションを調整して、編集された戦略レポートを納品します。このアプローチは、組織側がモデリングの管理をアドバイザリーパートナーに任せたいと考える全社的な変革、シナリオプランニング、複雑な戦略的イニシアチブに適しています。

セルフサーブ型のソフトウェアプラットフォームは、シミュレーションの実行権限を社内のプロダクトマネージャー、UXリサーチャー、ブランドマーケターに直接委ねます。社内チームが独自のAudiencesを構成し、オンデマンドでコンセプトを検証し、コンサルティングのサイクルを待つことなく構造化されたリサーチを実行します。このモデルは、プロダクトライフサイクル全体におけるスピード、自律性、継続的なテストを最優先します。

どちらを選択すべきかは、チームの体制によって異なります。メッセージングや機能の改善を日々反復している社内リサーチャーを抱える組織には、セルフサーブのアクセスが適しています。一方で、外部委託による戦略的な取り組みを求める組織には、マネージド型のアドバイザリー業務が好まれます。

構造化リサーチに向けたMindsの主要機能

Mindsは、商用シンセティックリサーチのエンドツーエンド・プラットフォームです。社内のプロダクトおよびUX、サービスデザイン、市場調査、顧客の声（VoC）、マーケティング、イノベーション、そしてエージェンシーのチームに対して、オーディエンスの作成や調査設計から、刺激のテスト、定性および対応する定量調査手法、比較、分析、エクスポートに至るまで、直接的なコントロールを提供します。テスト可能な刺激には、対応が有効化されているFigmaのモックアップ、ウェブサイトやアプリの導線、画像、動画、コピー、プレゼン資料、アンケート、コンセプトなどが含まれます。

Minds内では、チームはMindsと呼ばれるAIペルソナの再利用可能なAudiencesを構築し、自由回答、単一選択、複数選択、スケール設問を含むStudiesを実行できます。リサーチャーは個々のMindにインタビューすることも、セッション間でコンテキストを維持しながらAudience全体から一度に反応を収集することも可能です。

構造化された定量テスト向けに、Studiesでは相対的な優先順位を測定するMaxDiff、構成要素のトレードオフを測るコンジョイント分析、機能カテゴリを特定する狩野モデル、そして価格設定のためのVan Westendorp（PSM分析）やGabor-Grangerが実行可能です。EYの検証と同様に、Mindsはシミュレーションの回答と実際の調査結果を比較する機能を備えています。Audience Validation機能により、公開されている調査データや自社の調査ファイルに対して各Audienceを検証し、100点満点のスコア、95%信頼区間、除外された設問を提示します。

Mindsは代表性のある結果が得られるとは主張していません。人間の行動観察、物理的・感覚的テスト、規制要件に関わるエビデンス、そして極めて重要な局面での最終検証は、必要に応じてこのワークフローを補完するものであり、それによってMindsが単機能のツールに留まるわけではありません。Mindsはセルフサーブ型であり、1回答あたり$0.12のPay as you goやProプランを用意しています。大規模な戦略的決定のためにコンサルティング主導のマネージド型シミュレーションを求める場合は、Aaruのほうが適しています。

リサーチチーム向けの中立的な選定評価フレームワーク

合成リサーチソフトウェアやマネージド型のシミュレーションベンダーを評価する際、調達部門やインサイトチームは4つの運用基盤にわたるフレームワークを適用すべきです。

柱1: 提供モデルの適合性

戦略的なアドバイザリー支援が必要なのか、それとも継続的なリサーチの内製化・高度化を目指すのかを判断する必要があります。マネージドサービスは、経営層のスポンサーが完成された納品物を求める単発的でハイレベルな評価に適しています。セルフサーブプラットフォームは、継続的なコンセプトスクリーニング、メッセージの改善、ペルソナとのインタラクションを必要とする事業部門のチームに適しています。

柱2: 構造化リサーチ手法

定性的なチャットのやりとりのみでは、定量的なトレードオフの決定には不十分です。機能の重要度を順位付けするMaxDiffや、複数属性を組み合わせたパッケージを検証するコンジョイント分析などの正式な実験設計が実行できるか、また非構造な問い合わせと実験的手法の実行が明確に分離されているかを確認してください。

柱3: エビデンスの検証性と監査可能性

エンタープライズのガバナンスでは、合成データによる結論がどのように導き出されたかを把握できる透明性が求められます。ペルソナのプロンプト、人口統計の前提条件、生の回答ログを確認できるか、そしてEYがスピアマン相関、RMSE、ユークリッド距離を用いて示したように、ベンダーが精度の指標をどのように定義・公開しているかを検証してください。

柱4: 人間による検証プロトコル

合成シミュレーションは実地調査の代替ではなく、ファネルの上流にあるフィルターとして位置付けるべきです。どのような結果であれば方向性を示す合成データに基づいて進行できるのか、どのような場合に人間のパネルによる検証が必須となるのかをルール化してください。重大なプロダクトのローンチ、規制当局への提出書類、大規模な価格改定などは、事前にリクルートした人間による検証を通過させる必要があります。

リサーチスタックにおける合成シミュレーションの運用化

成熟したリサーチスタックは、単一のベンダーや手法だけに依存することはありません。合成リサーチを上流の加速装置として位置付け、下流における人間を対象としたリクルーティング調査の焦点をより明確にします。

初期のディスカバリー段階では、リサーチャーはAIペルソナを使用して顧客の言語を探索し、想定される懸念点を洗い出し、提供価値のアイデアをブレインストーミングします。コンセプトスクリーニングの段階では、合成Audiencesに対してMaxDiffやコンジョイント分析などの構造化された手法を実行し、数十個のコンセプトを少数の有力候補へと絞り込みます。

絞り込まれたコンセプトは、その後リクルートされたパネルによる人間を対象とした検証へと進みます。効果の薄い選択肢や混乱を招くメッセージは事前に排除されているため、人間を対象とした実地調査のコストを抑え、結果の確証を得る作業に集中させることができます。

現実的な方法論の限界を保ちつつ、Mindsのようなセルフサーブ型ツールと規律ある人間による検証を組み合わせることで、インサイトチームは意思決定の完全性を維持しながらリサーチのスピードを引き上げることが可能になります。構造化された合成リサーチを試してみたいチームは、アクセス登録を行ってください。

出典

• EY, EY announces alliance with Aaru, September 30, 2026
• EY, How AI simulation accelerates growth in wealth and asset management, October 2025
• Aaru, How a one-day simulation surpassed EY's Global Wealth Study, blinded, October 2025

関連ガイド

• MindsとAaruの比較：シンセティックリサーチプラットフォームの検証