| name | research-topics |
| description | 定量的かつ定性的な調査を通じて事実と意見を収集し、分析して 構造化されたレポートや提言として実行可能な知見を提供する。 市場動向、テクノロジー、競合分析など、複数の角度から調査が必要なテーマに使用する。
|
| allowed-tools | ["WebSearch","WebFetch","Task"] |
トピックの調査
テーマや問題を調査し、分析して意思決定を支援する知見を提供するスキル。ユーザーとの反復的な対話を通じて、定量（数値やデータ）と定性（意見や事例）の両面から調査を進める。
クイックスタート
- 調査したいトピックや質問を共有する（「X を調査して」「Y について調べて」）
- スキルが目的、範囲、期待する成果物について 1〜2 問の確認質問をする
- 定量（データや統計）と定性（意見や事例）の両軸で調査を実施する
- 広いテーマの場合は分析開始前に途中確認を行う
- 情報源付きの構造化レポートとして知見を提供し、要望に応じてさらに深掘りする
基本方針
調査は情報の一方的な提供ではなく、ユーザーとの対話によって進める協働プロセスである。ユーザーが本当に知りたいことを理解し、最も価値ある知見を届けることがゴールである。情報を羅列するのではなく、「So what?（それで何が言えるのか）」という実行可能な示唆に到達することに集中する。
ステップ 1: テーマの把握と意図の確認
調査を始める前に、ユーザーのテーマと意図を正確に理解する。
最初に確認すること
- 目的と背景: なぜこのテーマを調査するのか？どのような意思決定やアクションに活かしたいのか？
- 現在の理解: すでに知っていることは何か？仮説や前提はあるか？
- 調査の範囲: 地理的、時間的、対象の境界（業界、技術、対象集団など）はどこか？
- 期待する成果物: 詳細レポートか？概要のみか？定量データ重視か？定性的な知見や事例重視か？
確認対話の進め方
ユーザーが「X を調査して」と言ってもすぐに始めず、まず質問を深める:
- ユーザーの発言の背後にある本質的な問いを探る（例:「SNS の成功事例を知りたい」→「どんな課題を解決しようとしているのか？」）
- 範囲が広すぎる場合は絞り込みを提案する（例:「AI 活用全般」→「どの業界やユースケースに絞りたいか？」）
- ユーザーが持つ前提やブラインドスポットをプロセスの早い段階で明らかにする
ガイドライン: 確認質問は 1〜2 ラウンドに留める。ユーザーが「このまま進めて」と言った場合やテーマがすでに明確な場合はステップ 2 へ進む。
ステップ 2: 調査の実施
テーマに基づいて複数の角度から情報を収集する。
調査の 2 軸
定量（数値とデータ）
- 市場規模、成長率、普及率などの統計数値
- 調査レポートや研究からの定量的な結果
- 比較可能なベンチマーク
定性（意見と事例）
- 専門家や実務者の見解や発言
- 具体的な事例やユースケース
- 批判的な声、懸念、反論
多様な視点の確保
偏った情報収集を避けるために、以下の角度から調査する:
- 賛成と反対の立場
- 推進派と懐疑派（業界、政策、学術など、異なる立場の利害関係者）
- 国内外の視点（テーマがグローバルな場合）
- 現在のトレンドと過去の文脈
調査プロセス
- 広い検索で全体像を把握する
- 重要なサブトピックについて深く調査する
- 信頼性の高い情報源を優先する（政府統計、学術論文、業界団体、信頼できるメディア）
- 情報源が矛盾する場合は複数の情報源で検証する
- 不明な点や情報が見つからなかった箇所を記録する
途中確認（オプション）
広範な調査や方向性を確認する必要がある場合、途中で確認する:「現在この方向で調査しています。この角度で合っていますか？」
ステップ 3 への移行
以下のいずれかの条件を満たしたら分析フェーズへ移行する:
- 主要なサブトピックについて定量、定性データが収集できた
- 追加検索で新しい知見が得られなくなった
- ユーザーが調査は十分だと示した
ステップ 3: 分析と解釈
収集した情報を整理し、「So what?（それで何が言えるのか）」という実行可能な示唆を引き出す。
分析フレームワーク（テーマに応じて選択）
利用可能なフレームワークの一覧は references/analysis-frameworks.md を参照。
解釈のポイント
- 数字の背後にある文脈と制約を説明する（例:「成長率は XX% だが、前年は市場が縮小していた」）
- 不確実性に正直に向き合う（例:「このデータは〇〇時点のもので、状況が変わっている可能性がある」）
- ユーザーの意思決定やアクションに直接関係する示唆に焦点を当てる
ステップ 4 への移行
分析から「So what?」を導けたら、知見提供フェーズへ進む。
ステップ 4: 知見の提供
調査結果を整理してユーザーに提示する。
出力例（要約版）:
調査サマリー
テーマ: 日本のフェムテック市場の現状と主要な投資判断基準
主要な発見:
- 市場規模は 2023 年時点で約 1,500〜2,000 億円と推計（矢野経済研究所推計）
- 更年期テックと法人向け職場ヘルスサービスが成長セグメント
- 規制緩和や政策の追い風はあるも、医療機器認証コストがリスク
分析と示唆
→ 短期的には B2B（企業向けウェルネス）モデルが最も明確な収益化経路。医療機器認証が不要なウェルネス領域で参入しながら、エビデンスを構築するのが現実的な戦略。
標準的なレポート構成
## 調査サマリー
- 調査テーマと主要な問い
- 最も重要な発見（3〜5 点）
## 背景と現状
- テーマの概要とコンテキスト
## 主要な発見
### [サブトピック 1]
- 定量データ（情報源の引用付き）
- 定性的な知見
### [サブトピック 2]
...
## 分析と示唆
- データの解釈
- 意思決定への示唆
## 注意点と不確実性
- 調査の限界と注意すべき点
## 次のステップと追加調査領域
- さらに調査すべき内容
- 検討すべき選択肢
## 参考情報
- [タイトル](URL)
- [タイトル](URL)
柔軟なフォーマット調整
ユーザーのニーズに合わせてフォーマットを調整する:
- 詳細レポートを希望: 上記の構成を使用する
- 概要だけでいい: 要点を箇条書きのみで提示する
- 一緒に考えたい: 知見を対話形式で提示し、対話を通じて議論を深める
継続的な深掘り
知見を提供した後も、ユーザーが「もっと詳しく」「この点が気になる」と言えば積極的に踏み込む。調査は一度きりの納品ではなく、対話を通じてユーザーが必要とする知見に段階的に絞り込んでいくプロセスである。
注意事項
- スキルを呼び出したときにユーザーが使用した言語で常に応答する
- 回答の末尾には必ず使用した情報源をタイトルと URL 付きの一覧で提示する（例:
- [タイトル](URL)）
- 情報の鮮度が重要なテーマでは、情報の日時を記載する
- 調査できなかった内容や情報が見つからなかった場合は透明性を持って開示する
- 確認済みの事実と推論や解釈を明確に区別する
- 範囲が広く複数のサブトピックを並行調査する必要がある場合は、Task ツールを使ってサブエージェントを並行起動することを検討する
