ユーザージャーニーとユーザーフローをAIが再定義する

Figma Make・AIエージェント時代の設計手法

NNグループが「User Journeys vs. User Flows」という記事を公開したのは、スマートフォンが設計の中心になりつつあった時代のこと。当時の結論は今も正しい。しかしAIエージェントとFigmaの急速な進化によって、設計プロセス自体が根底から変わりつつある。

この記事では、NNGの古典的フレームワークを正確に理解した上で、2026年の開発現場でそれがどう変わるかを具体的に掘り下げる。

---

NNGフレームワークの本質：なぜ今も有効か

ユーザージャーニーとは何か

NNグループによる定義は明快だ。

User Journey（ユーザージャーニー）: ユーザーが高レベルな目標を達成するために踏む、シナリオベースの一連のステップ。通常、複数のチャネルをまたいで時間をかけて進む。

新規患者として医療機関を探す例を想像してほしい。ウェブサイトで情報を調べ、電話で予約し、メールを受け取り、実際に診察室に訪れ、患者ポータルでフォローアップする。このプロセスは数日から数週間にわたり、複数のタッチポイントを経由する。感情・思考・チャネルをすべて含めて「ジャーニー」として可視化する。

適したリサーチ手法: フィールドスタディ、ダイアリースタディ（実際の行動を時間をかけて観察する手法）

ユーザーフローとは何か

User Flow（ユーザーフロー）: 製品内で一般的なタスクを完了するために必要な典型的・理想的なステップの集合。

スポーツ用品サイトでテニスラケットを購入する、プロフィール画像を更新する、メール配信に登録する——これらは数分〜数時間で完了する、単一プロダクト内の短期的ゴールだ。ワイヤーフローやフロー図で表現され、感情状態は含まない。

適したリサーチ手法: ユーザビリティテスト、クリックヒートマップ

2つを組み合わせる価値

NNGが指摘する最も重要な点は、「多くのチームが両者を体系的につなげるプロセスを持っていない」という現実だ。チーム構造のギャップ、測定プログラムの不在、能力の欠如——様々な理由で、マクロとミクロの視点は分断されたまま設計が進む。

これがUXの失敗を招く根本原因のひとつだ。

---

AI時代における3つの変化

変化1：「作る前にテストする」のコストがゼロに近づく

従来のプロセスでは、ユーザーフローを検証するには実際にプロトタイプを作り、ユーザビリティテストを設計し、参加者を集める必要があった。これは中小チームや個人開発者には現実的でなかった。

FigmaがリリースしたFigma Makeは、この状況を大きく変えた。

「ステップ、分岐、状態を自然言語で記述すると、Figma Makeが構造・ナビゲーション・インタラクションを生成し、すぐテストできる状態にする」（Figma公式）

具体的には：

• テキストプロンプト → 複数画面のフロー生成
• コード不要でインタラクティブなプロトタイプ完成
• 同一ワークスペースでデザイン・テスト・反復
• 完成したらそのまま公開（レスポンシブ対応）

個人開発者がひとりで「仮説を立てる → Figma Makeでフロー生成 → 実際に動かして確認 → 修正」を1〜2時間でこなせるようになった。

変化2：ユーザージャーニーの「感情層」をAIが補完する

従来のユーザージャーニーマッピングの最大の課題は、感情・思考データの収集コストだった。フィールドスタディやダイアリースタディは時間も費用もかかる。

AIエージェントは以下のアプローチでこの制約を緩和する：

① アナリティクスからの感情推定

ユーザーがどの画面で長時間停滞したか、どこで離脱したか、どの経路を繰り返したか——行動データからフラストレーションポイントを推測するAIが登場している。定量データを感情マッピングに変換するアプローチだ。

② ペルソナの動的生成

「30代、SaaS系個人開発者、週末にサイドプロジェクトを進めている」という条件を与えると、AIがそのペルソナが踏むであろうジャーニーを推測生成する。完全なリサーチの代替にはならないが、設計仮説の起点として機能する。

③ AIエージェントによる自動ユーザビリティテスト

プロトタイプにAIエージェントをユーザーとして走らせ、特定タスクを達成できるかを検証する手法が実用段階に入りつつある。24時間365日、無制限の「テストユーザー」を持てる時代だ。

変化3：ジャーニーとフローの境界線が溶ける

NNGが指摘した「ジャーニー（マクロ）とフロー（ミクロ）の分断」問題を、AIは構造的に解消する可能性を持つ。

FigmaのAI user journey prototype generatorは：

• ジャーニーマップ（マクロ視点）をそのまま
• インタラクティブなフロープロトタイプ（ミクロ視点）に変換する

これはNNGが「多くのチームが苦労している」と言った「マクロ↔ミクロのブリッジ」を自動化するアプローチだ。「新患者ジャーニー」というジャーニーマップを描いたら、「患者ポータルへのログインフロー」は自動的に派生して生成できる——そういう未来が近づいている。

---

Figma AIエコシステムの現在地（2026年）

Figmaは2026年時点で、UX設計における「AIファースト」への転換を宣言した。主要機能を整理する。

Figma Make

最も革新的な機能。プロンプトからインタラクティブなプロダクト体験を生成する。

機能	内容
プロンプト → フロー生成	自然言語でマルチスクリーンパスを生成
コード不要	非エンジニアでも動くプロトタイプ
即時公開	Makeをそのままレスポンシブウェブとして公開
既存ファイル活用	手元のFigmaデザインを取り込んでフロー化

適したユースケース：サインアップフロー、オンボーディング設計、MVPの検証

FigJam AI

ジャーニーマッピングとブレインストーミングのキャンバス。AIがスティッキーノートを整理し、パターンを発見し、フロー図を自動生成する。チームの発散思考をAIが収束させる役割を担う。

Figma AI（デザインモード）

• Auto-rename: レイヤーを意味のある名前に自動変更
• First draft: テキストやコンポーネントの最初の案を生成
• Asset search: 自然言語でコンポーネントを検索
• Design to code: デザインから開発者向けコードを生成

Figmaの2025年AIレポートによると、2,500人のデザイナー・デベロッパーを対象にした調査で「AIは効率を高める」という認識が多数派となった一方、AIが設計の意思決定を代替することへの懸念も明確に示されている。

---

AIエージェント時代のUX設計：3つの新しいパターン

パターン1：「会話型UX」の設計は旧来のフロー設計と根本的に異なる

AIエージェントが組み込まれたプロダクトでは、「線形フロー」という概念自体が変わる。

従来のユーザーフロー：

ホーム → 検索 → 商品詳細 → カート → 決済

AIエージェント型のUX：

ユーザー: 「先週買ったものと相性のいいやつ探して」
エージェント: [バックグラウンドで検索・フィルタ・パーソナライズ]
ユーザー: 「3番目のやつ買う」

ここで設計が必要なのは「画面遷移フロー」ではなく「エージェントとの対話シナリオ」だ。NNGのユーザーフロー定義（「製品内での一連のインタラクション」）は依然有効だが、インタラクションの形式が根本的に変わった。

パターン2：マルチエージェントのジャーニーを設計する

新しい問いが生まれた：「複数のAIエージェントが連携するとき、ユーザーはどんな体験をするか？」

たとえばタスク管理アプリに「リサーチエージェント」「スケジューリングエージェント」「通知エージェント」が共存する場合、ユーザーはどのエージェントが何をしているか把握できているか？制御感を保てているか？これはNNGが言う「複数チャネルにまたがるジャーニー」の現代版だ。

新たな設計原則：

• エージェントの「透明性」——何をしているかユーザーに見せる
• 介入可能性——ユーザーがいつでも止められる
• 文脈の引き継ぎ——エージェントが変わっても体験が途切れない

パターン3：「ジャーニーの終わりがない」UXを設計する

AIエージェントは「タスク完了」で止まらない。ユーザーの行動を観察し、次のアクションを提案し続ける。

これは従来のジャーニーマップが想定していた「ゴール達成 → ジャーニー終了」という構造を崩す。設計者は「ジャーニーのループ」を意識し、ユーザーが疲弊せず、価値を感じ続けられるサイクルを設計する必要がある。

---

個人開発者への実践ガイド：今日から使えるフレームワーク

ステップ1：ジャーニーとフローの使い分けを決める

最初の問いはシンプルだ。

問い	Yes →	No →
複数チャネルにまたがるか？	ジャーニーマップ	ユーザーフロー
完了まで数日以上かかるか？	ジャーニーマップ	ユーザーフロー
感情・思考を理解する必要があるか？	ジャーニーマップ	ユーザーフロー

個人開発者の多くは「ユーザーフロー」から始めるべきだ。MVP段階では、単一プロダクト内の核心タスクを最適化することが最優先だから。

ステップ2：Figma Makeで高速プロトタイピング

手順：

1. Figmaを開き、Figma Makeを起動
2. プロンプト: 「[あなたのアプリ]の[コアタスク]フローを作って」
3. 生成されたフローを確認し、ブランチ（分岐）を追加
4. 共有リンクを作成して5人に試してもらう
5. 詰まった箇所を特定して修正

コードを書く前にフローの問題を発見できる。設計変更のコストが最も安い段階で検証できる。

ステップ3：AIペルソナでジャーニー仮説を作る

リアルユーザーにインタビューする前に、AIにペルソナを演じさせて仮説を生成する。

プロンプト例：

あなたは[ターゲットユーザーの説明]です。
[あなたのサービス]を初めて使う際に、
どんな不安・疑問・期待を持つか、
ステップごとに教えてください

これは本物のリサーチの代替ではないが、設計の盲点を発見するための低コストな方法だ。

ステップ4：アナリティクスでジャーニーを可視化する

ローンチ後は行動データがジャーニーの実態を教えてくれる。

注目すべき指標：

• 離脱率が高い画面 → フローのボトルネック（ユーザーフロー問題）
• サポート問い合わせのパターン → ジャーニー全体の混乱ポイント（ジャーニー問題）
• リテンション率の推移 → ジャーニーが価値を提供しているかの指標

---

NNGが言わなかったこと：AI時代の「新しいUXの問い」

NNGのフレームワークは「ユーザーが能動的に操作する」前提で設計されていた。AIエージェントの台頭はこの前提を揺るがす。

「ユーザーの代わりにAIが動く」UXをどう設計するか

AIがタスクを自律的に実行する場合、従来の「ユーザーフロー（ユーザーが踏むステップ）」は「エージェントフロー（AIが踏むステップ）」に変わる。ユーザーは設計者ではなく監督者になる。

このとき設計が問うべきことは：

• ユーザーはエージェントを信頼できるか
• 問題が起きたとき介入できるか
• エージェントが何をしたか後から確認できるか

感情データのリアルタイム活用

従来はダイアリースタディで週単位でしか取れなかった感情データが、AIによってリアルタイムで推測できるようになりつつある。「今このユーザーはフラストレーションを感じている」という判断を即座に行い、UIを動的に変化させる——これは「ジャーニーの可視化」から「ジャーニーのリアルタイム最適化」への転換だ。

「チームが苦労していた」問題へのAIの回答

NNGが「多くのチームが体系的なプロセスを持っていない」と言ったジャーニー↔フローの統合問題。Figma Makeはジャーニーマップからフロープロトタイプへの変換を自動化することで、この課題に正面から挑んでいる。

チーム構造のギャップを技術で埋める——これはUXの民主化であると同時に、UXデザイナーの役割の再定義でもある。

---

まとめ：変わること・変わらないこと

変わらないこと

NNGの核心的な洞察は2026年も有効だ。

• ユーザー視点で考える：AIツールが何を生成しようと、起点は常にユーザーの目標
• マクロとミクロを使い分ける：ジャーニー（全体感）とフロー（詳細）は別の問いに答える
• 実証が必要：AIが生成したジャーニーもフローも、実際のユーザーで検証するまでは仮説

変わること

項目	従来	AI時代
フロー生成コスト	高い（手描き・ツール操作）	低い（プロンプトで即生成）
テスト速度	遅い（参加者招集が必要）	速い（AIエージェントが代替）
ジャーニー↔フロー統合	手動・困難	自動化が進む
リサーチコスト	高い（フィールドスタディ必須）	低い（AI補完＋リアルデータ活用）
設計の対象	人間の操作フロー	エージェントの行動フローも含む

個人開発者にとって、これは大きなチャンスだ。以前は大きなチームにしかできなかったUXリサーチと検証のサイクルが、ひとりで回せるようになった。

NNGの古典的フレームワークを理解した上で、Figma MakeとAIエージェントを道具として使いこなす。それが2026年のUX設計者に求められるスキルセットだ。

---

参考リンク

• User Journeys vs. User Flows — Nielsen Norman Group
• AI user journey prototype generator — Figma Make
• Figma's 2025 AI Report
• Top AI Tools for UX Designers in 2026 — Figma

---