匿名アンケートで本音が集まらない：特定リスクと相談窓口の設計

氏名欄はない。しかし所属、役職、年齢、担当案件を答えると、誰の回答か想像できてしまう。自由記述に具体的な出来事を書けば、さらに候補は絞られる。「匿名です」という一文だけでは、率直に書ける条件が整ったとは言えない。

一方で、完全に本人へたどり着けなければ、個別の支援が必要な回答に連絡を返せない。この二つの要請を、一枚のアンケートで曖昧に満たそうとすることが問題になる。職場の傾向を知る調査と、本人への連絡が必要な相談を分ける。 これが本記事の中心となる提案である。

匿名という名前より、回答後に何が起きるか

ChassangとZehnderの2024年の論文は、報復を恐れる状況で情報を引き出す調査設計を理論と実験で検討している。回答に外部からノイズを加える設計が直接回答を上回る実験結果を報告する一方、ランダム化回答法は理論の予測より良く機能した。方法の効果を単純な一方向の話にはしていない。Chassang & Zehnder「Secure Survey Design in Organizations」

論文の原要旨で報告されているのは実験であり、日本企業で匿名と記名を比べた現場実験の結果としては扱えない。特定の質問方式を導入すれば本音が何割増えるという根拠には使えない。実務上の論点は、回答者が受け手の反応を予想しているなら、氏名欄だけ変えても調査の条件は変わり切らないということだ。

たとえば直属の上司が自由記述をそのまま読み、翌日に「この件を書いたのは誰か」と尋ねるなら、次回の説明文を丁寧にしても難しい。回答後の扱いが、募集時の約束を支える必要がある。

回答率が高いことも、率直さの直接の証拠ではない。回答を強く求めれば提出だけは増えるかもしれない。無難な回答を選んだ人、答えを避けた人、途中でやめた人を、満足している人と同じ扱いにしないことが大切になる。

名前を聞かなくても、情報は組み合わせられる

英国のCivil Service People Surveyの説明は、本人の名前を求めなくても、回答の組合せや自由記述から個人が特定され得るため、データを個人データとして扱うとしている。公開する集計には人数の条件がある一方、自由記述の取扱いは別に説明されている。英国政府「People Survey回答者向けプライバシー通知」

これは英国行政の運用例で、日本の会社へ同じ人数基準や保管期間を移す根拠ではない。読み取れるのは、名前の収集、元データの閲覧、集計結果の公表、自由記述の共有を別々に設計しているという点である。

自社で確認したいのも、その区別だ。どの属性が意思決定に必要か。誰が行単位の回答を見られるか。上司へ渡るのは集計だけか。回答者が少ない区分を他の区分と組み合わせたとき、特定につながらないか。細かく分析できることと、細かく共有すべきことは違う。

とくに自由記述は、氏名を消すだけでは十分でない場合がある。固有の案件名、時期、役割を含めば関係者には分かる。扱う担当者が必要な論点を整理して共有する場合も、原文を誰が読めるか、何を加工するかを先に説明したい。

調査に、できない個別対応まで約束しない

傾向を知るための調査では、個人を追わずに部署全体の改善を検討することがある。一方で、勤務の調整や具体的な相談への返答には、本人とやり取りできる経路が必要になる。匿名性と個別連絡の両方を、説明なしで約束しない方がよい。

編集上の提案は、調査の入口で「全体の傾向を改善に使う」「この回答から個別の返答は行わない」といった用途を明確にし、別途、希望する人が相談できる経路を案内することだ。その相談経路でも、誰が受け取り、どこまで共有するかを説明する。

別経路にするとは、同じ画面の末尾で気軽に氏名を追加させ、元の回答へ結び付けることではない。つなぐ設計ならその事実を説明する必要がある。結び付けない運用を選んだなら、管理上もその区別が保たれているか確かめたい。

また、年一回の集計を待てない内容を、通常のアンケートへ集めるだけにしない。速やかな対応が必要な相談をどこへ届けるかは、調査とは別の業務である。これは個別事案への対応手順をここで定める話ではなく、アンケートの役割を過大にしないための整理だ。

個人へ返答する経路を分けても、集計の細かさという問題は残ります。部署を細かく分ければ問題を絞りやすい一方、属性の組合せや自由記述から本人が推測されることがあります。粗く集計する案との違いを調査目的に照らして選び、人数だけを安全の基準にしません。

小さな部署を詳しく見るほど、答えが減るかもしれない

以下は仮想例である。会社全体で業務量の偏りを把握したい。ある部署は人数が少なく、役職と担当を掛け合わせると一人に絞れる。この場合は、細かな属性の収集や共有を抑え、より広い単位で傾向を見る案を選ぶ。部署別の精密さより、答えられる条件を優先するためだ。

条件を変え、ある社員が自分の業務配分を変更してほしいと申し出たいなら、全体集計だけでは足りない。本人が取扱いを理解したうえで相談できる別経路へつなぐ。個人に連絡できない設計を守ったまま、個別調整も完成するとは考えない。

さらに、部門比較をやめればよいとも限らない。全社平均だけでは、特定の業務に集中する負担が見えなくなることもある。必要な比較は残しつつ、属性の粒度、閲覧する人、原文の共有を絞る。何を知りたいかが明確なら、すべての属性を集める必要はない。

この三つで変わるのは、「社員を信頼するか」という姿勢ではない。全体の分布を知りたいのか、個別に返答したいのか、どの粒度なら改善対象が見えるのかという目的である。

匿名性の技術を入れる前に、分析できるかを確かめる

回答へノイズを加える手法には、個々の回答と集計の関係を変えるものがある。ただし、それを小規模な社内調査へ追加すれば直ちに役立つとは限らない。何を推定する手法か、どの程度の回答が必要か、受け手が結果を解釈できるかという設計が別に必要になる。

ここで挙げた研究の理論と実験の違いも、匿名性の技術を導入すれば人の行動が想定通りになるとは限らないことを示している。本記事では具体的な方式や集計式を推奨しない。調査の目的に対して必要な方法かを検討せず、高度な名称だけで安心を約束することは避けたい。

小さな組織で、本人を推測されずに細かな比較をすることが難しいなら、集計の粒度を広げる、属性を減らす、結果を扱う範囲を限定するなど、目的自体の優先順位を選ぶ場面がある。分析の細かさを一段落としても改善判断ができるなら、その方が今回の調査に適した選択になる。

高得点を、良い調査のゴールにしない

調査の後に見たいのは、満足度の順位だけではない。無回答が多い設問、回答を避けた属性、自由記述に書きにくいとする声なども、調査の使いやすさを見直す材料になる。ただし無回答の理由を、恐れや不満と断定することもできない。

前回から点数が下がった場合も、職場の悪化だけでなく、答えやすくなった可能性がある。逆に点数が上がっても、回答者の構成が変わっていれば、そのまま改善効果とは言えない。比較するなら、設問、集計対象、回答状況の変更を併せて示す。

重要なのは、集計を受けて何を変えるかを、回答者へ返すことである。取り組む問題、今回は変えられないこと、その理由を説明する。期待を満たすためにすべての要望を採用する必要はないが、回答がどの判断につながったかは見える方がよい。

匿名化を強めれば必ず情報が増えるという結論にはしない。職場の傾向を知るなら特定しにくい収集と共有を設計し、本人への支援が必要なら、説明された相談経路を使う。目的ごとに経路と約束を揃えることが、「匿名なのに書けない」と「書いたのに届かない」の両方へ対応する出発点になる。