【生成AI時代のプロダクトづくり】LinkedInでの学び/生成AI前後の決定的な違い/企業を分類する3レイヤー/自社の強みを見つめよ/生成AIプロダクトが失敗する主因【LinkedIn曽根原春樹】
Summary
TLDRこのビデオでは、生成AI時代におけるプロダクトマネジメントの変化と注意点について議論されています。特に生成AIプロダクトはユーザーのインプットによって出力が変わるため、技術基盤の理解と出力の揺らぎを最小化することが重要です。プロダクトマネジメントにおいては、生成AIの特性を正しく捉え、ビジネスにどう活用するかを考えることが求められます。また、生成AIの倫理や価値観の考慮も重要であり、日本独自の文化や価値観を反映させたプロダクト開発の必要性が強調されています。
Takeaways
- 🤖 生成AI時代のプロダクトマネジメントでは、プロダクトの作り方や注意点が変わる。
- 🔍 インプットを集め、生成AIモデルが文脈を理解することが重要。
- 🔄 生成AIプロダクトはユーザーのアクションによって出力が変わる。
- ⚙️ 確率性のあるプロダクトは、技術基盤と体験の変動を理解する必要がある。
- 🗣️ プロダクトマネージャーの役割は、ユーザーの期待を調整し、プロダクトの確率性を管理すること。
- 📚 書籍『生成AI時代のプロダクトマネジメント』は、生成AIプロダクトの作り方や注意点を解説している。
- 🌐 生成AIは、特定のタスクを迅速に完了させ、生産性を向上させる可能性がある。
- 💼 BtoBプロダクトでは、生成AIが生産性やコスト削減に大きく寄与する。
- 📊 生成AIプロダクトの成功には、ユーザーの定着と継続利用が重要。
- ⚖️ トレーニングデータセットの倫理と公平性は、生成AIプロダクトの品質に直結する。
- 🧠 生成AIプロダクトの需要性を確認するためには、狭いセグメントにフォーカスすることが重要。
- 💡 生成AIプロダクトは、ユーザーの期待に応えることで成功する。
- 🌍 生成AIプロダクトは、文化や言語の違いを考慮してローカライズする必要がある。
- 💬 プロダクトの確率的なゆらぎを最小化するために、技術基盤の改善が進行中。
- 🚀 生成AIプロダクトは、ユーザーの体験を劇的に変える可能性がある。
Q & A
生成AI時代のプロダクトマネジメントにおける重要なポイントは何ですか?
-生成AIプロダクトはユーザーのアクションによって出力が変わるため、確率を左右する技術基盤と確率の揺らぎを理解することが重要です。
生成AIプロダクトと従来のプロダクトの違いは何ですか?
-従来のプロダクトは決まったアウトプットが出るのに対し、生成AIプロダクトはユーザーのインプットに応じて異なるアウトプットが生成されます。
生成AIプロダクトの基盤層、ツール層、アプリケーション層とは何ですか?
-基盤層はハードウェアやクラウドリソース、ツール層はモデルを動かすツールやデータプロセッシングツール、アプリケーション層はユースケース別の生成AIプロダクトを指します。
生成AIプロダクトが成功するために重要な要素は何ですか?
-ユーザーの期待値を正しく設定し、生成AIの限界を理解してプロダクトに反映させることが重要です。また、ユーザーのフィードバックを元にプロダクトを改善していくことも必要です。
生成AIプロダクトが失敗する主要な原因は何ですか?
-技術スタックを構築してから解決する問題を探すアプローチや、収益モデルが成立しないこと、ユーザー定着率が低いことなどが原因です。
生成AIプロダクトのユーザー定着率を高めるためにはどうすれば良いですか?
-ユーザーに驚きや感動を与える体験を提供し、継続的に使いたくなるプロダクトにすることが重要です。
生成AIプロダクトを作る際のBtoBとBtoCの違いは何ですか?
-BtoBでは使用者と購買決定者が異なる場合があり、ROIを重視する傾向があります。BtoCでは使用者自身が購買決定者であり、個人の体験を重視します。
生成AIプロダクトの倫理感や価値観が重要になる理由は何ですか?
-生成AIはトレーニングデータに依存するため、データの偏りがアウトプットに影響を与える可能性があります。公平性や透明性を保つためには、データの取り扱いに注意する必要があります。
生成AIプロダクトがどのようにしてビジネスにインパクトを与えるのですか?
-生成AIプロダクトはタスクの効率化や生産性の向上を実現することで、企業のコスト削減や業務プロセスの改善に大きな影響を与えます。
生成AIプロダクトの需要性を確認するためにはどのようなアプローチが必要ですか?
-まずは特定のセグメントにフォーカスし、そのセグメントでの問題解決やユーザーの反応を確認することが重要です。
Outlines
🌟 生成AI時代のプロダクトマネジメント
生成AIの登場でプロダクトの作り方がどのように変わるかについて議論します。特に、生成AIを利用する際に重要となるのは、インプットをどのように収集し、それを文脈として理解するかという点です。従来のプロダクトはユーザーからの決まりきったインプットに基づいて固定のアウトプットが出るものでしたが、生成AIのプロダクトではユーザーのアクションにより出力が変動します。このため、生成AIのプロダクトを作る際には、確率を左右する技術基盤とその変動性をどう理解し活用するかが重要です。
🚀 生成AI時代のプロダクト進化と課題
生成AIの進化がプロダクトに与える影響について説明します。従来のプロダクトでは、ユーザーからのインプットに対して固定のアウトプットが期待されていましたが、生成AIではユーザーのアクションに応じてアウトプットが変わります。この変動性はプロバビリティプロダクトと呼ばれ、確率的なプロダクトとして扱われます。この特性を理解し、生成AIの技術基盤をどのように構築するかが、生成AIを活用したプロダクト開発において重要なポイントです。
🤖 コーパイロットによる生産性向上
コーパイロットがプロダクトにどのように影響を与えるかについて具体的な例を挙げて説明します。Microsoft Teamsでのミーティング中に、コーパイロットが自動的に議事録を作成し、ミーティングの生産性を大幅に向上させることができます。このように、生成AIがもたらすインパクトはユーザーの作業を効率化し、全体の生産性を高めることが可能です。プロダクトの技術基盤の構築においては、生成AIの確率性をどのように理解し、取り入れるかが鍵となります。
🔍 確率性と生成AIプロダクトの挑戦
生成AIプロダクトの開発において、インプットの収集とその文脈理解が重要な課題となります。生成AI以前のプロダクトは固定のアウトプットを提供していましたが、生成AIはインプットに応じて変動するアウトプットを生み出します。この変動性を理解し、どう活用するかが生成AIプロダクトの進化において重要です。また、技術基盤の構築には、データプロセッシングツールやモデル開発ツールの役割が大きく、これらをどのように統合するかが成功の鍵となります。
🌐 倫理と価値観の多様性に対応するAI
生成AIや一般的なAIのトレーニングには、使用するデータセットの選択が大きな影響を与えます。偏ったデータセットでトレーニングされたモデルは、公平性や透明性に欠ける可能性があります。特に、文化や価値観が異なる地域でのAIプロダクトの展開には、ローカルの特性に合わせた対応が求められます。日本語の豊かな表現力を持つAIプロダクトの開発は、言語の特性を維持しつつ、ユーザーの期待に応えるものであるべきです。
🔄 AIプロダクトの技術的挑戦と精度の向上
高精度な生成AIモデルの開発には時間がかかり、プロダクトの期待値を慎重に調整することが重要です。例えば、ガリレオAIは、プロンプトからUIを自動生成し、デザインツールのフィグマと統合することで、ユーザーのワークフローに組み込まれています。このように、生成AIの限界を理解し、ユーザーの期待を調整しながらプロダクトを展開することが成功の鍵となります。
⚙️ 生成AIプロダクトの需要確認とセグメント化
生成AIプロダクトの需要を確認するには、まず特定のセグメントに焦点を当て、そのセグメントでの成功を目指すことが重要です。広い範囲に一度にアクセスしようとすると失敗する可能性が高いため、狭いセグメントでのユーザー理解を深め、驚きや感動を生み出す体験を提供することが求められます。これにより、ユーザーにとって価値あるプロダクトとして定着しやすくなります。
🏢 BtoBとBtoCにおける生成AIの違い
BtoBとBtoCのプロダクトでは、生成AIの活用方法に大きな違いがあります。BtoBでは、生成AIがビジネスの生産性を大幅に向上させることで、投資対効果が明確に示されます。一方、BtoCでは、生成AIがユーザーの体験を向上させ、より効率的な作業を可能にすることで、ユーザーの満足度を高めることが重要です。どちらの分野でも、プロダクトがユーザーに提供する価値を明確に示すことが成功の鍵です。
Mindmap
Keywords
💡生成AI
💡プロダクトマネジメント
💡確率性
💡技術基盤
💡プロンプトエンジニアリング
💡ユーザー体験
💡文脈理解
💡創造性とイノベーション
💡倫理感
💡価値観
Highlights
生成AI時代にプロダクトマネジメント、プロダクトの作り方がどう変わるのかについて議論。
生成AIプロダクトはユーザーのアクションによって出力が変わる。
生成AIプロダクトの2つの重要なポイント:確率を左右する技術基盤と体験の揺らぎ。
生成AI以前のプロダクトはディターミニスティック(決定論的)であった。
生成AIプロダクトは確率的(プロバビリティ)であり、出力が一定でない。
生成AIプロダクトを作る際に重要なのは技術基盤とツール層、アプリケーション層の理解。
生成AIプロダクトの確率を左右する技術基盤についての理解が必要。
生成AIプロダクトの倫理感や価値観の違いが出力に影響を与える。
トレーニングデータセットの公平性と透明性が重要。
生成AIプロダクトの失敗理由として、技術先行で問題を探すスタイルが挙げられる。
需要性の確認が必要で、セグメントにフォーカスすることが重要。
ユーザーに対する深い理解と狭いセグメントでの証明が重要。
生成AIプロダクト作りでは、BtoBとBtoCでアプローチが異なる。
BtoBの生成AIプロダクトでは生産性向上やコスト削減が重要。
生成AIプロダクトの成功には、ユーザーの期待値調整が重要。
Transcripts
ま生成愛時代にプロダクトマネジメント
プロダクトの作り方ってどう変わるのかと
かどういうとこが注意点になるのかって
いうところを今日はお伺いしていきたいと
思います生成AIプロダクトのま進進化の
1番大事なところかなと思ってるんです
けどどうやってインプットを集めてくるん
だろうとでそれをどうやってその文脈か
文脈としてね生産モデルがあの理解して
いくのかっていうのはかなり重要しておく
べき話ってま色々あると思うんですけども
特にここだけは抑えておいて欲しいって
いうそのはが思うとこってどういうところ
でしょうか先生がが出てくる前のプロダク
トってあのどういうプロダクトかって言と
基本的にユーザーさんからのインプットを
もらってそれに対してなんか決まりきった
アウトプットが出てくるってい話ですよね
でこれが生成AIのプロダクトになると何
が起こるかって言うとユーザーの
アクションによって出力が変わってくるん
ですよだからこそ押えていただきたいのが
2つあって1つはこの確率を左右する技術
基盤っていう考え方と確率があるがゆえに
体験自体が変わったり揺らいでしまうって
いうこの部分なんですねでこの部分をその
生成っていう文脈の中でどうやって理解
するのかっていうのがま今後ね制裁AIを
生かしたプロダクトを作る時に非常に重要
になってき
ますはい皆さんこんにちはピボットの佐々
です今回のピボットトークでは生成AIで
自社サービスを強化するにはというテーマ
でお話を伺いますゲストにお迎えしたのは
アメリカのリンクトインでプロダクト
マネージャーを務めてらっしゃる園原敦樹
さんです園原さんよろしくお願いします
よろしくお願いしますはい園原さん今
リンクトインですけどこれまでももう様々
な大きい企業からスタートアップまでもう
あの何年ぐらいプロダクトマネージャー
勤めてらっしゃるんですかねもそうですね
プロダクトマネージャー自身もう12年
過ぎたとかそんな感じですね実10年以上
やってますねはいああそんなにですね
スマートニュースなんかもされてましたよ
ねそそうですねはいちょっとそこお手伝い
させていただいたりねかなりBtoC
btubそれからスタートアップあの
ピックテックみたいな感じでねかなり全
方位でいろんなご縁があってですね前方位
でやらせていただいたっていうことはあり
ますはいシリコンバレはもう何年目ですか
あシリコンバレ自体はもう18年目ですね
今ねはあ18長いですねいやあと原さんは
あのデミの講座でも非常に人気であ
ありがたいことにね本当にたくさんの方に
ゆでの私のあのプロダクトマネージメント
のコーコースですね講座あの受けて
いただいてもう間もなく3万人が見えてき
たっていうところまで来ましたねはい本当
にありがたいですはい多くのプロダクト
マネージャーの方にとって原さんは師匠
みたいな存在なわけですあはそんな本当に
嬉しいですた今日見ていたいて深く学び
たい方はユの方も見ていただくと深掘り
できるんじゃないかなと思いますで今回
ですねちょうど生成AI時代のプロダクト
マネジメントという本をま翻訳されたと
いうことでま非常にタイムリーなテーマ
ですのでその本も踏まえながらま生成時代
にプロダクトマネジメントプロダクトの
作り方ってどう変わるのかとかどういう
とこが注意点になるのかっていうところを
今日はお伺いしていきたいと思いますまず
この本をこのタイミングで翻訳されようと
思ったのはんでなんですかあはいわかり
ましたえっといくつかちょっと流れがある
んですけどあのこの本の原作者である
CBCっていう方がいらっしゃってですね
でまあの3人の方がげえっとオリジナルの
著者だったんですねうち1人がCBCと
いう方でで彼彼女はですね実はリンクトイ
ンって同じ職場なんですねで僕ももう
デイトデイで顔したり一緒にミーティング
したり一緒にプロジェクトやった
りっていう中でである日ですね彼女があの
本を出版するということに気がついてえ
どんな本なのって話をしたら愛の本だとで
読んでみたらですねこれ非常に面白いなと
思ってでこれまさに日本に持ってくにも
タイムリだなって思ったんですねで彼女に
日本版出すのどうって話しかけたらま非常
に彼女もですね興味を持ってくれてじゃあ
一緒にやりましょうっていうところから
始まったわけなんですねで日本でも今生生
愛ってすごく今ホットなキーワードじゃ
ないですかでこれをですねなんかね正しい
こう流れにして欲しいなって思ってるん
ですねなんか変にうちに閉じこもって
なんかえっと要はよくガラパゴスみたいな
言い方ありますけど
なんかそういう方向には行ってほしくない
なと思ってちゃんとこれが日本の競争力に
正しく作用する方になってほしいなって
いう思いからあの今世界で起こってる特に
シコ丸企業で起こってることまこの辺りの
考え方を紹介できて皆さんの刺激になれば
なというのが背景ですあその意味では今の
日本の生成愛を巡る議論ってちょっと
ガラッパゴスっぽく見えますかそちらから
見てるとえっとねあの必ずしもガラポク
スって若干ちょっと言い方きついかもしれ
ないですけどあのもう少し例ええばね
すごく皆さんプロンプトエンジニアリング
頑張ってらっしゃる方がいてこれはこれ
確かにそうなんですけどなんかもう少し
引いた状態でプロ生生アっていうのを見て
いただいて一体そのビジネスにどう聞くの
かっていう大きな視点でですね捉え直して
欲しいなっていうところがあるんですね
もちろんそのプロンプトエンジニアリン
グっていうのは非常に重要な要素ではあり
ますし無視はできないんですけどもそれ
だけではないんですよね生生外ってなので
いかにそれをその力をまあのなんて言うの
かな限界も知りつつもどうやって皆さんの
ビジネスの中に取り込んでいくかっていう
ことをまもうちょっと広いあ観点でね議論
できるようになれたらいいんじゃないか
なっていう風には思ってますはいああそう
意味じゃはちょっとハツ的な話が多くて
本質というか対局というか経のど真中の話
としてのが少ないっていう印象でしょうか
ねそうですねあの特にプロダクトマネジ
メントっていう考え方が日本中でもだいぶ
ね浸透はしてきてるんですけどもじゃあ
この新しい生成愛っていう流れとその今こ
はえっとなんだろ日本で広まってきる
プロダクマネジどう交差するんだという
ところなんですよねここを間違えてなんか
進んで欲しくないなっていうのもあって
ですねま1つのあの世界の中での事例とか
ですねあのご紹介できたら皆さんの思議に
なるんじゃないかという風には思いました
ありがとうございます今日はあの是非
ちょっとパート1ではまこれだけは知って
おくべきだっていう基礎的な知識本質の
ところをちょっと伺ってパート2のとこで
は実際にプロダクトスクール開発の上での
注意点あのポイントみたいなところを
伺えればと思いますはいはいまずパート1
なんですけどうんま知っておくべき話って
ま色々あると思うんですけども特にここ
だけは抑えておいて欲しいっていうそのは
が思うとこってどういうところでしょうか
はい分かりましたちょっとここはですね
スライドを使いながらお話をしたいんです
けどもあのですねその生成アのプロダクト
を考える時に是非ちょっと知っといて
欲しいコンセプトがあるんですねでこれ
生成AI以前のプロダクトと生成AIの
プロダクトっていう2面でちょっとも説明
したいんですけど生成が出てくる前のプロ
ダクトってあのどういうプロダクトかって
いうと基本的にユーザーさんからの
インプットをもらってそれに対してなんか
決まりきったアウトプットが出てくるっ
てい話ですよね例えばボタンを押したら
あのあの投稿ができるとかライディスが
できるっていう当たり前のところから
ボタン押したらその動画が再生されるとか
ねっていう風にユーザーのアクションと
出力の意味っていうのが1位に決まってた
わけなんですよこれがあの生成エア以前の
プロダクトになりますでこれあの
プロダクトの世界で言うとあの
ディターミンプロダクトって言葉を言うん
ですけどもっと平た言い方をすると
ランダム性がないっていうことなんですね
ユーザーさんからのインプットに対して
必ずこういうアウトプットが起きますよと
いうのがあのいわゆるディタミスプロダク
トって我々よく言ってるんですねでこれが
生成AIのプロダクトになると何が起こる
かって言うとユーザーのアクションによっ
て出力が変わってくるんですよそれは
例えばプロンプトを書いた時に毎回毎回
同じ答えが返ってくるかっていうと実は
ちょっと微妙に違ったりとかですね同じ
ことをあのあのタスクをねやってもらおう
としてるのにプロンプの書き方1つで
アウトプットは全然変わっちゃったりする
わけなんですねつまりユーザーの
アクションによって出力がだいぶ変わって
しまうってことが起こり得るわけですで
これをあのよくこちらではプロバビリティ
プロダクトっていう言い方をしていて
いわゆる確率性以のプロダクトっていう風
にま日本語でCで言うなればね表現できる
かなと思ってますでまずこのディターミン
なのかプロバビリティなのかってこの
プロダクト全然違いますと出力が1位なの
か変わりますよってことが決定的に違う
とこなんですね生生のプロダクトてでだ
からこそ抑えていただきたいのが2つあっ
て1つはこの確率を左右する技術基盤って
いう考え方と確率があるがゆえに体験自体
が変わったり揺らいでしまうっていうこの
部分なんですねでこの部分をその生成I
っていう文脈の中でどうやって理解するの
かっていうのがま今後ね生AIを生かした
プロダクトを作る時に非常に重要になって
きますでまこの今回私が翻訳させて
いただいた本というのはまこういった部分
をいろんな角度からねあの説明してるわけ
なんですねこういう確率に左右され
るっていう技術が生まれたのって初めてな
んですが今までプロダクト作りでこういう
作り方って今までなかったですかねあの
いやありますえっと例えばね
レコメンデーション周りなんていうのは
あのAIですね生成AIではないんです
けどもある種AIを使ったプロダクトです
よね例えばNetflixでを見ていてで
いろんなあのと作品がねこうレコメンドさ
れるわけですけど例えば僕が見てる作品の
佐々木さんが見てる作品で全然違うんで
レコメンドされるのも変わってくると思う
んですよでただ決定的にそういう
レコメンドレコメンデーション系のAIと
生成AI時代のこのプロあのAIの中でね
ね何が違うのかって言うとユーザーさんの
その能動的なアクションがその
アウトプットのインパクトを大きく変え
てくわけなんですよ例えばユーザーさんが
何かタスクを終わらせたいタスクを完了
させたいあるいはあのディスカッション
パートナーなってほしいっていうところで
こう生成を使って正しく動けばですねそれ
は例えばこれまで1週間ぐらいかかってた
ようなプランニングがですねまわずか1日
で終わってしまうみたいなそのインパクト
がものすごく大きいわけなんですねでここ
がこれまでのAI系のプロダクトっていう
ところとあの生成合特にその生成AIって
いう中でのプロダクトではあの確率のその
インパクトっていうのがですねかなり大き
いっていう風には言うことができますま
リコメンドの場合はデータをベースに
リコメンドされて受け身なものですねそう
ですどちらかいうと受け身ですよねはい
そうですはいあその能動性によってその
生成案によってその生産性が劇的に変
るっていに変わりますよねどういう
プロダクトでそういうことか起きるんです
かね例とかってございますか例えばま1番
分かりやすいところだと今まま臨イ
マイクロソフト参加なんで我々ずっとその
コーパイロットを使える状態なんですけど
あのコーパイロットで例えばteamsで
ねあのミーティングをしてる時にあの裏で
コーパイロットが動いててこの誰が何を
喋ったかっての全部そのえっと文章化して
くれるんですねで終わった後にもう疑似録
が勝手にできてるわけなんですよで例えば
今まであのコパルトがない状態で
ミーティングすると何が起こるかって言と
今日のミーティングで誰がその初期やって
くれるのみたいな話から始まってでその人
がこう時間をかけてそのミーティあの疑似
力を取ってでアクションアイテ決めてで
そういうのを送り付けるわけなんですけど
まこういう誰かの生産性を奪うっていう
ことがなくなるわけなんですねみんなが
みんなその議論に集中できるっていう状況
ができるわけなんですよそうするとやっぱ
ミーティングの生産性ってかなり上がって
きますよねだこういうところがあの1番
分かりやすいとこでねあの大きなチェンジ
だったりしますよね大きい本質を抑えた上
でそのプロダクト作りってどう変わって
いくんですかね確率の左右する技術基盤の
方になってい場合にはいえっと例えばこの
技術機確率を整理する技術期間っていう
ことなんですけどあのさっき申し上げた
通りまインプット次第でアウトプットが
変わっちゃうっていうのはある種ユーザー
さんにとってはあのなんだろうなどこまで
信頼していいんだろうっていうま気持ちに
繋がっちゃうわけなんですよねでそうなら
ないためにま今この生生愛の世界でえっと
いろんな会社がどうやってこの確率を
高めるかみたいなことをやってるわけなん
ですよでこれはいろんなレヤで話があって
でこの本書の中では大きくわけで三層モデ
ルっていう形でお話してますで1つはその
基盤層とツール層とアプリケーション層と
いう方なんですけどもう少しちょっとこれ
細かくブレイクダウンするとあのこんな風
に見えてますで基盤層というのはまもう
本当にそのえっとハードウェアとか
ソフトウェアとかあのサーバーサーバー
リソースとかねあのクラウド
プラットフォームとかデータとかっていう
部分ですよねその生成を成り立たせるため
にま根本的な要素になるとこですよねで
この上でいろんなツールが動いてます
例えばそれはモデルを動かすためのの
ツールだったりそのデータをどうその生成
愛のモデルの中で使うかっていうデータに
特化したデータプロセッシングに特化した
ツールだったりとかですねあとはそういう
生Iのモデルをあの作ったり検証したり
テストしたりっていう中でまいろんな開発
ツールとかフレームワークがあるわけなん
ですけどもまこういったツールがどうあの
絡んでくるのかてこのツール層がありで
その上で例えばそのユースケース別とか
業界別とかねその手段別でどういう生成案
のプロダクトを作ってるかっていうのがま
これがあの各種各社のその特徴にこう
繋がってくるわけなんですけどもぱこう
いうところでどういうユーザーさんにどう
いうその生成アの差し方をするのかって
いうのが大きく変わってくるっていうのは
ありますよねいわゆるあのオーAIとか
あいたGoogleとか高パイロットとか
これは基盤層とツール層両方になるんです
かそうですねあのオーAI自体はその別に
えっとGPUとか作ってるわけではないん
でどちらかという基盤層というよりかはま
ツール層なのかなとまあ一部ちょっと基盤
層に入ってるとこもあると思うんですけど
まそうのレイヤーでのプレイヤーってこと
になりますねオープンエアとかアスロ
ピックとかねはいうん
高パイロットとかどこですですか高
パイロットの場合は結構アプリケーション
周りですよねあの例えばこれで言うとあの
アウトプット形式手段別っていうところも
そうでしょうしそのユースケース別って
いうところもそうでしょうしまこの辺が
いわゆるそのえっとオフスえっと
デスクワークをする時の生産性アプリケー
ションって元々そのMicrosoft
OfficeOfficeスイートって
いうのがあってでその中にコパイロって
いうのは乗っかってきてますからユース
ケース別その手段別で言うとまそういう
ビジネスアプリケーションですよね
オフィスアプリケーションていう中でのま
あの生アプロダクトという風に
カテゴライズすることできますよねだこの
中で言うと例えば一般的なそのプロダクト
マネジメントで1番必要となるのは
やっぱりアプリケーションのところなん
ですかねもち理解は全部必要だと思うん
ですけどあのそうですね結局その
プロダクトを作る時にどこの
ポジショニングを取るのかっていうのは
結構あの大きなポイントでしてでそれは
やっぱりファウンダーの方がどういう
コンピテンシを持ってる人なのかとかね
その蘇生されてるチームがどういうところ
に強みを持チームなのかとかそういう
ところにも寄ってきますよねなのであの
必ずもそのアプリケーション層がツール層
よに偉いとかそんなことは全然なくって
それぞれがやっぱり重要なんですねで
もっと考え方として大事なのは今その企業
とか置かれてる企業の皆さんが持ってる
コンピテンシーが生きるのってどのそうな
んだろうっていう言い方の方が正しいかな
と思うんですね例えばそういうツールを
作るのは得意ですとかあるいは開発者向け
に作ってきた経験がありますとかねそう
いう会社だったらむしろアプリケーション
ソイルがツール層を狙ったプロダクトを
作った方がその車内のコンピテンシーを
使うことが可能ですよねでむしろえっと
会社として例えば元々なんかBtobの
あるバーティカルにすごく強いものを持っ
ていてこの辺のお客さんにはもうすぐ
アプローチできるし話も聞けるということ
であれば例えばもう業界別で狙ってた方が
やりやすいかもしれないですねだそこは
その置かれてる企業のポジショニングとか
強みとか結構そういうところに寄って
くるってい言い方ができますうんそうまず
自分たちを知るってことが
おっしゃる通りですねあのよくある間違い
がその生成愛っていうのが入ってきたんで
いやうちもねなんか生成愛ての流行ってる
んでうちもなんかいい感じは作ってよ
みたいに風にこう乱暴に上の人が言ったり
してですねで下の人たちがオロオロしてな
なんかなんかこうプロトタイプ作ってみ
ましたみたいなね話があったりするわけな
んですけどもその時にやっぱ忘れがちなの
はその皆さんの会社ってそも元々何に強い
んですかっていうところなんですよねで
どういうお客さんと向き合うことが得意な
んですかっていう部分がかなり重要です
そこも含めて多分もうパート2の生成
プロダクト回数の注意点の話もかなり今も
あのご指摘いただいてるのかなと思うん
ですけどそうですねあの是非そこも含めて
あの続きをお伺いできればと思いますはい
えっと確率性のあるプロダクトっていう
ところでぱそのインプットによって
アウトプットがね変わってしまうっていう
ところがあったわけなんですけどで生成ア
プロダクトのあのままさにここがえなんて
言うのかな生成AIプロダクトのま進行
進化の1番大事なところかと思ってるん
ですけどどうやってインプットを集めて
くるんだろうとでそれをどうやってその
文脈か文脈としてね生生モデルがあの理解
していくのかっていうのはかなり重要です
ねでここはまだ完全にできてるわけでは
ないですしまさに発展途上なところなん
ですねで例えばあの今ここであのコの今
あげさせていただいましし本書の中で
ちょっとそれぞれ細かく説明させて
いただいてますけどもあの例えばその
えっと創造性とイノベーションとかねその
感情と共感なんていうところは結構その
に対してどういう期待値を持ってるかに
よってそのインプットの作り方とかも
大きく変わってきちゃったりするわけん
ですね例えばそのってあの例えば皆さんが
ね初めてえっとオープンあチャットGPT
と触れ合った時って自分が投げた答に対し
てこう文章が返ってくるってい衝撃的な
体験を皆さんやったわけなんですよでそれ
があのある程度のクオリティだったがゆに
いやこれはすごいってみんなが言い出した
わけなんですねだからこそチャットGPT
ってあれだけまスカイロケットなができた
わけなんですけどだこれが変に期待値を
高くしてしまってもうチャットGPってに
聞けば何でも答えてくれるともうそれこそ
魔法の推奨よなな存在だみたいに思った上
で使ってしまうとこれはやっぱままだ
間違いだったりするわけなんですよね冷静
にそのあの生成のプロダクトの能力をまだ
把握できてないっていうま間違って理解し
てしまってるっていうところかなとそう
いう意味でその創造性とイノベーション
例えば皆さんが企業の中で新規事業を作り
ますとかね新しい顧客セグメントにあの
えっと参入していう時にじゃあチャット
GPTは答えを持ってるっていうような
考え方をしてしまうとこれはつまづいて
しまう可能性があるっていうことなんです
ねでこれは例えばあのこの意思決定とか
その感情と共感って言い方を書きました
けどもあの例えば同じ質問をするにしても
例えばじゃあこれからえっとなんだろうな
えEVの電気自動車のセグメントに進出し
たいとでそういう時に考えなきゃいけない
ことは何かみたいな質問をGPTで書い
たりするじゃないですかそうするとGPT
はそれなりの答えは一般的な答え返して
くれるんですけどじゃあそれで会社の意思
決定できますかって言うとおそらくでき
ないと思うんですねでこれなんでかって
言うと皆さんが持っている文脈の量と
チャットGPTが理解してる文脈の量って
まだまだちょっと差があるんですねなので
例えばさ感情と共感っていうところもそう
なんですけど同じ質問をしたとしても
例えば僕はえっとある人はもうこれすぐ
答えが欲しいと今あの上からあの答えを
求められていて今すぐ彼らに伝えたいあの
答えが欲しいて言ってる人ともう1人は
例えばじゃあ
あのプレゼンする日が10日後なんで
まだまだちょっとリサーチに時間かけたい
とで実はこれって大事な文脈だったりする
んですけど文章で同じ質問しただけだと
この辺の文脈ってまだGPT理解できない
んですねだこういうところで出力品質って
大きくこうブれてしまったりあるいはその
答えを見た人間があの我自分が思ってる
期待値にミートしてるかしてないかって
いうこうこの辺がずれてきてしまうわけな
んですよねでこの辺のやっぱり生生AIの
先ほど言った確率的なプロダクトっていう
のはぱそのユーザーの立ち位置によって
その受け方が全然変わってしまうんでこう
いうところにも繋がたりしますよね今回の
にマルチモーダルがどんどん進んできた
場合にはそこの文脈も含めてま表情を
読み取ったりコ色を読み取ったりとかそこ
の確率の精度はやっぱ上がっていくんです
かねそうですねそれがまさにその技術基盤
のところにもあの絡んでくるんですけど
どうやってじゃこの揺れとか揺らぎとか
ずれっていうのをこう最小化していく
かっていうところに今こう例えばオープン
AIなりあのアンソロピックななりまそう
いったいわゆるツールレイヤーとか基盤層
のレイヤーの人たっていうのはましのぎを
削ってるわけですよねたくさんのお金を
投じてでぱあの1番理想的なのはま高品質
のアプトがいつも出る先ほどあの申し上げ
たのディタディターミンなねプロフトは
できることは最高なんですけどただまそこ
にはいろんなハードルがあってだそこの
ゆらぎをどう縮めるかっていうところで
あのすごく今お金と時間とリソースがね
投入されてるっていうな状況ですよねはい
分かりました今意思決定感情と強化の話し
ていただきましたけど他のところはどこ
どうでしょうかあ例えばその倫理感とか
価値観っていうところもそこにすごくあの
そのアウトプットが揺れるっていうところ
ではあってですね特にこれはま生生AIに
限らずAI一般的なところもあるんです
けどやっぱAIっていうのは基本的に
トレーニングデータセットに依存がすごく
大きいわけなんです何をどんな
トレーニングデータセットを使ってその
モデルを作ったかっていうのはねかなり
依存してるわけなんですねなのでこの
トレーニングデータセットの集め方とか
作り方がももうそこが1歩目から間違え
てるともしかしたらそのモデルを使って出
てくるアウトプットって大きく間違っ
ちゃってる可能性があるわけなんですよね
で例えばあのま昔放射がですねそのと
例えば1年間でまえっと数百万体のレジメ
が集まってくるんでその中から我々にとっ
て1番最適な候補者を選びたいみたいなね
ことをやってる会社があったんですけども
この時にでそれをAIでこう最適化して
可能性のある人をピックするみたいな体験
だったわけんですねその時のでその会社は
えっと結局どうなったかって言うとあの
トレーニングデータセットをかなりやっぱ
白人でなんかすごいあの高額歴なあの卒業
えっとハイエンドな大学を卒業されてる
あるいはNBA保持者とかね偏ったデータ
セットばっかであのトレーニングモデル
作ってしまったとでそれによってあの候補
者をモデルにレジメをかけて選別したら
なんか似たような人しか出てこなくなった
しあの全然台媒がなくなってしまった
みたいなね話があってそのモデルはダメに
なってしまったみたいな話あるわけなん
ですよやっぱりそのAIのあの生成AIも
そうですしいわゆるジェネラルなAIも
そうなんですけどそのトレーニングデータ
セットの集め方とか何を持って
トレーニングしたって言えるのかとかです
ねこの辺の倫理感っていうのはかなりあの
プロダクトのそのアウトプットの公平性
って言うんでしょうかね透明性っていうん
でしょねこの辺りにやっぱ大きく影響し
ますこれはあの作り手であるやっぱ
プロダクトマネージャーのある種倫理感が
求められるしもちろんもっていうとその
会社としての会社としてそういうデータの
扱いに対してどう向き合ってるかっていう
その辺まで求められる世界の話だと思い
ますよね特に価値観のところなんですけど
もやっぱ国によって価値観ってかなり文化
によって違うと思うんですけどそうすると
やっぱりかなりローカルになっていく部分
も出てくるんでしょうかねもちろんあると
思いますね例えばやっぱ日本語での表現と
英語での表現っってその同じ言葉でもあの
表現の多様性っていういいんでしょうかね
この辺がやっぱだいぶ違ったりするわけ
ないですよ僕なんかもずっと英語で仕事し
てますけどでこういった形で日本語を使い
ながら仕事しながらだから思うんですけど
日本語の表現ってすごく豊かなんですよで
英語と比べてま僕がどっちかとビジネス
英語しか使ってないせかもしれないんです
けどあの日本語の表現っってすごく豊かな
んですよねでこうしたのってある種日本語
の財産だと僕は思っててこれはAIだから
あのなんだろうなあの失ってしまうべきで
はないと思うんですねむしろここういう
豊かさこそあのAIにしっかりと引き継が
せてその仮に相手がAIだったとしても
そういう豊表現引れるっていう世界観が
あって僕は叱るべきだと思うんですよねで
この辺っていうのはやっぱそのえ作り手で
あるプロダクトマネージャーとかあるいは
その企業家の皆さんとかがねあのその生生
に対生がそもそもどういう風に動いてるの
かとかそのアウトプットってなんでゆらぎ
が出るのかとかトレーニングでトレーニン
グてどういう風に行われてるのかとかね
この辺は先ほど言った技術基盤の部分です
けどまこうした部分を理解した上で望む
ことによってよりそのユーザーさんの世界
にこう馴染んでくる生生プロダクトって
いうのが作りやすくなるんじゃないかなて
いうのはありますよねああす全世界で1つ
のプロダクトっていうよりもそういった
ローカルに合わせていろんな多様な
プロジクトが出てくる余地も十分あるって
こともちろんあると思いますはいもちろん
あると思いますうんそそうみた今回オーン
Aも日本語版っていうのを作るってことを
発表しましたけどもそういう風に基盤の
とこでも文化によってちょっと言語によっ
て変わったりまアプリのレヤはもっと多様
になるっていう感じですねそうでしょうね
あのここがやっぱりそのプロダクトとして
変わるところと変わらないところと繋がっ
てくると思うんですけどあの今でもやっぱ
日本の中であのあのグローバルには出て
ないんだけど日本中でよく使われて
プロダクトとこあるわけじゃないですか
特にBtobの世界でもそうですしB
TOCの世界でもありますしでそれが
じゃあ必ずしもアメリカで通用するかって
いうと通用しないわけなですそれはだって
アメリカの例えば小習間とか文化に別に
沿ってるわけじゃないですからでもそれで
ビジネスが成り立ってるんだったらそれは
それで僕は全然問題じゃ問題だとは思って
ないんですねで同じようなことが生成愛
プロダクトにも多分言えると僕は思って
ますで例えばあのアメリカ的な価値観しか
学んでいないあるは性合的な価値観しか
学んでいない生成合プロダクトが例えば
日本のあの例えばビジネスプロセスに深く
入ってきた時に果たしてそれでいいの
かって言うとちょっとまこれはテストし
みるか分からないですけど必ずしもうまく
いくのかなっていう不安はありますよね
やっぱり特に使うユーザー側としてはその
何を持っていいプロダクトかってやっぱり
そのえっと日本のユーザーさんとアメリカ
のユーザーさんって全然やっぱ感じ方とか
考え方違いますからまず価値観が違います
からねそういう中でその生生プロダクトを
作る過程においてもそういった違いをどう
プロダクトマネ例えばプロダクト
マネージャーだったらどういう風に吸収し
てああの現実化してくかっていうのは
かなり求められる世界の話だとは思います
既に英語件ではもうこういった実際に使う
生成焼けのプロダクトって出てきてると
思うんですけどもそういう風にもうかなり
精度が高いっていうプロダクトはどれ
ぐらいの時間軸でまいろんな分野で出て
くるんでしょうかねあの精度が高いモデ
ルっていうのはおそらく
まだまだえっと時間がかかる話だだと思っ
てるんですねであのむしろ今のえっと生系
生成愛系のプロダクトを見てて思うのは
まずどこにユーザーさんの期待値を置くの
かっていうことに対してすごく慎重に行っ
てるわけなんですねで先ほど言った通り
そのえ生生に対して魔法の推奨のような
捉え方をされてしまうとおそらくほとんど
のプロダクトは死んでしまうんですねあの
全然期待通りのことやってくれないじゃ
んっていう話になってしまってあのすぐ
使われなくなってしまうとだけどもこの
プロダクトは例えばこういうことができ
ますよととかあるいはこの部分だったら
このプロダクトはできあのえっとこの
レベルでアウトプット出せますよっていう
ことを例えば事前のデモだったりサンプル
のアウトプットだったりして実際に目に見
てもらうっていうところがあったりする
わけなんですね例えばあの1つご紹介し
ますけどあのガリレオAIっていうプロフ
はあるんですこれあのフリーでも頼みせる
んで是非使って欲しいんですけど基本的に
このプロンプトでテクストUIって書れて
あるんですけども自分で例えばこういう
あのスキーのアプリを作りたいというよう
なことが言ってる書かれてるわけなんです
けどこれを書くとですねそのガリレオAI
っていうのがあじゃあこういうウェブ
サイトが必要なんだねっていうことを考え
てくれるんですねでそれに対してあの
じゃあこういうあのこういう風にページを
カスタマイズしてっていう風にすると
こんな風にUIが出てくるわけなんですよ
でなおかつここからあのここにですねあの
フィグマって書いてあるんですけどあの
いわゆるフィグマっていうデザインツール
があるんですけどここに貼り付けることが
できるんですねあのコンポーネントuui
のコンポーネントも含めてでえっとそう
いうところで死体値を設定しながらうま
うくその現在のユーザーさんの
ワークフローの中にも落とし込めて
るっていう形なんですよねですだからその
辺の先ほど言ったように確率でこう
アウトプットがぶれてしまうっていう
ところをいかにその今できることと
ユーザーさんのフローの中でこうミックス
させるかってこの部分の期待値の調整を
すごく慎重に行ってるプロダクトが多いっ
ていうのは間違いないですああじゃそこの
限界も含めてお伝えして期待値調整をする
コミュニケーション行うのも大事な役割な
んですね企業側でありプロダクト
マネジャーあ分かりましたそこ今の
インプットの質のところも含めてま逆に今
んとこ生成愛プロダクトがま失敗する主要
員みたいなものがあったら教えていただき
たいんですけどはい分かりましたあの生成
AIのプロダクトが失敗するっていう
ところでいろんな理由があるんですけども
特にこういう新しいプロダクトが出てきた
時に1番陥りがちなのってやっぱ技術なん
かねテクノロジースタックとかを構築して
から解決できる問題を探すっていう
スタイルを取ってしまう人なんですよで
例えばこれって別に生成に始まったわけで
なくてあのブロックチェーンとかクリプト
カレンシーとかWeb3っていうキー
ワードがわーっと流行った時にいろんな
スタートアップが世の中へ現れたじゃない
ですかで結局今残ってる会社とかあるいは
インパクトを出し続けてる会社ってどこっ
て言うと多分誰も知らないと思うんですよ
もあるとは思うんですよあると思うんです
けどもほとんど知られてないと思うんです
ねでこれはやっぱり重い先行で実際の需要
性を確認できてないままこう突してしま
うっていうケースがやっぱ多かったんじゃ
じゃないかなっていう風に振り返ることが
できますしまもちろんそのあの収益モデル
がねビジネスとして成立できてないと
いわゆるそのクリフトカレンシーと非常に
このボラティリティが高いカレンシーと
連動してますんでそもそも安定した収益
モデルがこう成り立たないっていうことに
なかなかこう修練できなかったっていうの
もあるでしょうねでもちろんその発展登場
の技術なんでわその例えば企業家の皆さん
プロダクトマネージャーがやりたいことに
対してどう実現していくのかっていう
見通しが難しかったりもしくは甘かった
りっていうところでまして失敗してしまう
ケースっていうのはたくさんあったように
あ僕は振り返ることできますなのでま同じ
ようなことがね特にやっぱ生成系の
プロダクトでもちらほらやっぱ出てきたり
してますし例えばあのスタビリティAI
っていうスタートアップがあるんですけど
これあの元々ステーブルディフュージョン
ていういわゆるえっとテキストから画像を
生成するモデルを作った会社ですよねある
意味総子者なんですモデルのなんですけど
も今も身売りをさ探して身売り先を探し
てるような状況だったりするんですねで
これやっぱり特にこの収益モデルが
ビジネスして成立できないってところに
まさにあの修練するんですけどやっぱね月
でねえっと日本円で言うと10億円ぐらい
かかってるんですねまこのサービスを
ランニングするのにでやっぱそれだけの
収益を慣れたたせないと成立しない
サービスだったわけなんですよでこういっ
た部分やはりそのなんだろうな技術先行で
走ってしまって解決できる問題を後から探
すっていうようなスタイルを取ってしまっ
たが故にあの失敗してしまったっていうの
はあ見受けられますよねはいその意味では
インターネットの時もサービスも赤字を
掘ってもいいんでとにかくまずユーザー
集めればいいって発想でしたけどそれは
ダメなんですかあのここもよくねえっと
マーケティング出身の方とかあのVCの方
でも言ってる方いらっしゃるんですけど
もちろんそのユーザーを獲得するっていう
のはすごく大事ですこのプロダクトを作る
においてただ僕が主に1番もっと大事な
ところていかにユーザーに定着してもらう
かなんですね使い続けてもらって何ぼな
ですよで例えばあのゲーム系のプロダク
トってえっとすごくこの似たようなこう
えっとなんて言うのユーザーの定着の問題
をえ抱えていて最初にある日ダゲームを
そのダウンロードして初日に使いまし
たって言ってから次の日に戻ってくる人
ってすごく少ないんですねゲーム系のアプ
リってでプロダクトが定着しなかったら
はっきり言って作ってる味全然意味ない
じゃないですかあのダウンロードしてる
だけだったらそれは全く意味ないんですね
でよくあのあの日本でも見たりしますけど
もあのダウンロード数ナンバーワンみたい
にこう宣伝してる方いらっしゃいますけど
もあれはね僕はあんまり意味ないと思っ
てるんですねそれ以上にその中でじゃあ
一体何人のユーザーが定着してくれてるの
か使い続けてくれるのかとでその中から単
なるアクティブユーザーじゃなくって
もっとヘビーユーザーになってくれて
るっていう状態ができて初めてその
プロダクトは本当に成功する所持があ
るっていう風に見ることができると思って
ますでこれはどんなプロダクションになっ
ても変わらないことですねこれは内
プロダクトになっても同じようなことが
あの通用するっていう風には思ってます
はいその意味ではチャットGPTなんかは
無料版もあってそちらは長く使われていて
かつ有料版の方で課金してるってまあの
バランスはいいってことなんですかねいや
非常にそうですねあのサースのプロダクト
をよく分かってるプロダクトマネージャー
がきっといるんだなっていう風にはあの
思いますよねはいあとこの重い先行で実際
の重要性の確認ってところなんですけどま
生生AI自体がま未知の体験なのでこの
需要性の確認っていうのがかなり難しそう
に感じるんですけどうんここはどうやって
確認していけばいいんでしょうかねはい
えっとねこれもよく日本でちょ聞いたり
することがあるんですけどあのどうやって
面を取るかみたいなこと言ってる人がいる
んですよいかにこの多くのユーザーさんに
1度にアクセスするかみたいなこと言われ
てる人がいるんですけどまプロダクトとか
サービスによってはそれができるのかも
しれないんですが特に生成AIのように
新しい先ほど言った通りこの確率性で
揺れるプロダクトであるっていうことあの
今の現代プロダクトってなかなか1度に
マスでこうわっとこう広がるプロダクトっ
て作るのは非常に難しい世界なんですねで
こういう中で麺を取りいきなり取りに行
くっていうのは結構ねハードル高い話だと
思うんですよだからこそ需要性を確認する
ためにはまずはどこかのセグメントに
しっかりフォーカスしましょうとでその
セグメントの人たちが本当に喜んでくれ
るっていう状況を作った上でないと多分ね
あの広げる時に失敗してしまうっていう
ことがかなり発生してますなのでその需要
需要性を確認するっていう時に一体どこの
セグメントを狙うのかとかそのセグメント
の中のどんなプロあの問題を解決しようと
するのかっていうことに対しては
ものすごくシビアに見ないとおそらく最初
の1歩目でこうつまづいてしまうだろうね
いきなり面を狙うとねあのつまづいて
しまうだなっていうことは言えますよね
そのでは最初に確認するセグメントと言い
ますかそういったとこはレーザー
フォーカスというかかなり狭くてもいいん
でしょうかねおっしゃる通りだと思います
あの最初はえっとレーザーフォーカスって
いいありますしあビーチヘッドっていう
言葉があったりするんですけどあのまずは
そこの狭いセグメントでもそのすごくも
その問題があの解決されないと非常に痛い
とそれがそのペインがものすごく痛い
ペインがそこにあるっていうことあるいは
ものすごくその作業するのに時間かかっ
てるとかねいう無駄が発生してるとかねで
こういうところでその体験っていうのが
圧倒的なパフォーマンスで問題を解決
できるかどうかってこういう部分があって
初めてユがこれはすごいって思って
もらえる状況を作れるわけなんですよで
あのこれはねその精々愛だろうとどんな
プロダクトでもそうなんですけどま人間
ってこう驚くいい意味ポジティブな意味で
驚くと感情がものすごく動くわけなんです
よね例えば皆さんがあのどんな例えば本で
もいいですしどんなアプリでもいいですし
わこれすごいって思った瞬間ってますごく
記憶にも残りますしそこが次のアクション
にも繋がる例えばもっとこれ使ってみよう
とかねもっとこの本読んでみようとかね
いう次のアクションに繋がっていくわけ
じゃないですかでこの辺のやっぱ感情の
いい意味でのこのゆらぎっていうのを
作れるプロダクトであるためにはやっぱ
ユーザーさんに対する理解がやっぱすごく
あの細かくて深いっていう状況を作れるの
が一番やりやすいんですねでこれはやっぱ
ねマスでやっちゃうとすごく難しいですし
特にスタートアップだからこそこう
レーザーフォーカスってかえっとす狭い
セグメントでまずはそれを証明すると我々
そのプロダクトを作る価値を作ることに
意味があるっていうことを証明するって
いうのがやっぱすごく大事なファースト
ステップになりますあ分かりました園原
さんあのBtoBKプロダクトもBto
CKも両方されてますけど生成ア
プロダクト作る上でBtoBかBTOCか
で結考え方の違いってあるんでしょうかあ
はいえっとBTOBとBTOCであの1番
大きな違いっていうのはあまずその生成I
っていう手前なところですねこれあの生I
だろうとなかろと変わらない部分でお話を
するとBTOCとBtoBのプロダクトの
1番の違いって誰がお金を払うのかって
いうところなんですよでBtobはその
使う人とそれに対して予算を取ってきて
承認してじゃそれに対してそそうその通路
を買うよっていうあの意思決定をする人が
いるんですけどこれが使う人と違ったり
するんですねでもBtoCって基本的に
同じ人じゃないですか例えばAmazon
で何かを買うって時に自分で選んで自分で
お金払うじゃないですかでここがやっぱり
決定的に違うところなんですねじゃあここ
にCIの文脈を持ってきてあの何が変わっ
てくるかっていうと例えばBtobの世界
になるんですけども生成AIを入れた時に
例えばじゃあ僕のチームの生産性が今まで
使う前よりも生産性が例えば5倍10倍
良くなりますっていう話になるとそれは
やっぱりビジネス的に例えば時間がこれ
までえっと1週間ぐらいかかってたのが
わずか6分ぐらいで終わりますみたいな
世界だと圧倒的に生産性が上がるんですね
これ企業としてやっぱRoiが高いって
いう話になるわけじゃないですかだこう
いう部分のその見え方ですよねでここの
見え方があのちゃんとプロダクトのその
確率的なゆらぎがある中であのストーリー
が作れるかっていうのが結構やっぱB
tobプロダクトの中ではすごく重要です
よねでま確かにBtoCでも同じような
議論はありますあのBTOCでもやっぱり
その人があの常に仕事何かをしてるタスク
もしくは何かをやってる仕事の中でその人
がその生生プロダクトを使うことによって
今までこんなに時間かけて調べてきて
こんなにあの面倒な作業やってきてで
ようやくこのアウトプットができてき
たっていう世界に急にその生成プロダクト
が入ってくることによってわずかもう2分
ぐらいで終わっちゃうみたいなねいうあ
そのいわゆるカスタマーワウみたいな言い
方をするんですけどそういう体験が作れる
とそのユーザーさんはあのまかなり高い確
でまずはトライアルはやってくれる
でしょうねだこんな流れを作れるかって
いうのはやっぱこの制裁プロダクトB
TOCだろうBTOBだろうとあのすごく
重要な観点になってくると思いますよね
はいBtobの場合は特にやはりコスト
削減っていう目的がもう当面大半になるん
でしょうかね今はそれが1番分かりやすい
文脈だだと思うんですよねで特にそのよく
ババイヤってあのBtobの世界で言うと
そのバイヤって言うんですけどもそのその
ツールを買うかどうかっていうことに対し
て意決定をすることバイヤーって言うん
ですけどそのバイヤーが1番えっと予算を
取ってきやすい承認を得やすいっっていう
意味だとま特にそのコストカットっていう
ところは目に見えてその数字が変わる
ところなんですよねだそういう意味で話を
しやすいって間違いなくそうだと思います
なのであの最初の1歩目として必然的に
そのコストカット系のねあの生成
プロダクトが出てくるのは全然あの不思議
がないですしむしろそこからユーザーさん
自体が生成愛ってのはこういうもんだって
いう認知が広がってくことが次のあのあの
切り口の生生プロダクトが出てくる素行に
なるっていう風には僕は思ってますなので
この先にはもっとそのダイレクトに石決定
を支援する生成アプロダクトとかあるいは
リサーチを支援するプロダクトとかもう
実際にありますけどもあの例えばユーザー
インタビューする時に助けてくる生成
プロダクトがねいろんなキシのそういう
BTBプロダクトが出てくるのは多分自然
流れだと思います自社の持ってる
コンピテンシーとあの隣接してるまたまた
かぶってるところから始めるっていうのは
間違いなく大事なところだなっていう風に
は思ってますなんでガーフデってこんな
大きい動きに一気にこんだけどでかい組織
がちゃんと適用できたんですかいやこれ
すごいなと思って企業のトップの人たちが
ソフトウェアプロダクトっていうことを
すごく理解してるんですねだからこそこう
いう人に対してこういう投資をしなきゃ
いけないしあの会社のお金っていうのは
こういう風に使わなきゃいけないし単に
コストカットすりゃいいってもんではない
会社はこういう文化であと意思決定なり
コミュニケーションなりあのチーム同士の
コラボレーションてのはこういう風にやる
べきだしっていうことがきちんとあの社員
の中に落ちてきてるってやっぱねこの辺が
うまくミックスされてるのが間違いなく
強い原因だなっていう風には思いますよね
Parcourir plus de vidéos associées
【生成AI後の資本主義】天才が経営する社員ゼロ企業が増える/スティーブ・ジョブズと英語を学ぶ/ビジネス芸人が廃れた理由/PIVOTが生成AIを活用するなら【Kaizen Platform 須藤】
【落合陽一】“何者でもない”のに『きみとは何かを問われる』現代への違和感!でも「過激的に自分を取り戻そうとする」のは危険?『アイデンティティは必要か』AI時代、日本人が「思想がない故に強い」理由とは?
【就活】仕事の将来性を語る:AIエンジニアやデータサイエンティスト【転職】
【落合陽一:2024年は超AIが来る】超AIとは何か/課長レベルの仕事もできる/一番のネックはGPU/コンサルは不要に/日本以外は雇用が減る/自分データを管理せよ/文書を書かなくなる/キャラ作りが全て
【 AI にできない仕事をせよ!】人だからできる 仕事 とは?! 事業仮説 を整理する フレームワーク を解説します!
【8分で分かる】ChatGPTなどのベースとなっているTransformerとは!?
5.0 / 5 (0 votes)