【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
00:00ま生成愛時代にプロダクトマネジメント
00:01プロダクトの作り方ってどう変わるのかと
00:03かどういうとこが注意点になるのかって
00:05いうところを今日はお伺いしていきたいと
00:07思います生成AIプロダクトのま進進化の
00:111番大事なところかなと思ってるんです
00:13けどどうやってインプットを集めてくるん
00:15だろうとでそれをどうやってその文脈か
00:17文脈としてね生産モデルがあの理解して
00:20いくのかっていうのはかなり重要しておく
00:22べき話ってま色々あると思うんですけども
00:24特にここだけは抑えておいて欲しいって
00:26いうそのはが思うとこってどういうところ
00:28でしょうか先生がが出てくる前のプロダク
00:31トってあのどういうプロダクトかって言と
00:33基本的にユーザーさんからのインプットを
00:35もらってそれに対してなんか決まりきった
00:37アウトプットが出てくるってい話ですよね
00:39でこれが生成AIのプロダクトになると何
00:42が起こるかって言うとユーザーの
00:43アクションによって出力が変わってくるん
00:45ですよだからこそ押えていただきたいのが
00:482つあって1つはこの確率を左右する技術
00:51基盤っていう考え方と確率があるがゆえに
00:54体験自体が変わったり揺らいでしまうって
00:56いうこの部分なんですねでこの部分をその
00:59生成っていう文脈の中でどうやって理解
01:01するのかっていうのがま今後ね制裁AIを
01:03生かしたプロダクトを作る時に非常に重要
01:05になってき
01:07ますはい皆さんこんにちはピボットの佐々
01:10です今回のピボットトークでは生成AIで
01:13自社サービスを強化するにはというテーマ
01:15でお話を伺いますゲストにお迎えしたのは
01:18アメリカのリンクトインでプロダクト
01:20マネージャーを務めてらっしゃる園原敦樹
01:22さんです園原さんよろしくお願いします
01:23よろしくお願いしますはい園原さん今
01:26リンクトインですけどこれまでももう様々
01:28な大きい企業からスタートアップまでもう
01:31あの何年ぐらいプロダクトマネージャー
01:33勤めてらっしゃるんですかねもそうですね
01:34プロダクトマネージャー自身もう12年
01:36過ぎたとかそんな感じですね実10年以上
01:39やってますねはいああそんなにですね
01:41スマートニュースなんかもされてましたよ
01:42ねそそうですねはいちょっとそこお手伝い
01:44させていただいたりねかなりBtoC
01:46btubそれからスタートアップあの
01:48ピックテックみたいな感じでねかなり全
01:50方位でいろんなご縁があってですね前方位
01:52でやらせていただいたっていうことはあり
01:53ますはいシリコンバレはもう何年目ですか
01:56あシリコンバレ自体はもう18年目ですね
01:59今ねはあ18長いですねいやあと原さんは
02:05あのデミの講座でも非常に人気であ
02:08ありがたいことにね本当にたくさんの方に
02:10ゆでの私のあのプロダクトマネージメント
02:12のコーコースですね講座あの受けて
02:15いただいてもう間もなく3万人が見えてき
02:18たっていうところまで来ましたねはい本当
02:19にありがたいですはい多くのプロダクト
02:22マネージャーの方にとって原さんは師匠
02:24みたいな存在なわけですあはそんな本当に
02:26嬉しいですた今日見ていたいて深く学び
02:30たい方はユの方も見ていただくと深掘り
02:32できるんじゃないかなと思いますで今回
02:34ですねちょうど生成AI時代のプロダクト
02:37マネジメントという本をま翻訳されたと
02:40いうことでま非常にタイムリーなテーマ
02:42ですのでその本も踏まえながらま生成時代
02:45にプロダクトマネジメントプロダクトの
02:47作り方ってどう変わるのかとかどういう
02:49とこが注意点になるのかっていうところを
02:51今日はお伺いしていきたいと思いますまず
02:54この本をこのタイミングで翻訳されようと
02:56思ったのはんでなんですかあはいわかり
02:58ましたえっといくつかちょっと流れがある
03:00んですけどあのこの本の原作者である
03:03CBCっていう方がいらっしゃってですね
03:05でまあの3人の方がげえっとオリジナルの
03:09著者だったんですねうち1人がCBCと
03:11いう方でで彼彼女はですね実はリンクトイ
03:14ンって同じ職場なんですねで僕ももう
03:17デイトデイで顔したり一緒にミーティング
03:19したり一緒にプロジェクトやった
03:20りっていう中でである日ですね彼女があの
03:23本を出版するということに気がついてえ
03:25どんな本なのって話をしたら愛の本だとで
03:29読んでみたらですねこれ非常に面白いなと
03:31思ってでこれまさに日本に持ってくにも
03:34タイムリだなって思ったんですねで彼女に
03:37日本版出すのどうって話しかけたらま非常
03:40に彼女もですね興味を持ってくれてじゃあ
03:41一緒にやりましょうっていうところから
03:43始まったわけなんですねで日本でも今生生
03:46愛ってすごく今ホットなキーワードじゃ
03:48ないですかでこれをですねなんかね正しい
03:51こう流れにして欲しいなって思ってるん
03:53ですねなんか変にうちに閉じこもって
03:56なんかえっと要はよくガラパゴスみたいな
03:58言い方ありますけど
04:00なんかそういう方向には行ってほしくない
04:02なと思ってちゃんとこれが日本の競争力に
04:04正しく作用する方になってほしいなって
04:06いう思いからあの今世界で起こってる特に
04:09シコ丸企業で起こってることまこの辺りの
04:11考え方を紹介できて皆さんの刺激になれば
04:14なというのが背景ですあその意味では今の
04:17日本の生成愛を巡る議論ってちょっと
04:19ガラッパゴスっぽく見えますかそちらから
04:20見てるとえっとねあの必ずしもガラポク
04:24スって若干ちょっと言い方きついかもしれ
04:26ないですけどあのもう少し例ええばね
04:30すごく皆さんプロンプトエンジニアリング
04:32頑張ってらっしゃる方がいてこれはこれ
04:35確かにそうなんですけどなんかもう少し
04:37引いた状態でプロ生生アっていうのを見て
04:40いただいて一体そのビジネスにどう聞くの
04:42かっていう大きな視点でですね捉え直して
04:44欲しいなっていうところがあるんですね
04:46もちろんそのプロンプトエンジニアリン
04:48グっていうのは非常に重要な要素ではあり
04:49ますし無視はできないんですけどもそれ
04:52だけではないんですよね生生外ってなので
04:54いかにそれをその力をまあのなんて言うの
04:58かな限界も知りつつもどうやって皆さんの
05:00ビジネスの中に取り込んでいくかっていう
05:02ことをまもうちょっと広いあ観点でね議論
05:05できるようになれたらいいんじゃないか
05:07なっていう風には思ってますはいああそう
05:09意味じゃはちょっとハツ的な話が多くて
05:11本質というか対局というか経のど真中の話
05:14としてのが少ないっていう印象でしょうか
05:16ねそうですねあの特にプロダクトマネジ
05:18メントっていう考え方が日本中でもだいぶ
05:21ね浸透はしてきてるんですけどもじゃあ
05:24この新しい生成愛っていう流れとその今こ
05:27はえっとなんだろ日本で広まってきる
05:29プロダクマネジどう交差するんだという
05:32ところなんですよねここを間違えてなんか
05:35進んで欲しくないなっていうのもあって
05:36ですねま1つのあの世界の中での事例とか
05:40ですねあのご紹介できたら皆さんの思議に
05:42なるんじゃないかという風には思いました
05:44ありがとうございます今日はあの是非
05:45ちょっとパート1ではまこれだけは知って
05:47おくべきだっていう基礎的な知識本質の
05:50ところをちょっと伺ってパート2のとこで
05:52は実際にプロダクトスクール開発の上での
05:54注意点あのポイントみたいなところを
05:56伺えればと思いますはいはいまずパート1
05:58なんですけどうんま知っておくべき話って
06:00ま色々あると思うんですけども特にここ
06:03だけは抑えておいて欲しいっていうそのは
06:05が思うとこってどういうところでしょうか
06:06はい分かりましたちょっとここはですね
06:08スライドを使いながらお話をしたいんです
06:11けどもあのですねその生成アのプロダクト
06:14を考える時に是非ちょっと知っといて
06:16欲しいコンセプトがあるんですねでこれ
06:19生成AI以前のプロダクトと生成AIの
06:22プロダクトっていう2面でちょっとも説明
06:23したいんですけど生成が出てくる前のプロ
06:27ダクトってあのどういうプロダクトかって
06:29いうと基本的にユーザーさんからの
06:31インプットをもらってそれに対してなんか
06:33決まりきったアウトプットが出てくるっ
06:34てい話ですよね例えばボタンを押したら
06:36あのあの投稿ができるとかライディスが
06:39できるっていう当たり前のところから
06:40ボタン押したらその動画が再生されるとか
06:42ねっていう風にユーザーのアクションと
06:45出力の意味っていうのが1位に決まってた
06:47わけなんですよこれがあの生成エア以前の
06:49プロダクトになりますでこれあの
06:52プロダクトの世界で言うとあの
06:53ディターミンプロダクトって言葉を言うん
06:55ですけどもっと平た言い方をすると
06:57ランダム性がないっていうことなんですね
06:59ユーザーさんからのインプットに対して
07:01必ずこういうアウトプットが起きますよと
07:03いうのがあのいわゆるディタミスプロダク
07:05トって我々よく言ってるんですねでこれが
07:08生成AIのプロダクトになると何が起こる
07:10かって言うとユーザーのアクションによっ
07:12て出力が変わってくるんですよそれは
07:15例えばプロンプトを書いた時に毎回毎回
07:18同じ答えが返ってくるかっていうと実は
07:20ちょっと微妙に違ったりとかですね同じ
07:22ことをあのあのタスクをねやってもらおう
07:24としてるのにプロンプの書き方1つで
07:26アウトプットは全然変わっちゃったりする
07:28わけなんですねつまりユーザーの
07:29アクションによって出力がだいぶ変わって
07:31しまうってことが起こり得るわけですで
07:34これをあのよくこちらではプロバビリティ
07:36プロダクトっていう言い方をしていて
07:38いわゆる確率性以のプロダクトっていう風
07:40にま日本語でCで言うなればね表現できる
07:42かなと思ってますでまずこのディターミン
07:46なのかプロバビリティなのかってこの
07:48プロダクト全然違いますと出力が1位なの
07:51か変わりますよってことが決定的に違う
07:53とこなんですね生生のプロダクトてでだ
07:56からこそ抑えていただきたいのが2つあっ
07:58て1つはこの確率を左右する技術基盤って
08:02いう考え方と確率があるがゆえに体験自体
08:05が変わったり揺らいでしまうっていうこの
08:07部分なんですねでこの部分をその生成I
08:10っていう文脈の中でどうやって理解するの
08:12かっていうのがま今後ね生AIを生かした
08:14プロダクトを作る時に非常に重要になって
08:16きますでまこの今回私が翻訳させて
08:18いただいた本というのはまこういった部分
08:19をいろんな角度からねあの説明してるわけ
08:22なんですねこういう確率に左右され
08:24るっていう技術が生まれたのって初めてな
08:26んですが今までプロダクト作りでこういう
08:28作り方って今までなかったですかねあの
08:30いやありますえっと例えばね
08:32レコメンデーション周りなんていうのは
08:34あのAIですね生成AIではないんです
08:36けどもある種AIを使ったプロダクトです
08:38よね例えばNetflixでを見ていてで
08:41いろんなあのと作品がねこうレコメンドさ
08:44れるわけですけど例えば僕が見てる作品の
08:46佐々木さんが見てる作品で全然違うんで
08:48レコメンドされるのも変わってくると思う
08:50んですよでただ決定的にそういう
08:52レコメンドレコメンデーション系のAIと
08:55生成AI時代のこのプロあのAIの中でね
08:59ね何が違うのかって言うとユーザーさんの
09:02その能動的なアクションがその
09:05アウトプットのインパクトを大きく変え
09:07てくわけなんですよ例えばユーザーさんが
09:10何かタスクを終わらせたいタスクを完了
09:12させたいあるいはあのディスカッション
09:13パートナーなってほしいっていうところで
09:15こう生成を使って正しく動けばですねそれ
09:18は例えばこれまで1週間ぐらいかかってた
09:21ようなプランニングがですねまわずか1日
09:23で終わってしまうみたいなそのインパクト
09:25がものすごく大きいわけなんですねでここ
09:27がこれまでのAI系のプロダクトっていう
09:30ところとあの生成合特にその生成AIって
09:33いう中でのプロダクトではあの確率のその
09:36インパクトっていうのがですねかなり大き
09:37いっていう風には言うことができますま
09:39リコメンドの場合はデータをベースに
09:41リコメンドされて受け身なものですねそう
09:43ですどちらかいうと受け身ですよねはい
09:45そうですはいあその能動性によってその
09:48生成案によってその生産性が劇的に変
09:50るっていに変わりますよねどういう
09:52プロダクトでそういうことか起きるんです
09:54かね例とかってございますか例えばま1番
09:56分かりやすいところだと今まま臨イ
09:59マイクロソフト参加なんで我々ずっとその
10:01コーパイロットを使える状態なんですけど
10:03あのコーパイロットで例えばteamsで
10:06ねあのミーティングをしてる時にあの裏で
10:09コーパイロットが動いててこの誰が何を
10:11喋ったかっての全部そのえっと文章化して
10:14くれるんですねで終わった後にもう疑似録
10:16が勝手にできてるわけなんですよで例えば
10:19今まであのコパルトがない状態で
10:21ミーティングすると何が起こるかって言と
10:23今日のミーティングで誰がその初期やって
10:26くれるのみたいな話から始まってでその人
10:28がこう時間をかけてそのミーティあの疑似
10:31力を取ってでアクションアイテ決めてで
10:33そういうのを送り付けるわけなんですけど
10:35まこういう誰かの生産性を奪うっていう
10:38ことがなくなるわけなんですねみんなが
10:40みんなその議論に集中できるっていう状況
10:42ができるわけなんですよそうするとやっぱ
10:44ミーティングの生産性ってかなり上がって
10:46きますよねだこういうところがあの1番
10:48分かりやすいとこでねあの大きなチェンジ
10:51だったりしますよね大きい本質を抑えた上
10:54でそのプロダクト作りってどう変わって
10:56いくんですかね確率の左右する技術基盤の
10:58方になってい場合にはいえっと例えばこの
11:01技術機確率を整理する技術期間っていう
11:03ことなんですけどあのさっき申し上げた
11:06通りまインプット次第でアウトプットが
11:08変わっちゃうっていうのはある種ユーザー
11:10さんにとってはあのなんだろうなどこまで
11:14信頼していいんだろうっていうま気持ちに
11:16繋がっちゃうわけなんですよねでそうなら
11:17ないためにま今この生生愛の世界でえっと
11:21いろんな会社がどうやってこの確率を
11:22高めるかみたいなことをやってるわけなん
11:24ですよでこれはいろんなレヤで話があって
11:27でこの本書の中では大きくわけで三層モデ
11:29ルっていう形でお話してますで1つはその
11:32基盤層とツール層とアプリケーション層と
11:35いう方なんですけどもう少しちょっとこれ
11:36細かくブレイクダウンするとあのこんな風
11:38に見えてますで基盤層というのはまもう
11:41本当にそのえっとハードウェアとか
11:43ソフトウェアとかあのサーバーサーバー
11:46リソースとかねあのクラウド
11:48プラットフォームとかデータとかっていう
11:49部分ですよねその生成を成り立たせるため
11:52にま根本的な要素になるとこですよねで
11:55この上でいろんなツールが動いてます
11:57例えばそれはモデルを動かすためのの
11:59ツールだったりそのデータをどうその生成
12:01愛のモデルの中で使うかっていうデータに
12:03特化したデータプロセッシングに特化した
12:05ツールだったりとかですねあとはそういう
12:07生Iのモデルをあの作ったり検証したり
12:09テストしたりっていう中でまいろんな開発
12:12ツールとかフレームワークがあるわけなん
12:13ですけどもまこういったツールがどうあの
12:16絡んでくるのかてこのツール層がありで
12:18その上で例えばそのユースケース別とか
12:20業界別とかねその手段別でどういう生成案
12:23のプロダクトを作ってるかっていうのがま
12:25これがあの各種各社のその特徴にこう
12:28繋がってくるわけなんですけどもぱこう
12:29いうところでどういうユーザーさんにどう
12:31いうその生成アの差し方をするのかって
12:33いうのが大きく変わってくるっていうのは
12:34ありますよねいわゆるあのオーAIとか
12:38あいたGoogleとか高パイロットとか
12:40これは基盤層とツール層両方になるんです
12:42かそうですねあのオーAI自体はその別に
12:45えっとGPUとか作ってるわけではないん
12:48でどちらかという基盤層というよりかはま
12:49ツール層なのかなとまあ一部ちょっと基盤
12:52層に入ってるとこもあると思うんですけど
12:53まそうのレイヤーでのプレイヤーってこと
12:56になりますねオープンエアとかアスロ
12:57ピックとかねはいうん
12:59高パイロットとかどこですですか高
13:01パイロットの場合は結構アプリケーション
13:03周りですよねあの例えばこれで言うとあの
13:06アウトプット形式手段別っていうところも
13:09そうでしょうしそのユースケース別って
13:11いうところもそうでしょうしまこの辺が
13:13いわゆるそのえっとオフスえっと
13:16デスクワークをする時の生産性アプリケー
13:18ションって元々そのMicrosoft
13:19OfficeOfficeスイートって
13:21いうのがあってでその中にコパイロって
13:23いうのは乗っかってきてますからユース
13:25ケース別その手段別で言うとまそういう
13:27ビジネスアプリケーションですよね
13:29オフィスアプリケーションていう中でのま
13:31あの生アプロダクトという風に
13:33カテゴライズすることできますよねだこの
13:35中で言うと例えば一般的なそのプロダクト
13:37マネジメントで1番必要となるのは
13:38やっぱりアプリケーションのところなん
13:40ですかねもち理解は全部必要だと思うん
13:42ですけどあのそうですね結局その
13:45プロダクトを作る時にどこの
13:47ポジショニングを取るのかっていうのは
13:49結構あの大きなポイントでしてでそれは
13:52やっぱりファウンダーの方がどういう
13:54コンピテンシを持ってる人なのかとかね
13:56その蘇生されてるチームがどういうところ
13:58に強みを持チームなのかとかそういう
14:00ところにも寄ってきますよねなのであの
14:03必ずもそのアプリケーション層がツール層
14:05よに偉いとかそんなことは全然なくって
14:07それぞれがやっぱり重要なんですねで
14:09もっと考え方として大事なのは今その企業
14:13とか置かれてる企業の皆さんが持ってる
14:15コンピテンシーが生きるのってどのそうな
14:17んだろうっていう言い方の方が正しいかな
14:19と思うんですね例えばそういうツールを
14:22作るのは得意ですとかあるいは開発者向け
14:24に作ってきた経験がありますとかねそう
14:27いう会社だったらむしろアプリケーション
14:29ソイルがツール層を狙ったプロダクトを
14:31作った方がその車内のコンピテンシーを
14:33使うことが可能ですよねでむしろえっと
14:36会社として例えば元々なんかBtobの
14:38あるバーティカルにすごく強いものを持っ
14:40ていてこの辺のお客さんにはもうすぐ
14:42アプローチできるし話も聞けるということ
14:44であれば例えばもう業界別で狙ってた方が
14:47やりやすいかもしれないですねだそこは
14:49その置かれてる企業のポジショニングとか
14:51強みとか結構そういうところに寄って
14:53くるってい言い方ができますうんそうまず
14:57自分たちを知るってことが
15:00おっしゃる通りですねあのよくある間違い
15:02がその生成愛っていうのが入ってきたんで
15:05いやうちもねなんか生成愛ての流行ってる
15:07んでうちもなんかいい感じは作ってよ
15:09みたいに風にこう乱暴に上の人が言ったり
15:11してですねで下の人たちがオロオロしてな
15:13なんかなんかこうプロトタイプ作ってみ
15:16ましたみたいなね話があったりするわけな
15:17んですけどもその時にやっぱ忘れがちなの
15:20はその皆さんの会社ってそも元々何に強い
15:23んですかっていうところなんですよねで
15:25どういうお客さんと向き合うことが得意な
15:28んですかっていう部分がかなり重要です
15:31そこも含めて多分もうパート2の生成
15:33プロダクト回数の注意点の話もかなり今も
15:35あのご指摘いただいてるのかなと思うん
15:37ですけどそうですねあの是非そこも含めて
15:40あの続きをお伺いできればと思いますはい
15:43えっと確率性のあるプロダクトっていう
15:45ところでぱそのインプットによって
15:46アウトプットがね変わってしまうっていう
15:48ところがあったわけなんですけどで生成ア
15:50プロダクトのあのままさにここがえなんて
15:54言うのかな生成AIプロダクトのま進行
15:57進化の1番大事なところかと思ってるん
15:59ですけどどうやってインプットを集めて
16:01くるんだろうとでそれをどうやってその
16:03文脈か文脈としてね生生モデルがあの理解
16:06していくのかっていうのはかなり重要です
16:08ねでここはまだ完全にできてるわけでは
16:10ないですしまさに発展途上なところなん
16:13ですねで例えばあの今ここであのコの今
16:17あげさせていただいましし本書の中で
16:18ちょっとそれぞれ細かく説明させて
16:20いただいてますけどもあの例えばその
16:23えっと創造性とイノベーションとかねその
16:25感情と共感なんていうところは結構その
16:29に対してどういう期待値を持ってるかに
16:31よってそのインプットの作り方とかも
16:33大きく変わってきちゃったりするわけん
16:35ですね例えばそのってあの例えば皆さんが
16:38ね初めてえっとオープンあチャットGPT
16:41と触れ合った時って自分が投げた答に対し
16:44てこう文章が返ってくるってい衝撃的な
16:47体験を皆さんやったわけなんですよでそれ
16:49があのある程度のクオリティだったがゆに
16:53いやこれはすごいってみんなが言い出した
16:55わけなんですねだからこそチャットGPT
16:57ってあれだけまスカイロケットなができた
16:59わけなんですけどだこれが変に期待値を
17:02高くしてしまってもうチャットGPってに
17:04聞けば何でも答えてくれるともうそれこそ
17:06魔法の推奨よなな存在だみたいに思った上
17:10で使ってしまうとこれはやっぱままだ
17:12間違いだったりするわけなんですよね冷静
17:14にそのあの生成のプロダクトの能力をまだ
17:17把握できてないっていうま間違って理解し
17:19てしまってるっていうところかなとそう
17:20いう意味でその創造性とイノベーション
17:22例えば皆さんが企業の中で新規事業を作り
17:25ますとかね新しい顧客セグメントにあの
17:28えっと参入していう時にじゃあチャット
17:30GPTは答えを持ってるっていうような
17:32考え方をしてしまうとこれはつまづいて
17:34しまう可能性があるっていうことなんです
17:36ねでこれは例えばあのこの意思決定とか
17:39その感情と共感って言い方を書きました
17:41けどもあの例えば同じ質問をするにしても
17:43例えばじゃあこれからえっとなんだろうな
17:47えEVの電気自動車のセグメントに進出し
17:51たいとでそういう時に考えなきゃいけない
17:53ことは何かみたいな質問をGPTで書い
17:55たりするじゃないですかそうするとGPT
17:57はそれなりの答えは一般的な答え返して
18:00くれるんですけどじゃあそれで会社の意思
18:02決定できますかって言うとおそらくでき
18:04ないと思うんですねでこれなんでかって
18:06言うと皆さんが持っている文脈の量と
18:09チャットGPTが理解してる文脈の量って
18:12まだまだちょっと差があるんですねなので
18:14例えばさ感情と共感っていうところもそう
18:16なんですけど同じ質問をしたとしても
18:18例えば僕はえっとある人はもうこれすぐ
18:21答えが欲しいと今あの上からあの答えを
18:24求められていて今すぐ彼らに伝えたいあの
18:27答えが欲しいて言ってる人ともう1人は
18:29例えばじゃあ
18:31あのプレゼンする日が10日後なんで
18:33まだまだちょっとリサーチに時間かけたい
18:35とで実はこれって大事な文脈だったりする
18:38んですけど文章で同じ質問しただけだと
18:41この辺の文脈ってまだGPT理解できない
18:43んですねだこういうところで出力品質って
18:46大きくこうブれてしまったりあるいはその
18:49答えを見た人間があの我自分が思ってる
18:52期待値にミートしてるかしてないかって
18:53いうこうこの辺がずれてきてしまうわけな
18:56んですよねでこの辺のやっぱり生生AIの
18:58先ほど言った確率的なプロダクトっていう
19:00のはぱそのユーザーの立ち位置によって
19:03その受け方が全然変わってしまうんでこう
19:05いうところにも繋がたりしますよね今回の
19:07にマルチモーダルがどんどん進んできた
19:09場合にはそこの文脈も含めてま表情を
19:11読み取ったりコ色を読み取ったりとかそこ
19:14の確率の精度はやっぱ上がっていくんです
19:16かねそうですねそれがまさにその技術基盤
19:18のところにもあの絡んでくるんですけど
19:20どうやってじゃこの揺れとか揺らぎとか
19:23ずれっていうのをこう最小化していく
19:25かっていうところに今こう例えばオープン
19:27AIなりあのアンソロピックななりまそう
19:29いったいわゆるツールレイヤーとか基盤層
19:31のレイヤーの人たっていうのはましのぎを
19:33削ってるわけですよねたくさんのお金を
19:35投じてでぱあの1番理想的なのはま高品質
19:39のアプトがいつも出る先ほどあの申し上げ
19:41たのディタディターミンなねプロフトは
19:44できることは最高なんですけどただまそこ
19:46にはいろんなハードルがあってだそこの
19:48ゆらぎをどう縮めるかっていうところで
19:50あのすごく今お金と時間とリソースがね
19:53投入されてるっていうな状況ですよねはい
19:55分かりました今意思決定感情と強化の話し
19:58ていただきましたけど他のところはどこ
20:00どうでしょうかあ例えばその倫理感とか
20:02価値観っていうところもそこにすごくあの
20:06そのアウトプットが揺れるっていうところ
20:07ではあってですね特にこれはま生生AIに
20:10限らずAI一般的なところもあるんです
20:12けどやっぱAIっていうのは基本的に
20:14トレーニングデータセットに依存がすごく
20:16大きいわけなんです何をどんな
20:18トレーニングデータセットを使ってその
20:20モデルを作ったかっていうのはねかなり
20:21依存してるわけなんですねなのでこの
20:24トレーニングデータセットの集め方とか
20:26作り方がももうそこが1歩目から間違え
20:30てるともしかしたらそのモデルを使って出
20:32てくるアウトプットって大きく間違っ
20:33ちゃってる可能性があるわけなんですよね
20:35で例えばあのま昔放射がですねそのと
20:40例えば1年間でまえっと数百万体のレジメ
20:44が集まってくるんでその中から我々にとっ
20:46て1番最適な候補者を選びたいみたいなね
20:49ことをやってる会社があったんですけども
20:51この時にでそれをAIでこう最適化して
20:54可能性のある人をピックするみたいな体験
20:56だったわけんですねその時のでその会社は
20:59えっと結局どうなったかって言うとあの
21:01トレーニングデータセットをかなりやっぱ
21:03白人でなんかすごいあの高額歴なあの卒業
21:08えっとハイエンドな大学を卒業されてる
21:10あるいはNBA保持者とかね偏ったデータ
21:13セットばっかであのトレーニングモデル
21:15作ってしまったとでそれによってあの候補
21:18者をモデルにレジメをかけて選別したら
21:21なんか似たような人しか出てこなくなった
21:23しあの全然台媒がなくなってしまった
21:25みたいなね話があってそのモデルはダメに
21:27なってしまったみたいな話あるわけなん
21:29ですよやっぱりそのAIのあの生成AIも
21:32そうですしいわゆるジェネラルなAIも
21:33そうなんですけどそのトレーニングデータ
21:35セットの集め方とか何を持って
21:38トレーニングしたって言えるのかとかです
21:39ねこの辺の倫理感っていうのはかなりあの
21:42プロダクトのそのアウトプットの公平性
21:45って言うんでしょうかね透明性っていうん
21:46でしょねこの辺りにやっぱ大きく影響し
21:48ますこれはあの作り手であるやっぱ
21:50プロダクトマネージャーのある種倫理感が
21:53求められるしもちろんもっていうとその
21:55会社としての会社としてそういうデータの
21:57扱いに対してどう向き合ってるかっていう
21:59その辺まで求められる世界の話だと思い
22:01ますよね特に価値観のところなんですけど
22:04もやっぱ国によって価値観ってかなり文化
22:06によって違うと思うんですけどそうすると
22:08やっぱりかなりローカルになっていく部分
22:10も出てくるんでしょうかねもちろんあると
22:12思いますね例えばやっぱ日本語での表現と
22:15英語での表現っってその同じ言葉でもあの
22:19表現の多様性っていういいんでしょうかね
22:21この辺がやっぱだいぶ違ったりするわけ
22:23ないですよ僕なんかもずっと英語で仕事し
22:25てますけどでこういった形で日本語を使い
22:27ながら仕事しながらだから思うんですけど
22:29日本語の表現ってすごく豊かなんですよで
22:32英語と比べてま僕がどっちかとビジネス
22:34英語しか使ってないせかもしれないんです
22:36けどあの日本語の表現っってすごく豊かな
22:39んですよねでこうしたのってある種日本語
22:42の財産だと僕は思っててこれはAIだから
22:46あのなんだろうなあの失ってしまうべきで
22:49はないと思うんですねむしろここういう
22:51豊かさこそあのAIにしっかりと引き継が
22:53せてその仮に相手がAIだったとしても
22:56そういう豊表現引れるっていう世界観が
23:00あって僕は叱るべきだと思うんですよねで
23:02この辺っていうのはやっぱそのえ作り手で
23:04あるプロダクトマネージャーとかあるいは
23:06その企業家の皆さんとかがねあのその生生
23:09に対生がそもそもどういう風に動いてるの
23:12かとかそのアウトプットってなんでゆらぎ
23:14が出るのかとかトレーニングでトレーニン
23:16グてどういう風に行われてるのかとかね
23:18この辺は先ほど言った技術基盤の部分です
23:20けどまこうした部分を理解した上で望む
23:23ことによってよりそのユーザーさんの世界
23:25にこう馴染んでくる生生プロダクトって
23:27いうのが作りやすくなるんじゃないかなて
23:28いうのはありますよねああす全世界で1つ
23:31のプロダクトっていうよりもそういった
23:33ローカルに合わせていろんな多様な
23:34プロジクトが出てくる余地も十分あるって
23:36こともちろんあると思いますはいもちろん
23:37あると思いますうんそそうみた今回オーン
23:40Aも日本語版っていうのを作るってことを
23:41発表しましたけどもそういう風に基盤の
23:43とこでも文化によってちょっと言語によっ
23:45て変わったりまアプリのレヤはもっと多様
23:47になるっていう感じですねそうでしょうね
23:49あのここがやっぱりそのプロダクトとして
23:52変わるところと変わらないところと繋がっ
23:54てくると思うんですけどあの今でもやっぱ
23:57日本の中であのあのグローバルには出て
23:59ないんだけど日本中でよく使われて
24:00プロダクトとこあるわけじゃないですか
24:02特にBtobの世界でもそうですしB
24:04TOCの世界でもありますしでそれが
24:06じゃあ必ずしもアメリカで通用するかって
24:08いうと通用しないわけなですそれはだって
24:09アメリカの例えば小習間とか文化に別に
24:12沿ってるわけじゃないですからでもそれで
24:14ビジネスが成り立ってるんだったらそれは
24:16それで僕は全然問題じゃ問題だとは思って
24:18ないんですねで同じようなことが生成愛
24:21プロダクトにも多分言えると僕は思って
24:23ますで例えばあのアメリカ的な価値観しか
24:27学んでいないあるは性合的な価値観しか
24:29学んでいない生成合プロダクトが例えば
24:32日本のあの例えばビジネスプロセスに深く
24:35入ってきた時に果たしてそれでいいの
24:38かって言うとちょっとまこれはテストし
24:40みるか分からないですけど必ずしもうまく
24:42いくのかなっていう不安はありますよね
24:44やっぱり特に使うユーザー側としてはその
24:47何を持っていいプロダクトかってやっぱり
24:50そのえっと日本のユーザーさんとアメリカ
24:53のユーザーさんって全然やっぱ感じ方とか
24:54考え方違いますからまず価値観が違います
24:56からねそういう中でその生生プロダクトを
24:59作る過程においてもそういった違いをどう
25:01プロダクトマネ例えばプロダクト
25:03マネージャーだったらどういう風に吸収し
25:04てああの現実化してくかっていうのは
25:06かなり求められる世界の話だとは思います
25:09既に英語件ではもうこういった実際に使う
25:11生成焼けのプロダクトって出てきてると
25:13思うんですけどもそういう風にもうかなり
25:15精度が高いっていうプロダクトはどれ
25:17ぐらいの時間軸でまいろんな分野で出て
25:19くるんでしょうかねあの精度が高いモデ
25:23ルっていうのはおそらく
25:25まだまだえっと時間がかかる話だだと思っ
25:28てるんですねであのむしろ今のえっと生系
25:32生成愛系のプロダクトを見てて思うのは
25:35まずどこにユーザーさんの期待値を置くの
25:37かっていうことに対してすごく慎重に行っ
25:40てるわけなんですねで先ほど言った通り
25:42そのえ生生に対して魔法の推奨のような
25:45捉え方をされてしまうとおそらくほとんど
25:47のプロダクトは死んでしまうんですねあの
25:49全然期待通りのことやってくれないじゃ
25:51んっていう話になってしまってあのすぐ
25:53使われなくなってしまうとだけどもこの
25:55プロダクトは例えばこういうことができ
25:57ますよととかあるいはこの部分だったら
26:00このプロダクトはできあのえっとこの
26:02レベルでアウトプット出せますよっていう
26:04ことを例えば事前のデモだったりサンプル
26:06のアウトプットだったりして実際に目に見
26:09てもらうっていうところがあったりする
26:10わけなんですね例えばあの1つご紹介し
26:13ますけどあのガリレオAIっていうプロフ
26:15はあるんですこれあのフリーでも頼みせる
26:17んで是非使って欲しいんですけど基本的に
26:19このプロンプトでテクストUIって書れて
26:21あるんですけども自分で例えばこういう
26:24あのスキーのアプリを作りたいというよう
26:26なことが言ってる書かれてるわけなんです
26:28けどこれを書くとですねそのガリレオAI
26:30っていうのがあじゃあこういうウェブ
26:31サイトが必要なんだねっていうことを考え
26:33てくれるんですねでそれに対してあの
26:35じゃあこういうあのこういう風にページを
26:37カスタマイズしてっていう風にすると
26:39こんな風にUIが出てくるわけなんですよ
26:41でなおかつここからあのここにですねあの
26:45フィグマって書いてあるんですけどあの
26:47いわゆるフィグマっていうデザインツール
26:48があるんですけどここに貼り付けることが
26:51できるんですねあのコンポーネントuui
26:53のコンポーネントも含めてでえっとそう
26:55いうところで死体値を設定しながらうま
26:58うくその現在のユーザーさんの
26:59ワークフローの中にも落とし込めて
27:01るっていう形なんですよねですだからその
27:03辺の先ほど言ったように確率でこう
27:05アウトプットがぶれてしまうっていう
27:07ところをいかにその今できることと
27:10ユーザーさんのフローの中でこうミックス
27:12させるかってこの部分の期待値の調整を
27:15すごく慎重に行ってるプロダクトが多いっ
27:16ていうのは間違いないですああじゃそこの
27:19限界も含めてお伝えして期待値調整をする
27:22コミュニケーション行うのも大事な役割な
27:24んですね企業側でありプロダクト
27:25マネジャーあ分かりましたそこ今の
27:28インプットの質のところも含めてま逆に今
27:31んとこ生成愛プロダクトがま失敗する主要
27:33員みたいなものがあったら教えていただき
27:35たいんですけどはい分かりましたあの生成
27:38AIのプロダクトが失敗するっていう
27:40ところでいろんな理由があるんですけども
27:42特にこういう新しいプロダクトが出てきた
27:45時に1番陥りがちなのってやっぱ技術なん
27:49かねテクノロジースタックとかを構築して
27:51から解決できる問題を探すっていう
27:53スタイルを取ってしまう人なんですよで
27:55例えばこれって別に生成に始まったわけで
27:58なくてあのブロックチェーンとかクリプト
28:02カレンシーとかWeb3っていうキー
28:03ワードがわーっと流行った時にいろんな
28:05スタートアップが世の中へ現れたじゃない
28:07ですかで結局今残ってる会社とかあるいは
28:12インパクトを出し続けてる会社ってどこっ
28:14て言うと多分誰も知らないと思うんですよ
28:16もあるとは思うんですよあると思うんです
28:17けどもほとんど知られてないと思うんです
28:20ねでこれはやっぱり重い先行で実際の需要
28:23性を確認できてないままこう突してしま
28:26うっていうケースがやっぱ多かったんじゃ
28:28じゃないかなっていう風に振り返ることが
28:30できますしまもちろんそのあの収益モデル
28:33がねビジネスとして成立できてないと
28:35いわゆるそのクリフトカレンシーと非常に
28:36このボラティリティが高いカレンシーと
28:38連動してますんでそもそも安定した収益
28:41モデルがこう成り立たないっていうことに
28:43なかなかこう修練できなかったっていうの
28:45もあるでしょうねでもちろんその発展登場
28:48の技術なんでわその例えば企業家の皆さん
28:51プロダクトマネージャーがやりたいことに
28:52対してどう実現していくのかっていう
28:54見通しが難しかったりもしくは甘かった
28:56りっていうところでまして失敗してしまう
28:58ケースっていうのはたくさんあったように
29:00あ僕は振り返ることできますなのでま同じ
29:02ようなことがね特にやっぱ生成系の
29:04プロダクトでもちらほらやっぱ出てきたり
29:06してますし例えばあのスタビリティAI
29:09っていうスタートアップがあるんですけど
29:11これあの元々ステーブルディフュージョン
29:13ていういわゆるえっとテキストから画像を
29:16生成するモデルを作った会社ですよねある
29:18意味総子者なんですモデルのなんですけど
29:21も今も身売りをさ探して身売り先を探し
29:24てるような状況だったりするんですねで
29:27これやっぱり特にこの収益モデルが
29:29ビジネスして成立できないってところに
29:31まさにあの修練するんですけどやっぱね月
29:33でねえっと日本円で言うと10億円ぐらい
29:37かかってるんですねまこのサービスを
29:39ランニングするのにでやっぱそれだけの
29:42収益を慣れたたせないと成立しない
29:44サービスだったわけなんですよでこういっ
29:46た部分やはりそのなんだろうな技術先行で
29:50走ってしまって解決できる問題を後から探
29:53すっていうようなスタイルを取ってしまっ
29:54たが故にあの失敗してしまったっていうの
29:56はあ見受けられますよねはいその意味では
30:00インターネットの時もサービスも赤字を
30:02掘ってもいいんでとにかくまずユーザー
30:03集めればいいって発想でしたけどそれは
30:05ダメなんですかあのここもよくねえっと
30:09マーケティング出身の方とかあのVCの方
30:13でも言ってる方いらっしゃるんですけど
30:15もちろんそのユーザーを獲得するっていう
30:16のはすごく大事ですこのプロダクトを作る
30:19においてただ僕が主に1番もっと大事な
30:22ところていかにユーザーに定着してもらう
30:24かなんですね使い続けてもらって何ぼな
30:28ですよで例えばあのゲーム系のプロダク
30:31トってえっとすごくこの似たようなこう
30:35えっとなんて言うのユーザーの定着の問題
30:37をえ抱えていて最初にある日ダゲームを
30:40そのダウンロードして初日に使いまし
30:42たって言ってから次の日に戻ってくる人
30:45ってすごく少ないんですねゲーム系のアプ
30:47リってでプロダクトが定着しなかったら
30:50はっきり言って作ってる味全然意味ない
30:52じゃないですかあのダウンロードしてる
30:55だけだったらそれは全く意味ないんですね
30:56でよくあのあの日本でも見たりしますけど
31:00もあのダウンロード数ナンバーワンみたい
31:02にこう宣伝してる方いらっしゃいますけど
31:03もあれはね僕はあんまり意味ないと思っ
31:07てるんですねそれ以上にその中でじゃあ
31:09一体何人のユーザーが定着してくれてるの
31:12か使い続けてくれるのかとでその中から単
31:15なるアクティブユーザーじゃなくって
31:16もっとヘビーユーザーになってくれて
31:17るっていう状態ができて初めてその
31:19プロダクトは本当に成功する所持があ
31:22るっていう風に見ることができると思って
31:23ますでこれはどんなプロダクションになっ
31:26ても変わらないことですねこれは内
31:28プロダクトになっても同じようなことが
31:30あの通用するっていう風には思ってます
31:32はいその意味ではチャットGPTなんかは
31:34無料版もあってそちらは長く使われていて
31:37かつ有料版の方で課金してるってまあの
31:39バランスはいいってことなんですかねいや
31:40非常にそうですねあのサースのプロダクト
31:43をよく分かってるプロダクトマネージャー
31:44がきっといるんだなっていう風にはあの
31:46思いますよねはいあとこの重い先行で実際
31:49の重要性の確認ってところなんですけどま
31:51生生AI自体がま未知の体験なのでこの
31:54需要性の確認っていうのがかなり難しそう
31:56に感じるんですけどうんここはどうやって
31:58確認していけばいいんでしょうかねはい
32:00えっとねこれもよく日本でちょ聞いたり
32:03することがあるんですけどあのどうやって
32:06面を取るかみたいなこと言ってる人がいる
32:08んですよいかにこの多くのユーザーさんに
32:111度にアクセスするかみたいなこと言われ
32:13てる人がいるんですけどまプロダクトとか
32:16サービスによってはそれができるのかも
32:17しれないんですが特に生成AIのように
32:20新しい先ほど言った通りこの確率性で
32:23揺れるプロダクトであるっていうことあの
32:27今の現代プロダクトってなかなか1度に
32:30マスでこうわっとこう広がるプロダクトっ
32:33て作るのは非常に難しい世界なんですねで
32:36こういう中で麺を取りいきなり取りに行
32:38くっていうのは結構ねハードル高い話だと
32:41思うんですよだからこそ需要性を確認する
32:44ためにはまずはどこかのセグメントに
32:46しっかりフォーカスしましょうとでその
32:48セグメントの人たちが本当に喜んでくれ
32:50るっていう状況を作った上でないと多分ね
32:53あの広げる時に失敗してしまうっていう
32:55ことがかなり発生してますなのでその需要
32:59需要性を確認するっていう時に一体どこの
33:01セグメントを狙うのかとかそのセグメント
33:03の中のどんなプロあの問題を解決しようと
33:06するのかっていうことに対しては
33:08ものすごくシビアに見ないとおそらく最初
33:11の1歩目でこうつまづいてしまうだろうね
33:13いきなり面を狙うとねあのつまづいて
33:15しまうだなっていうことは言えますよね
33:17そのでは最初に確認するセグメントと言い
33:20ますかそういったとこはレーザー
33:21フォーカスというかかなり狭くてもいいん
33:22でしょうかねおっしゃる通りだと思います
33:24あの最初はえっとレーザーフォーカスって
33:27いいありますしあビーチヘッドっていう
33:29言葉があったりするんですけどあのまずは
33:32そこの狭いセグメントでもそのすごくも
33:36その問題があの解決されないと非常に痛い
33:40とそれがそのペインがものすごく痛い
33:42ペインがそこにあるっていうことあるいは
33:44ものすごくその作業するのに時間かかっ
33:46てるとかねいう無駄が発生してるとかねで
33:49こういうところでその体験っていうのが
33:52圧倒的なパフォーマンスで問題を解決
33:54できるかどうかってこういう部分があって
33:56初めてユがこれはすごいって思って
33:59もらえる状況を作れるわけなんですよで
34:02あのこれはねその精々愛だろうとどんな
34:04プロダクトでもそうなんですけどま人間
34:06ってこう驚くいい意味ポジティブな意味で
34:09驚くと感情がものすごく動くわけなんです
34:12よね例えば皆さんがあのどんな例えば本で
34:16もいいですしどんなアプリでもいいですし
34:18わこれすごいって思った瞬間ってますごく
34:21記憶にも残りますしそこが次のアクション
34:24にも繋がる例えばもっとこれ使ってみよう
34:26とかねもっとこの本読んでみようとかね
34:28いう次のアクションに繋がっていくわけ
34:30じゃないですかでこの辺のやっぱ感情の
34:33いい意味でのこのゆらぎっていうのを
34:35作れるプロダクトであるためにはやっぱ
34:38ユーザーさんに対する理解がやっぱすごく
34:41あの細かくて深いっていう状況を作れるの
34:43が一番やりやすいんですねでこれはやっぱ
34:45ねマスでやっちゃうとすごく難しいですし
34:47特にスタートアップだからこそこう
34:49レーザーフォーカスってかえっとす狭い
34:52セグメントでまずはそれを証明すると我々
34:54そのプロダクトを作る価値を作ることに
34:56意味があるっていうことを証明するって
34:58いうのがやっぱすごく大事なファースト
35:00ステップになりますあ分かりました園原
35:03さんあのBtoBKプロダクトもBto
35:05CKも両方されてますけど生成ア
35:07プロダクト作る上でBtoBかBTOCか
35:09で結考え方の違いってあるんでしょうかあ
35:11はいえっとBTOBとBTOCであの1番
35:15大きな違いっていうのはあまずその生成I
35:18っていう手前なところですねこれあの生I
35:21だろうとなかろと変わらない部分でお話を
35:24するとBTOCとBtoBのプロダクトの
35:261番の違いって誰がお金を払うのかって
35:29いうところなんですよでBtobはその
35:31使う人とそれに対して予算を取ってきて
35:34承認してじゃそれに対してそそうその通路
35:36を買うよっていうあの意思決定をする人が
35:39いるんですけどこれが使う人と違ったり
35:41するんですねでもBtoCって基本的に
35:43同じ人じゃないですか例えばAmazon
35:45で何かを買うって時に自分で選んで自分で
35:47お金払うじゃないですかでここがやっぱり
35:49決定的に違うところなんですねじゃあここ
35:52にCIの文脈を持ってきてあの何が変わっ
35:55てくるかっていうと例えばBtobの世界
35:57になるんですけども生成AIを入れた時に
36:00例えばじゃあ僕のチームの生産性が今まで
36:03使う前よりも生産性が例えば5倍10倍
36:06良くなりますっていう話になるとそれは
36:08やっぱりビジネス的に例えば時間がこれ
36:11までえっと1週間ぐらいかかってたのが
36:13わずか6分ぐらいで終わりますみたいな
36:15世界だと圧倒的に生産性が上がるんですね
36:18これ企業としてやっぱRoiが高いって
36:20いう話になるわけじゃないですかだこう
36:22いう部分のその見え方ですよねでここの
36:25見え方があのちゃんとプロダクトのその
36:28確率的なゆらぎがある中であのストーリー
36:31が作れるかっていうのが結構やっぱB
36:33tobプロダクトの中ではすごく重要です
36:35よねでま確かにBtoCでも同じような
36:38議論はありますあのBTOCでもやっぱり
36:40その人があの常に仕事何かをしてるタスク
36:43もしくは何かをやってる仕事の中でその人
36:46がその生生プロダクトを使うことによって
36:49今までこんなに時間かけて調べてきて
36:51こんなにあの面倒な作業やってきてで
36:53ようやくこのアウトプットができてき
36:54たっていう世界に急にその生成プロダクト
36:56が入ってくることによってわずかもう2分
36:58ぐらいで終わっちゃうみたいなねいうあ
37:00そのいわゆるカスタマーワウみたいな言い
37:02方をするんですけどそういう体験が作れる
37:04とそのユーザーさんはあのまかなり高い確
37:08でまずはトライアルはやってくれる
37:09でしょうねだこんな流れを作れるかって
37:12いうのはやっぱこの制裁プロダクトB
37:14TOCだろうBTOBだろうとあのすごく
37:16重要な観点になってくると思いますよね
37:18はいBtobの場合は特にやはりコスト
37:21削減っていう目的がもう当面大半になるん
37:23でしょうかね今はそれが1番分かりやすい
37:26文脈だだと思うんですよねで特にそのよく
37:30ババイヤってあのBtobの世界で言うと
37:33そのバイヤって言うんですけどもそのその
37:35ツールを買うかどうかっていうことに対し
37:36て意決定をすることバイヤーって言うん
37:38ですけどそのバイヤーが1番えっと予算を
37:41取ってきやすい承認を得やすいっっていう
37:43意味だとま特にそのコストカットっていう
37:46ところは目に見えてその数字が変わる
37:48ところなんですよねだそういう意味で話を
37:50しやすいって間違いなくそうだと思います
37:52なのであの最初の1歩目として必然的に
37:55そのコストカット系のねあの生成
37:57プロダクトが出てくるのは全然あの不思議
37:59がないですしむしろそこからユーザーさん
38:01自体が生成愛ってのはこういうもんだって
38:03いう認知が広がってくことが次のあのあの
38:07切り口の生生プロダクトが出てくる素行に
38:09なるっていう風には僕は思ってますなので
38:11この先にはもっとそのダイレクトに石決定
38:13を支援する生成アプロダクトとかあるいは
38:16リサーチを支援するプロダクトとかもう
38:18実際にありますけどもあの例えばユーザー
38:21インタビューする時に助けてくる生成
38:23プロダクトがねいろんなキシのそういう
38:25BTBプロダクトが出てくるのは多分自然
38:27流れだと思います自社の持ってる
38:29コンピテンシーとあの隣接してるまたまた
38:32かぶってるところから始めるっていうのは
38:35間違いなく大事なところだなっていう風に
38:36は思ってますなんでガーフデってこんな
38:39大きい動きに一気にこんだけどでかい組織
38:42がちゃんと適用できたんですかいやこれ
38:44すごいなと思って企業のトップの人たちが
38:46ソフトウェアプロダクトっていうことを
38:48すごく理解してるんですねだからこそこう
38:51いう人に対してこういう投資をしなきゃ
38:53いけないしあの会社のお金っていうのは
38:55こういう風に使わなきゃいけないし単に
38:57コストカットすりゃいいってもんではない
38:59会社はこういう文化であと意思決定なり
39:01コミュニケーションなりあのチーム同士の
39:04コラボレーションてのはこういう風にやる
39:05べきだしっていうことがきちんとあの社員
39:07の中に落ちてきてるってやっぱねこの辺が
39:10うまくミックスされてるのが間違いなく
39:12強い原因だなっていう風には思いますよね
Browse More Related Video
【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)
