「AI によって、プロダクト マネージャーは不要になる」
「PM はすべて AI の専門家になる必要がある」
「AI を使わないと、遅れをとる」
これらは、LinkedIn のフィードや業界のニュースレターにあふれている見出しのほんの一部です。プロダクト マネージャーであれば、おそらく似たような主張に遭遇したことがあるでしょう。これらの一つひとつが、多くのことを要求されるプロダクト マネージャーという役割にますますプレッシャーをかけています。しかし、製品チームと接する機会に、私はしばしば異なるストーリーを耳にします。そこには混乱や懐疑論があり、時には、日常業務に十分に AI を活用していないことに対する罪悪感さえもあります。
過剰な宣伝の背後にある現実
AI ツールを使用している 1,000 人以上の科学者を対象に MIT が実施した調査で、研究者は予想外のことを発見しました。それは、生産性は大幅に向上したものの、仕事の満足度は実際には低下しており、82% の科学者が自分の仕事に対する満足度が低下したと報告していることでした。
生産性の向上と満足度の低下というこのパラドックスは、AI 導入における人間的側面について重要なことを教えてくれています。
「これまで学んできたことの多くが無価値となったと思わされた」とある科学者は述べています。
関心と不安の入り混じった気持ちで AI 開発を見守っている多くのプロダクト マネージャーも、上記の感想に共感を抱くことでしょう。
こうした課題にもかかわらず、AI が私たちの働き方に及ぼす潜在的な影響は、無視できないほど大きなものです。
最新のアトラシアンのチームワーク ラボの調査では、AI を最大限に活用するには、その導入よりも考え方のほうがはるかに重要であり、それが成熟度の鍵となるということが示されています。
結果は明らかであり、仕事の未来の形は人間と AI のコラボレーションです。アトラシアンのデータによると、AI コラボレーションを最も戦略的に進める人たちは次のことを実現します。
- AI を活用して、取り組みの ROI を 2 倍にする
- 毎日 105 分の時間 (週換算で 1 営業日) を節約する
- 1.5 倍高い確率で、節約した時間を新しいスキルの習得に再投資する
- 1.8 倍高い確率で、革新的なチームメイトと見なされる
私たちは、AI ツールがプロダクト マネジメント業務をどのように強化し、潜在的に阻害し得るのか、そのパターンを特定しました。この記事では、AI の分析能力を活用しながら、人間の判断力と創造性を維持することに焦点を当てたモデルを探ります。このバランスが、AI の導入を成功させるために重要であることが研究によって示されています。
AI を活用した新しい職場環境を成功に導くために、私たちは次のステップに進むことを提案します。
- AI の仕組みとその限界を理解する
- チームメイトとして AI とコラボレーションし、この種のやり取りに慣れていく
- そして最終的に、AI が業務に最も価値をもたらすことができる場面を予測する
チームメイトである AI を理解する
AI を活用する習慣を確立する前に、まず AI がどのように機能するのかを理解する必要があります。
自分がパーティーに参加している場面を想像してください。あなたの周りでは、複数の会話が同時に行われています。特定の会話をフォローしようとすると、使われている言葉、声のトーン、それまでのコメント、全体的なコンテキストなど、さまざまな要素に注意する必要があります。これは、現代の AI のバックボーンであるトランスフォーマー モデルが情報を処理する方法と似ています。
あなたが会話のさまざまな側面を一度に処理できるのと同じように、2017 年に導入されたトランスフォーマー モデルは、入力の複数の部分に同時に注意を払うことができる能力によって、AI に革命をもたらしました。コンテキストと情報間の関係性を処理することができるこの能力が、現代の AI ツールを非常に強力なものにしています。
こうした基盤の上に、大規模言語モデル (LLM) が構築されています。LLM は、本、記事、コード、会話など、インターネット上のほとんどすべてのものを読み終えていると考えることができます。膨大な量のデータからパターンを学習済みであるため、コンテキストやニュアンスを理解し、人間のようなテキストを生成し、パターンや関係性を認識し、会話に基づいて回答を調整できるようになっています。
この記事では、LLM とやり取りをするための最も一般的なインターフェイスの 1 つである AI エージェントに特に焦点を当てています。これらのエージェントは会話型のインターフェイスとして機能するため、LLM と自然に会話ベースの方法でやり取りができます。LLM は、コード補完、コンテンツ生成、自動分析など、さまざまな方法で製品やワークフローに統合できますが、エージェントは、AI がより協調的でアシスタントのような役割を果たす特定のパラダイムを表しています。エージェントは、ほとんどのプロダクト マネージャーが日常業務で直接操作するインターフェイスです。ChatGPT や Claude のような汎用ツールや、Rovo のような職場の専門エージェントなどが例として挙げられます。
能力と制限事項
AI エージェントはパターン認識に優れており、人間が気付かないような、大量のデータの傾向やつながりを発見します。言語処理に非常に長けていて、さまざまなスタイルや形式の、人間らしいテキストを理解し、生成します。長い会話でも前後関係を維持し、問題の複数の側面を同時に検討できる能力は、プロダクト マネジメントのような複雑なタスクには特に役立ちます。
しかし、AI エージェントの限界を理解することも非常に重要です。AI エージェントは、自信に満ちたトーンで、ためらうことなく間違った情報を提示することがあります。原因と結果を真に理解しておらず、本物の理解ではなく、パターン マッチングに依存しているからです。AI エージェントの知識はトレーニング データに限られていることが多く、特にインターネットや検索機能にアクセスできない場合は、リアルタイムの市場の変化や新たなトレンドには対応できません。
このような強みと限界を理解することで、コア スキルを置き換えるものとしてではなく、業務を補完する強力な機能として AI にアプローチすることができるようになります。このことを踏まえて、業務においてどのように AI ツールと効果的な関係を構築していけばよいのか、その方法を探っていきましょう。
微妙な影響を理解する
Google は、15 年間にわたり、誰もが無条件に使用するオンライン検索ツールだったという事実に目を向けてみましょう。これは、「マッスル メモリー」でした。つまり、新しいタブを開いて、「google.com」と入力してみてください。するとこれが、身に沁みついた習慣であることが分かるでしょう。しかし、このわずか 1 年で、その数十年にわたる行動が完全に変化しました。最初は「Browse for me」の Arc Search が登場し、その後、ChatGPT、Claude、Perplexity を経て、現在は DeepSeek R1 へと、業務関連の検索は急速に変化してきました。
この変革は、AI の導入について重要なことを物語っています。それは、AI ツールが本当に優れた体験を、より速く、より効率的に、より洞察力豊かに提供するのであれば、極めて深く根付いた行動様式さえも、驚くほど短期間で再形成され得るということです。私たちがツールを変えるのは、そうするように指示されたからでも、流行っているからでもありません。AI を活用した新しいソリューションが、根本的に私たちのニーズを満たすことに優れているからです。
AI を脅威や特効薬と見なすのではなく、新しいタイプのチームメイトと見なす必要があります。良き同僚と同じように、AI にも特定の強みと限界があります。重要なのは、効果的にコラボレーションする方法を学ぶことです。
AI チームメイトとのコラボレーション
AI の現在の活用状況から、重要なパターンが明らかになっています。それは、ほとんどの人が業務に関する具体的な質問をするために、汎用データでトレーニングされた汎用の AI エージェントを使っているということです。このようなミスマッチは、しばしば失望や不満の原因となります。
効果的な AI コラボレーションの未来のために重要なのは、専門データでトレーニングされた専門のエージェントです。アトラシアンの Rovo を例として考えてみましょう。この AI アシスタントは、戦略文書や PRD を含む Confluence のナレッジ ベース、現在のチームの作業と進捗状況を示す Jira プロジェクト、会社の目標、四半期計画の成果物など、業務全体のコンテキストにアクセスできます。業務に関して質問をすると、Rovo は、その組織固有のコンテキストに基づいた回答を返します。
AI が業務をサポートする方法において、これは根本的な転換を意味します。このような専用の AI チームメイトは、インターネット全体のトレーニング データに基づいた一般的な回答ではなく、組織の特定の課題、優先事項、働き方に直接関連する洞察を提供できます。この違いを理解し、それに基づいて行動する企業、つまり自社のナレッジ ベースやワークフローと深く統合された AI システムに投資する企業は、チームの運営方法や意思決定方法において大きな競争上の優位性を獲得します。
専用の AI ツールが普及しつつある一方で、現実には、ほとんどの製品チームが日常業務で AI を活用していません。
このギャップを埋める鍵は、タスクや課題にアプローチする際に、効果的に取り組むには AI がどのように役立つかをまず考えるという、「AI ファーストの考え方」を身につけることです。
これは、すべてに AI を使うということではありません。AI がいつ、どのように、業務の推進に本当に役立つかを把握する判断力を養うということです。
持続可能な AI 習慣を身につける
AI の活用を必要最小限の使用から戦略的コラボレーションに移行させることで、企業は AI の可能性を最大限に活かし、ROI を大幅に向上させることができます。しかし、AI に対する考え方の転換は、時間の節約だけではなく、はるかに大きなものをもたらします。AI コラボレーションは、継続的な改善を促進し、業務の質を高め、有意義なイノベーションを後押しすることで、企業の競争力を高めることができます。
AI の導入を有意義なものとする鍵は、AI の活用を持続可能な習慣とすることです。
ユーザーの問題に対してさまざまなアプローチを模索したり、関係者とのコミュニケーションを調整したりする際に、相談役として AI を一日中活用することができます。
これらの習慣を確立するための実践的な方法と例をいくつか紹介します。
プロダクト ディスカバリー中に
人工知能を使用して、インタビューの記録から見逃した可能性のあるパターンを分析したり、テストする新しい仮説を立てたり、ユーザーからのフィードバックから浮かび上がってきたテーマを特定したりします。
たとえば、Sauce AI のようなツールで複数の情報源からフィードバックを収集して分析し、複数のコミュニティ グループで提起されたテーマや共通の課題を特定して意思決定の参考にできます。
製品戦略で
人工知能を活用して、さまざまな市場シナリオを探り、新しい角度から競合環境を分析し、代替の戦略的ナラティブを生成します。
Perplexity Pro のようなツールを使用すると、さまざまな情報源を横断して驚くほど迅速に調査できます。それは人間による調査に代わるものではありませんが、次にどうするかを決める糸口になります。
人工知能のチームメイトは、多くの場合、ワークフローの最初か最後、つまり構想プロセスを開始したときのアイデア出し、または執筆の終わりにコンテンツの構成を整える作業で最も有効に機能します。人工知能のエージェントにアウトソーシングした調査では、出典を常に確認してください。
製品開発中に
これらのプロセスの間、人工知能を人間の置き換えとしてではなく、パートナーとして利用することが重要です。このことは、人工知能を創造性の低下ではなく向上につなげて、MIT の研究で見られた仕事の満足度の懸念に対処するために役立ちます。
人工知能のチームメイトが次にどのように進化するかを予測する
MIT の調査は、人間と人工知能のパートナーシップがどこに向かうのかについての貴重な手がかりを与えてくれます。特にプロダクト マネージャーにとって、注意すべき点は次のとおりです。
専門特化型人工知能の台頭
クライアント側での処理の増加に伴い、基盤となるモデルのコモディティ化が進むと予想されます。競争力を維持するために人工知能の機能はより専門特化され、開発者とエンド ユーザーの両方に合わせた微調整を加え、パーソナライズされた機能を提供するものが優位に立つでしょう。このことは一部のツールですでに見られ、たとえば Cursor では、コンテキスト認識型インテリジェンスを開発者のワークフローに直接組み込み、一般的な人工知能の機能をコードとインテントの両方を理解する特化型のアシスタントに変えることで、専門特化型人工知能の革新的な可能性を示しています。
勝利のためには最も強力なモデルを持つ必要はなく、既存のワークフローやユーザー エクスペリエンスに人工知能を最適に統合することが重要になるでしょう。
MoE (混合専門家) モデル
混合専門家モデルは、専門部門を持つ会社に似ています。
これは、従来の LLM のようにすべての質問をシステム全体に送信するのではなく、モデルのどの「専門」部分がタスクを処理するかをすばやく決定する「ルーター」を備えています。つまり、科学の質問には物理学の専門家を、タスクを記述するには言語の専門家を使用するなど、特定のジョブごとに関連する部分のみが有効化されます。
どのようなメリットがあるのでしょうか。低コストで大幅に高い効率が実現することにより、現実的な費用で多様なタスクを処理できる、より専門特化された効率的な製品を構築できます。
プロダクト マネジメントにおける人的要素
おそらく最も重要なのは、人工知能の普及に伴い、人々は信頼性、品質、意味をますます求めるようになるということです。次のようなことが起こる可能性が高いでしょう。
- 人間的な顧客サービスと技が復興します。
- 世界クラスのストーリーテリングと感情的なエンゲージメントに、より大きな価値が見いだされます。
- ユニークでパーソナライズされたエクスペリエンスを提供する中小企業が再興します。
- 人間特有の能力を活用する新しい機会が出現します。
この新しい時代に究極的に勝利するには、ビジネスの科学は規模に関するものである一方、ビジネスの芸術は一般的には拡張しないもの、つまり人工知能が真似できない人間味にあることを理解する必要があるでしょう。
このことはプロダクト マネージャーにとって何を意味するのでしょうか。
プロダクト マネージャーがどのように人工知能を活用して仕事を楽にできるかについては説明してきましたが、自社の製品ラインナップにより適切に人工知能を組み込むにはどうすればよいかという問題もあります。成功するには、おそらく次のことが求められるでしょう。
- 単一のモデルに頼るのではなく、複数の人工知能機能を調整する方法を理解すること
- 主な差別化要因として、インターフェイス設計とユーザー エクスペリエンスに焦点を当てること
- 中核となる製品エクスペリエンスにパーソナライズを組み込むこと
- 製品に意味と感情的な共鳴をもたらす人間的な要素を維持すること
- 人間の能力を置き換えるのではなく、強化するワークフローを作ること
誰もがまだ模索しています。そしてもちろん、実現するテクノロジーは改善を続けているため、変化し続けています。大幅な進歩があったものの、その道のりはまだ始まったばかりです。
最も重要なことは、尋ねるべき正しい問いと、答えを決めるまでの手順についての理解が深まったことです。
これからの道のりで問われるのは、時代に取り残されるか、人工知能の専門家になるかを選ぶということではありません。人工知能がツールキットの単なるツールである世界で、より優れたプロダクト マネージャーになることを学ぶことが重要です。そして、その道のりは平坦ではないかもしれませんが、進む価値はあります。
