「捨てる力」がプロダクトを強くする

プロダクトマネジメントLT会【JAPAN AI、estie、TOKIUMなどの事例共有】での内容

■connpassのイベントページ
https://supporterz-seminar.connpass.com/event/391346/

Transcript

1. 「捨てる力」がプロダクトを強くする 〜 AI時代のプロダクトマネジメント 〜 株式会社TOKIUM プロダクト本部 木下 博揮
2. 木下 博揮 Hiroki Kinoshita 経歴 2025年 株式会社TOKIUM 入社 TOKIUMインボイス プロダクトマネージャー NOW! 経費承認エージェント プロダクトマネージャー 自己紹介 ⚫︎ ⚫︎ 2
3. 経理AIエージェント「TOKIUM」は、AIとプロスタッフが連携し、経理作業を丸ごと代行。単に効率化するのでは なく、作業自体を手放すことで「時を生み」 、全社員が本来の業務に集中できる環境を実現。 日常的な言葉で指示 経理作業を丸ごと代行 作業完了 「経理AIエージェント TOKIUM」とは 3
4. プロダクトに対して様々な要望 届いてきませんか？ 4
5. しかしリソースが限られている以上、 その中から絞らなければいけません。 5
6. AIでアウトプットを増やすコストは、もう極端に下がった。 誰でも、何でも、それっぽく作れる時代。 だから、価値を生むのは『増やす』側ではなく『絞る』側。 増やす （AIで自動化済み） → 絞る （人間がやる差別化領域） AI時代の最大の差別化は「何を捨てるか」 6
7. お疲れ様です〜 AIで生成された画像を検知することって技術 的に可能ものでしょうか？ お客様から上記の対応方針・対応可否を聞 かれておりまして ▶ 当初の自分の反応 「今後求められる機能になりそう？」 → 一旦は検討 でも、深掘りした結果...判断は変わった 新しい要望が！ 7
8. STEP 1：AIと評価軸の設計 プロンプト この要求を捨てるか採るかの評価軸を出して AI が出した軸 アウトカム貢献度 代替可能性 機会費用 撤回条件 STEP 2：AI が分類 プロンプト 各軸でスコアして象限に分類して AI のスコア アウトカム貢献度 = 低 KPI 寄与小・他顧客波及なし 代替可能性 = 任せにくい AI 画像検知は独自開発が必要 任せにくい 任せられる 高 ④コア ③AIレバ 低 ②再考 or 却下 ★ ①削る →「② 再考または却下」 STEP 3：人間が判断 再考か却下かを判断 （AI には分からない） ⚠ AIでの画像偽造は刑法該当 （私文書偽造・詐欺罪） ⚠ 業務上の発生確率は低い ⚠ 重複領収書検知を優先 → 「却下」を選択 DR-001 として確定 「評価軸」担当 「分類」担当 「意思決定」担当 AIと収束を行うが最後の 「捨てる」 だけは、業務リアルを知る人間がやる。 AI と「捨てる」を決める ― 3 ステップ 8
9. ▶ 仕組みのループ ① 判断する瞬間 ↓ ② 意思決定ログ なぜ選んだ / なぜ捨てた / 撤回条件 ↓ ③ 時間が経つ（3 ヶ月〜半期） ↓ ④ 過去判断を 3 分類で振り返る 正解だった / やるべきだった / 保留 ↓ ⑤ 判断軸が見える化される 軸自体の精度が上がる → ① に戻る ▶ 積み上がるもの DR- 001 AI画像検知 捨てた DR- 002 ◦◦◦ 捨てた SDR- 001 LLM選定 採った RR- 001 Q3 振り返り 学び ... 過去判断が蓄積 「あの判断、結果どうだった？」が すぐに辿れる 状態に 収束力の仕組み ―「なぜ捨てたか」を毎回 資産化 する 9
10. 判断軸が 見える化される 自分の判断軸が浮かび上がる。 → 軸自体の精度を上げられる 次の判断が 加速する 過去判断が積み上がり、今後の判断 に活かせる → Sprint / ロードマップが加速 学びが 蓄積される 振り返りで「正解」 「やるべき」を積 み上げ。 → 判断軸の精度向上 「捨てる」を 1 回で終わらせず、仕組みで 積み上げる。 「捨てる」がスケールする 10
11. AI時代に問われるのは「何を選ばないか」 AI活用の議論は『どれだけ広げられるか』に偏りがち。 でも本当に重要なのは、生成された大量のアウトプットの中から 『何を選び、何を捨てるか』 を判断する力。 “ ” 11
12. 資料公開＆技術発信は公式Xから 本日のスライドは公式Xで公開！ 開発チームの技術やイベント情報を 発信中、フォローお願いします！ @TOKIUM_Dev 情報発信中！ 12