Slide 1

Slide 1 text

© Findy Inc. 1 Agentic AI時代のプロダクトマネジメントことはじめ 〜仮説検証編〜 2025.01.28 ファインディ株式会社 プロダクトマネジメント室 室⻑ 稲葉 将⼀

Slide 2

Slide 2 text

⾃⼰紹介 イントロダクション 早稲⽥⼤学卒業後、新卒でリクルートに⼊社。国内転職事業にて、プ ロダクトデザイン‧プロダクトマネジメント‧海外HR事業にて、マー ケティング‧事業企画等を経験しFindyに⼊社。 2024年より、プロダクトマネジメント室を⽴ち上げ、室⻑を担当。 今年の⽬標は、ハーフマラソン5分/km切り🏃 稲葉 将⼀ プロダクトマネジメント室 室⻑ @bachio178 ファインディ株式会社 Masakazu Inaba

Slide 3

Slide 3 text

生成AI時代にどう PMが生き残るか? 仮説検証をテーマにお話します。

Slide 4

Slide 4 text

Takeaways アジェンダ 1. Agentic AI時代のプロダクトマネジメント ● “Human in the loop” な仮説検証Ops 2. プロダクトマネジメント×⽣成AIの協働 ● “AI Autonomy”な時代 を⾒据えたAIオンボーディング 3. プロダクトマネージャーに残される仕事とは? ● AIに勝る○○○○○○で⽣き残るべし

Slide 5

Slide 5 text

技術 物理×デジタル世界の融合 進化 センサーやアクチュエーター により、AIが「⾝体」を得る PM⽬線 インタビューなどもAI⾃律す るなら、もはやPMいらな い?? 技術 ⾼度なReasoning能⼒の実現 進化 AIによる⽬的達成に向けた⾃ 律的な⾏動の実現 PM⽬線 業務効率化が⽌まらな い、、、が、セーフティーラ インはどこ?? AI時代の変遷 Agentic AI時代のプロダクトマネジメント Perception AI時代 Generative AI時代 Agentic AI時代 2020年代前半〜 2010年代〜 2023年頃〜 Physical AI時代 2024年頃〜 技術 多層ニューラルネットワーク 進化 画像認識や⾃然⾔語処理など 感覚的認識が飛躍的に向上 PM⽬線 AlphaGoすごい!レコメンド 精度、爆改善!!! 技術 LLM⼤規模⾔語モデルの出現 進化 マルチモーダル⼊⼒や⻑⽂処 理能⼒の⼤幅な向上 PM⽬線 テキスト、画像、⾳声、動画 の⾃動⽣成。アウトプット⽣ 成捗る!

Slide 6

Slide 6 text

質問:東⼤⼊試の数学問題どのくらい解けますか? Agentic AI時代のプロダクトマネジメント

Slide 7

Slide 7 text

現在地:GPT o1-proだと、約7割正答できるレベルに半年で急速に進化。 Agentic AI時代のプロダクトマネジメント 2024年12⽉ 2024年9⽉ 2024年5⽉ モデル:GPT-3.5 モデル:GPT-o1 モデル:GPT o1-pro 1点/120点 55点/120点 (合格ライン) 82点/120点 引⽤:https://t.co/KTjzQ0M8mc 引⽤ :https://metaskilling.blog/chatgpt-o1-t oudai-math/ 引⽤ :https://note.com/noboruando/n/n379 7fb744a08

Slide 8

Slide 8 text

生成AIにはもう勝てない。。。

Slide 9

Slide 9 text

これからのAI時代でのPMの役割 Agentic AI時代のプロダクトマネジメント Artificial Superintelligence 時代 どんな世界? リアル「ターミネーター」の世界 PMの役割 “ASI in Control”な時代。 今PMがやっている仕事はほとんど 代替されるはず。。。 Physical AI時代 どんな世界? ⾃動運転や⼈型ロボットの世界 PMの役割 “AI Autonomy”な時代。 物理世界のデータを用いて、 AIが自 律的に行動する支援。 Agentic AI時代 どんな世界? AI Copilotを従える世界 PMの役割 “Human in the Loop”な時代。 DBのデータを⽤いて、AIと協働し て、いかに ⽣ 産 性 を ⾼ めていく か。 ×

Slide 10

Slide 10 text

これからのAI時代でのPMの役割 Agentic AI時代のプロダクトマネジメント Artificial Superintelligence 時代 どんな世界? リアル「ターミネーター」の世界 PMの役割 “ASI in Control”な時代。 今PMがやっている仕事はほとんど 代替されるはず。。。 Physical AI時代 どんな世界? ⾃動運転や⼈型ロボットの世界 PMの役割 “AI Autonomy“な時代。 物理世界のデータを用いて、 AIが自 律的に行動する支援。 Agentic AI時代 どんな世界? AI Copilotを従える世界 PMの役割 “Human in the Loop“な時代。 DBのデータを⽤いて、AIと協働し て、いかに ⽣ 産 性 を ⾼ めていく か。 × 本⽇のメインスコープ

Slide 11

Slide 11 text

Mixed Initiativeな時代で、AIと⼈間が両者共に主導権を握り合う Agentic AI時代のプロダクトマネジメント

Slide 12

Slide 12 text

Agentic AI時代の仮説検証におけるポイントは?

Slide 13

Slide 13 text

⼈間の恣意性による”シナリオ”の正しさを証明する事 強いプロダクト組織は、事業状況に合わせた成⻑”シナリオ”を描き続けられる組織 そもそも仮説検証とは? Agentic AI時代のプロダクトマネジメント

Slide 14

Slide 14 text

シナリオ設計イメージ例 Agentic AI時代のプロダクトマネジメント リリース〜2年⽬ ターゲット:SMB, MM 3年⽬〜 ターゲット:Global, Enterprise Outcome Metrics Proxy Metrics Invest ment 【SPF】新機能にリソース100%投下 【PMF】チャーン防⽌:新機能 = 3:7 【SPF】新機能のAdoption, Usage Rate、継続利⽤指標 【PMF】上記+オンボーディング指標 【SPF】導⼊社数、MRR 【PMF】上記+Gross Churn rate 【SPF】新機能:チャーン防⽌:リファクタ = 7:1:2 【PMF】新機能:チャーン防⽌:リファクタ = 4:4:2 【SPF】新機能のAdoption, Usage Rate、継続利⽤指標 【PMF】上記+Global, Entオンボーディング指標 【SPF】導⼊社数、MRR 【PMF】上記+Gross Churn rate Solution Product Fit Product Market Fit Solution Product Fit Product Market Fit

Slide 15

Slide 15 text

Opportunity Solution Treesの活⽤ Agentic AI時代のプロダクトマネジメント Opportunity (ユーザー⽬線の機会) Solution (機会提供する付加価値) Experiment (付加価値の仮説検証⽅法) Desired Outcome (指標) Opportunity (ユーザー⽬線の機会) Solution (機会提供する付加価値) Experiment (付加価値の仮説検証⽅法) 事業指標とユーザー価値検証の構造化を通じて、注⼒する機会の⽬線を合わせる

Slide 16

Slide 16 text

【AI Autonomy】 シナリオ⾃体をAIに描いてもら い、AIが⾃律的にOpsを遂⾏す る 【Human in the loop】 ⼈ 間 が 設 計 したシナリオの 中 で、AIが⼀部Opsを代替する 【Human-Centered Design】 ⼈ 間 が 設 計 したシナリオの 中 で、⼈間がOpsを頑張る。 シナリオ実⾏における「Human in the loop」な仮説検証Ops Agentic AI時代のプロダクトマネジメント Phase1 Phase0 × Phase2 AIが⾃律的に実⾏するOpsの範囲を広げ、⼈間の恣意性を減らしつつ⽣産性向上へ

Slide 17

Slide 17 text

【Phase2】 AI Autonomy 何をAIに任せ、何を⼈間が”実⾏‧評価”するか? Agentic AI時代のプロダクトマネジメント ディスカバリー デリバリー シナ リオ 設計 市場 調査 仮説 設計 PRD 作成 情報 設計 要件 定義 開発 リ リー ス 効果 評価 仮説 FB 【Phase1】 Human in the loop

Slide 18

Slide 18 text

まず、業務フローにおける代替ポイントの精査 Agentic AI時代のプロダクトマネジメント ハイコンテクストなタスク ローコンテクストなタスク 発生頻度 低 発生頻度 多 戦略設計 インタビュー ライティング PRDレビュー 要件定義 IA, UI/UX設計 リリース案内 リファイン メント 事例リサーチ 競合リサーチ 施策評価 プレス リリース 障害対応

Slide 19

Slide 19 text

⾼発⽣頻度×ローコンテクストなタスクから、AIへの代替可能性を探る Agentic AI時代のプロダクトマネジメント ハイコンテクストなタスク ローコンテクストなタスク 発生頻度 低 発生頻度 高 戦略設計 インタビュー ライティング PRDレビュー 要件定義 IA, UI/UX設計 プレス リリース リリース案内 リファイン メント 事例リサーチ 競合リサーチ 施策評価 障害対応

Slide 20

Slide 20 text

40を超える レビュー観点を基に、AI botがPRDフォーマットに沿って改善点をフィードバック。 【ファインディ事例】PRDレビューbot プロダクトマネジメント×⽣成AIでのProduct Ops PRD作成 AI botレビュー ブラッシュアップ POレビュー 観点の⾔語化 botへFB

Slide 21

Slide 21 text

40を超える レビュー観点を基に、AI botがPRDフォーマットに沿って改善点をフィードバック。 【ファインディ事例】PRDレビューbot プロダクトマネジメント×⽣成AIでのProduct Ops AIレビューアウトプット

Slide 22

Slide 22 text

【ファインディ事例】UXライティングレビューbot プロダクトマネジメント×⽣成AIでのProduct Ops 20のライティングルールと⽤語集を基に、AI botがライティングをレビュー。 AIレビューアウトプット

Slide 23

Slide 23 text

AIによる自律的な仮説検証におけるポイントは?

Slide 24

Slide 24 text

完全なAIによるタスクの自律実行は リスクが読み込みきれない事

Slide 25

Slide 25 text

【Phase2】 AI Autonomy 【再掲】何をAIに任せ、何を⼈間が”実⾏‧評価”するか? Agentic AI時代のプロダクトマネジメント ディスカバリー デリバリー シナ リオ 設計 市場 調査 仮説 設計 PRD 作成 情報 設計 要件 定義 開発 リ リー ス 効果 評価 仮説 FB 【Phase1】 Human in the loop 結局は、⼈がクオリティを担保する

Slide 26

Slide 26 text

⼈による観点(ガードレール)の形式知化 ● 評価‧報酬観点 ● Ops観点 ● 倫理的、ガバナンスリスク観点 ● セキュリティリスク観点 AIの推論の精度を⾼めるナレッジの整備 ● 何がOKで、何がNGなのか?何がDo’s で、何がDont’sなのか?の評価基準 ● AIが推論するタスクに対して、フィッ トするナレッジの構造化 AI Autonomy を⾒据えた”ガードレール”としてのAIオンボーディング プロダクトマネジメント×⽣成AIでのProduct Ops ⽬指す状態 やるべき事 AIが形式知に沿って、⾃律的にシナリオ設計〜実⾏できるナレッジの提供がキモ ⼈が担保している”レビュー負荷”をどれだけ軽減できるか?

Slide 27

Slide 27 text

 ⼈によるレビュー観点の形式知化→AIのナレッジ化 ファインディのAIオンボーディングに向けたナレッジ設計へのトライ プロダクトマネジメント×⽣成AIでのProduct Ops 1.タスク毎のレビュー観点 の洗い出し ● PM間で相互レビュー実施 ● 週次でレビュー観点を洗い出 し&ストックを習慣化 2.レビュー観点を基にした FMT設計 ● ストックされた観点からOps のフォーマットを設計&更新 ● まずは、⼈が迷わない状態へ 3.FMTを基にAIによる タスク代替 ● 週次でマネジメント中⼼にア ウトプット必須化 ● Data Scientistと協働で実施 Goal

Slide 28

Slide 28 text

週次で、メンバー間で、タスク毎のレビュー観点の洗い出しを実施 プロダクトマネジメント×⽣成AIでのProduct Ops 4ヶ⽉で、約200個のレビュー観点を洗い出し!! 戦略、Ops、リサーチ、仮説設計、PRD、UI/UX設計、要件定義などで、Do's/Dont’sを形式知化

Slide 29

Slide 29 text

【ファインディ事例】リサーチ設計におけるガイドライン観点 プロダクトマネジメント×⽣成AIでのProduct Ops そもそもリサーチ設計のガイドラインがなかったため、観点を基に、まずはフォーマット設計。 「リサーチ」レビュー観点 フォーマット設計

Slide 30

Slide 30 text

In) 顧客インタビュー動画 【ファインディ事例】インタビューによる仮説検証おけるガイドライン観点 プロダクトマネジメント×⽣成AIでのProduct Ops 顧客インタビュー結果をサマライズ‧評価するコストや解釈の揺らぎの防⽌へ。 フォーマットに沿ったインタビュー インタビュー結果サマリbot Out) 検証観点に対する評価

Slide 31

Slide 31 text

In) PRD上のユーザーストーリー 【ファインディ事例】情報設計タスクにおけるガイドライン観点 プロダクトマネジメント×⽣成AIでのProduct Ops IA設計やUI/UX検討時の考慮すべきポイントをAI botでサジェストし、再検討コストの削減へ。 「IA設計‧UI/UX」レビュー観点 検討ポイントサジェストbot Out) 情報設計、UI/UX検討時のポイント サジェスト

Slide 32

Slide 32 text

【ファインディ事例】検証結果マネジメントにおけるガイドライン観点 プロダクトマネジメント×⽣成AIでのProduct Ops 検証結果を基に、AIに次の仮説検証のシナリオ設計について壁打ちできるAI bot 検証結果×「戦略」レビュー観点 In) 検証結果×現在の検証シナリオ 仮説シナリオ壁打ちbot Out) 事業‧プロダクトへインパクトが⾼い 仮説検証ポイントのサジェスト

Slide 33

Slide 33 text

ファインディにおける”Human in the loop”な仮説検証Ops(WIP) プロダクトマネジメント×⽣成AIでのProduct Ops ディスカバリー デリバリー シナ リオ 設計 市場 調査 リ サー チ PRD 作成 情報 設計 要件 定義 開発 デリ バ リー 効果 評価 仮説 FB Knowledge AI bot よりハイコンテクストな上流部分のナレッジ化→AI活⽤へトライ (未対応) (未対応)

Slide 34

Slide 34 text

AI Autonomyな効果検証における 人間として PMがすべきことは?

Slide 35

Slide 35 text

PMは、AIに勝る”感情の喚起”で⽣き残るべし プロダクトマネージャーに残される仕事とは? ● ⾳声や動作の知覚は代替するが、感情の理解はまだ先なのでは? ○ 感情‧本能‧欲にフィットできてるか?「Product Emotion Fit」? ● ⼈間の原理原則を知る。 ○ 哲学、⼼理学、⾏動経済学、歴史上の失敗。 ● ⼈間、世の中のパーセプションを変えにいく。 ○ ⼈の潜在ニーズを喚起する⼒は、まだ⼈の⽅が⾼い。コミュニティ⼤事。 ● AIも推論ベースなので、正解は知らない。正解はユーザーが持っている。 ○ 悩んでる暇があれば、ユーザーに会う⼀択。 ● (たぶん)オフラインコミュニケーション能⼒が最後の砦。 ○ PMはソリューションセールス的なロールになっていくのでは? ○ 対⾯営業⼒。ヒラメ筋。⼀緒に⾛りましょう!🏃笑

Slide 36

Slide 36 text

Takeaways アジェンダ 1. Agentic AI時代のプロダクトマネジメント ● ⽣成AIで、⾼頻度×低コンテキストタスクから徐々に代替 2. プロダクトマネジメント×⽣成AIの協働 ● AIオンボーディングに向けた形式知のストック 3. プロダクトマネージャーに残される仕事とは? ● 感情を動かすための1次情報への泥臭いコミットメント ● オフライン接点、コミュニティの相対的な価値向上

Slide 37

Slide 37 text

ご清聴ありがとうございました!