AI変革期におけるプロダクト成功の秘訣：ThoughtSpotプロダクト担当VPが明かす「評価システム」「セマンティックレイヤー」の重要性と未来への戦略

AI技術、特に大規模言語モデル（LLM）の急速な進化は、あらゆる産業に革命をもたらし、プロダクト開発のあり方を根本から変えようとしています。かつてないスピードでプロトタイプを生成し、アイデアを具現化できるようになった一方で、その裏側には、品質の維持、信頼性の確保、そして持続可能な成長を実現するための新たな課題が山積しています。

本記事では、このAI時代のプロダクト開発に焦点を当て、ThoughtSpotのプロダクト担当VPであるフランソワ・ロピトー氏がProductExperienceのホスト、ランディ・シルバー氏との対談で語った深い洞察を掘り下げます。ロピトー氏は、Salesforceでのキャリアを皮切りに、長年にわたりプロダクトマネジメントに携わり、特に分析およびAIの分野でリーダーシップを発揮してきました。ThoughtSpotでは、「Google検索のようにデータを検索できる」という創業理念のもと、検索ベースの分析製品にLLM技術を融合させ、誰もが簡単にデータからインサイトを得られるセルフサービスプラットフォームを構築しています。

この専門家による議論を通じて、AIがプロダクト開発の「速度」と「複雑性」をどのように変えているのか、信頼性の高いAIプロダクトを構築するための「新たな要諦」とは何か、プロダクトマネージャー（PM）の役割や組織体制がどう進化すべきか、そしてB2B2CビジネスにおけるGo-to-Market戦略やAI技術の未来、コスト最適化のトレンドに至るまで、多角的にAI時代のプロダクト成功戦略を解き明かしていきます。この詳細な分析が、読者の皆様がAI時代のビジネスをリードするための具体的な指針となることを願います。

1. AIが変えるプロダクト開発の「速度」と「複雑性」

AI、特にLLMの登場は、プロダクト開発の様相を一変させました。何よりも顕著なのは、その開発「速度」の劇的な向上です。しかし、この加速は同時に、これまで経験したことのない「複雑性」をもたらしています。

1.1. プロトタイピングの高速化と新たな創造性

フランソワ・ロピトー氏が強調するように、AIはプロトタイプ作成、テスト、仮説検証にかかる時間を大幅に短縮しました。かつては開発者に依頼しなければならなかった作業が、今やプロダクトマネージャー自身の手で可能になりつつあります。ロピトー氏自身の経験として、彼は20年も前に開発者のキャリアを諦めたにもかかわらず、AIの助けを借りて会社のアプリケーションを2つも生成できたと語ります。これは、アーキテクチャが単純なものであれば、PMが製品になり得るものを、あるいは非常に複雑なプロトタイプを迅速に構築できるようになったことを意味します。

この変化は、プロダクトマネージャーにとって真のゲームチェンジャーです。アイデアから実証までのサイクルが劇的に短縮され、より多くの仮説を素早く検証できるようになりました。これにより、市場投入までの時間を短縮し、顧客のニーズに迅速に対応する能力が向上します。開発スピードは、間違いなく2倍から3倍に加速しているとロピトー氏は指摘します。

1.2. 本番環境への移行と堅牢性の課題

しかし、この高速化は、必ずしもプロダクト全体が速く市場に出ることを意味しません。ロピトー氏は、「プロトタイプ段階までの最初の80%については、何を作りたいか明確にし、PRD（プロダクト要求仕様書）ではなくプロトタイプでコミュニケーションを取るという点では、間違いなくスピードアップしている」と認めつつも、「プロジェクトの残りの80%、つまり堅牢でスケーラブルかつ信頼性の高いものを本番環境に投入し、それを一貫して維持することは、依然として非常に困難である」と指摘します。

なぜなら、いくら迅速にプロトタイプを構築できても、長期的に維持可能で信頼性の高いプロダクトをリリースするには、強固なアーキテクチャと適切な背景、そして高い信頼性を確保する必要があります。これは、やはり熟練したアーキテクトや開発者の専門知識が不可欠であることを意味します。AIがコードを生成する速度は上がったものの、その品質、スケーラビリティ、セキュリティ、そして保守性に関するコードレビューは、依然として大きな関門であり続けています。

1.3. 規律と組織化の必要性：「最小限の実行可能な官僚制」

AIによって誰もがコードを書けるようになった今、ロピトー氏は「組織力と規律がこれまで以上に重要になっている」と強く主張します。誰でも物を生み出せるようになったからこそ、「何を取り入れ、何を取り入れないか」「何が必要で何が不要か」を判断する規律が不可欠です。組織が規律を失えば、混沌が会社を破滅に導く可能性があると警鐘を鳴らします。

これはある意味、矛盾しているようにも聞こえます。AIが自由な創造を促す一方で、より厳格な管理が求められるからです。しかし、今日の技術レベルで規律なく開発を進めれば、それは「破滅への道」につながるとロピトー氏は強調します。

プロダクト開発の文脈では、長年にわたりチームの自律性を最大限に高めることが推奨されてきましたが、AI時代の開発スピードと複雑性は、ある程度の「最小限の実行可能な官僚制」を導入する必要性を浮き彫りにしています。標準化されたプロセスや基本基準に従うことで、チームは高速開発のメリットを享受しつつ、混乱を避け、一貫した品質を維持できるようになります。これは、裏口からより良い規律を強制しているとも言えるでしょう。

1.4. 決定論的機能から確率論的機能への移行

もう一つの大きな変化は、構築する機能の種類そのものが変わってきている点です。従来のソフトウェア開発では、多くの場合、予測可能で決定論的な機能を構築していました。例えば、カスタマーサービスアプリでケースを作成するフローは、ステップ1、2、3と明確に定義され、ケースが閉じれば完了とマークされる、というようにすべてが予測可能でした。

しかし、LLMが基盤となるAI製品においては、その確率的な性質を考慮しなければなりません。ユーザーはチャットインターフェースを通じてシステムと対話しますが、次にどこへ向かうのか、どのような質問をするのか、開発者側で完全に制御することはできません。機能は単純な手順で終わるものではなく、LLMの確率的な振る舞いに対する「ガードレール」を構築する作業が中心になります。

この「不確実性」こそが、AI製品開発の複雑性を増す主要因です。どの機能がうまくいくかどうかも分からず、すべてが仮説に基づいて進められます。このため、これまで以上に多くのテストが必要となり、解決すべき問題に対して「最善の道」を進んでいるのかを常に問い続けなければなりません。このような、開発スピードの高速化と機能の不確実性という二つの要素が同時に変化していることが、現在の業界における最も興味深い動向の一つと言えるでしょう。

1.5. 高速化時代のコントロール：F1マシンとミニ・オースチンの比喩

ロピトー氏は、この高速化時代を「公道を走るF1マシン」に例えます。以前は「ミニ・オースチンのような小型で低速な車に乗っているようなもの」で、何か問題が近づいてきても対処する時間がありました。しかし、今はそのスピードが速すぎて、何が近づいているのかさえ見えません。だからこそ、それに適切に対応できる体制を整える必要があるのです。

この比喩は、プロダクト開発におけるリスク管理と品質保証の重要性を端的に示しています。AIによる迅速なプロトタイピングは素晴らしいツールですが、そのポテンシャルを最大限に引き出しつつ、同時に発生しうる予期せぬ挙動や問題からプロダクトとユーザーを守るためには、以前よりも厳格な規律、継続的な監視、そして適応的なアプローチが不可欠です。プロダクトの基盤は、機能がどんどん追加されていくことを前提に、非常に強固である必要があるのです。

2. 信頼性を生み出すAIプロダクト開発の「新たな要諦」

AI製品はデモでは非常に魅力的に見えますが、プロダクトが成功するかどうかは、実際に顧客がそれを使うかどうか、つまり「信頼」できるかどうかにかかっています。LLMの確率的な性質を考慮すると、この信頼を構築するには、従来のプロダクト開発とは異なる、いくつかの新たな要諦が必要になります。

2.1. 評価システム（Evals）の深掘り：AI時代のPRD

ロピトー氏は、AI時代のプロダクト開発において、評価システム（Evals）が実質的に新しい「プロダクト要求仕様書（PRD）」になりつつあると指摘します。従来のPRDが機能の振る舞いや要件を詳細に記述したのに対し、プロンプトベースでUIを直接制御できないAI製品では、どのような振る舞いを期待し、何を避けたいのかを検証するための評価システムが、その役割を果たすのです。

これは、プロダクトマネージャーが「何が良い状態なのか」「達成したいことは何か」「何が良い結果なのか」を明確に理解するだけでなく、「何を受け入れたくないのか」「何を避けるべきか」も具体的に定義する必要があることを意味します。この新しい評価手法こそが、LLMベースのシステムがどのような出力を生成するかを少しでも制御する手段となります。

ThoughtSpotでは、この評価システムの構築に多大な時間を費やしています。システムには結果に大きな影響を与える変更可能なパラメーターが多数存在するため、継続的な評価が不可欠です。具体的には、Azure Cognitive Services製品を利用しているThoughtSpotの技術では、BirdやSpiderといった業界標準のベンチマークを活用し、典型的な質問に対して期待される結果が何であるかを確認しています。これにより、各回答の一貫性、妥当性、正確性を検証し、新しいLLMモデルの導入や機能拡充のたびにこの評価を実行しています。

2.2. コンテキスト（セマンティックレイヤー）の重要性：確率性と決定論の融合

評価システムと並んで、AIプロダクト開発において極めて重要なのが「コンテキスト」の構築です。特にThoughtSpotのような分析分野の製品では、この点が決定的な意味を持ちます。

LLMは本質的に確率論的なものですが、分析結果は定義上、決定的である必要があります。「今年の収益は？」と尋ねた場合、LLMの創造性は素晴らしいものですが、ユーザーが求めるのは明確で一貫した数値であり、創造的な物語ではありません。一度質問を投げたら、いつでも同じ答えが返ってくることをユーザーは期待します。

ここでThoughtSpotが構築した重要な仕組みが「セマンティックレイヤー」です。これは、LLMに適切なコンテキスト、可能な限り多くのコンテキストを提供し、LLMが常に正しい方向へ向かうようにするためのものです。具体的には、ユーザーのビジネスがどのように機能しているかを可能な限り詳細に記述し、システムにその知識を組み込みます。

セマンティックレイヤーの具体例:

「新規顧客」とは何を意味するのか？（例えば、過去12ヶ月間に初めて購入した顧客か？）
「収益」はどのように定義されるのか？（総売上か、純利益か？）
特定の指標（例：売上高成長率）の計算方法は？

ロピトー氏はLLMを「新しいインターン」に例え、その素晴らしい可能性を認めつつも、「あなたが自分のビジネスをどう呼ぶのか、ビジネスがどう機能しているのか、そして社内での定義が何であるかを教えなければ、判断を誤り、質の低い分析しかできなくなる」と指摘します。システムにこうしたコンテキストやオントロジー（概念体系）を定義することで、LLMはビジネス固有の知識に基づいて正確な回答を生成できるようになります。

このセマンティックレイヤーの最大の利点は、ユーザー間の「一貫性」と「信頼性」を生み出すことです。誰が同じ質問をしても、その答えは自社の知識に根ざしたものであり、一貫した情報が得られます。これにより、LLMの確率的性質に起因する「ハルシネーション（幻覚）」のリスクを最小限に抑え、分析結果の決定論的な正確さを確保し、ユーザーがシステムを信頼できる基盤を築きます。

また、LLMを使うべき時とそうでない時を適切に判断することも重要です。すべてのアルゴリズムや機能のポイントにLLMを追加すると、ある種の「逸脱」が生じる可能性があるため、決定的な正確さが求められる場面では、LLMの利用を慎重に制御し、正しい結果に到達できるよう対策を講じる必要があります。様々な技術を組み合わせる中で、自分が何を作っているのかを確実に把握するためにも、やはり評価こそが基準となります。

2.3. 信頼の測定と構築：デモの先にある価値

AI製品の真の成功は、そのデモがどれほど素晴らしいかではなく、顧客が実際にそれを使い、価値を感じ、信頼するかにかかっています。ロピトー氏は、信頼こそがすべての礎であると強調します。LLMを使用する上で信頼を得るには、その欠点を補う必要があります。

成功を測定するための多角的なアプローチ:

最も重要な数値指標（定量的）:
- 製品利用率: どれくらいの人がプロダクトを使っているか。
- 普及率: 導入状況はどうか。
- リピート率: どれくらいの人がリピートして使っているか。ロピトー氏にとって、これらが「唯一重要と言っても過言ではない」指標であり、プロダクトが成功していれば、人々は価値を感じ、より頻繁に利用するはずだと考えます。
ユーザー満足度（定性的）:
- 利用頻度だけでなく、ユーザーが体験に満足しているかどうかに注目します。これはプロダクトの成功を評価する新たな基準となりつつあります。顧客とのインタビューやフィードバックループを通じて、顧客の「温度感」を肌で感じ取ることが重要です。
独自のプラットフォーム指標と早期警戒システム:
- ThoughtSpotでは、プラットフォーム上の情報を匿名化した上でサンプリングし、独自の指標を算出しています。
  - 「その回答はどれくらい適切か？」
  - 「その回答は質問にどれだけ的確に答えているか？」
  - 「前の回答に対して、追加の質問はあったか？」
- これにより、プロダクト全体の利用状況を数値化し、正しい方向へ進んでいるか、新機能をリリースするたびにシステムが改善されているかを確認します。
- これらの指標は、顧客に価値を提供できているかを確信し、問題が発生した場合に即座に対応できる「早期警戒システム」として機能します。

ロピトー氏は、ユーザーが「必要な答えをすぐに見つけられれば会話は短く済み、それは価値のあることだが、セッションごとの利用量としては多くは示されない」という、従来の利用量指標の限界にも言及します。セッション数を増やすためにプロセスを強制することも可能ですが、それはユーザーが実際に得ている価値とは異なる場合があります。したがって、どこに焦点を当て、早期警戒システムを確実に構築するかが非常に重要になります。物事が尻すぼみになるのが、最大の警報あるいは最大の警告なのです。

3. 「製品の成功」を再定義するPMと組織の進化

AIの時代は、プロダクト開発のプロセスだけでなく、それを担う人々の役割、スキルセット、そして組織のあり方にも大きな変革を迫っています。プロダクトマネージャー（PM）は、かつてないほど多角的な能力が求められ、組織は継続的な価値提供のために再編される必要があります。

3.1. プロダクトマネージャー（PM）の新たな役割とスキルセット

ロピトー氏は、PMに求められるスキルセットの変化について深く言及しています。特に、数年前まで盛んに議論された「プロダクトマネージャーにはどれくらいの技術力が必要か」という問いに対する彼の見解は、AI時代においてより一層その重要性を増しています。

不変の要件：技術的素養
- ロピトー氏は、「技術に明るいプロダクトマネージャーを採用すべきだと強く信じている」と断言します。これはプログラミングができるべきだという意味ではなく、「技術の仕組みを理解している」という意味です。
- 技術的素養は、エンジニアリングチームが機能をリリースするのをサポートし、技術的なニュアンス、複雑性、そして何が可能で何が不可能なのかを理解するために不可欠です。彼は自身のキャリアを通じて、20年前の最初の日から今日まで、PMの技術力が最優先の要件であると強調しています。
増大する要件：好奇心と共感
- 技術的素養に加え、ロピトー氏がPMに求める二つ目の核となる要素は「好奇心」です。物事を理解しようとし、最新の技術を学びたいと思い、常にどうすれば改善できるか、顧客が何を必要としているのかを感じ取れるような人を求めています。
- また、「顧客の痛みや彼らが何を求めているのかを真に理解したいなら、優れた仕事をするために、深い共感と強い好奇心が必要だ」と述べ、顧客中心のアプローチの重要性を強調します。
顧客との対話の深化
- AI製品開発は、PMにとって顧客とこれまで以上に接しなければならない、そして実際に接することができる「チャンス」でもあります。AI製品は予測不能な使われ方をするため、開発側は「ユーザーはこう使うはずだ」と最高の予測を立てるかもしれませんが、実際の人々の使い方は全く異なるものになり得ます。
- このため、リリース後も継続的に顧客と連携し、「期待通りに機能しているか」「価値は提供できているか」を確認し続ける必要があります。以前は機能の裏側に隠れることもできたかもしれませんが、今や議論の余地はなく、顧客のもとへ行き、対話し、すべてを理解しようとしなければ、仕事をうまくこなすことはできません。PMは定義上、顧客と向き合う存在であり、対話する必要があるのです。
採用基準の変化
- ロピトー氏は、最近のアソシエイト・プロダクトマネージャーの採用例を挙げ、その新しいアプローチを披露しました。
  - 「Gitリポジトリを送ってください。今や誰でもコードを書ける時代ですから、PMなら誰でも優れたリポジトリを持っているはずです。」
  - 「次に、Gitリポジトリで最近書いたコードが、なぜ理にかなっていて、問題を解決し、それがあなたの『プロダクト』と言えるのかを説明するビデオを送ってもらいました。」
- このアプローチにより、候補者が技術に精通しているか、プロジェクトの発表やピッチができるほど人前で話すのが上手いか、そして痛みを理解して解決策を見出せるかという点に集中して評価できます。実践的な技術力、プレゼンテーション能力、問題解決能力がPMにとって不可欠なスキルであることが示唆されています。

3.2. 組織とチームの再編：継続的なプロダクト責任

AI時代において、プロダクト開発チームの組織設計も進化を求められています。リリースした機能の継続的な監視・維持が必要となる状況で、マネージャーとして、あるいは組織全体を見る立場として、リソース配分や予算編成の考え方も変わるべきです。

プロダクト単位の組織設計：「トラック」制
- ThoughtSpotでは、組織設計を機能単位ではなく、「トラック」という呼び方で設計しています。各トラックが特定のプロダクト全体に責任を持つ構造です。
- これにより、チームは単に機能を構築するだけでなく、そのプロダクト全体の成功に責任を負います。彼らが機能を構築する際、それは特定のプロダクトのための機能であり、顧客と話す際も、先月構築した機能からこれから構築する予定の機能まで、プロダクト全体について継続的に会話することができます。
- この設計は、業務量が急に変わることを意味しません。機能は連続したものであり、チームが取り組んでいるプロダクトの継続性に過ぎないのです。新しい機能を追加したり、過去の機能を慌てて確認したりするのではなく、すべてが同じ方向に向かって進む、完全に自然な会話と継続的な改善が可能になります。
チームサイズの最適化とPMの役割の変化
- コーディングのボトルネックが解消され、開発スピードが上がっているため、ロピトー氏はチームが縮小していくと予測しています。PMと開発者の比率も下がっていくでしょう。かつて「2ピザ・チーム」が最適なサイズとされていましたが、もはやそれが現実的な形ではなくなる可能性があります。
- 開発者の中にはPMのような役割を担う人も出てくるかもしれません。しかし、ロピトー氏は「何を作るかを明確にすることが、これまで以上にもっと重要になっている」と強調します。なぜなら、一度作ってしまったら、メンテナンスやサポートが必要であり、うまくいかなければ廃止しなければならないからです。だからこそ、自分が取り組んでいることが有意義であるかを確認するために時間を費やすことが不可欠になっています。
「整理整頓」と「剪定」の重要性
- AIによってコード生成が非常に容易になった今、組織としてより厳格である必要があるのが「整理整頓」と「剪定」です。ロピトー氏は「私は整理整頓が大好きなんです。組織のあり方にこだわりが強く、不要なものを切り捨てるのが好きなんです。過去の機能を削除するのも大好きです」と語ります。
- 例えば、主要なセッション分析機能でV1、V2、V3と開発を進めた際に、整理を怠れば、何かを追加するたびにどこかが壊れるような「怪物のようなシステム」になってしまいます。
- 木に例えるならば、木はすべての方向に枝を伸ばしたいと思うかもしれませんが、木を正しい方向に成長させるためには、どの枝を剪定すべきかを見極める必要があります。AI時代の高速開発においては、この「プロダクトの表面積を最適なサイズに保つ」ための規律が、以前にも増して重要になっています。

4. B2B2C時代のGo-to-Market戦略と顧客エンゲージメント

AI技術を基盤としたプロダクトは、その提供方法においても新たな戦略を求められます。特にThoughtSpotのように、自社製品を直接提供するだけでなく、他社の製品に組み込まれる「組み込み型分析」を提供するB2B2C（Business-to-Business-to-Consumer）モデルでは、Go-to-Market戦略が格段に複雑になります。

4.1. 組み込み型分析とホワイトラベル/OEMの複雑性

ThoughtSpotのビジネスモデルの半分は、企業の従業員向けに直接分析ツールを提供していますが、もう半分は、自社で分析機能を構築したくない企業に対して、コアとなる分析機能を提供する「組み込み型分析」を担っています。これは、顧客がThoughtSpotの技術を自社の製品に組み込み、さらにその製品を自社の顧客に提供するという、まさにB2B2Cの形態です。

このモデルでは、ThoughtSpotの顧客（B）が、さらにその顧客（C）に対して責任を負うことになります。つまり、ThoughtSpotは単に自社の顧客にサービスを提供するだけでなく、その先の「顧客の顧客」の体験にまで影響を与えることになります。これは、より大きな信頼を獲得することが求められることを意味します。ThoughtSpotが提供するすべてのサービスが、顧客のブランドにも影響を及ぼすからです。

このような状況では、Go-to-Market戦略は非常に複雑になります。

ブランドとの調整:
- ThoughtSpotが中核製品を開発する際には、当然ながら自社のブランド名（例：「Spotter」というエージェントソリューション）を冠したいと考えます。しかし、ホワイトラベルやOEM契約を結ぶ顧客は、自社のブランドを打ち出したいと考えます。
- このため、ThoughtSpotが構築するすべての機能を、顧客が「自分たちの機能」として提供できるよう、設計段階から配慮する必要があります。時には、自社のブランドを過度に押し出しすぎず、対等な関係を保つことも重要になります。
機能公開の柔軟性:
- AI時代の開発スピードは非常に速く、新機能が次々と追加されます。しかし、顧客は新しい機能に慣れるための時間が必要です。彼らには、すべての機能をいつ公開するかをコントロールする権限が求められます。顧客は自社の顧客を教育し、新しい機能を使いこなせるように準備する必要があります。
- このため、新機能を投入する際は慎重なアプローチが必要です。オプトイン形式にするか、シームレスに導入できる設計にするか、あるいはトレーニングが不要なほど優れたデザインにするか、といった選択肢を検討しなければなりません。他社向けに構築する場合、これらの要素は一段と複雑さを増します。
顧客のペースに合わせた展開:
- ロピトー氏は、顧客が多様なペースで動いていることを指摘します。スタートアップのように急速に動き、常に最新のものを求める顧客もいれば、より伝統的なベンダーのように、その顧客層があまり技術に詳しくない場合もあります。
- ThoughtSpotが取り組んでいるのは、あらゆる場所に「フラグ」を設け、各機能の有効化を顧客自身が決定できるようにすることです。これにより、速く進みたい顧客には速く、より妥当なペースを求める顧客にはそのペースで対応できるような適応力と柔軟性を提供します。
- 「Makers Manifesto」の論点にもあるように、どれだけ速く動けたとしても、顧客やパートナーがその機能を取り込み、価値を見出せる速度でしか、真の進歩は生まれません。提供側は、顧客の速度に合わせて動く必要があるのです。

4.2. 信頼を基盤としたパートナーシップ

B2B2CモデルにおけるGo-to-Market戦略の根底にあるのは、やはり「信頼」です。顧客がThoughtSpotの技術を自社ブランドで提供する以上、その技術が問題なく機能し、自社のブランドイメージを損なわないという確信が必要です。これは、ThoughtSpotにとって、自社ブランドの信頼だけでなく、パートナー企業のブランドを守る責任をも負うことを意味します。

顧客との認識合わせのためには、直接的な対話が不可欠です。ThoughtSpotは多くの顧客と直接話し合い、そのニーズやペースを理解しようとしています。顧客の多様性に対応し、それぞれのビジネス状況に合わせた柔軟な機能提供とサポート体制を構築することが、B2B2CにおけるGo-to-Market戦略の成功の鍵となります。

5. AIの未来を見据えた戦略とコスト最適化

AI技術の進化は止まることなく、プロダクト開発者は常にその最前線で変化に対応する必要があります。特に、モデルの継続的な保守、変動するコスト構造、そして最適な技術選択は、AI時代のプロダクト戦略において極めて重要な要素となります。

5.1. モデルドリフトと継続的保守：機能は完成しない

従来のソフトウェア開発では、機能をリリースしてしばらく動作を確認したら、あとは基本的にバグ修正やアップグレードが必要になった時くらいしか見ない、という感覚でした。しかし、AIモデルの世界では、この考え方は通用しません。AIモデルには「モデルドリフト」という現象があり、時間が経過するにつれてパフォーマンスが低下したり、予期せぬ振る舞いをしたりする可能性があります。

このため、AI製品の機能は一度リリースしたら終わりではなく、継続的な監視、調整、保守が不可欠です。ロピトー氏は「今では、機能が完成することはありません」と断言します。ユーザーが実際にそれを使ってフィードバックをくれるまで、その機能が本当にうまくいくかどうかは誰にも分からないからです。

これは、チームのリソース配分や予算編成の考え方を根本的に変える可能性があります。チームはリリースしたプロダクトのモデルを常に最新に保ち、保守を行うために、どれだけの時間を確保する必要があるかを真剣に考える必要があります。ThoughtSpotの「トラック」組織設計が、この課題に対して有効なアプローチとなります。プロダクト全体に責任を持つチームは、新機能の開発だけでなく、既存機能の継続的な改善と保守もその責任範囲に含めるため、リリース後の対応に多くの時間を割くことが自然な業務の流れとなるのです。

リリース後の継続的な取り組みは、顧客との素晴らしい対話を生み出す機会でもあります。顧客と共に「期待通りに機能しているか」「価値は提供できているか」を確認し、実際のユーザーの使い道を理解することで、プロダクトはより洗練され、真に顧客に価値を提供するものへと進化していきます。

5.2. AIコストの変動と最適化のトレンド：「柔軟性」が鍵

AIベースの開発コストは、これまで大きな変化を遂げてきました。LLMが注目され始めた初期は比較的安価に利用できた時期もありましたが、現在ではトークン消費量に応じて高額な費用が発生するケースも少なくありません。しかし、この状況は常に変化しており、様々なアプローチをとる多様なモデルが登場しています。特定の階層にあるフロンティアモデル、オープンウェイトのモデル、そして独自のものを構築する動きも見られます。

ロピトー氏は、この変動するコストと技術環境において、今後の数年間で最も重要なトレンドは「柔軟性」であると予測します。

モデル切り替えの容易性:
- 今日Falconが主流かもしれませんが、明日にはオープンソースモデルが、あるいは特定のユースケースに特化した新たなモデルがより優れたソリューションを提供するかもしれません。ロピトー氏は、特定の分類問題を他のどのモデルよりもわずかなコストで解決できる「Jeff」の事例を挙げ、このような技術革新が頻繁に起こることを示唆します。
- したがって、企業は自分のユースケースに合ったあらゆるテクノロジーを、可能な限り迅速に採用し、モデルを非常に簡単に切り替えられるようにしておく必要があります。これは、特定のベンダーや技術にロックインされないための重要な戦略です。
メガベンダー vs ニッチ製品:
- この文脈では、「メガベンダー対ニッチ製品」という議論が常に重要になります。メガベンダーはすべてが統合されているという利点がある一方で、一度選択するとそこから抜け出しにくいという欠点があります。
- LLMやAI技術全般においては、柔軟性を保ち、その時々に理にかなったものを選択し、素早く切り替えられるようにしておくべきだとロピトー氏は強調します。
ROIとコスト最適化の時代:
- ロピトー氏は、AIの進化を時間軸で捉えています。
  - 2025年: AIが機能し、価値がそこにあることを「証明する」ための年。
  - 2026年・2027年: その価値を「享受する」年に移行するはず。これは、適切なコストをかけ、納得できる投資対効果（ROI）を得ることに焦点が移ることを意味します。大した価値をもたらさないものに、多くを費やしたくはないでしょう。
- 今や、あらゆるオープンソースモデルや新しい技術の登場によって、コスト最適化は本当に可能になっています。企業は常に自分にとって最適な選択肢を利用するチャンスを掴めるようにしておく必要があります。

この状況は、「変化すればするほど、何も変わらない」という格言を想起させます。クラウド最適化の歴史が示すように、新しい技術が成熟するにつれて、コストパフォーマンスの最適化が重要な焦点となるのは自然なサイクルです。AIもまた、この成熟期に入りつつあり、賢明な戦略的投資と柔軟な技術選択が、企業の競争力を左右する時代へと突入しています。

結論：AI時代のプロダクト開発をリードするために

AIがもたらす技術革新は、プロダクト開発の風景を根本から塗り替えています。フランソワ・ロピトー氏の深い洞察から明らかになったのは、AIが開発速度を劇的に向上させる一方で、その真の価値を解き放ち、持続可能な成功を収めるためには、これまで以上の「規律」「信頼」「適応性」が不可欠であるということです。

この変革期において、プロダクト開発者は以下の核となる教訓を心に留めるべきです。

規律と組織化の徹底: AIによるコード生成の容易さは、逆に組織に「最小限の実行可能な官僚制」と厳格な規律を求めるようになりました。何を作り、何を捨て、いかに堅牢な基盤を維持するか。混沌を避け、プロダクトの「木」を正しく剪定する知恵が不可欠です。
評価システム（Evals）の確立とコンテキストの重視: LLMの確率的性質を制御し、決定論的な価値（特に分析分野）を提供するためには、評価システムをAI時代の新しいPRDとして位置づけ、期待される振る舞いを明確に定義する必要があります。さらに、「セマンティックレイヤー」を通じてビジネス固有のコンテキストをLLMに教え込むことで、一貫性のある正確な結果を保証し、顧客からの信頼を勝ち取ることが成功の鍵となります。
PMの進化と顧客中心主義の深化: プロダクトマネージャーには、以前にも増して技術的素養、深い好奇心、そして共感力が求められます。AI製品の予測不能な使われ方を理解するためには、顧客との対話を深め、リリース後も継続的にフィードバックを収集し、プロダクトを改善し続けることが不可欠です。
組織とGo-to-Market戦略の適応: チームは機能単位ではなく、プロダクト全体に責任を持つ「トラック」のような組織設計へと移行し、継続的な監視と保守を業務のサイクルに組み込むべきです。B2B2Cモデルにおいては、「顧客の顧客」にまで目を向け、ブランドの調整や機能公開の柔軟性を通じて、多様な顧客のペースに合わせた市場投入戦略を展開することが求められます。
未来を見据えたコスト最適化と柔軟な技術選択: AIモデルは継続的な保守が必要であり、そのコスト構造は常に変化します。2026年以降はROIとコスト最適化が主要な焦点となるでしょう。この潮流に対応するためには、特定のモデルやベンダーに依存せず、オープンソースモデルも視野に入れながら、ユースケースに最適な技術を迅速に切り替えられる「柔軟性」が、企業の競争優位性を確立する上で決定的な要素となります。

AIがもたらす変革は、単なる技術的な進化にとどまりません。それは、私たちがいかに価値を創造し、顧客と対話し、組織を運営するかという、プロダクト開発の本質的な問いを再定義するものです。このエキサイティングな時代において、常に学び、適応し、本質的な価値提供に集中することで、私たちは「フィーチャーファクトリー」の罠を逃れ、真に成功するプロダクトを築き上げることができるでしょう。