「AIは戦略ではない、顧客ニーズこそが戦略だ」Twilio CPOが語る、AI時代のプロダクト開発と顧客エンゲージメントの未来

今日のビジネス環境において、「AI戦略」という言葉は、もはや聞き慣れたフレーズとなりました。しかし、この言葉の裏に隠された真の意図、そして企業がAIブームの中で見落としがちな本質とは何でしょうか？今回、私たちは最新技術とビジネスの交差点で活躍するリーダーの洞察に迫ります。ゲストは、AI/ML分野のベテランであり、GitHub Copilotの立ち上げを率い、現在はTwilioの最高製品責任者（CPO）兼R&D責任者を務めるインバル・フェンサー氏です。彼女の言葉は、AIの熱狂の中で私たちが立ち止まり、本当に重要なことを見つめ直すきっかけとなるでしょう。

本記事では、インバル氏が語るAIの哲学、プロダクトマネジメントの未来、TwilioがAIをどのように自社プラットフォームに組み込んでいるか、そしてデータ戦略と組織論に至るまで、多岐にわたるテーマを深掘りしていきます。AIが単なる流行ではなく、ビジネスの核となりつつある今、その本質を理解し、競争優位を築くための実践的な知見を提供します。

導入：AI/MLの最前線を歩んできたインバル・フェンサー氏の軌跡

まずは、インバル・フェンサー氏の驚くべきキャリアパスから紐解いていきましょう。彼女はまさに、現在のAIブームの「起点」とも言える人物の一人です。

キャリアの初期からAI/機械学習（AIML）のベテランとして活躍してきたインバル氏は、応用科学者としてモデル調整、ニューラルネットワーク、遺伝的アルゴリズムといった、当時の最先端技術に携わってきました。その後、Amazonではロボット開発やAlexaのNLP（自然言語処理）を手がけ、まだNLPが単一ターンに限定されていた時代にその基礎を築きました。Microsoft、AWSでのゼネラルマネージャー職を経て、GitHubではCPOとして「GitHub Copilot」を立ち上げます。これは、現在のAIブームが本格化する以前に、AIを活用した開発者向けコード補完ツールとして大きな注目を集めました。今や「Copilot」はMicrosoftのAI活動のブランド名となるほどです。

そして約1年半前、インバル氏はTwilioにCPO兼R&D責任者として加わりました。その目標はただ一つ、AIの世界で顧客体験を根本的に再構築することです。彼女は、AIによって顧客ジャーニーがこれまでとは全く異なるものになると確信し、Twilioの「One Twilioプラットフォーム」という新しい顧客エンゲージメントプラットフォームの構築を率いています。Twilioの最近のカンファレンス「Signal」では、会話型AIや通信セキュリティを強化するAIツールなど、多くの新機能が発表されました。彼女はまさに、AIが顧客エンゲージメントの未来をどのように変えるかを最前線で設計しているのです。

CPOとR&D責任者を兼任するインバル氏の役割は、単なる製品戦略立案にとどまりません。製品のアイデアが生まれてから、それが実際に顧客に届けられるまで、エンジニアリング全体を統括する「エンドツーエンド」の責任を負っています。この広範な責任範囲こそが、彼女の持つ深い洞察と、Twilioの変革を加速させる原動力となっているのです。

セクション1: AIに対する新たな視点 – 「AIは戦略ではなくツールである」

インバル氏が最も強調するメッセージの一つが、「AIは戦略ではない」という言葉です。AIブームが到来して以来、多くの企業のCEOやCIOが「AI戦略とは何か？」「どうやってこの壮大なブームを自社にとって現実のものにするのか？」と問いかけてきました。しかし、インバル氏はその問い自体に疑問を投げかけます。

顧客中心主義の視点：ツールとしてのAI

インバル氏の哲学は、顧客中心主義に基づいています。「顧客に執着する世界で育った者として、まず考えるべきは『どのような問題を解決しようとしているのか』であり、その後に『適切なツールを見つけること』だ」と彼女は語ります。

AIは疑いなく、私たちがこれまでに経験した中でも最大の技術的進歩であり、素晴らしいツールです。しかし、「ツール」を「戦略」にすることはできません。戦略とは、達成しようとしている目標、顧客の新しいニーズや進化するニーズ、あるいは以前は解決できなかった問題への取り組み方です。そして、その戦略を実現するための手段としてAIという強力なツールを活用するのです。

例えば、企業は「AIで何をしますか？」と問うべきではありません。そうではなく、「顧客体験をどう改善するか？」「自動化をどう進めるか？」「開発者の生産性をどう高めるか？」といった戦略的な問いから始めるべきです。そして、これらの目標を達成するためにAIがどのように役立つかを検討するのです。AIを無理にすべての問題に適用しようとすると、最適なソリューションを見逃したり、顧客に利益をもたらさない結果に終わる可能性があります。

「AIは戦略ではない」というメッセージの核心は、顧客のニーズが常に戦略であり、AIはそのニーズを満たすための「関連性の高いツール」に過ぎないという点にあります。生産性、自動化、顧客価値の向上といった、具体的なビジネス目標こそが戦略であり、AIはその実現を加速させるための手段なのです。

AIを戦略目標に結びつける具体例

インバル氏は、AIを戦略目標に結びつける具体的な方法についても言及しています。

チームの生産性向上: CEOは「チームの生産性を向上させたい」という戦略目標を持つべきです。
- エンジニアリングチーム: コード補完ツール（GitHub Copilotのような）、自動化されたテスト、より迅速なドキュメント生成、リポジトリ管理の効率化など、AIを活用してコードの出荷とイノベーションを加速させます。
- サポートチーム: AIエージェントを導入してチケットの流入をフィルタリングし、顧客の問い合わせに対するドキュメント検索をシームレスにします。エージェントへのエスカレーションをより迅速かつ適切に行うことで、より多くのチケットを処理できるようにします。
- マーケティングチーム: AIを活用してマーケティングキャンペーンをよりターゲットを絞ったものにし、顧客にとってより効果的で関連性の高いものにします。

これらの目標はすべて測定可能です。AIの測定値を成功指標とするのではなく、実際のビジネス上の問題（生産性、自動化、市場投入までの時間、顧客価値）の改善を成功指標とするべきなのです。

セクション2: AIプロジェクトの成功を導く測定可能な指標と具体的なアプローチ

AIをツールとして捉え、顧客ニーズを戦略の中心に据えることが理解できたとしても、では次にどうすれば良いのでしょうか？どのように具体的なAIプロジェクトを進め、その成功を測定すれば良いのでしょうか？ここでは、プロダクトマネジメントの基本に立ち返りながら、AI時代の具体的な成功指標の定義と測定方法を深掘りします。

プロダクトマネジメントの基本：明確な成功基準の設定

「それはプロダクトマネージャー101だ」とインバル氏は言います。どのようなプロダクトを構築するにしても、明確な成功基準を持つ必要があります。最終目標は何で、何を達成しようとしているのか。これはAIプロジェクトにおいても全く変わりません。

Twilioが最近ローンチした「Conversational Relay」を例に見てみましょう。これは、AIエージェントをボイスフローの世界に導入し、顧客がTwilioプラットフォーム上で独自のAIエージェントを構築できるようにすることで、サポートケースの成功率を高めることを目的としています。

このプロダクトの目標を達成するための問題解決を考える際、以下の問いを立てます。

顧客のために何を解決しようとしているのか？
- サポートチームに流入するチケットの数を減らすこと。
- ボットとやり取りする顧客のCSAT（顧客満足度）を向上させること。
- 顧客の問題解決にかかる時間を短縮すること。
- 顧客が人間エージェントと話したいと要求する回数を減らすこと。

インバル氏は、誰もが「IVR（自動音声応答）の世界」を覚えていると指摘します。ボタンを何十回も押して、ようやくエージェントにたどり着いた時には、すでにフラストレーションが溜まり、疲弊している状態です。Conversational Relayの目的は、この摩擦を取り除き、顧客満足度を高め、問題解決までの時間を短縮することにあります。

具体的な成功指標の定義とA/Bテスト

これらの問いから、具体的な成功指標が導き出されます。

顧客満足度の向上は見られるか？
フローにおける問題解決までの時間は短縮されたか？
顧客が人間エージェントと話したいと要求する回数は減ったか？（エージェントへのエスカレーション率）

これらの指標は具体的で測定可能です。既存のアプローチと新しいAI駆動のアプローチを比較するA/Bテストを実施することで、改善を定量的に評価できます。

インバル氏は、単に「AIが私をより生産的にしているか？」と問うことの曖昧さを指摘します。「生産性」の定義自体が最も曖昧な概念だからです。ある顧客から「チームの生産性をどう測ればいいのか？」と問われた際、彼女は「今日、どうやって生産性を測っていますか？」と問い返しました。コードの行数か？開発にかかる時間か？問題解決にかかる時間か？システム停止時のロールバックにかかる時間か？

まず、既存のベースラインとなる生産性の定義と測定方法を確立すること。その上でAIツールを導入し、そのツールが定義された生産性を向上させているかを測定するのです。成功指標が明確に定義されていなければ、AIがどれだけ役立っているかを評価する共通の基準は存在しません。成功はユースケースによって異なり、それに応じて指標も定義されるべきなのです。

セクション3: AI時代のプロダクトマネージャーは「行動」を定義する – 役割の変化と新たなスキルセット

AIの登場は、プロダクトマネージャー（PM）の役割と働き方に根本的な変化をもたらしています。かつては「デジタルソフトウェア開発の時代」、つまり決定論的な世界でした。PMが経験を定義すれば、開発者はそのビジョンに基づいてコードを一行一行書き、期待される結果は明確でした。しかし、AIの世界はそうではありません。

フローから「行動の境界線」へ：非決定論的世界でのプロダクトマネジメント

インバル氏は、AI時代のPMは「特定の期待される成果」ではなく、「行動」を定義する必要があると強調します。AIツールを用いる世界は、本質的に「確率的（Stochastic）」です。つまり、AIエージェントが常にどのように振る舞うかを予測することはできません。PMが与えるべきは、その「行動の境界線（boundaries for the behavior）」なのです。

例えば、コンタクトセンターの自動化を考えてみましょう。AIエージェントを展開して、特定の問題を解決しようとします。従来のPMであれば、「顧客がAと尋ねたら、これらの選択肢を提示し、次にBに進む」といったフローを細部にわたって定義していました。しかしAI時代では、PMはモデルに「顧客がこの質問をしたら、このデータコーパスを検索して答えを見つけ、特定の方法で回答を作成する」とトレーニングを与えます。その結果、顧客Aにはこの答え、顧客Bには全く異なる答えが返ってくるかもしれません。本質は同じでも、PMはAIツールがどのように回答を「作成」するか、あるいは定義したすべての点をカバーできるかを正確に予測することはできません。

したがって、PMは「フロー」を定義するのではなく、「行動」を定義し、それをエンジニアリングチームに伝える必要があります。エンジニアリングチームも、その行動を構築する上で以前よりも大きな曖昧さに直面します。

PMは次のように考える必要があります。

構築しようとしているプロダクトの「行動」とは何か？
「良い」とはどのような状態か？「悪い」とは？
「良い日」はどのように見えるか？「悪い日」は？
何をAIにさせたいか？何をしてほしくないか？
何は制御可能で、何は予測不可能か？そのうち、どれだけが悪い影響を与え、どれだけが良い影響をもたらすか？

かつての1か0の世界から、0と1の間の無限の可能性（確率）が存在する世界へと変化しました。PMはすべてをコントロールできないというマインドセットを持つ必要があり、ガードレールを定義し、計画したものがそのガードレール内で動作しているかをテストするのです。

PMに求められる新たな4つの技術的スキルセット

さらに、インバル氏はAI時代においてPMに求められる技術的スキルの重要性を強調します。かつてPMは技術的なバックグラウンドがなくても活躍できるという時期もありましたが、現在はその流れが再び変わりつつあります。ただし、「コーディング」というよりも、より広範な「システム」と「AI自体」の理解が求められます。

システムデザインの深い理解
- プロダクトを支えるシステムのコンポーネント、それが稼働するクラウド、エンジニアリングチームが選択したAIツールの機能、そしてそれらがどのように連携しているかを理解する必要があります。システム全体の高レベルなコンポーネントを把握することに、より多くの時間を費やすべきです。
AIの種類とその特性の知識
- 「AI」という大きな言葉の下には、機械学習モデルからAGI、LLM（大規模言語モデル）まで、幅広いスペクトルが存在します。PMはこれらが何を意味し、どのように振る舞うのかを自ら学ぶ必要があります。LLMの挙動、エージェントAIのワークロード、予測AIとは何か、といった知識です。
- なぜなら、それぞれのAIソリューションにはコスト、メリット、デメリットがあり、PMはエンジニアリングチームと協力して適切な選択をする上で、この知識が不可欠だからです。
成果測定方法の定義能力
- どのような成果をプロダクトから引き出したいのか、その成功をどのように測定するのかについて、より多くの時間を費やすべきです。単に「顧客が満足していること」ではなく、「システムがどのような成果を生産することを望むか」を具体的に定義し、測定できるようにする必要があります。これは、より分析的な性質を持つスキルです。
製品開発におけるコスト意識
- AIワークロードは非常に高価になる傾向があります。インフラレベルからプロダクト開発にかかるコストを理解し、構築しようとしているプロダクトにとって適切なAIソリューションを選択できるようになる必要があります。

これらのスキルは、歴史的にPMがそれほど時間を割いてこなかった領域です。PMはこれらのツールやスキルセットをどのように開発するかを学ぶ必要があります。

PMの役割の拡大：非公式なGMとしての側面

インバル氏は、PMは常に何らかの形で「ゼネラルマネージャー（GM）」のような役割を担ってきたと語ります。製品の構築だけでなく、それが運営されるビジネス全体を理解する必要があるからです。

ユニットエコノミクス（単位経済性）の理解。
マーケティングチームが製品をどのように位置づけるかを理解すること。
製品を販売する市場投入（Go-to-Market）エンジンを理解すること。
どのような顧客に販売するのか、なぜその顧客に販売するのか、そして顧客がどのように行動するかを理解すること。

今日のシステムはますます複雑化し、ユースケースは広範囲にわたっています。PMの役割は、「アイデアを持つ」ことから「顧客が製品をどのように使用するか」、さらには「営業チームが製品をどのように販売するか」、そして「顧客が想像もしなかった方法で製品を使用すること」まで、よりエンドツーエンドな視点が求められるようになっています。このPMの役割の拡大は、AI時代の新たな常識と言えるでしょう。

セクション4: Twilioが描く顧客エンゲージメントの未来 – 「One Twilio」とAIの融合

Twilioは、APIベースの通信プラットフォームとして広く知られていますが、インバル氏が率いるチームは、その核となる技術にAIを深く組み込むことで、顧客エンゲージメントの未来を再定義しようとしています。その中心にあるのが、顧客エンゲージメントプラットフォーム「One Twilio」です。

「One Twilio」：パーソナライズされた顧客ジャーニーの実現

インバル氏は、Twilioの製品を「顧客エンゲージメントプラットフォーム」または「顧客体験プラットフォーム」と位置付けています。その最大の目標は、ブランドと顧客の間のカスタマージャーニーをより良いものにすることです。

誰もが経験したことがあるでしょう。マーケティングキャンペーンと称して、自分には全く関係のないSMSやメールが大量に届き、開封することもなく、フィッシング詐詐欺かと疑ってしまうようなノイズに満ちた体験です。Twilioは、この視点を「顧客エンゲージメント」へとシフトさせたいと考えています。目的は、顧客、つまりブランドからSMSやメール、その他のエンゲージメントを受け取る「エンドコンシューマー」に対して、より魅力的で、関連性があり、パーソナライズされたサービスを提供することです。

例えば、Twilioの技術は、あなたが健康診断の予約リマインダーを受け取る際に利用されています。このシンプルなユースケースからでも、多くの学びがあります。もし、リマインダーが、あなたが最もエンゲージしやすいチャネル（SMS、メール、WhatsAppなど）を通じて届き、かつそのメッセージがあなたにとってより関連性の高い内容（あなたの名前、医師の名前、予約の目的、その予約がどれほど重要か）であれば、あなたは間違いなく予約に現れる可能性が高まります。Twilioは、そのビジネスが目的（顧客が予約に現れること）を達成するのを支援しているのです。

これは、ノードストロームのセールメッセージにも応用できます。誰もがセールメッセージを受け取るかもしれませんが、あなたが普段ノードストロームで買い物をしない、あるいは靴ではなくシャツを購入する顧客であるなら、そのメッセージは関連性が低いかもしれません。Twilioの目標は、そのエンゲージメントを「私」という個人にとって、より関連性の高いものにすること、つまり、私のショッピング体験やブランドエンゲージメントに合わせたものにすることです。

「顧客エンゲージメント」を考える際、Twilioは以下のように考えています。

消費者としてのあなたとは誰か？
特定のブランドとのエンゲージメントを通じて、あなたについて何を知っているか？ （これは「あなたの記憶」として捉えられます。あなたの行動履歴やイベントのタイムライン。）
どのようなメッセージに反応する可能性が高いか？
どうすれば、そのメッセージを単なるマーケティングキャンペーンではなく、より会話的なものにできるか？ （双方向の対話の創出。）

これらすべてが、Twilioが「One Twilioプラットフォーム」で実現しようとしている顧客エンゲージメントのビジョンです。

AIが「どこでも」活躍するTwilioの顧客エンゲージメントプラットフォーム

では、AIはTwilioの顧客エンゲージメントプラットフォームで具体的にどのように活用されているのでしょうか？インバル氏の答えはシンプルかつ力強いものです。「どこでも（everywhere）だ」。

Twilioのプラットフォームは、AI機能が「最も豊かなプラットフォーム」の一つであると彼女は述べます。それは、すべてが「データのアクティベーション」と「パーソナライゼーション」に関わっているからです。

AIの活用例をいくつかご紹介します。

セキュリティと信頼性
- 詐欺・スパム防止: あなたが受け取るSMSが本物か、スパムか、詐欺の試みかを見極めるのは難しい場合があります。TwilioはバックグラウンドでAIツールを実行し、トラフィックを監視し、送信者を検証して、メッセージが信頼できるソースから送信されていることを確認します。これにより、ユーザーはTwilio経由のメッセージを安心して受け取ることができます。
- トラフィック監視: AIは通信トラフィック自体を監視し、異常なパターンやセキュリティリスクを検出します。
会話型AIエージェント
- バーチャルエージェント: サポートに電話をかけた際、AIエージェントが人間の会話に似た形で対話を行います。従来の「1を押して、2を押して」というIVRの煩わしさから解放され、より自然で効率的な問題解決体験を提供します。
- コンテキスト理解: AIは会話のコンテキストを理解し、適切な情報を提供したり、必要な場合にのみ人間のエージェントにスムーズにエスカレーションしたりします。
パーソナライズされたコミュニケーション
- チャネルの最適化: Twilioは顧客のプロファイルを理解し、ブランドがあなたにメッセージを送るべき最適なチャネル（例: あなたはメールよりもWhatsAppを好むか？）を推奨します。
- メッセージ内容の最適化: あなたが靴を好む顧客であるなら、シャツのセールではなく、靴に関するキャンペーンをあなたに送るべきだとレコメンデーションします。これは、顧客がどのブランドとどのようにエンゲージするかに関する過去のデータに基づいて、AIがデータをキュレーションし、活性化することで実現されます。

インバル氏は、かつてはデータパイプラインとして機能していたTwilio（特にSegment買収以前）が、今やデータの保持、解釈、統合を単一プラットフォーム内で実現する「One Twilio」として進化していることを強調します。これにより、企業はこれまで必要としていた多くのツールと統合の手間を省き、よりシームレスな顧客エンゲージメント体験を構築できるようになります。これは、Twilioが顧客に提供する価値を大きく変えるものです。

セクション5: データ戦略とAIの統合 – 複雑なデータ環境への対応

AIの力を最大限に引き出すためには、データ戦略が不可欠です。しかし、多くの企業は、データが様々なシステムに断片的に存在しているという課題に直面しています。Twilioは、この複雑なデータ環境にどのように対応し、AIをデータに効果的に統合しようとしているのでしょうか。

既存データソースとの接続：Segmentの役割とデータオーケストレーション

インバル氏は、Twilioが買収したSegmentが果たす役割の重要性を強調します。Segmentでは以前から「データコネクター」が構築されており、TwilioのCDP（顧客データプラットフォーム）内に存在するデータだけでなく、データウェアハウスやSalesforceのような外部システムに存在するデータも接続できます。

Segmentの拡張性は、顧客が持つあらゆるデータソースを接続し、顧客のタイムラインやイベントを含む「コンテクスチュアルなデータ層」を生成することに焦点を当てています。そして、このデータ層の上でAIを実行するのです。

ここでインバル氏が重要な警告を発しています。「顧客がAIを『データコネクター』として使おうとするのを見てきたが、その時点ではAIが各データソースから情報をどのように引き出すかを必ずしもコントロールできない」

つまり、AIを適用する前に、まずデータソースを適切に接続することが重要です。この「接続」は、単にデータをコピーしたり転送したりするのではなく、「データソース全体をオーケストレーションするコネクター」を持つことを意味します。このアプローチにより、AIはより堅牢になり、開発者が意図する通りの結果を生み出す可能性が高まります。AIにデータの接続方法を「決定させる」のではなく、人間が定義したデータ統合の上にAIを走らせるべきなのです。

新しいプロトコルの動向：MCPとA2A

データ統合とAIエージェント間のコミュニケーションをさらに効率化するために、新しいプロトコルの開発も進んでいます。インバル氏はこの分野の流動性についても言及しています。

MCP (Messaging Content Protocol): データにカテゴリーを付け、ラベルを付与することで、AIエージェントがデータをより読み取りやすくするためのプロトコルです。データコネクターのビルディングブロックの一つとして機能し、AIエージェントに接続するレイヤーとして活用されます。
A2A (AI-to-AI) プロトコル: 最近Googleが寄付を発表したプロトコルで、AI間の会話を可能にすることを目的としています。

インバル氏は、現在この分野は「流動的」であり、どのプロトコルが最終的な標準となるかはまだ定まっていないと認識しています。しかし、Twilioは顧客がどこにいてもサポートできるよう、MCPサーバーをサポートしています。企業は、自社のデータ戦略の中で、どのようなアーキテクチャを採用し、MCPをどこで、何のために使用するのかを理解する必要があります。

重要なのは、AIの活用がデータ戦略と密接に結びついているということです。断片化したデータを統合し、適切な構造でAIに提供する基盤がなければ、AIは期待通りの価値を発揮できません。Twilioは、Segmentのデータコネクターと将来的なプロトコルサポートを通じて、このデータ統合の課題を解決し、AIの可能性を最大限に引き出すための基盤を構築しているのです。

セクション6: 組織構造とイノベーションのバランス – Twilioのプロダクト開発体制

AIがビジネスのあらゆる側面に浸透する中で、プロダクト開発チームの構造やAIの扱い方も進化を遂げています。Twilioでは、CPO兼R&D責任者であるインバル氏のもと、どのように組織が再編され、イノベーションと安定性のバランスを取っているのでしょうか。

AI開発の分散化：PM全員がAIを扱う能力を持つ

Twilioのプロダクトチームの再編は、約6ヶ月前に行われました。その主な原則は、すべての製品に共通する領域（プラットフォームコンポーネント、共有サービス）と、顧客向け製品を構築するコアケイパビリティ（チャネル、チャネルオーケストレーション、データ＆アイデンティティ）を明確にすることでした。

特筆すべきは、Twilioが**「単一のAIチーム」を持っていない**という点です。これは、「AIはツールである」というインバル氏の哲学に合致しています。彼女の組織内のすべてのPMは、AIが何か、どのように使用するか、どこで使用するかについて理解し、能力を発揮することが期待されています。

「AIはユースケースベースの実装である」という認識から、TwilioはAI開発を異なるプロダクトチーム全体に「分散化」しています。その代わり、Twilioは「データ戦略の集中化」に重点を置いています。AIはデータを活用して価値を生み出すため、データへのアクセスと管理を一元化することが、すべてのPMがAIを効果的に利用できるための鍵となるのです。

優先順位付けと計画：年間計画と3つのワークストリーム

インバル氏は、CPOとして多様な製品ポートフォリオと共有サービスを監督する中で、適切な優先順位付けを行うために、年間計画を非常に重視しています。この計画では、「今年のビッグベット」と「来年の目標」を明確に定義します。

Twilioのような大規模な企業では、すべてのワークストリームに同じスピードを適用することはできません。そこで、Twilioは製品開発を3つの異なるワークストリームに分けて管理しています。

サービスの維持（Keep the Lights On）
- 目的：既存の顧客ワークロードを安定して稼働させ続けること。
- 内容：システム停止（outage）やスタックの破損を防ぎ、Twilio上で実行されている非常に重要なサービスを継続的に維持すること。これは最も基本的な責任であり、顧客との信頼関係の基盤となります。
- 速度：最も遅く、安定性を最優先。
既存製品の成長（Grow Existing Products）
- 目的：既存の製品を継続的に改善し、成長させること。
- 内容：機能強化、アップグレード、パフォーマンス改善など。
- 速度：中程度。
高速イノベーション（Fast Innovation）
- 目的：新しい製品や体験を迅速に開発し、市場に投入すること。
- 内容：新しいプロダクトの構築、実験、迅速な学習とイテレーション。
- 速度：最も速く、アジャイルなアプローチ。

これらのワークストリームは製品ごとに定義され、各製品チーム内のPMには、ビジネスの成果と目標に基づいて、各ワークストリームに割り当てる時間の割合がガイドラインとして示されます。これにより、PMは日々の運用サポートと新規イノベーションの両方に十分な能力を割り当てつつ、バランスの取れた製品開発を進めることができます。

大規模企業におけるアジリティの維持

Perplexity AIのようなAI特化の新興企業が四半期ごとの計画しか立てられないと語る一方、Twilioのような大企業は年間計画を立てています。これは、Twilioが32万以上の顧客を抱える既存の通信プラットフォーム企業であり、彼らのスタックを四半期ごとに壊すわけにはいかないためです。

しかし、年間計画を立てつつも、Twilioは四半期ごとに実行計画を策定し、常に見直しと更新を行っています。これにより、必要に応じてピボットする柔軟性を保ちながら、計画の基礎となる「ファブリック」を維持しています。高速イノベーションのレイヤーは、より迅速な動きと学習を可能にし、他のワークストリームの安定性の上に成り立っています。

この多層的なアプローチこそが、Twilioが大規模な顧客ベースをサポートしつつ、AI時代の急速な変化に対応し、持続的なイノベーションを推進するための鍵となっています。

結論と将来展望：顧客ジャーニーの再定義へ

インバル・フェンサー氏との対話は、AIが単なる技術的流行ではなく、プロダクト開発、組織設計、そしてビジネス戦略そのものを再考させる強力な触媒であることを明確に示しています。彼女の「AIは戦略ではなくツールである。顧客ニーズこそが戦略だ」という核心的なメッセージは、AIの熱狂の中で企業が取るべき冷静かつ戦略的なアプローチの重要性を浮き彫りにします。

Twilioは、その通信プラットフォームとしての強固な基盤の上に、AIとデータという新たなレイヤーを統合することで、顧客エンゲージメントの未来を再定義しようとしています。これは、単なるAPI提供企業から、真の顧客体験プラットフォームへと進化する大きな転換点です。

「One Twilio」プラットフォームの未来

Twilioが年末までに提供開始を予定している「One Twilio」プラットフォームは、このビジョンの集大成です。

AIによるパワー: 顧客の行動を予測し、コミュニケーションをパーソナライズするインテリジェンスを提供。
データ活用: Segmentで培われた顧客の記憶とコンテキストデータを統合し、深い洞察を生成。
マルチチャネルオーケストレーション: SMS、メール、ボイス、WhatsAppなど、あらゆるチャネルを通じて一貫性のある、関連性の高いエンゲージメントを調整。

これは、Twilioがこれまで提供してきたAPIの世界から、すべての製品を単一の統合プラットフォームへと結集させる、これまでにない大規模なイノベーションです。顧客は、よりシームレスで、より効果的で、よりパーソナライズされたエンゲージメントを体験できるようになります。

インバル氏が以前CPOを務めたGitHubでの「Copilot」の立ち上げが、AIを活用した開発者生産性の象徴となったように、Twilioでの彼女の取り組みは、AIが顧客エンゲージメントをどのように革新できるかの新たな基準を確立することでしょう。彼女が率いるチームは、既存製品に基づいた新たな体験や製品を構築し、顧客ジャーニーを再定義するという大きな責任を担っています。

TwilioとMicrosoftのパートナーシップも、この未来への展望を象徴する動きの一つです。AIの進化は目覚ましく、来年のカンファレンス「Signal」では、さらに多くのエキサイティングな発表が控えていることでしょう。

AIは、私たちに無限の可能性をもたらしますが、その力を真に解き放つには、技術を戦略の中心に置くのではなく、顧客の声に耳を傾け、彼らのニーズを解決するための「ツール」として賢く活用することが不可欠です。インバル・フェンサー氏の言葉は、まさにその道筋を示しています。Twilioが描く顧客エンゲージメントの未来は、すべての企業にとって、AI時代のビジネス戦略を考える上での貴重な指針となるに違いありません。今後のTwilioの動向から目が離せません。