AIスタートアップVisoryの挫折と成功から学ぶ、現代プロダクト開発の7つの核心的教訓

プロダクト開発の世界は常に進化を続けていますが、特にAI技術の台頭は、その風景を劇的に変えつつあります。かつては数年かかった開発が数ヶ月で可能になり、個人や少人数のチームでも革新的なアイデアを具現化できるようになりました。しかし、この加速された環境は、同時にこれまで見過ごされてきた、あるいは表面化しなかった新たな課題を私たちに突きつけています。

今回、私たちは戦略アドバイザーであるKirsten Mann氏の貴重な経験から、AI時代におけるプロダクト開発の本質的な教訓を探ります。彼女はAIを活用したボードパック分析ソフトウェア「Visory」を共同で立ち上げ、その開発から事業売却に至るまでの道のりを通じて、現代のスタートアップ、特にAIプロダクトが直面する独自の挑戦と、それを乗り越えるための洞察を共有してくれました。Visoryの物語は、単なる一つのスタートアップの顛末に留まらず、AIがプロダクト開発を「簡単」にした一方で、それ以外の部分がいかに「困難」になったかを雄弁に語っています。

本記事では、Kirsten氏が自身の言葉で語った教訓を深く掘り下げ、AIプロダクトを構築する上で不可欠な7つの核心的な視点を提供します。これらは、技術的な側面だけでなく、市場理解、顧客行動、事業戦略、そして創業者自身の心の在り方にまで及ぶ、多角的な洞察となるでしょう。

1. 「作る」は簡単、「届ける」は至難の時代 ― 流通こそがプロダクト問題の本質

Kirsten氏がVisoryの経験から得た最も重要な教訓の一つは、「流通こそが、今のプロダクト問題だ」というものでした。AIの進化により、プロダクトを「構築する」こと自体はかつてないほど容易になりました。数年前には何千時間ものエンジニアリングと巨額の投資が必要だったものが、今ではAIエージェントの力を借りれば、短期間でプロトタイプを、場合によっては生産レベルの製品まで作り上げることが可能です。Kirsten氏自身も、通常であれば18ヶ月、8人のエンジニアチームが必要だった開発を、共同創業者のTobyと共にわずか4ヶ月で実現したと語っています。

しかし、この構築の容易さが、私たちをある種の幻想に陥らせることがあります。「もし私たちが素晴らしいものを作れば、顧客は自然とやってくるだろう（If you build it, they will come）」という古い神話です。Kirsten氏は、Snapchatの共同創業者であるEvan Spiegelの言葉を引用し、「誰もがプロダクトマーケットフィットに夢中になり、流通についてはほとんど考えない」と指摘します。そして、AIはこの問題をさらに複雑にしています。AIは構築のコストを劇的に下げましたが、「信頼を築き、人々にリーチするコストには手を付けていない」のです。むしろ、プロダクトのコモディティ化が進む現代においては、競争が激化し、顧客に製品を届けること自体がより困難になっています。

Kirsten氏のVisoryのケースでは、この流通問題が事業の方向転換の主要な要因となりました。Visoryは、役員向けにボードパックを分析するAIツールでしたが、彼女は役員というターゲット顧客の特殊性を認識していました。役員は、一般のユーザーのようにアプリストアを頻繁に閲覧したり、見知らぬ人からのアウトリーチに応じたりする習慣がありません。彼らは「信頼できる人物からの推薦」に基づいて行動する傾向が強いのです。

Kirsten氏は、この流通チャネルを「独自の仮説として、独自のテストと停止条件を持って」最初から扱うべきだったと反省しています。彼女は創業者個人の力で製品を販売しようとしましたが、役員市場においては、それが限界となってしまったのです。製品自体は価値があり、実際に支払う顧客もいましたが、その顧客基盤を拡大し、持続可能な事業として成長させるための「チャネル」を構築することが、予想以上に困難だったのです。最終的には、既存のチャネルを持つ大企業への事業売却という道を選びました。

この経験は、アジャイル開発の原則にも新たな視点をもたらします。アジャイルマニフェストが「正しいものを正しい方法で構築する」ことに焦点を当ててきた一方で、Kirsten氏は「正しいものを正しい人々の手に届ける」という「第三の規律」が同等の重みを持つべきだと主張します。流通、採用、支払い意思、定着といった要素はもはや「ダウンストリーム」（開発の後の段階）で考えるべきものではなく、プロダクト発見の初期段階から、継続的な学習ループの一部として組み込まれるべき不可欠な要素なのです。AIがプロダクトの構築を加速させる今だからこそ、私たちは「誰のために、どのように届けるか」という、より本質的な問いに立ち返る必要があります。

2. 自分自身が顧客であることの危険性 ― 「Me Test」の落とし穴

多くのスタートアップのアイデアは、創業者が自身で抱える問題から生まれます。それは自然なことであり、問題に対する深い理解と情熱は、プロダクト開発の強力な原動力となります。Kirsten氏も例外ではありませんでした。30年以上にわたるプロダクト経験を持つ彼女は、自身も役員として多忙な日々を送る中で、週末に何百ページものボードパックを読み解くという、時間と労力を要する苦痛を身をもって知っていました。「金曜日の夜に100ページから500ページ、上場企業のボードなら1000ページから2000ページにもなる資料を週末に読み込まなければならない」という状況は、彼女にとってまさに「自分事」であり、その問題を解決するAIツールの構想は極めて個人的な痛みから生まれました。

このような「自分自身が顧客」であることのメリットは計り知れません。問題の本質を深く理解し、ユーザーの視点に立ってプロダクトを設計できるため、Feasibility（実現可能性）とUsability（使いやすさ）の初期検証は非常にスムーズに進みます。AIツールを使えば、そのプロトタイプをさらに迅速に作成できるため、創業者は「これは素晴らしいものができる！」という強い確信を抱きやすくなります。

しかし、Kirsten氏はここで重要な警告を発します。「自分自身の確信は、その部屋で最も信頼できないシグナルだ」と。自分自身が顧客であることの最大のリスクは、主観的なバイアスによって客観的な市場検証が疎かになる点にあります。AIによって「週末にこの機能をコーディングした！」という興奮は、自分自身の問題を解決したことで得られる一時的な満足感に過ぎず、それが市場全体の「Viability（事業としての存続可能性）」や「Desirability（他者からの望ましさ）」を証明するものではありません。

Kirsten氏はこれを「Me Test」と呼び、かつて「Mum Test」（自分の母親に理解できるか、というテスト）がプロダクトのわかりやすさを測る指標だったのに対し、AI時代では開発者が「自分自身にしか解決できない問題」に陥りがちであると指摘します。Me Testが唯一のテストになってしまうと、あなたは「潜在顧客の総市場（TAM）ではないし、理想的な顧客プロフィール（ICP）ですらもないかもしれない」という厳しい現実に直面することになります。自分自身の問題は解決できても、それはごく一部のニッチなニーズに過ぎず、事業として成立するだけの市場規模や顧客層が存在しない可能性が高いのです。

真の検証とは、自分自身以外の誰かが、「この製品を私の手から奪い取り、すぐに取引を成立させ、その後も満足してくれるのか」を探すプロセスです。AIが構築を容易にした今だからこそ、この「人間的な側面」の検証こそが、スタートアップの成否を分ける鍵となるのです。

3. 口約束ではなく行動で測る真の需要 ― 意図的に「摩擦」を設ける検証法

「コーヒーを飲みながらの会話は安上がりだ」Kirsten氏は、プロダクトのアイデアに対する顧客の反応を評価する際、この言葉の真実を痛感したと語ります。人々は礼儀として、あるいは「あれば便利そう」という漠然とした感情から、素晴らしい言葉を投げかけてくれることがあります。しかし、そのような口約束は、真の需要、すなわち「顧客がその問題を解決するために、どれだけの犠牲を払う覚悟があるか」を示すものではありません。

Kirsten氏は、「痛み」と「需要」は同義ではないという重要な洞察を共有しています。私たちの生活は、まさに「火事場の瞬間」で満ち溢れています。私たちは皆、特定の不満や課題を抱えながらも、それに対して何も行動を起こさないことがほとんどです。真の需要とは、その「痛み」が行動へと駆り立てるほどの強度を持つときにのみ生まれます。

この原則に基づき、Kirsten氏はVisoryの初期段階で、意図的に「摩擦」を設ける検証法を実践しました。プロダクトを本格的に構築する前に、彼女は潜在的な役員顧客に対し、非常に高いハードルを課したのです。それは、「機密性の高いボードパック2つ」と、「その資料を読み上げる際の自身の思考プロセスを録音した音声記録」を提供してもらうことでした。

これは、非常に困難な要求です。ボードパックは企業にとって最も機密性の高い文書の一つであり、それを他者に提供するには、企業からの許可を得る必要があります。さらに、自身の思考プロセスを録音し、それを共有するという行為は、個人の時間と心理的な負担を伴います。Kirsten氏は、この大きなハードルを設定することで、顧客がその問題解決のために「どれだけの痛みを乗り越える意思があるか」を測ろうとしたのです。

「コーヒーを飲みながらの会話は安上がりだが、2つのボードパックを提供し、その音声記録を録音するための許可を得ることは高価だ」Kirsten氏は、このプロセスを通じて、顧客がプロダクトに対して抱く「力（force）」、すなわち真の動機を測ることができたと語ります。もし顧客が、このような労力を厭わないのであれば、それは彼らがその問題に深く苦しんでおり、解決策を切実に求めていることの強力なシグナルとなります。Kirsten氏は、このハードルを越える意思のある10人を見つけることができれば製品を構築すると決め、実際にその10人を見つけ出すことに成功しました。

このアプローチは、科学的な検証の原則とも深く結びついています。科学において、テストは「自分の仮説が正しいことを確認する」ために行われるのではなく、「自分の仮説が間違っている可能性を見つけ、必要であればプロジェクトを中止する理由を探す」ために行われます。Kirsten氏の摩擦テストも同様に、「このアイデアが失敗する理由」を見つけ出すことを目的としていました。

製品開発のライフサイクルにおいては、摩擦の役割は変化します。アイデア検証の初期段階では、あえて摩擦を設けることで真の需要を測るべきです。しかし、プロダクトが市場に投入され、その価値が証明された段階では、顧客が効率的に価値を得られるよう、可能な限り摩擦を減らすことに注力すべきなのです。この段階的なアプローチこそが、真に価値あるプロダクトを生み出すための重要な鍵となります。

4. 「言行不一致」の真実 ― 顧客の「言われたニーズ」と「行動で示されたニーズ」のギャップ

プロダクト開発において、顧客の声に耳を傾けることは不可欠です。しかし、顧客が「ほしい」と口にするもの（Stated Preference）と、実際に彼らが「使う」もの（Revealed Preference）の間には、しばしば大きなギャップが存在します。Kirsten氏はVisoryの経験を通じて、この「言行不一致」の真実を痛感しました。

Visoryの開発初期段階で、リサーチを通じて最も強い反応と要望を得た機能の一つが、「Cross-pack search」（複数資料横断検索）でした。役員たちは皆、共通のニーズを語りました。「3、4回の役員会前の資料を横断検索して、特定の課題や議論がいつ、どこで行われたかを見つけたい。以前見た記憶があるが、どこにあったか思い出せない」というものです。このニーズは非常に一貫しており、緊急性も高く感じられたため、Kirsten氏とTobyは当初の優先順位を上げて、この機能を早期に実装しました。

最初の顧客にこの機能を見せた際、「ああ、なんてことだ！他のどのツールも解決できなかった問題を解決してくれた！」と絶賛されたとKirsten氏は語ります。デモにおいても、この機能は常に喝采を浴び、多くの顧客が「素晴らしい」と評価しました。しかし、実際にプロダクトが利用されるようになると、驚くべきことに、この「Cross-pack search」機能はほとんど使われませんでした。

なぜ、これほどまでに求められ、デモで絶賛された機能が使われなかったのでしょうか？Kirsten氏はその理由を深く掘り下げ、顧客の「時間貧困」という根本的な課題に気づきました。役員たちは、常に時間に追われており、ボードパックのレビューを可能な限り迅速に終わらせたいと考えています。彼らは「より良い検索ボックス」を求めていたのではなく、資料全体の中から「何が重要か」を即座に教えてくれるものを求めていたのです。そのため、彼らが実際に最も利用したのは、AIがリスクや実行ギャップ、ポジティブな要素を自動でトリアージして提示する「キーシグナル」領域でした。

これは、Kanoモデルの視点から見ると、「Cross-pack search」が「魅力的品質（Delighter）」であったことを示唆しています。あれば非常に素晴らしいと感じられるが、なくても大きな不満にはならない、日常的な使用には直結しない機能です。デモや販売促進には絶大な効果を発揮しますが、顧客のコアな「仕事」（ボードパックの効率的なレビュー）を直接的に解決する「一元的品質（Performance Quality）」ではなかったのです。

Kirsten氏はまた、「ブロッコリーの原則」という別の類似例を挙げます。Visoryには、ユーザーが異なる役員のペルソナ（例：法務担当役員、技術担当役員など）になりきってボードパックに対して質問できる機能がありました。これにより、多様な視点から資料を検討し、会議への準備を万全にすることができます。これも理論的には非常に有用で、実際に初期の顧客は「これで完璧な準備ができる」と喜び、数回は使いました。しかし、ここでも「時間貧困」が立ちはだかり、日常的にはほとんど使われることはありませんでした。人は「健康に良い」と分かっていても常にブロッコリーを食べるとは限らないように、理論的に「やった方が良い」と分かっていても、多忙な中で追加の労力をかけることは稀なのです。

このような「言行不一致」のギャップを埋めるためには、プロダクト発見の段階で、より深い質問を投げかける必要があります。Kirsten氏は、今ならば「最近、この問題を解決するために具体的に3回試したことを教えてください。そして、その際、代わりに何を行いましたか？」と尋ねるだろうと語ります。もし顧客が、その問題に苦しむあまり、独自のワークフローや回避策をすでに構築しているのであれば、それは本物の問題であり、プロダクトがそれを解決する真の価値があることを示唆します。もし具体的な行動を挙げられないのであれば、それは単なる「潜在的な問題」に過ぎず、プロダクトの核となる機能として優先すべきではない可能性が高いのです。顧客が本当に求めるものを見極めるためには、言葉だけでなく、行動に表れた真のニーズを読み解く洞察力が不可欠です。

5. 価値と信頼のタイムラグ ― SaaSの常識が通じない「時間軸」の罠

一般的なSaaS（Software as a Service）製品のビジネスモデルでは、「高速アクティベーション」が成功の鍵とされます。顧客は通常、数日または1週間以内に製品の価値を実感し、その製品を日常的に使う習慣を形成することが期待されます。しかし、Kirsten氏はVisoryの経験を通じて、すべての製品がこの常識に当てはまるわけではないことを痛感しました。特に、使用頻度が低い製品においては、「価値創出までの時間（Time to Value）」と、さらに重要な「信頼構築までの時間（Time to Trust）」が、ビジネスモデルの根本を揺るがすほどの課題となり得るのです。

Visoryは役員会向けの製品であり、役員会は月次、四半期、あるいは半期に一度しか開催されないことが珍しくありません。このような低頻度利用のプロダクトでは、価値の認識と習慣の形成に、はるかに長い時間が必要となります。Kirsten氏の言葉によれば、Visoryの真の価値は「複数のサイクルにわたる記憶」から生まれるため、初日にその価値を実感することはできませんでした。

彼女は、顧客がVisoryの価値をどのように認識していくか、以下の3つの段階を観察しました。

サイクル1: 役員たちは、手動でのボードパックレビューと並行してVisoryを使用し、AIが自分が見つけたものと同じ洞察を捉えているかを確認しました。
サイクル2: 顧客は引き続き比較を行いましたが、Visoryに対する自信が向上し始めました。
サイクル3: ようやく顧客はVisoryに頼り始め、その価値を完全に認識しました。

Kirsten氏は当初、自身のモデリングでは「2サイクル」で顧客が価値を認識すると仮定していました。しかし、現実には役員会の開催頻度は様々であり、四半期に一度の会議に参加する役員の場合、サイクル3に到達するまでに半年以上かかることもありました。さらに、半期に一度しか開催されないボードもあるという現実に直面し、「なんてことだ！」と驚愕したと語っています。

この長い「Time to Value」は、SaaSビジネスの根幹を揺るがします。例えば、一般的な30日間の無料トライアルは、価値が数ヶ月先にしか現れない製品ではほとんど意味を成しません。これにより、トライアル期間の設定、価格設定、チャーンレートの予測、そして顧客獲得戦略のすべてを根本的に見直す必要が生じました。

さらに、Kirsten氏は「Time to Value」よりもさらに長い「Time to Trust」の概念を提唱します。需要が非常に強い市場では、購買サイクルが劇的に短縮され、製品は数週間で調達プロセスを通過することもあります。しかし、Visoryのような製品が対象とする市場は真逆です。ここでは、プロダクトに対する「信頼」が極めて重要であり、その信頼は「比較」を通じて時間をかけて築かれていきます。顧客は、AIが提供する分析が正確で信頼できるものであるかを、自身の経験と照らし合わせながら、何度も検証する必要があるのです。

Kirsten氏は、この課題への対処として「シミュレートされた第2サイクルビュー」やデモデータの活用を試みました。しかし、顧客は「自分自身の資料」で価値を実感する必要があり、その「ああ、なるほど」という瞬間に、より迅速に到達させる方法が必要でした。

また、過去のボードパックをアップロードさせることで、より多くのデータを学習させ、早期に価値を実感させるというオンボーディング戦略も検討されました。しかし、顧客は過去の資料にはあまり興味を示さず、差し迫ったボード会議の「未来の資料」にこそ強いエンゲージメントを示しました。システムログを分析すると、ボード会議の数日前、特に週末に集中して製品が利用されていることが明らかになり、役員たちの「時間貧困」と「直前の準備」という現実の行動パターンが浮き彫りになりました。

この教訓は、戦略策定ツールや年間イベント管理システムなど、使用頻度が低いが、一度使うと非常に価値のある他のタイプの製品にも当てはまります。これらの製品は、顧客を習慣的に「フック」し続けることが難しく、その価値を証明し、定着させるまでに長い時間と工夫が必要となるのです。

6. 価格設定のアンカリングとパイロット価格の教訓 ― 価値に見合った対価を得る難しさ

プロダクトの価格設定は、スタートアップにとって最も難しい決断の一つです。特にAI時代においては、無料または低価格の強力なAIツールが存在するため、顧客の「基準点（アンカー）」が予期せぬ形で設定され、それがプロダクトの価値を伝える上で大きな障壁となることがあります。Kirsten氏もVisoryの価格設定において、この「アンカリング効果」の罠に直面しました。

彼女は、Chat GPTやClaudeのような生成AIツールが、月額20ドル程度という価格で強力なAI分析を提供していることが、多くの人々にとってAI分析ツールの「参照点」となっていることを認識していました。Visoryは、単なる汎用AIツールではありません。これは、役員会に特化した目的構築型のソフトウェアであり、プライベートホスティング、複数サイクルにわたる記憶機能、高度なセキュリティ、そしてオーストラリアでの運用という、全く異なるコスト構造と法的責任を伴います。Kirsten氏は、VisoryがChat GPTと直接比較されるべきではないことを理解していました。

そこでKirsten氏は、比較の焦点を機能から「価値」へと転換する戦略を採りました。彼女は、Visoryの価格をChat GPTと比較するのではなく、「ガバナンス失敗のコスト」や「手作業でボードパックを読み解くために失われる時間」と比較することで、より高い価値を訴求しようとしました。役員は、彼らが負う法的責任や、何百ページもの資料を週末に読み解く労力に対して、AIが提供する洞察と効率化がどれほどの価値を持つかを理解すれば、それに見合った対価を支払うはずだと考えたのです。

この戦略は功を奏し、初期の顧客はVisoryの価値を認識しました。しかし、Kirsten氏はここで、別の「アンカー」を自ら作り出してしまったことに気づきます。それは、早期導入者向けに設定した「パイロット価格」です。本格的なリリースに先立ち、Kirsten氏は役員たちに月額150ドルでVisoryを提供しました。これは、本来彼女が想定していた「月額300ドル/ボードシート」の半額にあたる価格でした。彼女は、顧客が早期に支払い、製品の真の価値を実感しているかを検証したかったのです。

理論上は、パイロット価格で価値を証明した後、正規価格へと顧客を移行させることは可能とされます。Kirsten氏も、「もし明日この製品がなくなったら、いくら払ってでも使い続けたいか？」という古典的な問いかけを通じて、パイロット顧客を月額300ドルに引き上げようとしました。しかし、それは非常に困難な交渉となりました。月額150ドルというパイロット価格が、顧客の心の中で「正規の価格」として強固なアンカーとなってしまっていたのです。そのため、150ドルから300ドルへの値上げは、単なる価格変更ではなく「100%の値上げ」という罰則のように感じられてしまいました。

Kirsten氏は、この経験から重要な教訓を得ました。それは、「パイロットは正規価格で行うか、正規価格に近い価格で行い、ステップアップが罰則のように感じられないようにするべきだ」というものです。また、多くのスタートアップが陥りがちな「無料パイロット」は絶対に避けるべきであるとも指摘します。一度無料のサービスに慣れてしまうと、顧客は価値を十分に認識していたとしても、有料への移行に強い抵抗感を示すのが人間心理です。

Visoryの場合、月額150ドルでもニッチな市場においては良い価格であったとKirsten氏は語りますが、彼女が想定した収益モデルの半分にとどまりました。この経験は、AIプロダクトが提供する価値が高いほど、その価値を適切に価格に転嫁することがいかに重要であるかを教えてくれます。そして、その価格設定は、プロダクト構築の初期段階から、顧客の心理と市場の状況を深く理解した上で行われるべきであり、安易な割引や無料提供が、将来の事業成長を阻害する「アンカー」となり得ることを忘れてはなりません。

7. AI時代のプロダクト開発が突きつける新たな挑戦

Kirsten氏のVisoryの経験は、AIがプロダクト開発に革命をもたらす一方で、これまでの開発にはなかった、あるいは軽視されてきた新たな挑戦を生み出していることを示唆しています。

AIによる高速開発がもたらす創業者への負担増大と疲労

AIツールが開発速度を劇的に加速させることは、スタートアップにとって大きな利点です。しかし、Kirsten氏はこの加速が、創業者に計り知れない負担をかける可能性があると指摘します。AIを使えば「あと少しで完成する」「もう少し磨けば完璧になる」という感覚が常にあり、開発者は「魅惑的に近い」という誘惑に囚われ、際限なく作業を続けてしまいがちです。

Kirsten氏自身、4ヶ月という短期間で通常18ヶ月かかるはずだった製品を完成させましたが、それは「9時から5時」の仕事ではなかったと語っています。共同創業者のTobyも、この「容赦ない（relentless）」開発ペースに疲弊し、体力的な限界を感じた時期があったと明かされています。AIがタスクの実行速度を上げるほど、創業者にはより多くのタスクを、より高い集中力で、より長い時間こなすことが求められます。この精神的・肉体的な負担は、AIスタートアップが成功するために、創業者自身が意識的に管理し、バランスを取るべき重要な要素です。

AIモデルの「ドリフト」と品質保証の重要性

AIモデルは、従来の決定論的なソフトウェアとは根本的に異なります。AIモデルは「非決定論的」であり、時間とともにその振る舞いや性能が変化する「モデルドリフト」という現象が発生します。これは、データ分布の変化、モデルの再学習、あるいは基盤モデルのアップデートなどが原因で起こります。

Kirsten氏は、Visoryの運用中にこのモデルドリフトの課題に直面しました。Visoryは、複数のAIモデルを組み合わせて分析を行う戦略を採用していました。具体的には、2つの異なるモデルがボードパックの分析を行い、さらに3つ目の裁定モデルが、どちらの分析が優れているかを判断するという複雑な仕組みです。ある時、突然特定のモデルばかりが選ばれる現象が起こり、調査した結果、一方の基盤モデルがベンダーによって予告なく廃止されていたことが判明しました。

この経験は、AIプロダクトにおける「品質保証（QA）」と「テストフレームワーク」の重要性を浮き彫りにします。AIモデルは、人間が手で書いたコードのように振る舞いを完全に予測できるものではありません。Kirsten氏は、AIモデルを「従業員」のように扱い、定期的なレビュー、キャリブレーション、そして必要に応じた再学習が必要であると例えます。これは、従来のテスト駆動開発（TDD）や振る舞い駆動開発（BDD）の概念を進化させた「Eval」（評価フレームワーク）として、AI開発において不可欠な要素となっています。

AIプロダクトを商用化する際には、モデルドリフトを検知し、その影響を評価し、必要に応じて迅速に対応できる堅牢なQA・テストフレームワークに投資することが極めて重要です。AIがプロダクトの構築を「速く」する一方で、その「質」を維持するための労力はむしろ増大していることを、開発者は認識する必要があります。サプライヤーのモデルが予告なく変更・廃止される可能性があることも含め、AIエコシステムの不安定性に対する備えが求められるのです。

コスト管理と倫理的側面

AIエージェントやモデルの利用は、予期せぬコスト増大につながる可能性があります。Kirsten氏は、友人のFaith ForesterがAIエージェントを動かし続けた結果、銀行口座が空になったという例を挙げ、このリスクの深刻さを指摘しています。Visoryでも、顧客が過去のボードパックを大量にアップロードし続ければ、分析コストが膨大になるため、アップロード数に制限を設ける必要がありました。AIは計算資源を大量に消費するため、効果的なコスト管理戦略が不可欠です。

結論：AI時代を生き抜くプロダクトリーダーの心構え

Kirsten Mann氏がVisoryの立ち上げから売却に至るまでの経験から得た教訓は、AI時代におけるプロダクト開発の羅針盤となるべきものです。彼女の物語は、AIがプロダクト構築の障壁を劇的に下げた一方で、真の成功を収めるためには、技術的な側面だけでなく、より深く、より広範な課題に取り組む必要があることを教えてくれます。

「プロダクトを構築すること自体は、かつてないほど簡単になった。だからこそ、難しい部分、つまり『あなたは顧客ではない』と仮定し、誰かがその対価を支払ってくれるかを見つけ出すことに集中しなければならない」Kirsten氏のこの言葉は、AIスタートアップを志すすべてのプロダクトリーダー、創業者にとって、心に刻むべき最終的なアドバイスと言えるでしょう。

私たちは、AIという強力なツールに魅了され、その能力の高さに目を奪われがちです。しかし、その輝かしい技術の裏側には、以下のような本質的な課題が潜んでいます。

流通の再定義: どんなに優れた製品も、顧客に届かなければ無意味です。「If you build it, they will come」という幻想を捨て、プロダクト発見の初期段階から流通チャネルを事業仮説として検証し、構築する覚悟が必要です。
客観的な顧客理解: 自分自身の問題解決に囚われる「Me Test」の罠を避け、意図的に「摩擦」を設けるなど、顧客の行動に表れる真の需要を客観的に見極める洞察力が不可欠です。
時間軸の再考: 使用頻度の低い製品では、SaaSの常識が通用しません。「Time to Value」と「Time to Trust」を長く見積もり、それに対応したビジネスモデルと顧客エンゲージメント戦略を練る必要があります。
価値に見合った価格設定: AIの汎用性による「低価格アンカー」に対処し、プロダクトが提供する本質的なビジネス価値を明確に訴求し、パイロット段階から適切な価格を徴収することが、持続可能な成長には欠かせません。
人間的・技術的持続可能性: AIによる高速開発は、創業者に過大な負担を強いる可能性があります。また、AIモデルのドリフトという非決定論的な特性に対し、堅牢な評価・テストフレームワークを構築し、絶え間ない品質保証に投資することが、信頼されるプロダクトを維持するための鍵となります。

Kirsten Mann氏のVisoryでの経験は、AIはあくまで「手段」であり、プロダクト開発と事業構築の基本的な原則は変わらないことを示しています。AIが私たちの能力を拡張する一方で、プロダクトリーダーには、より深いビジネスの問いに真摯に向き合い、人間的な洞察力、戦略的思考、そしてレジリエンスがこれまで以上に求められているのです。彼女が現在、戦略アドバイザーとして多くの企業を支援しているのは、これらの貴重な教訓を次世代のイノベーターたちに伝え、より良いプロダクトが世界に届けられるよう貢献したいという強い想いがあるからに違いありません。AI時代の複雑な航海において、Kirsten氏の言葉は、私たちを正しい方向へと導く羅針盤となるでしょう。