AI時代のプロダクトマネジメントの羅針盤：英国政府i.AIから学ぶ3つの教訓と1つの前提

「ソフトウェア、特にプロトタイプの作成は安価になっている。これは、AIが不可能だったことを可能にするためだ。これにより、何を構築するかを決定できる人材の需要が増加するだろう。AIプロダクトマネジメントには明るい未来がある！」

このアンドリュー・エン（Andrew Ng）氏の言葉は、AIが私たちの働き方、そして製品開発の風景をどのように変革しているかを端的に示しています。AIの進化は、技術的な障壁を低くし、かつては想像すらできなかったアイデアを現実のものに変えつつあります。しかし、この新たな可能性の波に乗るためには、単に技術を理解するだけでなく、「何を、なぜ、どのように」構築するのかという、より深い洞察が求められます。

本日、私は英国政府のi.AI (Incubator for Artificial Intelligence) でAIエンジニアリング責任者を務めるジェームズ・ロウ氏の講演から得た知見を基に、AIプロダクトマネジメントの未来について深掘りしたいと思います。i.AIは、英国首相官邸の主導により設立された、政府デジタルサービス（Government Digital Service）内の精鋭チームです。その使命は、AIの力を借りて公共の利益（public good）を提供すること。英国政府が7000万人を超える市民のために年間1兆ポンド以上を投じる中で、i.AIの役割は、フロントラインサービスから首相官邸の意思決定まで、広範な領域でAIの可能性を追求することにあります。

この広範なミッションを成功させるためには、「何を構築すべきか」を的確に判断する能力が不可欠です。本記事では、AIプロダクトマネジメントの根幹をなす要素、AIがもたらす複雑性、そしてi.AIが実践を通じて学んだ3つの具体的な教訓と、その基盤となる1つの前提について、専門性と分かりやすさを両立させながら詳細に解説します。プロダクトマネージャー、AIエンジニア、そして新たな価値創造を目指す創業者の方々にとって、このAI時代を生き抜くための貴重な羅針盤となることを願っています。

AIプロダクトマネジメント：複雑性の増大と新たな要件

従来のプロダクトマネジメントは、ユーザーの要望（desirability）、ビジネスの実現可能性（viability）、そして技術的実現可能性（feasibility）という3つの主要な領域の交差点に位置づけられてきました。優れたプロダクトマネージャーは、これらの要素のバランスを取りながら、製品の正しい方向性を見つけ出すことに専念します。

しかし、AIがこの方程式に加わることで、プロダクトマネジメントの風景は劇的に変化し、新たな複雑性と要件が生まれます。AIは、従来の3つの領域それぞれに、固有の疑問と課題を投げかけます。

ビジネスの実現可能性（Business Viability）への影響: AIプロダクトは、従来のソフトウェア製品と比較して、より高いレベルの実験と反復を必要とします。モデルのパフォーマンスは、常に変動するデータや外部環境に左右されるため、予測不可能性が伴います。このため、初期段階での失敗の可能性も高くなります。ビジネスは、このような高い実験コストと失敗のリスクを許容できるでしょうか？ソリューションは長期的に利益をもたらすでしょうか？このようなAI特有のリスクとリターンを、どのように評価し、ビジネス戦略に組み込むかが問われます。
技術的実現可能性（Technology Feasibility）への影響: AIの技術的側面は、従来のソフトウェア開発とは異なる専門知識を要求します。モデルの選定、データの前処理、トレーニング、デプロイ、そして最も重要なのが「評価と監視」です。開発されたAIモデルのパフォーマンスをどのように正確に評価し、本番環境でその性能が維持されているかを継続的に監視する仕組みは、従来のソフトウェアのテストや品質保証とは一線を画します。チームは、最新のAI技術を理解し、モデルのライフサイクル全体を管理するための適切なスキルセットを持っているでしょうか？技術的な専門知識だけでなく、その不確実性を管理する能力が不可欠になります。
ユーザーの要望（User Desirability）への影響: AIの最も特徴的な側面の一つは、その「確率的性質」です。AIは常に完璧な結果を出すわけではなく、時には誤った、あるいは予測不能な出力をもたらすことがあります。ユーザーは、このようなAIの特性をどのように受け止めるでしょうか？ユーザーのためにどのような問題を解決しようとしているのでしょうか？ AIが生成する情報に対する信頼性をどのように構築し、ユーザーがその限界を理解できるようにするべきでしょうか？予期せぬ結果を防ぐための「ガードレール」は必要でしょうか？また、AIの判断を補完し、必要に応じて人間の介入を可能にする「Human-in-the-loop」の仕組みをどのように設計するかも、ユーザー体験を決定づける重要な要素となります。

そして、これら3つの領域を横断する形で、AIプロダクトマネジメントには「そもそも、これは技術的に可能（feasible）で、ビジネスとして存続可能（viable）で、ユーザーに望まれる（desirable）のか？」という、より根本的な問いが常に付きまといます。AIのフロンティアでは、今日の不可能が明日の常識となる一方で、過度な期待が失望につながることも少なくありません。

このような複雑な状況において、AIプロダクトマネージャーに求められるのは、従来のプロダクトマネジメントのスキルに加え、データとAIに関する深い専門知識です。データ駆動型の意思決定、モデルの評価手法の理解、そしてAIの確率的性質と倫理的側面への配慮が不可欠となります。ジェームズ・ロウ氏が指摘するように、これは特定の「役割」というよりも、チーム全体に浸透すべき「マインドセット」です。つまり、ユーザー、ビジネス、技術、そしてAIという4つの領域すべてを深く理解し、その相互作用の中で製品の進むべき道筋を見出せる人材が、これからのAI時代において最も価値ある存在となるでしょう。

i.AIが実践するAIプロダクト開発の3つの教訓

i.AIのチームは、このような複雑なAIプロダクト開発の最前線で活動する中で、貴重な教訓を学んできました。これらの教訓は、AIプロダクトマネージャーを目指す私たちにとって、具体的な指針となるでしょう。

教訓1: AIの不確実性を早期に解消する - 「Consult」プロジェクトの事例

英国政府は、重要な政策変更を行う際、国民からの意見を募る「コンサルテーション（consultations）」というプロセスを法的に義務付けられています。これらのコンサルテーションは、数百から数十万件に及ぶ自由記述形式の回答を含む大規模なアンケートであり、その分析には数ヶ月の期間と数百万ポンドの費用がかかります。これは、AIによる自然言語処理（NLP）が大きな価値を発揮できる典型的なユースケースです。

i.AIが「Consult」プロジェクトを開始した18ヶ月前、既存のNLP技術（例：BERTトピック）がコンサルテーション分析に活用できるという前例があったため、彼らはすぐに製品構築モードに入ってしまいました。しかし、これが大きな間違いだったとジェームズ・ロウ氏は語ります。実際のユーザーでテストしたところ、生成された結果は不正確で一貫性がなく、ユーザーのニーズを満たさないだけでなく、政府が政策決定に用いるために必要な高い法的基準もクリアできませんでした。

この失敗から、i.AIはアプローチを根本的に見直しました。彼らはまずAI機能そのものを優先することにしました。実際のユーザーからのデータと合成データを組み合わせ、AIモデルの性能を客観的に評価するための「評価指標（evals）」を構築し、それに基づいてモデルを最適化しました。そして、実際のユーザーでモデルの出力結果を徹底的にテストしました。

このプロセスを通じて開発されたのが「ThemeFinder」というパッケージです。このツールは、人間の作業と比較して、1000倍速く、400倍安価に、コンサルテーションの自由記述回答から主要なテーマを抽出できます。さらに、ThemeFinderはオープンソース化され、他の組織もこの恩恵を受けられるようになりました。

このプロジェクトの最大の洞察は、AIの不確実性を早期に、評価と実際のユーザーとのテストによって解消することの重要性です。AIの領域では、「可能だと思われたものが実際には不可能だった」り、「望まれるものが技術的に困難だったり」することが頻繁に起こります。AI機能が本当に機能するかを早期に検証することで、開発チームは「不可能なものを構築する時間の無駄」を避け、また「間違った製品を構築する時間の無駄」も省くことができます。AIプロダクトマネージャーは、技術的な可能性と限界を早期に見極めるための、厳格な評価プロセスを設計し、実行する責任を負います。

教訓2: 機能を幅広く試し、不要なものを削減する - 「Minute」プロジェクトの事例

英国政府内には、安全なAI文字起こしと要約が劇的な変革をもたらし得る多くのユースケースが存在します。例えば、現場の職員が本来の業務から離れて、会議の議事録作成や書類記入といった管理作業に多大な時間を費やしている現状があります。AWSやAzureのようなクラウドプロバイダーが提供する既存の文字起こしサービスもありますが、i.AIの「Minute」プロジェクトの焦点は、これらの基本的な能力を超えて、ユーザーにとって合理化され、摩擦のない体験をどのように提供するかという点にありました。

このプロジェクトの初期段階で、i.AIチームはAIがユーザー体験を向上させる多くの可能性を認識しました。AIコーディングアシスタントやツールを活用することで、これらの機能を迅速に構築できることも理解していました。そこで彼らは、非常に幅広いAI機能を開発し、さまざまなユーザーグループでテストするという「幅広く試す」アプローチを採用しました。

しかし、このアプローチには課題もありました。多くの機能が追加されたことで、ユーザーインターフェースは複雑で圧倒的なものとなり、実際のユーザーの多くは、提供された機能のすべてを活用していませんでした。例えば、ミーティングサマリーのツールでは、初期のUIには多様なテンプレート選択肢やアジェンダ入力オプション、AI編集ボタン、AIチャット機能などがありました。これらの機能は、一部のユーザーにとっては有用でしたが、多くのユーザーにとっては複雑すぎました。

このフィードバックを受けて、i.AIチームは方針を転換しました。彼らは、特に保護観察サービスという特定のユースケースに焦点を絞り、そこで最も価値があることが判明した機能のみに絞り込んでアプリを大幅に合理化しました。その結果、Justice AI（法務省内のAIチーム）と協力して、「Just Transcribe」という、よりシンプルで直感的な製品が生まれました。この新しいUIには、テンプレート選択やアジェンダ入力などの機能はなくなり、ユーザーが本当に必要としている中核的な機能に絞り込まれています。

この合理化されたアプローチは、ユーザーから非常に肯定的なフィードバックを得ています。この教訓は、AIがもたらす開発速度の向上を活用し、新しい機能を躊躇なく実験することの重要性を示唆しています。AIコーディングアシスタントを使えば、人間がコードを書くよりも感情的な愛着なく機能を生み出せるため、後で機能がユーザーに響かなかった場合に、ためらうことなく削除できます。つまり、AIプロダクトマネージャーは、初期段階で「量」を追求し、多くのアイデアを試行錯誤し、その後に「質」とユーザーの実際のニーズに基づいて、本当に機能する機能に焦点を絞り、不要なものを削減する勇気を持つべきだということです。

教訓3: 以前よりもはるかに速く、そしてより強くピボットする準備をする - 「Redbox」プロジェクトの事例

最後の教訓は、AI時代の製品開発において、最も重要な要素の一つである「ピボット」の能力についてです。英国政府の大臣たちは、重要な書類や意思決定を必要とする資料が詰まった「赤い箱（Redbox）」を常に持ち歩いています。この赤い箱に入れるべき情報を要約し、照合し、収集する作業は、彼らの私設オフィスにとって膨大な負担であり、AIによる効率化が期待される典型的なユースケースでした。

この「大臣のRedboxをデジタル化する」というアイデアは、i.AIの姉妹チームであるEvidence Houseが開催したハッカソンで優勝し、Redboxプロジェクトの最初の段階となりました。彼らはこのアイデアを本格的な製品へと発展させました。

しかし、実際のユーザーでテストしたところ、彼らが最も求めていたのは、他の何よりも大規模言語モデル（LLM）と安全にチャットできる機能でした。これは1年以上前のことで、当時は企業がLLMと安全にやり取りできる機能はまだ珍しく、特に公務員の間ではそうでした。人々はChatGPTのようなツールがもたらす価値を認識していましたが、機密性の高い仕事情報をそこに入力することはできませんでした。

この洞察が、Redboxの第二段階につながりました。「LLMと安全にチャットする最も簡単で安価な方法」としてのRedboxです。このRedboxは、Cabinet Office内でリリースされると数週間で数千人のユーザーを獲得し、その有用性が強く裏付けられました。

この成功は、i.AIに新たな機会をもたらしました。彼らは、政府固有のデータをよりアクセスしやすく、ナビゲートしやすくするための他のツール（例えば、議会データをより利用可能にするための「Parlex」など）を開発していました。これらのツールはそれぞれ独自のユーザーインターフェースを持っていましたが、なぜ、既に多くの人がアクセスできるRedboxを、それらすべてのツールとデータへのゲートウェイとして使用しないのか？この考えがRedboxの第三段階を形成しました。「i.AIのツールとデータにアクセスするためのクライアント」としてのRedboxです。

しかし、AIの領域の急速な変化は、再びピボットの必要性を突きつけました。二つの大きな出来事があったとジェームズ・ロウ氏は語ります。

商業環境の変化: Microsoftが、エンタープライズ版ChatGPTである「Copilot Chat」を、エンタープライズMicrosoftユーザーに無料で提供すると発表しました。英国政府の多くの部署がエンタープライズMicrosoftユーザーであるため、Redboxの主要な差別化要因の一つが失われることになりました。
技術の進化: Anthropicの「Claude」で導入された「モデルコンテキストプロトコル（MCP）」が、ツールやデータをLLMに持ち込むための標準化された方法を提供しました。

これらの変化により、Redboxが公務員がLLMと安全にチャットするための主要な方法であることに賭け続けることは意味がなくなりました。また、i.AIのツールとデータにアクセスするための唯一の方法がRedboxである必要もなくなりました。代わりにi.AIは、MCPに大きく投資し、彼らのツールとデータをRedboxであろうと、Copilot Chatであろうと、あるいは他のどのクライアントであろうと、任意のクライアントに提供できるようにすることに焦点を移しました。これがRedboxの第四段階となったのです。

この教訓は、AIの状況が信じられないほどの速さで変化していることを強調しています。AIプロダクトマネージャーは、常に市場と技術の動向を監視し、製品の方向性を柔軟かつ迅速に変更する能力がこれまで以上に求められます。そうでなければ、間違った道に足を踏み入れ、競争力を失ってしまうリスクがあります。以前よりもはるかに速く、そしてより強くピボットする準備をすることが、AI時代を生き抜くための必須条件です。

AI時代におけるプロダクトマネジメントの新たな常識

これまでに見てきた教訓は、AIがプロダクトマネジメントの原則そのものを再定義するわけではないものの、その実践方法に深い影響を与えていることを示しています。従来のプロダクトマネジメントにおける「最大の不確実性を最初に解決する」という原則や、「ユーザーを第一に考え、彼らの話を聞き、機能を彼らとテストする」というアプローチは、AI時代においても依然として重要です。しかし、AIはこれらの原則の適用をより複雑にし、同時に新たな機会も提供しています。

AIがもたらす「違い」をまとめると、以下のようになります。

不確実性の増大: AIモデルの動作や性能は、従来のソフトウェアよりも予測が難しい場合があります。このため、初期段階でAIの不確実性を特定し、評価と実ユーザーテストを通じて解消することがこれまで以上に重要です。
実験と評価の重要性: AIの確率的性質により、実験と継続的な評価が製品開発プロセスの中核をなします。多くの機能を迅速に試し、その有効性を客観的な指標とユーザーフィードバックに基づいて評価する能力が不可欠です。
迅速なピボットの必要性: AI技術の進化は目覚ましく、市場環境も急速に変化します。このため、製品の方向性を柔軟に変更し、時には大胆なピボットを行う準備が、以前にも増して求められます。

AIプロダクトマネージャーは、単なる技術的な知識だけでなく、これらの変化に対応するための「マインドセット」を持つことが不可欠です。それは、データとAIへの深い理解、厳格な評価文化の構築、そして不確実性を受け入れ、そこから学ぶ柔軟性を意味します。AIは、不可能を可能にする強力なツールであると同時に、私たちの開発プロセスに新たな挑戦をもたらします。

結び：AIが切り拓く未来へ、あなたのプロダクトを導くために

AIの波は、すでに私たちの社会とビジネスに深く浸透し始めています。この変革の時代において、プロダクトマネージャーは単なるプロジェクトの管理者ではなく、AIの可能性を最大限に引き出し、倫理的かつ効果的な製品を通じて公共の利益、あるいはビジネス価値を創造する戦略的リーダーとなることが求められます。

ジェームズ・ロウ氏の言葉「あなたの製品はあなたを必要としている (YOUR PRODUCT NEEDS YOU)」は、この新たな時代におけるAIプロダクトマネージャーの重要性を力強く訴えかけています。i.AIが実践するこれらの教訓は、私たちがこの複雑でエキサイティングな領域を航海するための貴重な指針となるでしょう。

AIの不確実性を早期に解消し、機能を幅広く試し、不要なものは大胆に削減し、そして何よりも変化に迅速に対応する「ピボット」の準備を怠らないこと。このマインドセットを身につけることで、あなたはAIが切り拓く未来において、あなたの製品を成功へと導くことができるはずです。

現在、i.AIは才能ある人材を求めています。AIプロダクトマネージャーとして、英国政府のデジタル変革に貢献したい方は、ぜひai.gov.ukを訪れてみてください。あなたの専門知識と情熱が、AIの未来を形作る力となるでしょう。