E.F AI プロダクト設計思考

AI プロダクト設計は、モデルの能力ではなくユーザーの問題から始めます。機能を作る価値があるのは、価値、コスト、リスク、ユーザー体験を説明できるときです。

まず意思決定ループを見る

最初のプロダクト習慣は、実装前にトレードオフを明確にすることです。

1 枚目の図はローンチゲートとして読みます。価値が高いだけでは足りず、リスク、コスト、ユーザー信頼を管理できる必要があります。2 枚目の図はローンチ後の運用リズムです。仮説、prototype、指標、ユーザーフィードバック、意思決定を回し続けます。

小さな優先度スコアを動かす

ideas = [
    {"name": "AI Tutor", "value": 9, "cost": 6, "risk": 4, "ux": 8},
    {"name": "AI Customer Service", "value": 8, "cost": 5, "risk": 5, "ux": 7},
    {"name": "AI Code Review", "value": 7, "cost": 4, "risk": 6, "ux": 6},
    {"name": "AI Medical Diagnosis", "value": 9, "cost": 8, "risk": 9, "ux": 5},
]


def score(item):
    return round(
        item["value"] * 0.45
        + (10 - item["cost"]) * 0.2
        + (10 - item["risk"]) * 0.2
        + item["ux"] * 0.15,
        2,
    )


def decision(item):
    if item["risk"] >= 8:
        return "do_not_launch"
    return "pilot" if item["score"] >= 6 else "wait"


ranked = sorted(({**item, "score": score(item)} for item in ideas), key=lambda item: item["score"], reverse=True)

for item in ranked:
    print(item["name"], "score=", item["score"], "decision=", decision(item))

期待される出力：

AI Tutor score= 7.25 decision= pilot
AI Customer Service score= 6.65 decision= pilot
AI Code Review score= 6.05 decision= pilot
AI Medical Diagnosis score= 5.4 decision= do_not_launch

数値は最終的な真実ではありません。何を最適化しているのか、どこでローンチを止めるべきかを明確にするための道具です。

スコアを意思決定メモにする

スクリプトが順位を出したら、最高点を見るだけで終わらせないでください。小さな意思決定メモを書きます。

意思決定メモの例:

• 機能: AI Tutor
• 決定: pilot
• 成功指標: 演習完了率を 15% 改善する。
• 主なリスク: 自信ありげだが間違った説明を返す。
• ローンチ阻止条件: 高リスク助言に review path がない。
• 次のテスト: 実際の学習者質問 10 件で試し、失敗を記録する。

このメモはプロダクト判断とエンジニアリング作業をつなぎます。指標、リスク、阻止条件、次の実験が明確なので、実装に移りやすくなります。

ローンチ阻止条件は数値スコアより重要です。AI 医療診断アシスタントはユーザー価値が高くても、臨床レビュー、監査ログ、エスカレーション、責任境界を用意できなければ止めるべきです。

最小限の有効なテストを設計する

完全な機能を作る前に、意思決定を変えられる小さなテストを定義します。

アイデア	最小限の有効なテスト
AI Tutor	実際の学習者質問 10 件で試し、正しさ、トーン、次の一歩の分かりやすさを記録する。
AI Customer Service	過去チケット 30 件で試し、自動解決率と危険な回答率を測る。
AI Code Review	5 つの PR で AI コメントと人間の review を比較し、実行可能な指摘を数える。

テストの前に意思決定ルールを書きます。たとえば、10 件中少なくとも 8 件が正しく、高リスク回答が未レビューでなく、学習者が次の一歩を理解できた場合だけ pilot に進めます。

プロダクトチェックリスト

質問	良い答え
誰が困っているか？	具体的なユーザー群とタスク
何が改善するか？	完了率、時間短縮、品質、コスト
何が失敗しうるか？	リスク境界と人間のフォールバック
進展をどう証明するか？	指標またはユーザーテスト結果
何がローンチを止めるか？	漠然とした不安ではなく、具体的な阻止条件

残す証拠

このページを終えたら、この証拠カードを残します。

プロダクト課題

ユーザー問題、ワークフロー、価値指標、リスク境界

実験

仮説、最小テスト、指標、意思決定ルール

成果物

機能仕様、prototype メモ、user story、または評価結果

失敗確認

価値を測らずにデモだけ作る、またはユーザーワークフローを無視する

期待される成果

実装を導ける AI プロダクト意思決定メモ

合格チェック

AI 機能案を1つスコア化し、トレードオフを説明し、成功指標を定義し、ローンチすべきでない条件を1つ言えれば合格です。

確認の考え方と解説

合格する答えは、具体的な機能案、トレードオフ、成功指標、そしてローンチ阻止条件を示します。証拠は、漠然としたビジョンではなく、実行可能な決定ノートとして残してください。

リスク境界が明確でなければ、スコアが高くてもそのまま出すべきではありません。