メインコンテンツへスキップ

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​

AI プロダクト意思決定マトリクス

AI プロダクト実験と指標ループ

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。

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。

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

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。