創業者が「競合がAIをより速く構築しているのではないか」と不安を抱くのは珍しくない。だが私の経験では、本当の競争優位はスピードではなく、誤った賭けを減らすことにある。多くの場合、競争力は「何をつくらないか」を早期に決めることから生まれる。
AIはもはやロードマップ上の項目ではない。すでに競争の力学そのものを作り変えている。多くのリーダーにとって問われているのは、AIに投資するかどうかではなく、どこに投資するかだ。コモディティ機能を構築するために使う1ドルは、堀（モート）を守るために使えない1ドルである。
私は、チャットボット、コパイロット、予測モデルなど複数のAIパイロットを立ち上げながら、どれが真に顧客価値を規定するのかを決めないチームを見てきた。こうしたチームに野心が欠けているわけではない。あれもこれも同時に追い、早すぎる過剰構築をし、実験を戦略と取り違えるのだ。ここに、いまのプロダクトリーダーが直面する中核的な課題があると私は考える。すなわち、内製すべき時、買うべき時、提携すべき時をどう見極めるかである。
初期の意思決定がもたらす複利効果
プロダクトリーダーとして15年やってきて学んだことの1つは、指数関数的な成果を得るには早期にピボットすることだ。変更が遅れれば、追いつくのに何年も費やしかねない。
例えば、2023年に2社が異なる選択をしたとしよう。A社は汎用的なカスタマーサポート向けにカスタムの大規模言語モデル（LLM）を構築した。B社は既製のソリューションを購入し、浮いたリソースを独自の不正検知に投資した。2026年には、A社のモデルは陳腐化している（OpenAIが追いついた）一方で、B社の不正検知の知的財産（IP）は複利で積み上がり、守りの堀（モート）になっている。
この例は、AIに関する初期の意思決定が時間とともに複利で効いてくることを示している。何を構築し、何を外注するかは、将来のレバレッジと差別化を形づくる。そして「とりあえず試してみて様子を見よう」という受動的な判断は中立ではない。戦略的な選択である。私は、この罠を避ける最善の方法は、チームが実験を超え、優先順位付けのための明確な戦略フレームワークを採用することだと考えている。
AI意思決定マトリクス
当て推量から脱するには、あらゆるAI施策を2つの軸で評価することから始めるとよい。戦略的価値（「この独自価値はどれだけ自社を際立たせるか」）と、実装能力（「社内の専門性にどれだけ依存するのか、それとも外部エコシステムや専門的な信頼にどれだけ依存するのか」）である。これにより、次の3つの戦略のうちどれを取るべきかを判断しやすくなる。
1. いつ構築するか：中核の「超能力」を定義する
AIが価値提案の中核にあるなら、AIプログラムは内製に注力したほうがよい場合がある。私の経験では、これはAIが独自データやドメイン知識に依拠する場合に最も効果的だ。例えば医療診断ツールの企業であれば、自社の非公開の厳選データセットで学習させた独自のビジョンモデルを作ることが考えられる。
目的：この戦略は、堀（モート）を築き、IPのコントロールを持つことに焦点を置く。構築の典型的な帰結は、高い差別化と低い外部依存である。
リスク：構築に必要な社内専門性がなく、これらの能力を外注しなければならない場合、「ブラックボックス」依存を生み、将来の差別化をコントロールできなくなる可能性がある。外注された堀（モート）というのは自己矛盾である。
私は、「独自」だと称するレコメンドエンジンを構築したものの、18カ月以内にオープンソースの代替と機能的に同一になった企業を見てきた。数百万ドルを焼き捨てた末に、自分たちがコモディティの複製品を作っていたと気づくのだ。これを避けるための簡易テストがある。AIの「秘伝のタレ」が、購入できるデータや収集可能なデータであるなら、堀（モート）ではなく、維持負担を構築している可能性が高いと認識すべきだ。
2. いつ購入するか：コモディティの車輪を再発明しない
購入が最も理にかなうのは、「水平（ホリゾンタル）」な能力、すなわち顧客が独自の差別化要因として認識しない標準ツールの場合である。例えば社内ドキュメント検索や、カスタマーサポートのチケット振り分けに標準的なLLM APIを使う、といった具合だ。私は、基盤モデルとインフラが急速に改善するため、こうしたコンポーネントを社内で保有しても報われにくいことを観察してきた。多くの場合、購入は野心の欠如ではない。フォーカスには限りがあるという認識である。
目的：この戦略は、スピードを高め、中核施策への集中を可能にする。購入の典型的な帰結は、差別化は低いがイノベーション速度は高い、である。
リスク：どのテクノロジーでも同様だが、第三者から購入することには、獲得コストや統合コストの増大、ならびにそれに伴うリスクがあり得る。
購入は戦略的な資本配分である。私はB2B SaaS企業が、カスタムの文字起こしエンジンを構築するのに6カ月を費やしたのを目にした。彼らがローンチした2週間後に、OpenAIがより良く、より速く、より安い新APIを公開した。私にとっての最大の学びは、「構築」は勲章ではないということだった。
迷ったら、このルールに従うとよい。AWS、OpenAI、Googleが取り組んでいるなら、おそらく自社がやるべきではない。
3. いつ提携するか：複雑なエコシステムでリスクを分かち合う
AIソリューションが、正統性、流通、あるいはコンプライアンスといった要素を必要とし、組織単独では提供できない場合、提携は不可欠になり得る。例えばフィンテックのスタートアップが、老舗の信用情報機関と提携し、その機関のデータとスタートアップのロジックを組み合わせて、AI駆動の「Trust Score」を共同開発する、といったケースである。
目的：この戦略は、変化する環境のなかでリスクを共有しつつ、正統性とスケールを獲得するために用いる。提携ルートの典型的な帰結は、高い差別化である一方、外部依存も高い、である。
リスク：パートナーと組むことは、マージンの共有とコントロールの低下を伴う。
AIが別のエコシステム（例えば特定のERP）内に住む必要がある、あるいは規制対象の主体からの「お墨付き」を要するなら、提携は、変化する環境のなかでリスクを共有しつつ、最短距離でインパクトに到達する道になり得る。しかし、すべての提携が戦略的とは限らない。相手が「シナジーを探りたい」と言いながら、リスク共有や共同投資にコミットしないなら、それは提携ではない。無償コンサルティングである。本当の提携には当事者意識がある。収益モデルの共有、共同開発契約、共同のGo-to-market（市場投入）コミットメントといった形で表れる。
プロダクトリーダーの新しい仕事：AI戦略を1つの問いに落とし込む
私があらゆるAI施策で圧力テストに使うのは、この問いである。「これが成功したとして、私のチームは次の3年間、それを守ることに時間を使うのか、それとも置き換えることに時間を使うのか」。守るのなら堀（モート）を築いた。置き換えるのなら、より見栄えのする名前が付いた技術的負債を築いたにすぎない。
試してほしい：次のリーダーシップ会議に、AIロードマップを持ち込む。各施策について、上の問いを投げかける。「置き換える」列に入るものは、おそらく購入か提携の判断が妥当だ。それは安全策ではない。本当に差別化するものに投資するためのリソースを解放する行為である。
AIで勝っている企業は、より速く構築しているのではない。より少なく構築し、戦略的に購入し、信頼がテクノロジー以上に重要な領域では提携しているのだ。あなたは今四半期、何を「つくらない」と胸を張って決めるだろうか。
