アビシェーク・バール氏は、AI（人工知能）プロダクトマネジメントとビジネス開発を専門としている。同氏は、グローバルAI教育テクノロジー企業JetLearnの創業者兼CEOである。
AIはすでに業界全体の競争力学を再構築している。しかし、AI機能は歴史上のどの技術よりも速く汎用化している。ほとんどのスタートアップ創業者にとっての課題は、AI機能を構築することではなく、適切なAI機能を構築することである。
以前の記事で、筆者はAI意思決定のための「構築、購入、提携」フレームワークを概説した。しかし、明確なフレームワークがあっても、チームは依然として高額な過ちを犯す可能性がある。AIで勝利する企業と数百万ドルを浪費する企業の違いは、何を決定するかだけでなく、リソースを投入する前にその決定をどれだけ厳密に検証するかにある。
以下は、戦略的投資と高額な実験を区別できる3つの圧力テストと、優れたフレームワークさえも損なう可能性のある3つの落とし穴である。
3つの圧力テスト
1. 可視性テスト：「顧客はこれに対してより多く支払うか？」
これは「これは価値があるか？」と尋ねることとは異なる。どのチームも価値を正当化できる。真の質問は、顧客があなたのAI機能を、あなたを特に選ぶ理由として認識するかどうかである。競合他社が3カ月後に最小限の差別化で同様の機能を提供した場合、あなたは戦略的価値を構築したのではなく、一時的にそのように見えた機能を構築したにすぎない。
実例を考えてみよう。筆者が関わった物流企業は、機械学習を活用したルート最適化に多額の投資を行った。顧客は感銘を受けなかった。彼らはすでに、真剣な事業者であれば効率的なルートを期待していた。彼らが割増料金を支払う意思があったのは、正確な配達時刻予測であり、これは長年の配達パターンから得られる独自データを必要とする機能だった。同社は誤った機械学習モデルの構築から適切なデータ資産の所有へと方向転換し、その転換が競争上の地位を完全に変えた。
2. 耐久性テスト：「18カ月後の我々の優位性は何か？」
AI機能は、経験豊富なリーダーでさえ不意を突かれるペースで汎用化する。GPT-4レベルの性能は現在、わずか2年前のコストのごく一部で利用可能である。競争優位性がモデルの品質のみに依存している場合、あなたは勝てない規模の経済との競争をしている。
構築するのは、時間とともに複利的に増加する独自データ、深い専門知識によって形成された独自のワークフロー、または顧客業務に深く組み込まれ、スイッチングコストがバグではなく機能となるような統合など、持続可能な優位性がある場合のみである。
3. 出口テスト：「これを2スプリント以内に切り替えられるか？」
最も回復力のあるAIアーキテクチャは、設計上モジュール式である。サードパーティのモデルを抽象化レイヤーで包む。トレーニングデータを推論エンジンとは別に保存する。スタック全体でベンダー中立的なAPI（Application Programming Interface）を維持する。
LLM呼び出しをシンプルな内部インターフェースの背後に抽象化すれば、経済状況の変化に応じてプロバイダーを交換できる。筆者の経験では、多くの顧客は違いに気づかず、総所有コストは大幅に低下する可能性がある。単一のプロバイダーに固定する企業は、アーキテクチャの決定を下しているのではなく、する必要のない賭けをしているのである。
3つの落とし穴
1. 最大主義の落とし穴：理論的規模のために構築している
筆者は、1万人のユーザーしかいないのに「最終的に1億人のユーザー」のためにAIシステムを設計するシリーズBの企業を見てきた。桁が1つ増えるごとに、新たな制約と新たな機会がもたらされる。1万人のユーザーに機能するものは、10万人には機能しないことが多い。そしてそれで問題ない。理論的規模のための過剰設計は資本を浪費し、さらに重要なことに、実際のユーザーへの提供からのみ得られる学習を遅らせる。
解決策：今日の制約のために構築する。桁が増えるごとに意図的にリファクタリングする。
2. 埋没費用の落とし穴：すでに投資したために継続する
筆者は、リーダーシップが状況が変化したことを認められなかったという理由だけで、6カ月目には事実上時代遅れになっていたAIプロジェクトを完了させるために18カ月を費やすチームを見てきた。市場はあなたの埋没費用を気にしない。あなたも気にすべきではない。
解決策：四半期ごとに1つの質問をする。「このプロジェクトが存在せず、誰かが今日それを提案した場合、我々は資金を提供するか？」答えがノーなら、すでにどれだけ費やしたかに関係なく、それを中止することを検討する兆候である。
3. コンセンサスの落とし穴：プロジェクトが委員会による死を迎える
筆者は、AIはコンセンサス主導の意思決定には速すぎると考えている。競合他社が6週間で提供したAIイニシアチブについて、ステークホルダーの調整に3カ月を費やす企業を見てきた。これは真空状態で決定を下すことを意味するのではなく、一歩前進する前に全員一致の合意を必要とするのではなく、意見を集めた後に「我々はこれを実行する」と言う権限を1人に与えることを意味する。
解決策：明確な権限と専用予算を持つ、プロダクト責任者や最高技術責任者（CTO）などの単一の意思決定者を指名する。
これを実践に移す
フレームワークは運用化されて初めて機能する。以下は、すぐに実装できる4つのアクションである。
意思決定ログを作成する。すべてのAIイニシアチブは、資金を受ける前に3つの圧力テストの質問すべてに答える1ページの文書を持つべきである。例外はない。筆者は、この単一の規律が、リソースを消費する前に大半の悪い賭けを排除するのに役立つことを発見した。
四半期レビューを実施する。すべてのアクティブなAIプロジェクトを新鮮な目で再検討する。「埋没費用の落とし穴」テストを容赦なく適用する。市場は変化する。ポートフォリオもそれに合わせて変化すべきである。
意思決定者を指名する：委員会ではなく、AI戦略に責任を持つ1人を指名する。予算と明確な権限を与える。権限のない説明責任は見せかけである。
初日からモジュール性を構築する：すべてのAI統合は交換可能であるべきである。2スプリントでLLMプロバイダーを交換できない場合、アーキテクチャを構築したのではなく、ロックインを構築したのである。
プロダクトリーダーの新たな使命
筆者の経験では、ほとんどのAI戦略は、チームが誤った技術を選択したために失敗するのではない。意味をなさなくなったプロジェクトを中止する習慣を誰も構築しないために失敗する。3つの圧力テストは、1回限りの演習としてではなく、四半期ごとの運営リズムとして最も効果を発揮する。それらが提案ではなく儀式になると、違いは急速に複利的に増大する可能性がある。
筆者は、AIリーダーシップにおける最も困難なスキルは、何を構築すべきかを知ることではないことを発見した。それは、チームが6カ月を費やした何かを見て、「これはもはやその地位を獲得していない」と喜んで言えることである。問う価値がある。あなたのロードマップに現在あるもので、圧力テストに耐えられないものは何か？
