AI時代のPMが捨てるべき幻想：「精度」より「驚かせない」が勝つ
AIプロダクトの勝敗は、モデル性能そのものより「どのワークフローを“自分たちが所有するか”」で決まり始めています。Kleiner Perkinsの対談シリーズ「Builders」に登場したHarveyのAatish Nayakと、SierraのSachi Shahは、プロダクトリーダーが今すぐ見直すべき論点を、現場の具体例で語っています。
1. 「正解率」より「驚かせない」——信頼の定義が変わった
印象的なのは、「最も信頼されるエージェントは、常に正しい存在ではない。常にユーザーを驚かせない存在だ」という発言です。
これは“精度100%”の神話を捨てる話ではありません。期待値を丁寧に設計し、検証できる余地をUI/UXに埋め込むことが信頼の中心になる、という主張です。
たとえば、Harvey側は、ユーザーを成果物づくりに巻き込み、途中で確認・修正できるレバーを渡すことで許容度が上がる、と語ります。これはIKEAの「IKEA効果」（自分が手を動かした成果物ほど価値を感じる）に近い、という比喩で説明されました。
2. “Context-complete workspace”が、エンタープライズAIの出発点
2-1. 法務（トランザクション）は「外部世界」より「手元の契約」がすべて
Harveyは、M&Aやファンド組成などのトランザクション業務を「必要な文脈が社内（案件内）で完結しやすい」領域として挙げます。デューデリでは“相手企業が持つ契約群”が一次データで、外部検索に頼らず価値が出せる。だから初期は「少数ドキュメントのQ&A」「条項抽出」「SEC参照」といった楔（wedge）から入れた、というわけです。
2-2. CXは「広すぎる」から、成果指標で絞る
一方、Sierraは、Sonosの例として、部門横断で追う「time to music（音が出るまでの時間）」のような成果メトリクスを起点に、どのユースケースを所有するか決める、と語ります。チャネル（電話・チャット・WhatsApp等）が無限に分岐するCXでは、業務を所有する軸が“機能”ではなく“成果”になる。
3. エージェント開発は「SDLC」ではなく「ADLC」になる
Sierraが提示するのは、ソフトウェア開発ライフサイクル（SDLC）に対応する「エージェント開発ライフサイクル」という見立てです。設計→テスト→運用→分析→改善が、従来以上に高速に回ります。
設計：ゴールとガードレール（境界条件）を先に置く
テスト：シミュレーションで“リリース前に事故を起こす”
運用：会話ログから改善点を抽出し、次のユースケースを発見する
この思想は、Sierraがシミュレーションを「新しいソフトウェアのための新しいテスト」と位置づけている点とも整合します。
4. FDEは「反・プロダクト化」ではない——学習装置としての前線
Sachiは、自身がPalantirでForward Deployedを経験したことに触れつつ、「人は技術を買っているのではなく、解決策を買っている」と強調します。FDEは現場で問題を掘り当て、スケール可能な形に持ち帰る“学習装置”になる。
Harvey側も、「前線に行くのはエンジニアだけでなく、ドメイン専門家（弁護士）でよい」と述べ、顧客が共鳴する“同じ言語で話せる人材”の重要性を示しました。ここでの示唆は明快です。プロダクト化と前線投入は二者択一ではなく、両輪です。
5. ロードマップは「1年」ではなく「3か月」——モデル会社の予定も読む
Harveyは、「PMFは一度取ったら終わりではない。常に再獲得するもの」と言い、計画可能なのはせいぜい3か月単位だと語ります。さらに、OpenAIやAnthropicなど“モデル提供側のロードマップ”を想像し、自社が無駄撃ちする領域を避ける必要がある、と。
この話は、「エンタープライズ検索はコモディティ化しやすい」という指摘にもつながります。MicrosoftやGleanなどが強化する領域では、同質化が速い。だからこそ、垂直（特定職種・業務）で“勝てる一点”を持つべきだ、という結論になります。
6. 競争優位は「データ」だけでなく「検証可能性」と「ネットワーク」
Harveyは、法務の世界では、「企業—法律事務所—クライアント」が同じ空間で協働する方向に進むため、ネットワーク効果が生まれ得ると述べます。さらに、評価指標を外部に開くこと自体がブランド信頼になる例として、BigLaw Benchの公開を挙げています。
一方、Sierraは、会話の原子単位を「1回の対話」から「継続的な関係」へ引き上げる——つまり、“コンシェルジュ化”が競争軸になる、と語ります。これは後発がモデルを変えて追いつくより前に、運用品質と学習速度で差が開く領域です。
結論
AI時代のプロダクトリーダーが再考すべきは、「高性能モデルを積むこと」ではなく、①文脈が完結する業務を選び、②信頼を“驚かせない設計”で作り、③ADLCを高速で回し、④前線から学び、⑤短い計画周期でモデル側の未来も読むことです。結局のところ、ユーザーが買うのはAIではなく「解決される体験」——その当たり前を、もう一度プロダクトの中心に戻すべきだ、という対談でした。
