何でも作れる時代、勝者がやっている「捨てる技術」
AIによって「作れるもの」が爆発的に増えた結果、プロダクト作りの難易度は下がるどころか、別の場所で上がっています。話者が繰り返し強調するのは、「何でも作れる時代に、何を作るべきかを決める力」——つまり、判断（judgment）こそが将来にわたって価値を持つ、という点です。「AI slop（粗製乱造）」が増え、コードもデザインも“量”は簡単に出せる。だからこそ、人間側に求められる役割が変わる。この記事では、プロダクト開発の変化、勝ち筋（耐久性＝durability）、既存ソフトのリスク、そして、個人のキャリア戦略までを、具体例と引用で整理します。
1. プロダクト開発は「役割分業」から「ボトムアップ共同制作」へ
10年前は、「PMが仕様を決め、デザイナーが設計し、エンジニアが実装する」という分業が明確でした。ところがAIエージェントの進化で、短期間に試作→失敗→修正が回せるようになり、作り方が根本から変わり始めています。
象徴的なのが、動画文字起こしツールの例です。6か月前は作ろうとしても失敗し、デバッグで詰まって諦めた。しかし、最近は、「1時間でプロンプトだけで使えるものを作れた」。ここで重要なのは、AIが「失敗に強くなった」ことです。するとチームの期待値も変わり、PMは、“仕様書を書く人”ではなく、「なぜ作るのか（Why）の守護者」へ寄っていきます。話者の言葉で言えば、「PMは顧客ニーズを高い抽象度で捉え、Whyの番人になる」。
2. PMとデザインは融合し、PMは「手を動かす職能」になる
AIがデザインシステムに沿って、UI案を大量生成できるようになると、企業は「デザイナー増員よりエンジニア増員」を選びやすくなります。結果、比率が「PM:エンジニア=1:3〜1:10」から「1:20」へ近づく、という見立てが提示されます。
ここでPMに新しく課されるのは、単なる調整ではなく実装やプロトタイプに参加することです。「PMが実際のリポジトリにコードをチェックインする」動きが増え、採用面接でも「プロトタイピング面接」が正式に入ってくる。つまり、PMは、“口”だけでは評価されにくくなり、手を動かして成果物を出せるかが問われます。
3. 非決定的ソフトウェアの時代：PMは「Evals（評価）」の責任者になる
生成AIを組み込んだプロダクトは、同じ操作でも微妙な入力差で出力が変わる「非決定性」を持ちます。すると、従来のテスト設計では不十分になり、「それが出てよい出力か」を広範なケースで検証する仕組みが必要になります。
ここで話者は、Evalsを所有するのはPMとリサーチャーだと言い切ります。人間の目視だけでは追いつかないので、「AIの結果を評価するためにAIを書く」場面も増える。PMは仕様策定者というより、品質・出荷可否を決める編集者／審判へ近づいていきます。
4. 未来に残る人間の価値は「判断（Judgment）」
AIが大量のコードや案を生成するほど、問題は「作ること」ではなく「選ぶこと」になります。話者はこれをはっきり言語化します。「唯一未来に残るのは判断。何を作るべきか、出力を評価できるか」。
エンジニア：美しいが脆弱なコード、バグ、セキュリティ穴を見抜くレビュー能力
デザイン：デザインシステムに合っているか、全体整合があるかを見抜く目
PM：顧客価値と事業価値のバランスを取り、出荷の可否を判断する力
ここで便利なのが「なぜ？」を問い続ける運用です。「なぜその機能を出すのか。顧客行動がどう変わるのか」。仮説は「顧客行動の変化」で表現せよ、というのが中心思想です。
5. “勝てるAIアプリ”の条件は「耐久性（Durability）」にある
AIアプリの最大の罠は、モデルの進化で簡単にコモディティ化することです。大企業のCIOが、「横断ツール（エージェントビルダー）と社内ITで作れる。なぜスタートアップが必要？」と言い始めた瞬間、浅いプロダクトは飲み込まれます。
では、耐久性はどこから来るか。話者は「希少資産・コントロールポイント・ハードウェア・必須ワークフロー・ネットワーク効果」などを列挙します。さらに踏み込んで、「最終的にはシステム全体（System of Record）を置き換える野心が必要」とも述べます。APIの遮断や課金、バンドル無料化で上位が締め付けてくる以上、「上に乗るだけ」では厳しい、という現実認識です。
6. 既存ソフトウェアのリスク：席課金は狙われ、データは守りになる
危ないのは、「席（seat）＝人間の作業量」に紐づく価格体系です。例として挙げられるのがカスタマーサポート領域のZendesk。席数を減らし、隣にAIエージェントを置いて代替していく「漸進的な価値の吸い上げ」が起きる。
一方で、データの“寿命”が長い基幹系は相対的に強い。ERPのNetSuiteや医療のEpicのように、入れ替えが「キャリアリスク」になる領域は、移行障壁が守りになります。だから新規側は「移行ツール」を数年がかりで作らないと勝負にならない、という泥臭い論点が出てきます。
7. AI時代の“粘着性（Stickiness）”は4つから生まれる
「簡単に作れるなら、なぜ誰かが長く使うのか？」への回答は明快です。
ネットワーク効果：DoorDashのように、供給者・配達員・消費者の三面市場は模倣が難しい
お金が流れる：決済・銀行など。たとえば事業口座のMercuryのように規制と運用が絡む
ハードウェア：端末や設置が必要なToast型
ユニーク資産：象徴例としてBrett Taylorのような「代替不能な営業力・信用」
要するに、UIや機能の差ではなく、構造的に抜けにくい場所に根を張れるかが問われます。
8. リーダーシップの共通点は「削る」「伝える」「本物である」
優れたプロダクトの作り方は、足すより削る。Jack Dorseyが、PMを「プロダクト・エディター」と呼んだ話が象徴です。「10ページを2つの本質へ削る」。これはAI時代の判断力と直結します。Rick Rubinの「自分はproducerではなくreducer」という比喩も、編集の価値を補強します。
また、コミュニケーションでは、Eric Schmidtが、「戦略を画像だけで語れ」と求めた逸話が出てきます。「人は言葉より、感じたことを覚える」。週次のCEOメールも、Top of mind／業績／雑多（称賛・顧客の声）という“型”が紹介され、反復を恐れるなと説きます。
最後に投資家視点で重視されるのが「創業の真正性」。創業ストーリーに、本人の経験と執着があるか。*「友達と起業したいから」*では弱い、という冷徹な線引きです。
9. 個人のキャリア：AIエージェントを率いる“機能の専門家”になれ
結論はシンプルです。話す人より、作る人。評価方法も「ワークプロジェクト」に寄せるべきだと語られます。さらに、管理職は少人数を“会議で管理”するのではなく、ICとして手を動かすか、もしくは大きなスパンで責任を持て、という主張が出ます。
そして、最大の警告は、ジョブホップです。「12〜18か月で移る人は赤信号。インパクトには最低3〜4年かかる」。AIでスピードが上がるほど、短期最適の誘惑も強まりますが、逆に言えば「腰を据えて成果を出した人」の希少性は上がる、という示唆でもあります。
まとめ
AIは生産性を無限に近づけますが、勝者を分けるのは「判断」「耐久性」「編集力」です。作れる時代ほど、削り、選び、出荷の責任を負える人と組織が強くなる。あなたの次の一手は、「何を作るか」ではなく、「何に集中し、何を捨てるか」を決めることから始まります。
