AI時代のPMの役割とは?何をつくり、どこまで責任を持つのか

会員登録の画面で、多くのユーザーが途中離脱しているとします。プロダクトマネージャー(PM)は問題に気づき、原因を調べ、チームと解決策を考えます。改善した画面をリリースした後は、実際に離脱が減ったかも確かめる必要があります。
こうした仕事の中で、AIに任せられる範囲が広がっています。ユーザーからの問い合わせを分類したり、画面構成の案をつくったり、プロトタイプのコードを書いたりすることもできます。以前なら複数の担当者に依頼していた作業を、PM自身が試せるようになってきたのです。
では、PMの役割はどこまで広がるのでしょうか。デザイナーやエンジニアの仕事まで、すべて担う必要があるのでしょうか。11月12日にソウルで開かれたLenny’s Newsletterのミートアップで、米国と日本のプロダクトチームで働くPMたちが語った経験をもとに、AI時代のPMの役割と責任を考えます。
PMの仕事はドキュメントより先に、課題から始まる

PMというと、プロダクト要件定義書(PRD)を作成し、デザイナーやエンジニアに仕事を渡して、リリース日程を管理する姿を思い浮かべるかもしれません。しかし、ドキュメントはプロダクトをつくるための手段です。その前に、チームがどの課題を解くべきかを定める必要があります。
会員登録の画面を改善する場合も、まず確かめることがあります。ユーザーはどの段階で離脱しているのか。入力項目が多すぎるのか。認証の途中でエラーが起きているのか。数字だけでは理由が見えなければ、問い合わせやインタビューにも目を向けます。
ここでPMは、散らばった情報をつなぎ、チームが解くべき課題を明確にします。 カスタマーサポートは繰り返し寄せられる問い合わせを知っています。データ担当者は離脱の多い箇所を示せます。デザイナーとエンジニアは、それぞれ使い勝手や技術上の原因を調べます。
AIは大量の情報を素早く整理できます。ただし、問い合わせに頻繁に登場する言葉と、本当に解決すべき課題が常に一致するとは限りません。どのユーザーに問題が起きているのか、その問題がユーザー体験や事業にとってどれほど重要なのかは、チームで判断する必要があります。
PM自身が試せることが広がった

課題が整理できたら、解決策を話し合います。企画書を作成し、それをもとにデザイナーが画面を設計してから、エンジニアが開発を始める進め方があります。
今では、ドキュメントを完成させる前にプロトタイプを試すこともできます。たとえばPMがAIを使って会員登録フローの別案を画面にし、チームに見せる方法です。文章だけで説明するより、ユーザーがどこでつまずくのか、提案した画面で解決できそうかを具体的に話し合いやすくなります。
メルカリのPMであるMark Kwon氏は、デザインシステムがすでに整ったチームで、小さな機能を自ら手がけてリリースした経験を紹介しました。デザインシステムとは、ボタンや入力欄など繰り返し使う画面要素と、その利用基準をまとめたものです。こうした基盤があれば、既存の部品を使ってシンプルな機能をより速くつくれます。
ただし、プロトタイプをつくれることと、完成したプロダクトを運用する責任は異なります。 AIが画面をつくったとしても、ユーザー情報を安全に扱えるか、既存機能と衝突しないか、障害時に復旧できるかを確認しなければなりません。決済や個人情報のように影響の大きい機能は、関係する専門家と十分に検討する必要があります。
PMが自分でつくれる範囲が広がると、アイデアを早い段階で目に見える形にできます。その結果をもとに、デザイナーやエンジニアが何をさらに検討すべきかも具体的に話し合えます。
AI時代のPMはどこまで責任を持つのか

PMの役割と責任は会社によって異なります。プロダクト戦略まで幅広く担う組織もあれば、特定の機能やユーザー体験に集中する組織もあります。肩書きだけで範囲を決めるのではなく、プロダクトをつくる各段階で誰が何を決めるか、チームで合意しておくことが大切です。
役割を分ける際の参考として、次のように整理できます。
| 段階 | PMが主に担うこと | 他のメンバーと取り組むこと |
|---|---|---|
| 課題の発見 | ユーザーの課題と、解決する必要がある理由を整理する。 | 問い合わせ、データ分析、ユーザーインタビューを一緒に確認する。 |
| 優先順位の決定 | ユーザーへの影響と事業目標をもとに、何から取り組むか提案する。 | リーダーや関係チームが費用、日程、事業方針を検討する。 |
| 解決策の具体化 | 解決したい課題と期待する結果を説明し、必要に応じてプロトタイプをつくる。 | デザイナーは体験を、エンジニアは実装方法や制約を検討する。 |
| 開発と品質の確認 | リリース範囲と完了基準を定め、ユーザーの視点で結果を確認する。 | エンジニアと品質保証(QA)の担当者が技術的な品質とテストを担う。 |
| リリース後の改善 | ユーザーの反応と指標を見て、改善や追加実験が必要か判断する。 | マーケティングやサポートが市場とユーザーの反応を共有する。 |
AIは各段階で情報の整理や下書きの作成、繰り返し作業の削減を助けます。しかし、AIの結果を見て何を決め、その決定に誰が責任を持つかは、チームが定める必要があります。
たとえばAIが数千件の問い合わせを分析し、「登録画面が複雑だ」と結論づけたとします。PMはそれをそのまま要件にする前に、根拠を確かめる必要があります。実際に離脱が多いのはどの段階か。問い合わせたユーザーの経験は、他のユーザーにも当てはまるのか。こうした確認が、次の実験を適切に設計することにつながります。
役割の境界が曖昧になるほど、専門性を理解する

AIのおかげでPMがデザインや開発に少しずつ取り組めるようになると、エンジニアやデザイナーもユーザー調査やプロダクト企画に参加しやすくなります。一人がすべてを担うのではなく、それぞれの専門性を軸にしながら、他の領域にも関わる幅が広がるのです。
たとえばエンジニアがユーザーの不便を理解し、小さな機能改善を提案できます。デザイナーはAIでプロトタイプをつくり、より早くユーザーに見せられます。PMは開発を依頼する前に、データや画面を自分で確かめられます。
こうして働くには、他職種の仕事を軽く見るのではなく、結果を評価できる程度には理解する必要があります。AIがマーケティング文を作成しても、誰に、どのチャネルで届けるかを知らなければ、その文章が適切か判断できません。AIがコードを書いても、個人情報の扱いやエラーの可能性をまったく知らなければ、レビューを依頼すべき点も見落としかねません。
PMが開発、デザイン、マーケティングの細かな技術をすべて習得する必要はありません。ただし、それぞれの基本を学び、自分で確認できることと専門家に任せるべきことを区別する必要があります。AIをうまく使うとは、成果物を早く受け取るだけでなく、その結果に問いを立て、検討できることでもあります。
素早い実験と慎重なリリースは両立できる

AIによってプロトタイプの制作時間が短くなれば、チームはより多くの仮説を試せます。会員登録ボタンの案内文を変えたり、分かりにくい画面の構成を変えたりする実験は、比較的小さな範囲から始められます。
一方、決済や個人情報に影響する機能は、同じように急いでリリースすることが難しいものです。失敗したときの被害が大きく、問題発生後に元に戻すことも難しい場合があるからです。Sakana AIがサイバーセキュリティ関連モデルの提供にあたり、ユーザーのアクセスを慎重に管理していることも、リスクに応じた判断の一例です。
PMは実験を提案する際、スピードとあわせて次の4点を確認しましょう。
- 影響範囲: 問題が起きたら、どのユーザーにどのような不便が生じるか。
- テスト範囲: 限定したユーザーや社内環境で先に試せるか。
- 復旧方法: 結果が良くなければ、元の状態に戻せるか。
- 確認の責任: AIの出力と実際にリリースするものの品質を誰が確認するか。
小さな変更は素早く試し、影響の大きな決定はより慎重に検討する。PMには、どの仕事をどの程度の速さで進めてよいか判断することが求められます。
AIを使いこなすPMに必要な問い

AIがドキュメントを書き、プロトタイプをつくるようになるほど、PMが最初に投げかける問いは重要になります。解くべき課題が曖昧なら、素早く生み出した成果物も、チームが進むべき方向から離れてしまう可能性があるからです。
新しい機能に着手する前に、次の問いへの答えを書き出してみましょう。
- このプロダクトは、どのユーザーのどの課題を解決するのか。
- なぜ今、その課題が重要だと判断したのか。
- 考えた解決策が適切か、どう確かめるのか。
- どのような結果なら続行し、どのような結果なら見直すのか。
答えを考える中で、ユーザーの声とデータが食い違ったり、メンバーごとに異なる解決策が出たりすることもあります。その違いを明らかにし、必要な人と話し合い、小さく検証することがPMの仕事です。
AIはPMが調べ、つくり、学ぶスピードを高めます。その分、PM自身が試せることも増えます。だからこそ、何をつくれるかに加えて、何をつくるべきか、結果に誰が責任を持つかを決めることが、ますます重要になっています。
あなたのチームでは、PMはどのユーザー課題を担い、その結果まで確かめる権限を持っていますか? AIによって生まれた時間は、機能を増やすために使われていますか。それとも、より重要な課題を見つけるために使われていますか?
あわせて読みたい
AIトレンドに関連する記事をもっと見る →
RSI:自ら進化するAIは、どんな未来をつくるのか
AIが自分より優れたAIをつくり、そのAIがさらに優れたAIを生み出す。そんなことが可能になったら、何が起きるのでしょうか。 この循環が続けば、人類が長年解けなかった科…

オンデバイスAIとクラウドAI、仕事に合わせてどう使い分ける?
機内モードにしたスマートフォンに「音楽をかけて、窓を閉めて」と話しかけます。AIはその指示を理解して応答します。続けて「この音楽は少し退屈。もっと楽しい曲に変えて」と伝…

AIエージェント時代、増え続けるトークンを支える推論インフラ
11月4日、ウェスティン・ソウル・パルナスで開催されたAMD Advancing AI World Tour & AI DevDay Seoulに参加しました。 Dev…

「レバテックフリーランス」にAIBが掲載されました。AI時代にエンジニアの価値はどう変わるのか
このたび、ITエンジニア・フリーランス向けメディア「レバテックフリーランス」の記事「エンジニアの業務効率を飛躍させる!注目のAIツール&AIエージェント特集」に、AIB…