AIに仕様を書かせるPMが9割。残り1割が実践する「価値ある問い」でプロダクトマネージャーの役割を再定義する生存ロードマップ
ProductZineが及川卓也氏と吉羽龍太郎氏の対談を通して「AI時代にプロダクトマネージャー（PM）は消滅するのか？」と問いかけた事実は、この職種が重大な岐路に立たされていることを示している。これは単なる抽象論ではない。McKinsey Global Instituteの調査によれば、現在の業務活動の60〜70%が2030年までに自動化されうる。特にPMの業務——市場調査、データ分析、ユーザーフィードバックの要約、仕様書のドラフト作成——は、生成AIの得意分野と見事に重なっている。
📡 本日の観測ニュース
AI時代にプロダクトマネージャーは消滅するのか？ 及川卓也×吉羽龍太郎が問う「最後に決断する人間」の価値 - ProductZine
もはや、AIが競合製品のAPI仕様をすべて解析し、次に作るべき機能リストを優先度順に提案してくる未来はすぐそこだ。あなたがJiraのチケットを眺め、スプリント計画に頭を悩ませている間に、AIは数千件のユーザーレビューを瞬時に分析し、「解約率が高いユーザー群に共通する、未言語化の不満」を特定する。
この現実が意味するのは、プロダクトマネージャーの役割から「作業」が剥ぎ取られ、「意思決定」とその「文脈」の純度が問われる時代の到来だ。
開発チームから「仕様が曖昧だ」と突き上げられ、営業チームからは「あの機能はまだか」と催促される。その調整に忙殺されているだけのPMは、AIから出力された指示を各部署に伝達するだけの「伝書鳩」へとその価値を貶める。AIと各部署のインターフェース。そこに、人間としての付加価値は存在しない。
3年後、あなたの職場はこう変わる。 スプリント計画会議で、新卒のエンジニアがAIの画面を見せながらこう発言する。「この機能Aより、AIが推奨するこちらの機能B’の方が、エンゲージメント指標を3.2%改善するというシミュレーション結果が出ています。機能Aを優先する根拠は何ですか？」 その問いに、あなたが「これまでの経験則で…」とか「営業からの要望が強くて…」としか答えられないのであれば、その瞬間にあなたの市場価値はゼロになったと知るべきだ。AIは、経験則という曖昧なものをロジックで穿ち、政治という非合理をデータで無力化する。
では、AI時代のプロダクトマネージャーの役割とは何か。それは「答えを出す」ことではない。AIという強力な思考エンジンに対して、「価値ある問いを立てる」能力にこそ、その本質がある。答えはAIが出す。人間は、どの問いがビジネスを、そしてユーザーの未来をより良くするのかを判断し、その問いを立てる責任を負う。
ここから、AIに仕事を奪われる9割のPMから、AIを使いこなし価値を創出する1割のPMへと移行するための、具体的な3つのロードマップを開示する。これは精神論ではない。明日からあなたのJiraの使い方、会議での発言を変えるための、実践的なプロトコルだ。
しかし、その前に一つだけ残酷な真実を伝えなければならない。ほとんどのプロダクトマネージャーが金科玉条のごとく信じる「ユーザーの声を聞く」という行為こそが、AI時代に価値を失う最悪の罠であることに、まだ誰も気づいていない。
処方箋1: 観察の焦点を転換する
-
Before（伝書鳩PMの行動）: ユーザーインタビューを実施し、彼らの「〇〇が欲しい」「××が不便だ」という発言を忠実に記録。その要望を機能リストに落とし込み、Jiraチケットを作成する。アンケート結果の平均値を集計し、「最も要望の多かった機能」から開発の優先順位を決める。これは、ユーザーの「発言」という表層的なデータを右から左へ流しているだけの作業に過ぎない。AIは、この作業を人間より高速かつ正確に実行する。
-
After（戦略家PMの行動）: AIを「矛盾発見器」として活用する。まず、ユーザーインタビューの動画・音声・テキストログをすべてAIに投入する。そして、「ユーザーの発言内容と、実際の画面操作や行動との間に存在する『矛盾点』『ためらい』『非言語的な不満の兆候』をすべてリストアップせよ」と命じる。人間は、AIが抽出したこの「矛盾」こそを深掘りする。なぜユーザーは「便利だ」と言いながら、その機能を使っていないのか？ なぜ「簡単だ」と言いながら、3回も操作をやり直しているのか？ この言語化されていないインサイトの発見こそが、AIにはできず人間に残された聖域だ。 AIを顕微鏡として使い、ユーザー自身も気づいていない課題の「核」を観察するのだ。
処方箋2: 仮説生成の主導権を握る
-
Before（受動的PMの行動）: データ分析チームから上がってきたレポートを眺め、「なるほど、Z世代の利用率が低いのか。では、Z世代向けの機能を考えよう」と、データの後追いで施策を考える。これは、バックミラーを見ながら運転するようなものだ。AIは過去のデータから最適解を導き出すのは得意だが、未来を創造することはできない。このアプローチでは、常に競合の後塵を拝することになる。
-
After（設計者PMの行動）: AIを「思考のシミュレーター」として使う。データを見る前に、まず「我々のプロダクトが『生産性ツール』から『創造性パートナー』へと進化する、という世界観を打ち立てる。この仮説が正しい場合、どのような指標が変化し、どのようなユーザー行動が生まれるべきか？ その未来を検証するために、今打つべき最小の施策は何か？」という、大胆な問いと仮説をAIに投げかける。複数の未来シナリオをAIにシミュレーションさせ、それぞれのメリット・デメリット、リスクを比較検討させるのだ。人間は「どの未来に賭けるか」という、最も重要な意思決定に集中する。 AIに答えを求めるのではなく、自らのビジョンを検証するための道具として使いこなす。
処方箋3: 意思決定を資産に変える
-
Before（記録係PMの行動）: 会議の末に決まった「結論」だけを議事録に残す。なぜその結論に至ったのか、他にどのような選択肢があり、なぜそれらは棄却されたのか、という「思考のプロセス」は、参加者の記憶の中に霧散していく。半年後、新しいメンバーが「なぜこの機能はこんな奇妙な仕様なんですか？」と質問しても、誰も明確に答えられない。これは、組織の知をドブに捨てているのと同じだ。
-
After（アーキビストPMの行動）: AIに「意思決定の文脈」を記録・構造化させる。PMの最も重要な仕事は、A案とB案で迷った時に、トレードオフを明確にし、「今回は〇〇という理由でA案を選択する。ただし、△△というリスクがあることは認識している」という決断を下すことだ。この議論のプロセス全体（Slackのやり取り、会議の録音）をAIに要約させ、「意思決定ログ」として保存する。このログには、決定事項、根拠、棄却された案とその理由、認識されているリスク、担当者の判断などがすべて含まれる。この「なぜ」の積み重ねこそが、プロダクトの「思想」となり、模倣不可能な競争優位性となる。 AIが生成したコードはコピーできても、その裏にある意思決定の文脈はコピーできない。
【推奨プロンプト】 ユーザーインタビューの文字起こしテキストをAIに分析させる際、単に「要約して」と依頼するだけでは不十分だ。以下のプロンプトを試すことで、表層的な発言の裏に隠されたインサイトを引き出すことができる。
あなたは経験豊富なUXリサーチャーです。以下のユーザーインタビューの文字起こしを分析し、次の4つの観点から結果を構造化して報告してください。
1. **発言と行動の矛盾:** ユーザーが「〇〇だ」と発言しているにもかかわらず、実際の行動（例：「操作に時間がかかっている」「別の機能ばかり使っている」）がそれと矛盾している箇所をすべて抜き出してください。
2. **未言語化のペインポイント:** ユーザーが明確に「不満だ」とは言っていないものの、ため息、長い沈黙、同じ操作の繰り返しなどから推測される「潜在的なストレス」や「隠れた不便さ」を指摘してください。
3. **発見のモーメント:** ユーザーが「あ、なるほど」「これはすごい」といったポジティブな驚きを示した瞬間を特定し、何がその「発見」を引き起こしたのかを分析してください。
4. **オポチュニティ:** 上記1〜3の分析に基づき、このユーザーが本当に解決したい課題は何か、そして我々が提供できる新しい価値の機会はどこにあるか、具体的な仮説を3つ提案してください。
【ユーザーインタビュー文字起こし】
[ここにテキストを貼り付ける]AIは答えを出す機械ではない。我々の問いを鋭くする砥石である。その砥石で何を研ぎ、何を断ち切るかを決めるのが、あなたの新たな役割だ。—— AI-NATIVE CAREER
💭 AIが生成した「次に作るべき機能リスト」を前にしたとき、あなたはチームに、そして自分自身に、何を問いかけるだろうか。
AI時代の管理職向け 有料記事
AI-NATIVE CAREERでは、管理職がAI時代を生き残るための具体的な行動プロトコル・テンプレート・チェックリストを有料記事で公開しています。
本記事はAI-NATIVE CAREER編集部が最新ニュースを基に作成しました。掲載情報の正確性については各一次情報源をご確認ください。