AI時代に守れるものは何か

AI機能を載せたプロダクトが増え、「どこも似たような機能を出している」という状況が各分野で起きています。発表の翌月には競合が同じ機能を出し、半年後には標準機能として無償で提供される。この速度のなかで、事業として何を守ればよいのかという相談が増えています。

本記事では、AIを組み込んだプロダクトにおいて、何が守れず、何が守れるのかを整理します。どこに差を作るかという設計の話は「ただのAPIラッパー」と言われないためにで扱っており、本記事はその差が時間の経過に耐えるかという観点に絞ります。

守れないものから確認する

先に、期待しないほうがよいものを挙げます。

機能そのもの。 画面の構成も、できることも、使ってみれば分かります。既製のAIサービスを組み合わせる構成である以上、実装の難易度は参入障壁になりません。良い機能ほど早く真似されます。

モデルの性能。 どのモデルを使うかは選択の問題で、競合も同じものを選べます。一時点で優れたモデルを使っていても、数か月後には各社の選択が揃います。

指示の工夫。 出力の質を上げるための指示の書き方は、出力を見れば推測でき、試行錯誤で再現されます。時間を稼ぐ効果はありますが、守りの中心には置けません。

先行者であること。 先に出したという事実は、それ自体では守りになりません。先行している間に、次に挙げるものを積めたかどうかが分かれ目です。

この整理は悲観的に見えますが、実務上は有用です。守れないものを守ろうとして、機能の追加競争に資源を注ぎ続ける事業が少なくないからです。競合が追いつくことを前提に置けば、資源の配分先が変わります。

守れる三つのもの

蓄積されるデータ

守りになるデータには条件があります。利用のなかで自然に増えること、そして増えるほど出力の質が上がるか、利用者にとって手放しにくくなること。この二つを満たさないデータは、ただの保管対象です。

条件を満たす例としては、利用者が出力を修正した履歴、業務上の判断の記録、過去のやりとりの蓄積などが挙げられます。これらは後から買ってくることができず、競合が同じものを持つには同じだけの時間がかかります。

注意したいのは、データの扱いです。利用者のデータを製品の改善に使う場合、利用規約での説明と同意の取得が必要になります。この点は事業の前提として、早い段階で整理しておくべき論点です。

業務への食い込み

利用者の日常業務のどこに組み込まれているかは、機能の数より重要です。月に一度開くツールと、毎朝必ず開くツールでは、乗り換えの検討が始まる確率がまったく違います。

食い込みの深さは、次のような点で測れます。その製品なしでは業務が止まるか。他の担当者や部署も同じ製品を使っているか。社内の手順書にその製品の操作が書かれているか。外部の取引先とのやりとりに使われているか。

深く食い込むほど、競合が「もっと良い機能」を出しても、乗り換えの判断は簡単になりません。逆に、単発の作業を補助するだけの位置づけなら、より良いものが出た瞬間に置き換えられます。

切り替えコスト

乗り換えるときに利用者が失うものが、切り替えコストです。蓄積された設定、過去のデータ、社内で慣れた手順、連携済みの他システムとの接続、といったものが該当します。

ここで線引きが必要です。データを取り出せないようにする、解約の手続きを煩雑にするといった方法は、切り替えコストを上げますが、評判を損ない、長期的には解約率を悪化させます。望ましいのは、使い続けた結果として自然に積み上がるものが、乗り換える理由を減らす形です。

データの持ち出しに応じたうえで、それでも乗り換えられない状態を目指すほうが、結果として強い事業になります。

三つを同時に見る

この三つは独立ではなく、互いに支え合います。業務に食い込むほど利用が増え、利用が増えるほどデータが溜まり、データが溜まるほど乗り換えの損失が大きくなります。

想定例として、小規模な事業者向けの契約書作成支援サービスを考えます。AIによる条項の下書きという機能だけなら、汎用のAIサービスでも代替できます。しかし、過去に作成した契約書の履歴が残り、自社の標準条項が登録され、担当者ごとの修正の癖が反映され、取引先への送付と締結の記録まで一箇所にある状態になれば、同じ下書き機能を持つ競合が現れても、乗り換えの判断は簡単ではなくなります。守っているのは下書き機能ではなく、その周囲に積み上がったものです。

事業の初期は、この三つのどれも積み上がっていません。だからこそ、初期に確認すべきは「いま何を守れているか」ではなく「使われ続けたときに何が積み上がる設計になっているか」です。設計に組み込まれていなければ、どれだけ使われても積み上がりません。

守るものがないと分かった場合

正直に整理した結果、どれも積み上がらないと分かることがあります。単発の作業を補助するだけで、データも残らず、業務にも食い込まない、という構造です。

このとき取れる選択は三つあります。

1. 積み上がる要素を足せるか検討する。業務の前後の工程まで製品に取り込めないか、記録として残せるものはないかを見直します。
2. 守りを前提にしない事業として設計する。短期で回収し、次に移ることを前提に、投資額と撤退条件を決めます。
3. 自社では作らず、既製のサービスを使う。プロダクトに載せる理由がないと判断できるなら、それが最も損失の小さい選択です。

三つ目を選ぶのは難しい判断ですが、守れない事業に長く投資を続けるより健全です。弊社にご相談いただく場合も、「このまま作っても守れるものが見当たりません」とお伝えすることがあります。

積み上がる設計を先に決める

AI機能そのものは守れません。守れるのは、利用とともに増えるデータ、利用者の業務への食い込み、そして自然に積み上がる切り替えコストです。この三つが積み上がる設計になっているかを、機能を作る前に確認してください。どれも積み上がらないなら、規模を追うのではなく、回収と撤退の条件を決めて設計するほうが合理的です。

自社のプロダクトで何が積み上がるのかを整理したい方は、お問い合わせからご相談ください。オンラインで状況を伺い、Webシステム開発やAI活用開発としてどう進めるかを一緒に検討します。ご相談・お見積りは無料です。

本記事は一般的な情報であり、個別の事案は専門家・所管官庁にご確認ください。