シード期にAI機能を載せるべきか

シード期の相談で頻繁に出てくるのが、「AI機能を入れるべきか」という問いです。投資家との会話でも話題になりやすく、入れないと遅れているように見えるのではないか、という不安も聞きます。

この問いへの答えは、多くの場合「今は入れなくてよい」です。理由は、AIが役に立たないからではなく、シード期に確かめたいことがAIの有無で変わらないことが多いからです。本記事では、その判断の仕方と、入れると決めた場合の最小構成を整理します。

なお、開発工程そのものに生成AIを使う話（設計やコードの生成、レビューの補助）は別の論点で、生成AIを開発工程に組み込むで扱っています。本記事は、プロダクトの機能としてのAIに絞ります。

問いの立て方を変える

「AI機能を載せると差別化されるか」という問いは、答えが出にくい問いです。載せれば何かしらの違いは生まれますし、載せなくても事業は成立します。どちらの結論も正当化できてしまいます。

代わりに、次の問いを立ててください。

AI機能がない状態で、シードで確かめたい仮説を確かめられるか。

確かめられるなら、載せない判断が有力です。確かめられないなら、載せる理由があります。この問いなら、答えははっきりします。

たとえば、「この業務を外部に任せたい人がいる」ことを確かめたいなら、任せた結果が人の手によるものかAIによるものかは、この段階の検証結果を左右しません。一方、「AIが出す精度でなければ価値が成立しない」という構想であれば、精度の確認は避けて通れません。

載せない判断が有力なケース

次のいずれかに当てはまるなら、シード期に載せない選択が合理的です。

• AIが担う予定の処理を、当面は人が手でできる。件数が少ないうちは、人がやったほうが速く、品質も安定します。手でやった記録が、後でAIに任せるときの評価基準にもなります
• AIがなくても利用者の行動が観察できる。検証の対象が「使い続けるか」であれば、処理の手段は問われません
• 出力の誤りが業務に直結する。誤った結果がそのまま顧客に届くと、検証したい価値とは別の理由で評価が下がります
• 入力するデータに個人情報や秘密情報が含まれる。扱いの設計に時間がかかるため、検証段階の優先度としては下がります

特に一つ目は見落とされがちです。「将来的には自動化するので、最初から自動化しておこう」という判断は自然に見えますが、自動化すべき処理の中身は、手でやってみて初めて具体的になります。

載せる理由があるケース

逆に、次の場合は載せる意味があります。

• AIの出力そのものが提供価値である。文章の生成、要約、分類といった処理の結果を顧客に届けることが価値の中心なら、それがないと検証になりません
• 人手では成立しない量が前提。一件ずつ人がやると価格が成立しない構想なら、成立するかどうかを早く確かめる意味があります
• 精度が出るかが最大の不確実性である。この場合、作るべきは製品ではなく、精度を確かめる小さな試行です。結果として「必要な精度が出ない」と分かれば、それも大きな成果です

三つ目のケースは、プロダクトを作る前にできます。実際のデータに近いサンプルをいくつか用意して、既製のAIサービスに投げてみて、出てきた結果を人が評価する。この程度の確認で、方向性の可否はかなり判断できます。

載せるなら、まず既製品をそのまま使う

載せると決めた場合でも、最初から作り込まないことをおすすめします。現在は、OpenAI、Anthropic、Googleなどが提供するAPIをそのまま呼び出す形で、要約、分類、抽出、対話といった処理を実装できます。シード期に必要なのは、この範囲で足りるかを確かめることです。

最小構成の目安は次のとおりです。

1. 既製のAIサービスのAPIを、プロダクトから直接呼ぶ
2. 指示文（プロンプト）はコード中に持ち、変更しやすくしておく
3. 出力は人が確認できる形で表示し、修正できるようにする
4. 利用回数と費用を記録し、上限に達したら止める仕組みを入れる
5. 失敗したときに処理全体が止まらないようにする

この構成であれば、比較的短い期間で作れます。逆に、独自の検索基盤や、出力の自動評価の仕組み、モデルの調整といった話に入ると、それ自体が一つの開発プロジェクトになります。シード期の検証としては重すぎることがほとんどです。

一般論として、自社データを参照させる仕組み（いわゆるRAG）や、出力品質を自動で測る評価基盤は、AI機能が事業の中心になり、利用量が増えてから検討する領域です。その段階に至る前に基盤の議論から入ると、確かめるべき仮説への到達が遅れます。

載せたあとに測るもの

AI機能を入れたら、入れっぱなしにせず、次を観察してください。

• 使われているか。搭載したAI機能の利用率は、想定より低いことがあります。使われていないなら、機能ではなく見せ方か、そもそもの必要性の問題です
• 結果が採用されているか。生成された内容を利用者がそのまま使ったのか、大きく直したのか。直しが多いなら、価値は限定的です
• 費用が予想の範囲か。利用量に比例するため、想定外の使われ方をすると費用が伸びます
• AI機能を外しても残る価値は何か。この問いに答えられないなら、事業の軸がAI機能そのものになっている可能性があります

三つ目について補足すると、費用の上限を設ける仕組みは、後から入れるより最初に入れるほうが簡単です。利用者ごとの回数制限や、月間の総量の上限を最初から設計に含めておいてください。

データの扱いには先に線を引く

AIサービスに何を送るかは、実装の問題ではなく事業の判断です。顧客の個人情報、未公開の事業情報、第三者から預かったデータをそのまま送ってよいかは、利用規約と自社の方針の両方で確認が必要です。

シード期であっても、次の三点は先に決めてください。

• 送ってよいデータと、送ってはいけないデータの区別
• 利用するサービスの規約と、入力内容の学習利用に関する設定
• 利用者に対して、AIを使っている旨をどう伝えるか

三つ目は、業種によっては説明が求められる場合があります。個人情報や業種固有の規制に関わる内容は、スタートアップのセキュリティと個人情報保護もあわせてご覧いただき、個別の事案は専門家にご確認ください。

判断を一文にする

最後に、判断を一文で書いてみてください。「AI機能がないと、○○が確かめられないので載せる」または「AI機能がなくても○○は確かめられるので、今は載せない」。この一文が書けないうちは、まだ判断の材料が足りていません。

AI機能を載せるかどうかの整理、既製のAIサービスで足りる範囲の見極めについては、AI活用開発のページとあわせてお問い合わせからご相談ください。効果が薄いと判断した場合は、その旨をお伝えします。

本記事は一般的な情報であり、個別の事案は専門家にご確認ください。