生成AI時代のエクスペリエンス・デザイン - 8つの領域で見るAIのインパクト

はじめに

生成AIの台頭により、ビジネスのあり方や体験づくりが大きく変わろうとしています。ただ、どのように生成AIの性質や変化を捉えて社会実装すればいいのか、多くの企業さんから悩みを聞きます。その全体像を体系的に捉えるフレームワークの１つとして、「生成AI時代のエクスペリエンススコープ」を紹介します。本記事では、このフレームワークに沿って、AI（おもに生成AI）がもたらす変化の可能性と活かし方について説明していきます。

タスク・プロセス・体験・モデル

人間の活動というのは、小さなタスクから始まり、それらが集まってプロセスになっていきます。そこに何らかのインターフェイスやタッチポイントが加わると、体験として認識されるようになります。さらに、お金やロジスティックスが絡んでくると、サービスやビジネスモデルになっていくのです。

一般化した設計難易度

「生成AI時代のエクスペリエンススコープ」とは？

先程のフレームワークに、縦軸としてAIの統合度を加えてみました。下の方にある「機能的補助」というのは、作業的な支援ツールや、既存のモデルにおける運用上の改善といったものです。一方、上の方にある「スキル/構造変容」は、AIを活用して新しいスキルや構造を生み出すことを意味しています。

このフレームワークを「生成AI時代のエクスペリエンススコープ」と名付けました。

生成AI技術の進展が、ビジネスプロセス、作業効率、体験、およびビジネスやサービスモデルにどのような影響を与えるかを示しています。

・縦軸：「AIの統合度」を表し、機能的補助〜スキル/構造変容

・横軸：「タスク」「プロセス」「体験」「モデル」

これらのマトリクスによって、AIの影響を8つの領域に分類することができます。次に、レイヤーごとの各レイヤの概要を説明しましょう。

各領域の概要

タスクレイヤー：

作業支援ツール(機能的補助) - メール作成やコーディングなどの基本的タスクを自動化
セカンドブレイン(スキル/構造変容) - 戦略計画や複雑な問題解決のプロセスにAIを統合し、意思決定や創造性を拡張

プロセスレイヤー:

効率化・自動化(機能的補助) - データ処理や分析の自動化により、既存プロセスを高速化・効率化
フレームワークの創造(スキル/構造変容) - 既存のプロセスのアプローチを根本から変容

体験レイヤー:

UX・UIの強化(機能的補助) - 商品登録補完や検索パーソナライズなど、既存UX、UIを強化
意味の創造(スキル/構造変容) - 新サービスを通じてライフスタイルや文化的価値に影響

モデルレイヤー:

運用上の改善(機能的補助) - 物流最適化や需要予測による日々の運用改善
戦略的な変容(スキル/構造変容) - 新ビジネスモデル・サービスにより産業の再定義や既成概念への問いかけ

今回は、「タスクレイヤー」、「プロセスレイヤー」について具体例を踏まえて詳しく説明していきます。

タスクレイヤー

作業支援ツール(機能的補助) -
メール作成やコーディングなどの基本的タスクを自動化

Gmail の Smart Composeはメール作成時に文章を自動補完しました。そして今では生成AIによってメール作成が大幅に支援されています。

SUBJECT: Write emails faster with Smart Compose in Gmail

AI と Google Workspace の新しい時代

GitHub Copilot: コードの自動生成により開発者のスキル補完や生産性を向上。

Github Copilot official site

セカンドブレイン(スキル/構造変容)
- 戦略計画や複雑な問題解決のプロセスにAIを統合し、意思決定や創造性を拡張

Mem.ai：AIを活用したノートアプリです。いくつか主要な機能をあげると...

Mem.ai[https://get.mem.ai/]

断片的な情報をAIが解析・リンクさせることで、知識を整理・拡張する
ノートの取り込みや関連情報の探索により発散的思考を促進し、知識の結びつけによって収束的思考を支援する
高速検索や非線形の知識整理により、アイデア創出に適した「拡張された脳」として機能する

個人の知識を体系化し、創造的思考を強化するための仕組みを提供しています。

Ai Agentはユーザーが設定した目標に基づき、自動的に選択を行い、タスクを実行するウェブアプリケーションです。複数のAIエージェントが同時に稼働し、目標を小さなタスクに分割し、それらを一つずつ完了していきます。

Ai Agent [https://aiagent.app/]

市場調査、競合分析、社内データの分析、戦略立案やビジネス決定のためのレポート作成をし、意思決定や問題解決に役立ちます。

プロセスレイヤー

効率化・自動化(機能的補助)
- データ処理や分析の自動化により、既存プロセスを高速化・効率化

UserTesting：ユーザーテストの実施・分析を自動化するプラットフォーム。ユーザーの行動や感情を分析し、インサイトを抽出します。従来は人間が行っていたプロセスを代替していると言えます。

User Testing

フレームワークの創造(スキル/構造変容)
- プロセスのアプローチを根本から変容

Value Discovery：アイデアを入力するだけでそのユーザー仮説を逆引きして得ることができます。仮説は1枚のキャンバスとして得られるので、キャンバスをチームに共有して仮説検証に活かすことができます。

アイデア入力画面

Value Discoveryで出力した仮説のキャンバス

プロダクトディスカバリーを前進させる：AIプロダクト”Value Discovery”とユースケース

PM DAOでは様々なプロダクト開発・提供を行っています。今回の記事では、2023年3月にPM DAOからリリースした生成AIを使ったAIプロダクト”Value Discovery”について、特徴とユ...

newspicks.com

なぜ、「Value Discovery」がプロセスを変容させていると言えるのか、少し詳しく説明します。

従来のプロダクト開発では、まずユーザーの課題やニーズ、求めるアウトカムなどを仮説として設定し、それに基づいてプロダクトのアイデアを具体化していきます。いわば、上流（ユーザー仮説）から下流（プロダクトアイデア）へと設計が流れていくのが一般的です。ただ、ユーザー仮説の設定や探索自体が難しいのが現状です。

このプロダクトは、アイデアを入力すると、生成AIがそのアイデアを理解して、可能性が高いユーザー仮説を生成してくれるのです。つまり、下流（プロダクトアイデア）から上流（ユーザー仮説）への逆解析が可能になります。

この点では、プロセスが逆転しているともいえます。この逆算的アプローチは人間では非常に労力がかかるほか、経験値が高い人ではないと難しいのではないでしょうか。

リバースエンジニアリングアプローチ

これによって、アイデア発案のハードルが下がり、より多様なアイデアを本質的に検討できるようになります。また、アイデアとユーザー仮説のマッチングが素早く行えるため、プロダクト開発のスピードアップにもつながります。

おわりに

生成AI時代のエクスペリエンススコープ

生成AIを利活用してユーザーに価値のある体験を提供するためには、AIのインパクトを多角的に捉えることが重要です。今回は、生成AIが及ぼす影響として個人レベルで想像しやすい「タスク」および「プロセス」レイヤーについて説明してきました。今回説明を省いた、「体験」や「モデル」レイヤーについては、自身のnoteやX(旧:Twitter)で詳しく触れる予定です。

https://twitter.com/shoty_k2

生成AIを活用した新たな価値創造に挑戦する全ての人に、このフレームワークが参考になれば幸いです。

👇AIやWeb3などの分野におけるプロダクトマネージメントやUXデザインの考え方を発信しております。ぜひ、アカウントフォローをお願いします。

PM DAO: AIとWeb3時代のプロダクト作り - NewsPicks

AIやWeb3などの分野におけるプロダクトマネジメントやUXデザインの考え方や実践例を取り上げます。特に、新規事業開発やスタートアップでのサービス企画・プロダクト開発に関連する情報を提供します。参加者が学びながら実践できるDAOコミュニティ「PM DAO」での活動内容を紹介したり、Generative AI「Value Discovery」やWeb3の音楽アプリ「DePod」などのサービス開発を通じたリアルな現場での知見を記事として公開します。