日本語

製品としてのAI機能: どこに追加するか

製品としてのAI機能: どこに追加するか

2024年、SaaSはあらゆる場所にAI機能を追加しました。

Dashboardに新しいボタンが現れました。ほとんど訪問されないページに「要約」オプションが表示されました。チャットボットが会話を期待していない製品のすみに配置されました。Roadmapが並べ直されました。ポジショニングデッキが書き直されました。AI競争が始まったのです。

1年後、これらの機能のほとんどは採用率がほぼゼロです。

エンジニアリングコストは現実のものでした。ポジショニングコストは現実のものでした。顧客の期待が高まり、そして静かに外れました。プロダクトチームは今、本来先に尋ねるべきだった質問をしています。製品のどこにAIが実際に価値を発揮するのか？

この記事はその質問のための意思決定Frameworkです。リリースするAI機能のチェックリストではありません。適切な挿入ポイントを特定し、誤ったものを除外し、ユーザーが実際に戻ってくるAI機能を構築する方法です。

AI挿入ポイントの3種類

3 AI Insertion Point Types: Acceleration, Extension, or Replacement

どこにAIを追加するかを尋ねる前に、どのようなAIを追加するかを明確にすることが役立ちます。3つの異なる種類があり、それぞれの採用のダイナミクスは完全に異なります。

Workflowの加速とは、AIがユーザーが既存の仕事をより速くこなすのを助けることです。ユーザーは以前行っていたのと同じことをまだ行っています。AIは摩擦、時間、または認知的負荷を軽減します。GitHub Copilotが代表的な例です。ソフトウェアエンジニアはコードを書きます。Copilotは行を補完し、関数を生成し、テストを提案することでより速くコードを書くのを支援します。Workflowは変わっていません。仕事は変わっていません。AIは単に速いアシスタントです。これがWorkflow Copilot Patternの動作です。

Workflowの拡張とは、AIがユーザーが以前持っていなかった機能を追加することです。AIなしではこのタスクを実行できませんでした。速いのではなく、新しいのです。Stripe Sigmaの自然言語クエリ機能が良い例です。多くのStripeユーザーはSQLを書けません。SigmaはデータをプレーンEnglishで質問して回答を得ることを可能にします。以前はできなかったことです。AIが彼らの機能セットを拡張しました。

Workflowの置換とは、AIがユーザーのためにタスクを実行することです。これが最も野心的で、最も正しく行うのが難しいです。ユーザーの仕事が変わります。AIは彼らを助けているのではなく、彼らに代わって実行しています。ここでのリスクが最も高い（AIがスケールで誤ったことをできるため）ですが、機能する場合の価値も最も高いです。

重要なファクト: SaaS製品のAI機能の採用

  • 生成AIプロジェクトの少なくとも50%が、データ品質の低さ、ビジネス価値の不明確さ、または不適切な製品挿入ポイントによりPoC後に放棄されます（Gartner、2025年）
  • 現在、エンタープライズアプリケーションの5%未満にタスク固有のAIエージェントが埋め込まれています。2026年末までにその数は40%に達すると予測されています（Deloitte/IDC、2026年）
  • モデル開発に1ドル費やすごとに、採用を定着させるために変更管理に3ドルが必要であり、技術的な構築ではなく挿入ポイントと習慣形成が主要なコストドライバーであることを示しています（McKinsey、2025年）

4配置モデル

4配置モデルは、ユーザーの主要なWorkflowとの関係に基づいて、すべてのプロダクト内AI機能を4つの位置の1つにマッピングします。Augment（拡張）はAIを既存のWorkflowの横に配置します。ユーザーは参照できますが、促されません。Tab（タブ）はAIを専用のセクションまたはパネルに配置します。ユーザーは意図的にナビゲートします。Inlineはアクション面に直接AIを埋め込みます。ユーザーが作業している間に提案が表示されます。As-ProductはAIを主要なインターフェースにします。ユーザーの主要なインタラクションは従来のUIではなくAIとのものです。このモデルは各AI機能タイプのOnboarding戦略、採用指標、成功しきい値を決定します。InlineとAs-Productの位置が最も速い習慣形成を生み出します。AugmentとTabの位置は、良くても断続的な使用を生み出します。

AI機能に関するほとんどの議論はこれら3つの種類を混同しており、誤った仮定が付随した製品への賭けにつながります。Workflowの加速機能は習慣を生み出すために非常に低い摩擦が必要です。Workflowの拡張機能は採用を促進する前にユーザー教育が必要です。Workflowの置換機能はユーザーが委任するために信頼構築が必要です。

どのタイプを構築しているかを知ることですべてが変わります。Onboardingの設計、価格設定のシグナル、成功指標、採用のタイムラインです。

AIが価値を発揮する場所: 選択Framework

3つの挿入ポイントタイプ全体を通じて、最も強い維持率を持つAI機能は3つの特性を共有しています。これらを独自の製品Roadmapのスコアリングフィルターとして使用できます。

高頻度のWorkflowは低頻度のWorkflowよりも良いAIのターゲットです。

ユーザーが毎日行うWorkflowは、毎月行うWorkflowよりもはるかに良いAIの候補です。理由は習慣形成です。毎日のWorkflowのAI機能は十分に使用されるため、ユーザーはそれについての直感を養い、信頼し、フローに組み込みます。毎月のWorkflowのAI機能は毎回再発見され、慣れ親しめず、単に終わらせるために「古い方法」のために放棄されます。

GitHub CopilotはコードをタイプするときにInlineで表示されます。コードの編集は開発者が毎日、一日中行うことです。すべてのキーストロークがAIを使うかスキップするかの機会です。常にその場所があるため、習慣はすぐに形成されます。

「AI四半期レポート生成」機能と比較してみましょう。完璧に機能しても、ユーザーは年に4回しか出会いません。使用の間隔が長く存在を忘れます。四半期の締め切りが重要なときにそれに頼るほど信頼しません。採用が積み重なることはありません。

高労力のWorkflowは低労力のWorkflowよりもAIの価値が高いです。

AIの価値提案は手動の代替手段が苦痛なときに最も強くなります。タスクを手動で30秒で行う場合、AIでその20秒を節約することはあまり説得力がありません。タスクが4時間かかる場合、45分に短縮するAIは本物のレバーです。

Notion AIはドキュメント編集に着地しました。ドキュメントの初稿を書くことは本当に難しく時間がかかります。白紙から書くのではなく、AIが初稿を生成して編集するのは意味のある時間節約です。ユーザーはそれを感じます。

ほとんど訪問されない設定ページの「AI要約」機能はこのテストに合格しません。ユーザーは設定ページを要約する必要がありません。要約するものが何もありません。AIは苦痛な問題を解決していません。

データが豊富なコンテキストはデータが少ないコンテキストよりも有用なAIを生み出します。

AI機能は作業するコンテキストがあるときに最もよく機能します。挿入ポイントを取り囲む構造化された、最新の、関連するデータが多いほど、AIのアウトプットが有用です。

LinearのAIイシュー作成は機能します。なぜならユーザーがイシューを作成しているとき、Linearはすでにプロジェクトのコンテキスト、コードベース、過去のイシュー、スプリント履歴、チームの好みにアクセスできるからです。AIは関連するラベルと担当者を持つ適切に構造化されたイシューを生成できます。推論するシグナルがあるからです。

ユーザーに関する既存のデータがなく、Workflowのコンテキストもなく、アカウントの状態へのアクセスもない製品にチャットボットを配置すると、何もない状態で機能します。汎用的な回答しか提供できません。汎用的な回答は整理されたヘルプセンターより悪いです。

これら3つのフィルターに対してAI Roadmapの候補をスコアリングしてください。3つすべてで高いランクの機能が最初に構築する価値があります。3つすべてで低いランクの機能はAI機能が消えていく場所です。AI Copilots Embedded in SaaS UIでは、これらの挿入ポイントが実際の製品表面全体でどのように見えるかを示しています。

機能する例

GitHub Copilotは3つ全てでスコアが高いです。コーディングは高頻度（毎日）、高労力（コードを書くことは認知的に要求される）、そしてデータが豊富（コードベースがすぐそこにある）です。Copilotはユーザーが作業している正確なコンテキストで補完と提案を生成します。すべてのコーディングセッションが練習になるため、習慣は速く形成されます。

ドキュメントエディターのNotion AIは同じテストに合格します。書くことは毎日、ゼロから書くことは難しく、Notionは作業中のドキュメント、所属するワークスペース、作成した関連ページを知っています。挿入ポイントは本当に苦痛な白紙です。

LinearのAIイシュー作成は機能します。ソフトウェアチームは常にイシューを作成するからです。構造から恩恵を受ける高頻度、中程度の労力のタスクです。LinearのAIはプロジェクトのコンテキストを知っているため、フィールドをインテリジェントに事前入力します。

Figma AIのデザイン提案は、FigmaをプライマリデザイN環境として使用するチームに機能します。デザインは毎日の作業で、高労力で、Figmaはすでにブランドシステム、コンポーネントライブラリ、デザインの履歴を含んでいます。AIは関連する提案をするためのコンテキストを持っています。

Stripe Sigmaの自然言語クエリは機能します。非技術系ユーザーにとってデータに関する質問は高労力だからです。価値はスピードではなく、アクセスです。ユーザーは以前、自分のトランザクションデータをクエリできませんでした。今できます。これは真に機能を拡張するWorkflowの拡張です。

機能しない例

ほとんど訪問されない管理ページのAI「要約」ボタン。 誰も請求設定ページで会話の相手を求めていません。挿入ポイントにはユーザーの苦痛が付随していません。

誰も読まないAI生成レポート。 レポートがAI以前からすでに無視されていた場合、AIがそれを作成してもより価値があるわけではありません。問題はレポートであり、書く時間ではありません。

製品のすみのチャットボット。 ユーザーがクリックすることを期待している製品エリアにチャットインターフェースを配置すると、摩擦を除去するのではなく摩擦を生み出します。ユーザーは悪い意味で驚きます。

生産性ツールとして販売される週次または月次のAI機能。 「月次請求サマリーを生成するAI」はチームがリリースしてきた本物です。ユーザーはデモでいいと思います。また29日間それについて考えません。

失敗のパターンは同じです。ユーザーの苦痛から始まりません。「どこにAIを追加できるか」から始まり、習慣形成の場がなく解決すべき重要な問題のない機能で終わります。

「最も強い維持率を持つAI機能は3つの特性を共有しています。高頻度のWorkflowに現れ（毎週ではなく毎日）、ユーザーが本当に難しいと感じるタスクの労力を削減し（表面的な便利さではなく）、ユーザーのコンテキストについて構造化された最新のデータにアクセスできます。エンジニアリング時間をコミットする前に、これら3つのフィルターに対してRoadmapの候補をスコアリングしてください。」（Rework Analysis、2025年）

「別のセクションにナビゲートするか、設定メニューにのみ表示される機能は、ほとんどのユーザーには見えません。機能発見の失敗はマーケティングの問題ではありません。製品設計の問題です。AI機能はコンテキストで、それが関連する瞬間に、ユーザーが探しに行かなくても表示されなければなりません。」（Rework Analysis、2025年）

AI機能挿入ポイントのスコアカード

AI Feature Insertion Scorecard: 3 filters before building any AI feature

フィルター 強い候補 弱い候補
Workflowの頻度 毎日または1日複数回 週次または月次
AIなしでの手動労力 30分以上の作業 5分未満の作業
利用可能なデータコンテキスト 豊富: CRM、プロジェクト履歴、製品イベント 少ない: 静的なユーザープロファイルのみ
PLGへの影響 アクティベーションを加速させるまたは拡張を促進する どちらもなし；パワーユーザーの4%に有用
配置タイプ InlineまたはAs-Product Augment（スタンドアロンパネル）またはTab

出典: McKinsey State of AI 2025、Gartner GenAI Project Failure Analysis 2025

Rework分析: ほとんど訪問されない設定ページのAI「要約」ボタンとGitHub CopilotのInline提案は、どちらも同じ基盤となるLLM技術を使用しています。採用の違いは完全に配置と頻度です。コンテキストの切り替えが必要なAI機能は習慣ループを形成しません。毎日のWorkflowにInlineで表示される機能は、最良の意味で見えなくなります。ユーザーはAIに気づかなくなり、Workflowがこれほど速く感じることを期待し始めます。これが維持率への影響を予測する採用シグナルです。

PLGテスト

The PLG Test for AI Features: does AI increase in-product activation?

PLG（Product-Led Growth）モデルでは、機能には役割があります。ユーザーがより速く価値に到達するのを助ける（アクティベーション）か、シート数やティアの拡大を正当化する新しいユースケースを解放する（拡張）かのどちらかです。機能がどちらでもない場合、それはノイズです。

すべてのAI機能候補にこのテストを適用してください。

新規ユーザーの職種を検出し、ワークスペースを自動設定するAI Onboardingアシスタントはアクティベーションを改善します。ユーザーは最初の「aha moment」により速く到達し、無料から有料への転換を直接促進します。これはPLGテストに合格します。AI Onboarding Flows in SaaS Productsでは、そのOnboardingパーソナライゼーション層の構築方法を詳しく説明しています。

ユーザーが複数のチームワークスペースにわたる履歴データをクエリできるAI機能は拡張を促進します。これができることを発見した個々のユーザーは、アップグレードについてマネージャーと話し始めます。これも合格です。

パワーユーザーのみがアクセスする設定でレコードを自動タグ付けするAI機能は、ユーザーベースの約4%がそうですが、合格しません。それら4%に本当に有用かもしれませんが、製品レベルでアクティベーションや拡張を動かしません。設定であり、成長レバーではありません。

戦略的にAI機能を追加しているPLG企業は「これは技術的に実現可能ですか？」と尋ねる前に「これはファネルのどのステップを加速させますか？」と尋ねます。2つの質問を合わせると、顧客が実際に使うものをリリースするRoadmapができます。

顧客向けAIリリース対内部AIの活用

プロダクトチームが「AI進捗」を示すプレッシャーを受けているときに見逃すことがある区別があります。

顧客向けAI機能は、維持率を促進する前にユーザーからの信頼が必要です。Onboarding、AIが何をするかについての透明なコミュニケーション、ユーザーが誤ったアウトプットを修正するメカニズム、習慣を形成するための時間が必要です。これは意味のある採用数を実現するための6〜12ヶ月の投資です。

内部AIオペレーション（セールス、サポート、CS、マーケティングのWorkflowでAIを使用すること）はより速く積み重なります。チームはそれが機能するよう意欲的です。ユーザーの信頼構築は必要ありません。そして内部効率は製品への投資を増やすことができる経済的な余裕を生み出します。

多くのSaaS企業、特にARR $1,000万以下の企業では、2026年の最高ROIのAI投資は製品機能ではなく内部オペレーションです。これは製品AIのRoadmapを放棄する理由ではありません。タイムラインについて正直になり、両方のトラックに意図的に投資する理由です。McKinseyのAI State研究では、現在46%の企業がスケールでAIから財務的な影響を取り込んでいると示されており、前年の33%から増加しましたが、組織はモデル開発に1ドル費やすごとに採用を定着させるために変更管理に3ドルが必要だと報告しています。

AI競争の罠

競合他社がAI機能をリリースします。顧客が気づきます。チームがプレスカバレッジを確認します。プレッシャーは現実のものです。

しかし競合他社の発表に合わせてAI機能をリリースすることは、誰も使わない機能をリリースする最速の方法の1つです。競合他社のAI機能も採用率がほぼゼロかもしれません。競合他社の製品ブログには「AIをリリースした」と書かれていました。「ユーザーがそれを気に入っていて維持率を高めている」とは書かれていませんでした。

中期的にAI競争に勝つチームは最初にリリースしたチームではありません。適切な挿入ポイント、高頻度、高労力、データが豊富な場所でリリースしたチームです。そこでAIが変更ログの脚注ではなく習慣になります。SaaSにおけるAI競争: リリース速度では、挿入ポイントの規律なしのリリース速度が採用負債を生み出す理由を考察しています。

独自のユーザーデータで監視すべきシグナルは、最初の90日間における新しいAI機能のセッション頻度と機能の粘着性です。AI機能の採用が積み重ならない（時間とともにセッションが増えず横ばい）場合、挿入ポイントがおそらく間違っていました。

構築前の検証

良いAI挿入ポイントを見つけるリサーチの質問は「AI機能を使いますか？」ではありません。「今日、30分以上かかり、週に1回以上行わなければならない手動の作業は何ですか？」です。

その質問によるJob-to-be-Doneインタビューは、ユーザーが最も摩擦を感じる正確なWorkflowを表面化します。これがAIの候補です。

フォローアップは「そのタスクを行うときに、どのような情報がすでに利用可能ですか？」です。AIが有用であるためにはコンテキストが必要だからです。最初の質問への回答がデータが豊富なWorkflowであれば、強いAIの候補を見ています。Workflowが製品が持っていない多くの外部コンテキストを必要とする場合、AIは苦労するでしょう。

構築前にインタラクションのプロトタイプを作成してください。Figmaでモックアップします。5人のユーザーで実行します。それが使いやすいと感じるか躊躇するかを観察します。躊躇がデータです。

最初に何を構築するか

AI機能はユーザーの作業が最も難しく、最も頻繁で、最もデータが豊富な場所に構築された場合に維持率を高めます。これは製品カテゴリの観察ではありません。特定の製品と特定のユーザーに適用できるフィルターです。

SaaSで最も強力なAI製品戦略は「どのAI機能を構築すべきか」から始まりません。ユーザーのWorkflowマップから始まり、摩擦が最も高く頻度が最も高い場所を特定し、「この摩擦を意味のある形で削減する最小のAI介入は何か」と尋ねます。AIを活用したソフトウェア製品開発に関するMcKinseyの分析では、オプションのアドオンとしてではなく、コアの作業サイクルに直接AIを埋め込むことが、実際の製品の差別化を促進するモデルであると指摘しています。

それが挿入ポイントです。

よくある質問

SaaS製品のAI機能の採用率が低い最も一般的な理由は何ですか？

誤った挿入ポイントです。低採用のほとんどのAI機能は、低頻度のWorkflow（週次または月次）に表示されるか、アクセスするためにコンテキストの切り替えが必要です。毎日のInlineコンテキストでのAI提案は習慣を構築します。別のパネルやセクションのAIツールは時々再発見されて放棄されます。生成AIプロジェクトの少なくとも50%がPoC後に放棄され、挿入ポイントの不一致が最も一般的に引用される製品上の理由です（Gartner、2025年）。

良いAI挿入ポイントを特定するための3つのフィルターは何ですか？

高いWorkflow頻度（毎週ではなく毎日）、高い手動労力（タスクがAIなしで行うのに30分以上かかること）、そしてデータが豊富なコンテキスト（製品がAIの提案を根拠づけるための構造化された最新の関連データを持つこと）です。3つすべてで高いスコアの機能は習慣になります。3つすべてで低いスコアの機能はAI機能が消える場所です。

AI機能の4配置モデルとは何ですか？

すべてのプロダクト内AI機能を4つの位置の1つにマッピングするFrameworkです。Augment: AIは利用可能だが促されない。Tab: AIはユーザーがナビゲートする専用セクションにある。Inline: AIはユーザーが尋ねなくても主要な作業面に表示される。As-Product: AIが主要なインターフェースです。InlineとAs-Productが最も速い習慣形成と最も高い維持率への影響を生み出します。AugmentとTabは断続的な使用を生み出します。

AI機能の配置はPLGの指標にどのように影響しますか？

Product-Led Growthモデルでは、機能はアクティベーションを加速させるか拡張を解放しなければなりません。誤った挿入ポイントのAI機能はどちらにも影響しません。「初めての価値」達成までの時間を削減するAI Onboardingアシスタントはアクティベーションを加速させます。チームワークスペース全体のデータクエリを解放するAI機能は拡張を促進します。パワーユーザーのみの設定でレコードを自動タグ付けするAI機能はどちらにも影響しません。

顧客向けAI機能と内部AIオペレーションのどちらを最初に構築するべきですか？

ARR $1,000万以下のほとんどのSaaS企業では、内部AIオペレーション（セールス、サポート、CS、マーケティング）がより速く積み重なります。チームはそれが機能するよう意欲的で、ユーザーの信頼構築は必要なく、内部効率は製品投資のための経済的余裕を生み出します。顧客向けAI機能はユーザーの信頼構築と習慣形成から意味のある採用を実現するのに6〜12ヶ月かかります。両トラックに投資しますが、タイムラインの違いについて正直になってください。

最適なAI挿入ポイントを見つけるリサーチの質問は何ですか？

Job-to-be-Doneの質問：「今日、30分以上かかり、週に1回以上行わなければならない手動の作業は何ですか？」フォローアップ：「そのタスクを行うときに、どのような情報がすでに利用可能ですか？」最初の質問は高労力、高頻度のWorkflowを表面化します。2番目の質問は、AIが有用な提案を生成するのに十分なデータコンテキストがあるかどうかを表面化します。

関連リンク: