AIによって、MVPは代理体験だけでなく、用途を絞った「小さな本物」から始められるようになりました。本記事では、従来のスケートボード型MVPとの違いを3つの開発モデルで整理し、「限定した本物」を選ぶための条件を解説します。
この記事のポイント
- 「どの段階でも価値を届ける」という原則は、AI時代も変わらない
- 変わったのは、最初に届けるもの — 代理検証から、限定した本物へ
- BeforeAI・AfterAI。最初に作るものによって、検証できる範囲が異なる
- 本物を選べるのは、コスト差が小さく、失敗の影響を限定でき、短い周期で直せるとき
スケートボード図が本当に伝えたこと
タイヤ、車体、エンジンを順番に作っても、車が完成するまでユーザーは移動できません。一方、スケートボード、自転車、バイク、車の順なら、どの段階でも「移動する」という価値を届けられます。 この図の本質は、乗り物の進化そのものではありません。小さくても使えるものを届け、ユーザーの反応から次の判断材料を得ることです。 ただし、スケートボードで分かるのは「移動したいか」までです。車の乗り心地や継続利用、支払い意向までは検証できません。最初に何を届けるかによって、得られる学びの範囲も変わります。
最初に届けるものが、学びを決める
開発初期の進め方は、大きく3つに分けられます。完成まで使えない部品を作るウォーターフォール、代理体験で価値仮説を確かめるBefore AI、限定した本物で実際の利用を確かめるAfter AIです。 いずれも最終的には本物を目指しますが、最初に届けるものが違うため、初期に学べることと抱えるリスクも異なります。
| モデル | 最初に届けるもの | 初期に学べること | 主なリスク |
|---|---|---|---|
| ウォーターフォール | 部品・中間成果物 | 実利用からは学びにくい | 価値検証が遅い |
| BeforeAIのMVP | 代理検証 | 関心、課題、価値仮説 | 本番体験との乖離 |
| AfterAIのMVP | 限定した本物の初期版 | 継続、支払い、選好、定着 | 範囲を広げすぎる |
AIが増やした「本物から始める」選択肢
After AIの変化は、代理検証が不要になったことではありません。限定した本物を代理検証と同程度のコストで作れる場面が増えたことです。
代理検証では、得られた学びを本番開発に生かせても、モックや検証用の実装はそのまま使えない場合があります。限定した本物なら、実際の利用から学びながら、その実装自体を次の版へ育てられます。
ただし、本物を作るコストやリスクが大きい場合は、代理検証が今も合理的です。After AIはBefore AIを否定するものではなく、状況に応じて選べる新しい進め方を加えたものです。
社内ナレッジ検索で考える「最初の一歩」
同じテーマを3モデルで進めると、こう変わります。
- ウォーターフォール：全社データ統合、権限、検索、分析を順に作る。完成まで誰も使えない
- BeforeAI：画面モックや人による検索代行で、「回答が得られる」価値を試す
- AfterAI：一部署・一データソース・一種類の質問に絞り、権限付きで実際に検索できる版を出す
ここでいう「本物」は、全機能でも美しいUIでもありません。次の三つを満たすものです。
- 実ユーザーが、実業務で価値を受け取れる
- 対象範囲では、安全性・データ保護・運用が成立している
- 学びを反映して、次の版へ育てられる
いつ「限定した本物」から始めるか
社内ナレッジ検索のように、対象を一部署・一データソースに限定すれば、本物の初期版を小さく始められる場合があります。しかし、すべてのプロジェクトで同じ方法を選べるわけではありません。 基幹システムとの連携や規制対応が必要な場合は、対象を絞っても開発コストや失敗時の影響が大きくなります。その場合、いきなり本物を作るより、モックや人による代行で仮説を確かめる方が合理的です。 After AI型MVPを選ぶ基準は、「AIを使えば作れるか」ではなく、「小さな本物を安全に作り、短い周期で育てられるか」です。具体的には、次の3つを確認します。
- 開発・運用・リスク・導入を含むコスト差が小さい
- 失敗したときの影響を、対象範囲の中に限定できる
- 短い周期で改善を反映できる
規制対応や基幹連携が重い案件では、この３つが揃いません。その場合は代理検証というBefore AIのMVP手法が今でも有効です。
ここで気をつけるべきは、「本物から始めること」と「広い範囲を作ること」を混同しないことです。一つのユーザー層、一つのワークフロー、一つの価値に絞り、その範囲だけを実利用に耐える状態まで完成させます。After AI型MVPでも、「小さく始める」という原則は変わりません。具体的な絞り方は最小スコープ × 最大完成度で解説しています。
よくある質問
AI時代にはスケートボード型MVPが間違いですか
いいえ。早く価値を届けるという原則は残ります。小さな本物を同じくらいのコストで出せるなら、代理検証を経由しない選択肢が増えるということです。
本物の初期リリースとベータ版は同じですか
重なる場合もありますが、名称では決まりません。対象のワークフローで実際に価値を届けられるか、事業仮説を行動から観測できるか。この二点で判断します。
最初から本物を作ると、範囲が大きくなりませんか
いいえ。本物にするのは、限定した範囲での品質と価値提供です。ユーザー、課題、データ、連携を狭く絞り、一つのワークフローだけを実利用に耐える状態まで完成させます。
