新しいMVPの定義「最小スコープ × 最大完成度」— 削るのは幅、完成度ではない

生成AIによって、企画・設計・実装・検証のスピードは大幅に向上し、従来の10倍の速さで開発を進められる領域も生まれています。 重要なのは、その速さを何に使うかです。機能を広く増やすのではなく、解く範囲を明確に絞り、選んだ一点を実ユーザーが安全に使える状態まで仕上げる。AfterAI時代には、MVPの範囲を狭く絞りながら、代理体験ではなく、その範囲の本物を完成させることが可能になりました。 本記事では、AfterAI時代のMVPの切り出し方を、「最小スコープ × 最大完成度」という考え方で説明します。対象ユーザー、課題、ワークフローをどう絞り、選んだ範囲をどこまで完成させるべきか。具体的な軸と判断基準を整理します。

Summary

この記事のポイント

• AfterAI時代のMVPは「最小スコープ × 最大完成度」
• 削るのは機能の品質ではなく、今回解く範囲
• 最大完成度とは、選んだ範囲で価値提供・安全性・計測が成立する状態
• スコープはユーザー・課題・ワークフロー・データ・連携・利用環境の6軸で絞る

旧来のMVPと何が違うのか

Before AIのMVPを説明する際によく使われるのが、このピラミッド図です。ピラミッドはプロダクトを構成する「機能」「信頼性」「使いやすさ」「デザイン」の層を表しています。 左図のように、機能だけを広く実装したものはMVPではありません。動く機能があっても、信頼できず、使いにくく、ユーザーが価値を受け取れないからです。 MVPで作るべきなのは、右図のオレンジ色の部分です。

BeforeAIでは、スケートボードのような小さな代理体験から始めるのが現実的でした。AfterAIでは、開発の高速化によって、範囲を絞りながらも価値のど真ん中を本物として作れます。コア価値を深く完成させるMVPです。

「幅」とは、どの用途に振り切るか

MVPの「幅」は、機能の数だけではありません。誰の、どの課題を、どの場面で解くかという対象範囲です。たとえば「エンジンで移動するもの」には、乗用車、荷物を運ぶ車、ボートなどがあります。AfterAIでは、最初から用途を一つに絞り、その用途に合った本物を作れるようになりました。

つまり幅を削るとは、機能を減らすことではなく、育てる価値を選ぶことです。

最小スコープは6つの軸で絞る

では、MVPの「幅」はどのように絞ればよいのでしょうか。対象ユーザー、課題、ワークフロー、データ、連携、利用環境の6つの軸で考えると、対象範囲が見えてきます。

どこから始めるか迷ったら、候補を次の観点で比べます。

• その課題は、どれくらいの頻度で起きるか
• 解けたときの価値は大きいか
• 他の工程から独立して切り出せるか
• 数日から数週間で学べるか
• 失敗しても、影響を限定できるか

最大完成度の最低条件

絞った範囲では、次の5つを満たします。

• 選んだワークフローで、結果まで到達できる
• 実データを、適切な権限で扱える
• 誤りや障害のとき、人が止めて直せる
• 利用と結果を計測できる
• 対象外を明示し、誤用を防げる

一方、後回しにできるものもあります。全社権限体系、多言語対応、全データソース、例外の完全網羅、大規模負荷への最適化、高度な管理画面。これらは初期のMVPでは後回しにできます。ただし、選んだ範囲の安全性、法令順守、データ保護は後回しにできません。ここは「MVPだから」という理由で削れない部分です。

削るのは幅、完成度ではない

AfterAI時代のMVPで削るのは、機能の品質ではなく、今回解く範囲です。ユーザー、課題、ワークフロー、データ、連携、利用環境を絞り、育てる価値を一つ選びます。

選んだ範囲の完成度が低いと、価値がなかったのか、未完成だっただけなのかを判別できません。だからこそ幅は狭く、体験は最後まで完成させる。それが「最小スコープ × 最大完成度」です。

FAQ

よくある質問

MVPでは品質をどこまで落としてよいですか

対象外の機能や、大規模運用への最適化は後回しにできます。一方、価値提供・安全性・データ保護・計測に必要な品質は落とせません。

BtoBのMVPは一人だけ見れば十分ですか

利用体験は一人まで絞れます。ただし導入には決裁者、情報システム、法務も関わります。「使われるか」と「導入できるか」は分けて確認します。

スコープを絞ると、顧客要望を無視することになりませんか

要望を捨てるわけではありません。今回の仮説に必要かどうかを判断するだけです。盛りすぎを防ぐ機能選定に沿って、次の学習時点で再評価します。