Yasu@PdM

仕事の経験・日々の気づきや考察｜小さな挑戦と等身大の発信｜PdM←事業開発←パートナーセールス←IS←ルート営業←接客&コーチ←高卒｜陽気な小心者｜好き：カフェ・珈琲・サウナ・キャンプ・スノボー・スカッシュ・読書・本・RPGゲーム｜好きな色：青🟦

[ゼスプリキウイ公式 @zespri_jp]

╭━━━━━━━━━━━━━━━╮
⠀今年はランチグッズ全3弾！🍱🥝
╰━━━━━━━ｖ━━━━━━━╯
⠀
第1弾は、暑い夏のお弁当にうれしい！
キウイブラザーズの保冷剤付きパック❄️
オレたちを取り入れたヘルシーなランチ習慣を応援するよ
⠀
このシールが目印！
数量限定だから見つけたらぜひGETしてね🥝
⠀
みんなのランチをもっと楽しく、もっとヘルシーにする第2弾以降のランチグッズもお楽しみに✨
全3弾をそろえてコレクションを完成させよう！
⠀
詳しくはこちら👇
https://t.co/4ZyNmhFqrl

[イーサン @ethann_AI]

https://t.co/BpwCPLpBeG

[Yasu@PdM @gonc5555]

昨日こちらに参加。PeopleX橘さんが見ている世界を垣間見ることができて面白かった。
https://t.co/aLPjbb0POC

[ゼスプリキウイ公式 @zespri_jp]

＼ みんなにお知らせ🥝 ／

「InRed」7月号の特別付録で、
今年はレッドのぬいぐるみエコバッグが
登場するよ💓

🗓️予約開始: 3月30日(月)
📱予約場所: 宝島チャンネル、Amazon、
　セブンネットショッピング

甘くておいしいルビーレッドキウイも、
全国のお店に順次お届けしていくね😉

詳細はここをチェック👇
https://t.co/y2zZ0aVPIR

[Yasu@PdM @gonc5555]

今回は『チームメンバーのKPIや目標』を理解することの重要性についてお話ししました。

#224 チームメンバーのKPIを知る - Yasu’sプロダクトマネージャーラジオ | standfm https://t.co/zX9RrhRNig

[Yasu@PdM @gonc5555]

「なんとかする力（Manage to~）」という考え方に深く共感した点について話しました。

#223 PMの本質は「なんとかする人」 - Yasu’sプロダクトマネージャーラジオ | standfm https://t.co/FhlnVME1Cy

[Yasu@PdM @gonc5555]

要件定義完了後のチーム振り返りと、そこで見えてきた課題について。

#219 チームでの振り返り - Yasu’sプロダクトマネージャーラジオhttps://t.co/XRSQSJdvQx

[Yasu@PdM @gonc5555]

理念とそれを達成するためにどう戦うかが一貫していて納得感がある。それにこの理念そのものが好き。

なぜnoteは「PV至上主義」と戦うのか｜深津 貴之 (fladdict) @fladdict #オープン社内報 https://t.co/EtfpRMmcua

[Yasu@PdM @gonc5555]

AI駆動PMへの挑戦と現在地とその先｜Yasu@プロダクトマネージャー @gonc5555 #今年やりたい10のこと https://t.co/9aDFndLqXW

[Yasu@PdM @gonc5555]

"管理”ではなくて”なんとかする”

新卒PMの僕がぶつかった「3つの壁」。その先に見つけたPMの本質は「なんとかする」だった｜理久 @rik423__ai https://t.co/mBfk6dPxo2

[Yasu@PdM @gonc5555]

今回は『人に求められていないけれど、自分がやりたいことをやる』というテーマについて、あるプロダクトマネージャーの発信に共感したエピソードを中心にお話ししました。

求められていないけど好きでやること - Yasu’sプロダクトマネージャーラジオ | standfm https://t.co/EA3qBwcWir

[Yasu@PdM @gonc5555]

「そもそも生成AIでやるべきでない問い」に、企業が挑んでしまう問題｜深津 貴之 (fladdict) @fladdict https://t.co/bGjihoZp64

[Yasu@PdM @gonc5555]

オフィスにも近いし帰り道。めっちゃ気になる。

「高輪SAUNAS」2026年2月9日（月）グランドオープン決定 https://t.co/w86fn7j3M4 @PRTIMES_JPより

[Yasu@PdM @gonc5555]

国内SaaS市場の最新動向・業績データ｜ぽこしー📊SaaS企業データアナリスト @biz_arts1 https://t.co/t5vwdgu00t

[Yasu@PdM @gonc5555]

大きなチャレンジの機会に携われることが自分の成長につながると感じます。

ARR300億へ向けて。建築産業を支えるインフラを目指す、ANDPADの現在地 - ANDPAD Tech Blog https://t.co/Wkv2CR4saK

[Yasu@PdM @gonc5555]

非常に参考になる。

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

生成AI活用は間違いなく「成長」なんですが、だからこそ怖いのは、生成AIを導入した瞬間に“成長している気”になって、アクセルだけ踏み続けてしまうことだと思うことが増えました📝

何がダメかというと、ブレーキのない車は一瞬速いですが、遠くに行けないってことなんですよね。現場で見える失敗もだいたいこれです。
①便利だからと全社で使い始めたが、どこで何に使っているか把握できない（シャドーAI化）
②回答の正しさを検証しないまま資料や提案に混ぜ、あとから火消しが発生する
③社内情報を入れてしまい、情報管理の境界が曖昧になる
④APIやツール連携を増やしすぎてコストが読めず、止めどきが分からない
⑤「AIが言ってた」を免罪符にして、思考停止が進む

どれも「AIが悪い」のではなく“制御の設計を後回しにした成長”が悪いんですよね。

ここで言う制御は、細かいルールで縛ることではありません。私は「ルール」より「ガードレール」だと思っています。禁止事項を増やすと現場は抜け道を探しますが、ガードレールがあると安心してスピードを出せる。つまり、成長のための制御です。

私はだいたい「データ」「プロセス」「人」の3層で設計します。まずデータ。事故の多くは入力が原因なので、入力の境界を先に決めます。

・入れてよい情報／ダメな情報を2分で判断できるチェックを作る（例：顧客名、契約内容、未公開の財務、ソースコード等）
・どうしても扱うなら、匿名化・要約・社内検索（RAG）などの“入口”を用意して個々人に丸投げしない。・ログを残して「何を入れたか」「何が出たか」を追える状態にする

特に「誰がどのツールに」「どんな権限で」アクセスしているかの棚卸しは、最初にやらないと後で取り返しがつきません。

次にプロセス。AIは生成が速い一方で、検証が遅いと全体が詰まります。だから“確認を組み込んだワークフロー”にします。

・最終アウトプットに必ず「根拠（一次情報）」を添える
・数字・固有名詞・規約関連は人がチェックする“必須ゲート”を置く
・プロンプトと出力をテンプレ化して属人性を減らす
・小さく試してROIが出たところだけ標準化する（全社展開を急がない）

たとえば「議事録→要点→次アクション」まではAIで高速化できても、最後の“誰がやるか”の割り当てと期限合意が曖昧だと実行率が下がります。AIが速くしたのは作業であって、責任の合意ではない。ここを混同すると成長が空回りします。さらに見落としがちなのがコストです。モデルやツールが増えると単価も課金体系もバラバラで、気づいたら「AI予算」だけが膨らむ。なので、
・用途ごとにモデルのグレードを決める（雑な下書きは軽量、顧客向け文章は高精度など）
・月次で“使われ方”と“効果”を並べて見て、やめる判断を仕組み化する
・プロンプトの無駄打ちを減らすテンプレとナレッジを整備する。

これも立派な制御です。

最後に人。生成AIを使うほど、判断力の差が露骨に出ます。AIに仕事を渡すのではなく、AIと一緒に“判断を磨く”必要があります。

・AIの得意／不得意（曖昧さ、事実性、最新性、文脈の欠落）を前提にする
・「AIの回答を検証するスキル」を育てる（裏取り、反証、前提の洗い出し）
・評価制度や目標もアウトプット量だけでなく“品質と再現性”に寄せる

個人が賢くなっても組織が賢くならないと、AI活用は続きません。もし今、生成AIを使っているのにモヤモヤがあるならたぶん成長が速すぎます。次の3つだけでも棚卸しすると状況が見えます。

1. このアウトプットは「誰が責任」を持つのか
2. そのために「何を入力しない」のか
3. 間違いが出たときに「どう検知」するのか

さらに、改善サイクルを回すために“AI活用のオーナー”を決めて、週次で「使われ方→効果→リスク」を見直すだけでも、制御が現場に降ります。安心して試せるから試行回数が増え、学習が回り、結果として成長が持続する。アクセルとブレーキは対立ではなくセットです。制御がないと、トラブルが一度起きた瞬間に「やっぱりAIは危ないので禁止」と振り子が逆に振れます。これが一番もったいない。

うまい組織は、禁止ではなく“安全にやれる範囲”を広げ続けます。小さな事故を学習に変えて、ガードレールを少しずつ太くする。そうすると、現場は怖がらずに試せて、結果として全社の学習速度が上がります。生成AIは『導入したら終わり』ではなく『習慣として回るか』が勝負で、ここにこそ経営とPMの腕が出ます。ツール選定より、境界・責任・検証・ログ・コストをセットで持てるか。ここが曖昧なままスケールさせると、あとからブレーキを付け直すコストが一番高くつきます。生成AI活用は成長ですが、制御なき成長は長続きしないのでこのあたりの整備が2026年の課題になるよなと思っている派です✊️

[Yasu@PdM @gonc5555]

「社員全員が同じバックグラウンドをもっているという前提は、一般のドメスティックな職場でも、もはや通用しない。全員が納得のいくローコンテクストなルールや基準だけを掲げて、」

—『コンサル一年目が学ぶこと 新人・就活生からベテラン社員まで一生役立つ究極のベーシックスキル30選』大石哲之著

[Yasu@PdM @gonc5555]

アンドパッドの社員表彰について紹介します！ - ANDPAD Tech Blog https://t.co/LjieUmLplm

[Yasu@PdM @gonc5555]

ぐさっとくる。

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

生成AI時代には頭の良い人ほど仕事で「正解」を探しすぎて足踏みしてしまう場面をよく見るようになった。

学生時代はテストや受験で「1つの模範解答」を当てにいくゲームだったので、その感覚のまま「この案件の正解の進め方」「このプロジェクトの唯一の答え」を求めてしまうんですよね。ただ、仕事の現場にはそもそも誰も知らない問いの方が多くて、正解を探そうとするほど時間だけが溶けていく。今日は、この「正解を探しすぎて動けなくなる問題」について整理してみます📝

頭の良い人がハマりがちなのは、「もっと情報を集めれば、ノーリスクで正解にたどり着けるはずだ」という前提です。だから、資料を読み込み、事例を調べ、関係者にヒアリングし、会議を重ね…と準備フェーズがどんどん膨らんでいきます。一見ロジカルで真面目な態度に見えるのですが、実態としては「失敗したくない気持ち」が過剰に意思決定を支配していて、行動のスタートがどんどん遅れていきます。その結果、アウトプットが出る頃には環境が変わっていたり、チームの熱量が冷めていたりして、「正解」は相対的に価値を失ってしまうのです。

そもそも仕事における「正解」は、事前にはほぼ定義できません。市場も、組織も、上司の気分すらも変わります。今日の「最適解」が半年後には「なぜこれをやったの？」になることもあります。だから本当は、「一発で正解を当てること」より「外してもリカバリーできるように、小さく早く試すこと」の方が圧倒的に重要です。にもかかわらず、頭の良い人ほど説明責任を意識しすぎて、100点のロジックを組み立ててからでないと動きたくなくなる。「なぜこの打ち手を選んだのか」を完璧に語れないと恥ずかしい、と感じてしまうんですよね。

私が一緒に仕事をしていて「この人、もったいないな」と感じるパターンは、「解像度を上げる」ことと「正解を確定させる」ことを混同しているケースです。本来、解像度は動きながら上がっていきます。たとえばプロトタイプを1つ出す、ユーザーに10人だけ話を聞く、簡単なLPを出して反応を見る。こうした小さな実験を通じてしか見えてこない情報があります。ところが正解を求めすぎると、「実験を始めるための準備資料」の解像度ばかりが上がり、肝心の現場からのフィードバックがいつまで経っても手に入らない。結果として、「賢いけれど成果が出るまでが遅い人」になってしまいます。

ではどう抜け出せばいいか。私がオススメするのは、
①「正解かどうか」ではなく「一番学習効率が高い打ち手はどれか？」で考える
②最初から80点を狙わず「まず30点の仮説プロトタイプを出す」と決めてしまう
③「絶対に外せない制約」と「試していい余白」を紙に書き分ける

の3つです。特に③が効きます。たとえば「この予算は超えてはいけない」「この顧客だけは怒らせてはいけない」など“守るべきライン”だけを先に決めてしまい、その内側では多少外してもOKと自分とチームに宣言しておく。そうすると、「ここまでなら失敗してもまだ大丈夫」と身体で理解できるので、行動スピードが一気に上がります。

そして最後に、生成AI時代ならではの落とし穴もあります。今は「こういう時どうすればいい？」と聞けば、AIがそれっぽい“正解らしきもの”をいくらでも出してくれます。頭の良い人ほど、この大量のケーススタディやベストプラクティスを集めて安心したくなる。でも、その安心感はあくまで仮想のもので、あなたの現場での検証がなければ何ひとつ前に進みません。AIが与えてくれるのは「仮説の候補」であって、「あなたの仕事の正解」ではない。だからこそ、これから評価されるのは、正解を知っている人ではなく、「ほどほどの確信でまず一歩を踏み出し、試行回数を稼げる人」なのだと思います✊️

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

生成AI時代には頭の良い人ほど仕事で「正解」を探しすぎて足踏みしてしまう場面をよく見るようになった。

学生時代はテストや受験で「1つの模範解答」を当てにいくゲームだったので、その感覚のまま「この案件の正解の進め方」「このプロジェクトの唯一の答え」を求めてしまうんですよね。ただ、仕事の現場にはそもそも誰も知らない問いの方が多くて、正解を探そうとするほど時間だけが溶けていく。今日は、この「正解を探しすぎて動けなくなる問題」について整理してみます📝

頭の良い人がハマりがちなのは、「もっと情報を集めれば、ノーリスクで正解にたどり着けるはずだ」という前提です。だから、資料を読み込み、事例を調べ、関係者にヒアリングし、会議を重ね…と準備フェーズがどんどん膨らんでいきます。一見ロジカルで真面目な態度に見えるのですが、実態としては「失敗したくない気持ち」が過剰に意思決定を支配していて、行動のスタートがどんどん遅れていきます。その結果、アウトプットが出る頃には環境が変わっていたり、チームの熱量が冷めていたりして、「正解」は相対的に価値を失ってしまうのです。

そもそも仕事における「正解」は、事前にはほぼ定義できません。市場も、組織も、上司の気分すらも変わります。今日の「最適解」が半年後には「なぜこれをやったの？」になることもあります。だから本当は、「一発で正解を当てること」より「外してもリカバリーできるように、小さく早く試すこと」の方が圧倒的に重要です。にもかかわらず、頭の良い人ほど説明責任を意識しすぎて、100点のロジックを組み立ててからでないと動きたくなくなる。「なぜこの打ち手を選んだのか」を完璧に語れないと恥ずかしい、と感じてしまうんですよね。

私が一緒に仕事をしていて「この人、もったいないな」と感じるパターンは、「解像度を上げる」ことと「正解を確定させる」ことを混同しているケースです。本来、解像度は動きながら上がっていきます。たとえばプロトタイプを1つ出す、ユーザーに10人だけ話を聞く、簡単なLPを出して反応を見る。こうした小さな実験を通じてしか見えてこない情報があります。ところが正解を求めすぎると、「実験を始めるための準備資料」の解像度ばかりが上がり、肝心の現場からのフィードバックがいつまで経っても手に入らない。結果として、「賢いけれど成果が出るまでが遅い人」になってしまいます。

ではどう抜け出せばいいか。私がオススメするのは、
①「正解かどうか」ではなく「一番学習効率が高い打ち手はどれか？」で考える
②最初から80点を狙わず「まず30点の仮説プロトタイプを出す」と決めてしまう
③「絶対に外せない制約」と「試していい余白」を紙に書き分ける

の3つです。特に③が効きます。たとえば「この予算は超えてはいけない」「この顧客だけは怒らせてはいけない」など“守るべきライン”だけを先に決めてしまい、その内側では多少外してもOKと自分とチームに宣言しておく。そうすると、「ここまでなら失敗してもまだ大丈夫」と身体で理解できるので、行動スピードが一気に上がります。

そして最後に、生成AI時代ならではの落とし穴もあります。今は「こういう時どうすればいい？」と聞けば、AIがそれっぽい“正解らしきもの”をいくらでも出してくれます。頭の良い人ほど、この大量のケーススタディやベストプラクティスを集めて安心したくなる。でも、その安心感はあくまで仮想のもので、あなたの現場での検証がなければ何ひとつ前に進みません。AIが与えてくれるのは「仮説の候補」であって、「あなたの仕事の正解」ではない。だからこそ、これから評価されるのは、正解を知っている人ではなく、「ほどほどの確信でまず一歩を踏み出し、試行回数を稼げる人」なのだと思います✊️