仕事における AI との付き合い方はプロダクト開発と同じ〜小さく試す、改善を続ける〜

estie VP of Products の勝田です。

最近、社内外で「AI をどう使っていますか？」と聞かれることが増えました。

SNS では毎日のように新しい活用事例が流れてきて、「まだこれをやっていないのは遅れている」といった声も目にします。

その一方で、実際に組織全体の業務フローを AI で劇的に変えた、という事例はまだ多くないのではないでしょうか。

こうした状況に対して私が思っていることを、プロダクトマネージャーとしての経験を交えて書いてみます。

このブログは「PM Blog Week」第6弾・5日目の記事です。3月24日、27日に開催予定のMeetupに向けた連載の一部としてお届けしています。
≪過去の PM Blog Week の記事はこちら ≫

非エンジニアにも広がる AI 活用

ChatGPT が自然言語で AI を使えるという点で画期的だったのは言うまでもありませんが、Claude Cowork のようなツールの登場によって、非エンジニアにも AI 活用が一気に広がった感覚があります。コードを書けなくても、自分の業務に合わせた形で AI に仕事を任せられるようになりました。

estie でも #ai_usecase や #ai_achievement といった Slack チャンネルができており、営業やコーポレートなど非エンジニアの社員も多くが日常的に AI を利用して業務の生産性を高めています。提案資料のドラフト作成、議事録の要約、データの整理など、使い方は人それぞれですが、確実に「AI を使うのが当たり前」という空気が社内に広がってきました。

私自身も、ミーティングが始まる直前や出かける直前に急いで AI に指示を投げておいて、ミーティングの時間を無駄にしたくないと思うことが増えてきました。

AI 活用のリアル

とはいえ、AI 活用の現実はそこまで甘くありません。

実態として AI が劇的な効果を発揮しているのは、あくまで部分的な業務や特定のタスクにおいてではないでしょうか。

これは AI の能力が足りないという話ではなく、業務全体を変えるには「AI に何をさせるか」だけでなく「人間側の業務プロセスをどう再設計するか」という、より大きな問いに向き合う必要があるからです。

だからといって、AI 活用の手を止めてしまうのは間違いだと思います。

部分的であっても一つひとつの改善を積み重ねていくことが、結果的に大きな変化につながります。

むしろ、今この段階で試行錯誤を重ねていること自体に価値があると私は考えています。

AI 活用がうまい人とそうでない人の差

では、AI を使いこなせている人とそうでない人の差はどこにあるのでしょうか。

私は「画期的な使い方を見つけられるかどうか」ではないと思っています。

SNS で話題になるような魔法のようなプロンプトを知っているかどうかでもありません。

差を生んでいるのは、色々と試せる人かどうか、うまくいかなくても試行錯誤を続けられる人かどうかです。

AI に一度指示を出して、期待通りの結果が返ってこなかったときにそこで終わりにしてしまう人と、「じゃあ指示の仕方を変えてみよう」「参考情報を渡してみよう」と粘れる人との違いが、時間が経つほど大きな差になっていくのではないでしょうか。

これはプロダクト開発とまったく同じだと私は思っています。

プロダクト開発と AI 活用の共通点

プロダクト開発では、いきなり完璧なものを作ろうとはしません。

小さな仮説を立てて素早く試し、ユーザーのフィードバックをもとに改善を繰り返す。

最初から正解にたどり着くことはまずなくて、何度もサイクルを回す中で少しずつプロダクトの価値が高まっていきます。

AI との付き合い方もこれとまったく同じだと私は考えています。

最初の一回でうまくいくかどうかは、実はそれほど重要ではありません。

大事なのは、うまくいかなかったときに「なぜうまくいかなかったのか」を考え、次のアプローチを試すことと、そのサイクルを止めないことです。

「小さく試す、改善を続ける」とは

「小さく試す」とは、今この瞬間、目の前の業務を AI にやってもらうことです。

自分が直接手を動かした方が早そうなことでも、あえて AI に任せてみる。

最初のアウトプットがいい感じになることもありますが、全然ダメなこともまだまだあります。

そのときに「案外大したことないじゃん」と諦めて継続しないのは非常にもったいないです。

「改善を続ける」とは、たとえば自分自身で一部だけ手を動かして"正解データ"と言えるようなものを作り、それを参考にしながら AI にリトライしてもらうことが挙げられます。

あるいは、自分がどこを直したかを AI に伝えて、次から同じ基準で作ってもらえるようにするなどです。

こうした改善のサイクルを一つひとつ回していくことが、AI を使える状態にしていく鍵だと感じています。

実際にやってみた話

具体的なエピソードを一つ紹介します。

私はカジュアル面談の際、事前に質問をいただいていた場合はなるべく事前に回答を準備するようにしています。

あるとき、事前質問を大量にいただいたことがありました。これだけの量を口頭で説明するには限界があるだろうと判断し、スクリプトだけでなくスライドも作成することにしました。

まず、スクリプトとパワーポイントのテンプレートを AI に渡して作成させました。しかし結果は散々で、テンプレートのデザインやレイアウトをまったく守ってくれませんでした。

次に、一部だけ自分で手を動かして「正解データ」となるスライドを作り、「このスライドと同じ形式で残りも作って」と指示してみました。しかし、それでもうまくいきませんでした。

「ぐぬぬ……」となりここで諦めてしまいたくなる気持ちもありましたが、先ほど書いた「改善を続ける」を自分自身で実践しなければと思い、別のアプローチを探すことにしました。

CTO のブログから得た学び

CTO の岩成が社内ブログとして「LLM を『優秀な同僚』にするために」という記事を書いており、これが非常に参考になりました。

そこに書かれていたアプローチは、

自分が AI のアウトプットを編集した後、その編集結果を AI に渡して「この修正のポイントをまとめて」と依頼する
AI が出力した修正ポイントの要約をドキュメントとして保存する

というものでした。

こうすることで、自分自身の品質水準や判断基準が言語化され、次回以降の指示に活かせるようになります。

自分の中にある「このスライドはこうあるべき」という暗黙の基準を、AI が理解できる形で言語化して渡すことで、アウトプットの質が格段に上がりました。

ポイントは、自分で「良い基準」を一から言語化しようとしたのではなく、AI に修正の差分を分析させることで言語化のプロセス自体も AI に手伝ってもらったという点です。

振り返ると、これはまさにプロダクト開発における「ユーザーの声を聞き、仮説を修正し、改善する」サイクルそのものでした。

自分がユーザーであり、AI がプロダクトであり、フィードバックを通じてお互いの理解が深まっていく。そんな感覚です。

まとめ

AI 活用は、魔法のような一発逆転の手法ではありません。

小さく試して、うまくいかなければ改善し、少しずつ自分の業務に馴染ませていく。

プロダクト開発と同じように、地道な試行錯誤の積み重ねが大きな成果につながるのではないでしょうか。

そして、この試行錯誤のプロセスは一人で閉じる必要はありません。

estie では社内で AI 活用のナレッジを日々共有しながら、チーム全体で実践を重ねています。

誰かの失敗談が別の誰かのヒントになり、ある人の工夫が組織全体の生産性を押し上げる、という循環が生まれつつあります。

AI との付き合い方に正解はまだありません。だからこそ、小さく試して、改善を続けていく。プロダクトマネージャーとして日々やっていることと同じことを、AI 活用でもやっていきたいと思っています。

イベントのお知らせ

AI、データをテーマにした勉強会を開催します。ぜひご参加ください。

いつ	タイトル	詳細はこちら
2026年3月24日	AIと働く会社は何をしている？ PMとエンジニアが仕掛ける“社内浸透”の具体アクション共有会	詳細を見る
2026年3月27日	カオスなデータに向き合う！ドメイン特化のAIエンジニアリング論	詳細を見る