【AI時代のプロダクト開発】第2回：その情熱を捨てる勇気。「ボツ案」を見極める4つの落とし穴

前回の記事では、「勝てるアイデア」を選定するための戦略的アプローチと基準について解説しました。

しかし、プロダクト開発の現場において、優れたアイデアを選ぶこと以上に難しく、かつ重要なのが「一見良さそうに見えるダメなアイデアを、着手前に捨てること」です。

AI開発のスピードが加速している今、筋の悪いアイデアに1ヶ月費やすことは、致命的な機会損失を意味します。今回は、弊社がプロジェクトの過程で実際に「ボツ」にしたアイデアを振り返りながら、やる前に捨てるための4つの判断基準を公開します。

1. 「AIでなくてもいい」という残酷な真実

最も多いボツ理由は、「それは従来のプログラムや、Excelのマクロで十分ではないか？」というものです。

捨てた案の例：

• 「入力内容の形式チェックAI」
  • ユーザーが入力した住所や電話番号の不備を指摘する。
  • ボツ理由： 正規表現（プログラム）で $100\%$ の精度で、かつ $0$ 円に近いコストで実現できるため。AIを使うとコストが増え、精度に曖昧さが残る（＝デメリットが勝る）。

判断のポイント： 「AIを使えばかっこいい」という誘惑を捨て、「決定論的なロジック（If-Then）」で解ける課題に、確率論的なAIを持ち込まないこと。

2. 「ハルシネーション（嘘）」のコストが価値を上回る

AI、特にLLM（大規模言語モデル）には、もっともらしい嘘をつく「ハルシネーション」のリスクが常に伴います。そのリスクを許容できない領域のアイデアは、プロダクトとして成立しません。

捨てた案の例：

• 「完全自動・薬事チェックAI」
  • 広告文を読み込ませ、法律（薬機法等）に抵触するかを「確定診断」する。
  • ボツ理由： 万が一の誤判定が、ユーザー企業にとって致命的な法的リスクになる。AIが「大丈夫」と言った後に処罰された場合、責任が取れない。

判断のポイント： AIの出力が 95%正しくても、残りの5%のミスが致命傷になる領域（医療、法律、高度な金融判断など）は、人間が最終判断する「アシスタント」の枠を超えられないなら、手を出さない。

3. 「薄すぎるラッパー」に未来はない

OpenAIなどのAPIを呼び出すだけで、独自の付加価値（データ、独自のUX、ドメイン知識）が介在しないプロダクトは、公開した瞬間に競合に埋もれます。

捨てた案の例：

• 「万能メール返信ジェネレーター」
  • メールをコピペすると、丁寧な返信案を3つ出す。
  • ボツ理由： 誰でも1日で模倣できる。かつ、GoogleやMicrosoftがOSやブラウザレベルで標準搭載し始めており、単体アプリとしての生存戦略が描けない。

判断のポイント： 「もし明日、OpenAIが同じ機能をChatGPTに搭載したら、自分たちの存在意義は消えないか？」 という問いにNOと言えないアイデアは、即座に捨てます。

4. MVP（実用最小限の製品）の構築に1ヶ月以上かかる

AI時代の時間軸は驚異的です。着想からプロトタイプ検証までに数ヶ月かけるアイデアは、完成する頃には技術トレンドが変わり、市場の前提が崩れています。

捨てた案の例：

• 「業界特化型の完全独自SLM（小型言語モデル）開発」
  • 特定の業界用語を完璧に理解させるために、一からモデルを微調整（Fine-tuning）する。
  • ボツ理由： データの収集と学習に時間がかかりすぎる。その開発期間中に、ベースとなるモデル（GPT-4等）が進化して、特化型モデルの性能を追い越してしまうリスクが高いため。

判断のポイント： 「2週間で価値の核を証明できるか？」。これができない複雑なアイデアは、エンジニアの自己満足に陥るリスクが高い「危険信号」です。

まとめ：失敗を回避する「捨てる技術」

「やる前に捨てる」という決断は、一見ネガティブに見えますが、実はプロジェクトの成功率を最大化するための最もポジティブな攻めです。

リソースは有限です。情熱を持って考えたアイデアだからこそ、以下の4つのフィルターで冷徹に検証してみてください。

1. 脱・AI至上主義： AIである必然性はあるか？
2. リスク管理： 誤情報のコストは許容範囲か？
3. 参入障壁： 模倣困難な独自要素はあるか？
4. スピード： 14日以内に検証を開始できるか？