解決策の前に問題を書く
具体的な機能を提案する前に、顧客の問題とそれがなぜ重要かを平易な言葉で述べる――チームにまず問題について合意させることで、誰かがコードを書く前に間違った解決策を捕まえられる。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
肩書きから連想されるほど「作る」仕事はしていない。典型的な一日は、利用データの確認、顧客や営業チームとのニーズに関する会話、エンジニア向けの仕様書の作成や改訂、そして次に何を作り何を削るかを決める計画会議への出席が中心となる。自らコードを書いたり、画面を描いたり、何かを出荷したりする時間はごくわずかしかない。
必須ではないが、ソフトウェア色の強い役割では役立つ。エンジニア出身のプロダクトマネージャーは多いが、デザイン、マーケティング、コンサルティング、カスタマーサポートから移ってくる人も少なくない。特定の学位よりも重要なのは、データを読み解き、明確に文章を書き、自分でコードを書かなくてもエンジニアと対等に議論できることだ。
肩書きは似ているが違う。プロジェクトマネージャーは、チーム全体のスケジュールを調整しながら作業が予定通り予算内で進んでいるかを追跡する。プロダクトマネージャーは、そもそも何を作るべきかとその理由を決め、根底にあるビジネスと顧客の論理を所有する。特に小規模な組織では両者の境界が実務上あいまいになることも多いが、それぞれが答える中心的な問いは異なる。
違う。プロダクトマネージャーがエンジニアやデザイナーなど誰かを直属の部下として持つことはほぼない――この仕事はしばしば「権限ではなく影響力で導く」役割だと説明される。プロダクトマネージャーは優先順位とその根拠を定めるが、実際の作業をどう進め誰が担当するかは通常エンジニアリングマネージャーやチームリーダーが決める。
国や企業によって大きく異なる。米国の大手テクノロジー企業では、ボーナスと株式を含めた総報酬が優に六桁ドル台(日本円で数千万円規模)に達することも珍しくない一方、インドやラテンアメリカの多くでは同等の役職でもその何分の一かにとどまる。株式を除く基本給だけで見れば、同じ会社のシニアエンジニアの給与に近い水準であることが多い。
データの要約、仕様書の初稿作成、顧客フィードバックの統合といった業務は、すでにAIツールによって高速化されている。自動化が難しいまま残るのは、そもそもどのアイデアに取り組む価値があるかを決めること、意見の異なる人々の間で妥協点を交渉すること、そして賭けが失敗したときに責任を負うことだ――これらはモデルに責任を負わせられない判断である。
プロダクトマネージャーがホワイトボードに大胆なビジョンを描くというイメージは、ほとんど間違っている。仕事の大部分は地味な統合作業だ――アンケートや分析データを読み込み、エンジニアが読み違えようのないほど正確な文書を書き、意見の合わない何人もの人々を一つの計画にまとめることが本当の仕事である会議に座り続ける。
この分野で受け継がれる技術は、単一のツールというよりも習慣についてのものだ――良いアイデアであっても今は間違ったアイデアだから断る方法、実際のエンジニアとの接触に耐えられる仕様書の書き方、そして顧客が言うことより実際にすることをいつ信じるべきか。
何を作らないかを決めることが日々の判断の中で最も影響力が大きい――ロードマップの大半は、プロダクトマネージャーが「今はやらない」と決めた良いアイデアの長いリストである。
仕様書、ロードマップの更新、事後検証報告は、その場にいなかった人々でも正しく行動できるほど正確でなければならない。
エンジニアリング、デザイン、営業、経営陣に対してほぼ正式な権限を持たないまま同じ計画への合意を取り付けること――しばしば「権力なしで導く」と要約される。
利用データや実験結果を、本物のシグナルとノイズを見分け、指標が本当に改善しているのか操作されているだけなのかを見極められるほど十分に読み解くこと。
アンケートや営業チームの又聞きだけに頼るのではなく、顧客と直接話し、実際に製品を使う様子を観察すること。
必ずしも自分で構築できなくても、エンジニアとトレードオフについて実のある会話ができる程度に、基盤となるシステムの仕組みを理解していること。
一日の会議が始まる前に、メッセージに目を通し、夜間のダッシュボードで何か壊れていないか、想定外に動いていないかを確認する。
直属のプロダクトチームとの毎日のスタンドアップに加え、デザイン、エンジニアリングリーダー、依存関係のあるチームとの定例会議で作業の障害を取り除き、意見の相違を解消する。
一日の中で最もしっかり守られた時間帯で、仕様書の作成・改訂、実験結果の分析、次の意思決定に向けた資料の準備に費やされる。
良い日には本当の休憩になるが、悪い日には長引いた会議が続けて入り消えてしまう。
一日で最も会議の詰まった時間帯――ロードマップレビュー、デザインの批評、営業や顧客との電話、そして次四半期に実際に何が出荷されるかを決める交渉。
私的な時間だが、ローンチ週や緊急の顧客対応があれば、正式な終業後もSlackでプロダクトマネージャーが呼び戻されることがある。
現場で実際に伝えられる技術知 — モチベーション文句ではない。
具体的な機能を提案する前に、顧客の問題とそれがなぜ重要かを平易な言葉で述べる――チームにまず問題について合意させることで、誰かがコードを書く前に間違った解決策を捕まえられる。
アンケートは人々が欲しいと言うものを教えてくれるが、対面や画面共有で実際に誰かが製品を使おうとする様子を見ることは、彼らが言及することさえ思いつかなかった摩擦を明らかにする。
完全な機能を作る前に、最も間違っている可能性の高い仮説を検証する最小限のバージョンに切り詰める――時にはその裏側に何も存在しないうちからクリックを計測する単一のボタンだけということもある。
意見が対立したときには方向性を定め最終判断を下すが、その権威は肩書きに付いてくるものだと思い込むのではなく、準備と判断力によって勝ち取る――組織的な権力を持たないプロダクトマネージャーは、命令できるマネージャーよりも頻繁に正しくなければならない。
機能要望を黙って却下すると恨みを生む。なぜこちらでありあちらでないのか、なぜ今四半期なのかというトレードオフを一文で説明することで、「ノー」は人々が実際に議論したり受け入れたりできる決定に変わる。
提案された成功指標が過去の複数の努力にもかかわらず目に見えて変化していないなら、それが本当に正しい指標なのかを、その指標を動かすことに四半期のロードマップを賭ける前に問い直す。
Amplitude、Mixpanel、あるいは社内ダッシュボードといったツールは、生の利用ログをプロダクトマネージャーが実際に検討できるファネルやコホートへと変換する。
Jira、Linear、あるいは同様のツールは、アイデアの一覧を、エンジニアリング、デザイン、経営陣の全員が同時に見られる優先順位付けされた可視化バックログへと変える。
問題、目標、要件、エッジケース、成功指標といった構造化された文書形式で、エンジニアが推測なしに構築できるほど仕様書を明瞭に保つ。
Optimizelyや社内の実験フレームワークといったツールは、チームが機能の2つのバージョンを異なるユーザーに出荷し、どちらが実際に優れているかを測定できるようにする。
ChatGPTやClaudeといったツールは、仕様書の初稿を作成したり、ユーザーインタビューを要約したり、アンケート回答を統合したりすることが増えており、仕事を白紙からの入力よりも編集と判断へとシフトさせている。
実際に本物の問題を解決したかどうかではなく、出荷した機能の数で成功を測ること。忙しいロードマップと実際には改善しない製品を生み出す。
ある一人の熱心な顧客の具体的な機能要望を代表的なニーズとして扱い、それが有意な割合のユーザーに共有された問題を反映しているかどうかを確認しないこと。
根底にある問題や目標を説明せずに詳細な要件のリストを書くと、現実が計画から必然的にずれたときに、エンジニアが良い判断を下せなくなる。
分野だけでなく、6つのスコアが近い職業です。
データからパターンを見つけ予測モデルを構築する職業――2008年生まれの肩書きだが、その土台には数値を数え、検証し、可視化してきた3世紀分の営みがある。
AI耐性 38 🔎人々が製品をどう使うかを研究し、観察された行動、ニーズ、フラストレーションを、チームが設計の指針にできるエビデンスへと変える。
AI耐性 69 📣需要を生み出す専門職——ポンペイの壁の広告文やP&Gの1931年の「ブランドマン」覚書から、オークション主導のデジタル時代のフィードまで。
AI耐性 38 🎮遊びの設計者――古代のセネトの盤からテトリス、そして30億人が遊ぶ今日の巨大産業まで、ゲームがプレイヤーに何を求めるかを決める人。
AI耐性 65 🧾帳簿の番人――文字そのものを生み出したほど古い技を受け継ぎ、いまはそれを自動化するために作られたソフトウェアと折り合いをつけている。
AI耐性 35 💻現代生活を動かすコードを書き、テストし、保守する仕事であり、AIが自分自身の日々の作業を自動化していく様子を最初に目の当たりにしている職業の一つでもある。
AI耐性 35会社を興す人——機会を見出し、リスクを背負い、給料の支払いに責任を持つ。アッシリアの隊商金融業者からベンチャー支援の創業者まで。
AI耐性 88 💹企業に値を付け、資本を動かすディールメーカー——メディチ家のフィレンツェから今日のピッチブックまで続く商売で、巨額の金が動くときの信用に対価が支払われる。
AI耐性 42 🧾帳簿の番人――文字そのものを生み出したほど古い技を受け継ぎ、いまはそれを自動化するために作られたソフトウェアと折り合いをつけている。
AI耐性 35 📣需要を生み出す専門職——ポンペイの壁の広告文やP&Gの1931年の「ブランドマン」覚書から、オークション主導のデジタル時代のフィードまで。
AI耐性 38 💱希少性を研究する学者――アダム・スミスのピン工場から中央銀行の意思決定室まで、どんなモデルも捉えきれないものを予測せよと求められ続けている。
AI耐性 62 🌿組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66