【AWS様主催】AIプロダクト開発ワークショップレポート
概要
今回は、アマゾン ウェブ サービス ジャパン合同会社様（以下、AWS様）主催の、機械学習/生成AIを用いた新規プロダクトの開発ワークショップ「ML Enablement Workshop」に参加させていただきました！
ワークショップの概要と、そこで得た学びをレポートします！
いくつかの条件を満たせば受講可能で、
なんと、内容が全て下記リンクにて公開されているため、自社開催も可能です！
ぜひチェックしてください！
https://github.com/aws-samples/aws-ml-enablement-workshop/tree/main
1.ワークショップの概要
1.1 ワークショップのゴール
機械学習/生成AIを用いたプロダクトを成長させられるチームを組成すること
≒経営層の支持のもと、様々な役割を持つ社員（例：プロダクトマネージャー、エンジニア、UXデザイナー）が、1~3ヶ月で継続的に成果を積めるサイクルを回し始めていること
1.2 ワークショップの流れ
3日間に分けて行われます。
Day0(事前準備)：ワークショップの概要説明と、参加者各自の役割を明確にする（1時間）
Day1：一通りAWS様の新規プロダクト開発プロセスを体験する（3.5時間）
Day2：自分たちで、AWS様の新規プロダクト開発プロセスを用いて、事業開発を実行する（3時間）
↓新規プロダクト開発プロセスの概要について、詳しくは下記リンクから
1.3 参加条件
基本は下記二点とのことですが、追加条件がある可能性があります。AWS様に別途お問い合わせください。
1. 機械学習/生成AIを活用する取り組みに、経営層から支持を受けている
2.機械学習/生成AIを活用する取り組みに欠かせないチームメンバーを集められる
前述の参加条件2について、欠かせないチームメンバーとは、
プロダクトマネージャー、開発者、データサイエンティスト（生成AIを活用する際には必須ではありません）です。
ここでの役割の定義は、
プロダクトマネージャー：プロダクトのビジネス的な成功、そのためにロードマップを作成し、どのような機能を開発するか方針を示し意思決定を行う職責の方
開発者：プロダクトの開発スケジュールやチームのリソース状況を把握している方
データサイエンティスト：機械学習モデルの構築、またデータの分析を行うことができる方
※上記役割はあくまで最低限であり、UXデザイナー、営業、カスタマーサポートの方から、参加して良かったというFBもいただいたことがあるようです。
弊社も、プロダクトマネージャー、エンジニア、デザイナー、マーケターが参加し、各々学びを得ました。
2．ワークショップから得た学び
非常に充実したワークショップでしたので、特に印象に残った点に絞って、
どのような学びを得られたか、ご共有いたします！
2.1 顧客志向の徹底
AWS様の新規プロダクト開発プロセスは、顧客の明確化から始まります。
どんな状況で、どんな接点で、どんな感情でサービスを利用するのか、どんなパーソナリティなのかを書き出します。
その後、各サービス利用プロセスでいただくであろうレビューを予想して書き出します。
☆1のひどいレビューから、☆5のべた褒めのレビューまで、幅広く予想していきます。
その結果、顧客が何を求めているのか具体的に理解することができます。
また、プロダクトの課題や強みを、網羅的に可視化することができます。
2.2 プロダクトの肝を探す
前段で抽出した課題、強みの中で、
このプロダクトを使うか辞めるかの判断への影響度合いによって、重要度を評価します。
この強みがあるからプロダクトを使う、という部分や、ここが課題だからプロダクトを使わない、となってしまう部分が重要な部分になります。
それらに対して、どのような機能を実装することで強みを強化して、課題を解決するのかを考え、完全な解決策になる機能ほど、優先的に実装していくべき機能ということになります。
この一連のプロセスによって、プロダクトに必要な機能を抜け漏れなく認識することができ、その優先順位も明らかにすることができます。
これは、どんなプロダクトが良いかという発想では非常に難しく、顧客がこのプロダクトに関わるプロセスの中で、何をどう評価するかという発想で考えたからこその結果です。
2.3 提供開始前からプレスリリースを作る！？
ここまでのプロセスで、プロダクトの機能とその優先順位が明らかになっています。
早速プロダクトの開発かと思うところですが、なんとその前にプレスリリース（正確には、PR/FAQと呼んでいました）を作ります。
PR/FAQの内容は次の四点で、
1.顧客への提供価値
2.会社にとっての価値（収益性、事業成長への貢献、手に入るデータなど）
3.顧客への疑問に対する回答（効果のエビデンス、費用など）
4.プロダクトの利用、操作手順
それぞれ、まだプロダクトが一切形になっていないのにも関わらず、社外のメディアに出すつもりの内容で作成します。
しかし、実際は社内での検討にのみ使用するため、自由な表現で素直に記載します。
これを作成する目的を、下記のように解釈しました。
このプロダクトがどの角度から見ても、開発するべきプロダクトであることを、極めて自然にかつ、網羅的に示すためです。
これを作成しようとすると、自然にプロダクトに必要な要素（収益性など）が満たされているのかどうか、確認することができます。
2.4 弊社プロダクトに起きた改善
一連のワークショップを経て、弊社が開発を進めたプロダクトに、いくつもの改善点が見られました。
その中でも印象に残ったのは、「実装する機能の削減」です。
このワークショップでは、顧客に寄り添うことで、機能の優先順位が明らかになります。
その結果、私たちが当初実装する想定でいた機能が、現段階では実装しないということになりました。
これにより、お金も時間も最小限で適切な検証を進められると感じています。
3.まとめ
今回は、AWS様主催の、機械学習/生成AIを用いた新規プロダクトの開発ワークショップ
「ML Enablement Workshop」の参加レポートでした！
特に印象に残った箇所だけをお伝えしましたが、他にも多くの学びが得られるワークショップになっておりますので、ぜひご検討ください！
↓詳細はこちら
https://github.com/aws-samples/aws-ml-enablement-workshop/tree/main
執筆、編集作業の所要時間
所要時間: 65分
人間: 60分
AI: 5分
内訳
記事執筆（by 人間）: 60分
誤字脱字の確認（by AI）: 5分
人間のみで記事作成した場合に想定される所要時間: 75分
AIによる所要時間削減率: 20%
