生成AI時代のプロダクトマネジメント 勝てる事業の原則から戦略、デザイン、成功事例まで

賛辞
献辞
推薦者まえがき
著者まえがき
訳者まえがき

第Ⅰ部　生成AIの全体像を俯瞰する

第1章　AI革命の基礎知識
1.1　生成AIとめぐるAI進化の物語
1.2　AIとは何か？　生成AIとは何か？
1.3　AIにつきまとう5つ誤解
1.4　知られざるAIの歴史を解き明かす

第2章　生成AIのスーパーパワー
2.1　なぜいま、生成AIが注目されるのか？
2.2　生成AIは本当に未来なのか？
2.3　AIの進化は初期段階なのか？

第3章　技術基盤と業界構造
3.1　生成AIの3つの技術基盤
3.2　生成AIの技術基盤を知っておくべき理由

第4章　アプリケーションの多様性
4.1　生成AIが実用化されている業界はどこか？
4.2　生成AIとロボット工学の未来

第5章　可能性と限界
5.1　生成AIはいま何ができるのか？
5.2　生成AIの可能性と課題は何か？

第Ⅱ部　生成AIプロダクトのつくり方

第6章　顧客をセグメント化する
6.1　なぜ顧客のセグメント化で失敗するのか？
6.2　課題優先か、技術優先か？
6.3　プロダクトの仮説を検証する

第7章　MVPづくりとプロダクトデザイン
7.1　AIロボティクスの挑戦と教訓
7.2　MVPづくりで陥りがちな罠
7.3　MVPづくりの10の指針
7.4　大規模言語モデルはオープンソースか自社独自モデルかかどちらを選ぶか？
7.5　プロダクトデザインの5つのポイント
7.6　ソフトウェアプロダクトの設計と何が違うのか？

第8章　プロダクトづくりの7原則とUXデザイン
8.1　7つのプロダクト原則
8.2　6つのデザインパターン
8.3　UXデザインの5ステップ

第9章　プロダクトを磨くプロンプト技術
9.1　プロンプトを解剖する
9.2　プロンプトの実例とテクニック
9.3　検索と生成を融合したRAGとは何か？
9.4　画像生成を左右するパラメータ調整

第10章　AI倫理の指針
10.1　AI倫理が問われた出来事
10.2　7つのAI倫理の柱
10.3　レッドチーミングで落とし穴を見つける

第11章　ビジネスモデルとPMFへの道筋
11.1　BtoCとBtoBでは何が異なるのか？
11.2　BtoCとBtoBの12の特徴を比較する
11.3　MVPからPMFまでの道筋
11.4　PMFの3つの誤解
11.5　PMFへの到達度を測る5つのサイン

第12章　プロダクトの成長指標
12.1　ノーススターメトリックとは何か？
12.2　ノーススターメトリックの7つの特徴
12.3　サインポスト指標とガードレール指標
12.4　成長指標はどのように連携するか
12.5　入力指標と出力指標
12.6　指標づくりの5つの観点

第13章　GTMと価格戦略
13.1　GTMはオーケストラ
13.2　GTMで失敗する10の要因
13.3　GTMを成功に導く方法
13.4　インバウンド需要からアウトバウンド需要へのシフト
13.5　価格設定をどのようにするか？

第14章　3つの成長戦略
14.1　プロダクトレッドグロース、マーケティングレッドグロース、セールスレッドグロース
14.2　ハンティング方式とは何か？
14.3　PLGを成功させるヒント
14.4　プロダクトレッドセールスとは何か？
14.5　PLGが最適ではない6つのケース
14.6　PLG氷山で見るCanvaの成長物語

第15章　差別化と参入障壁
15.1　7つの競争優位性
15.2　競争優位性は構築できるのか？
15.3　長期的な粘り強さが鍵となる

第Ⅲ部　AI時代のプロダクトキャリアを構築する

第16章　プロダクトマネージャーの働き方の変化
16.1　プロダクトマネージャーの責任とスキル
16.2　AIはプロダクトマネジメントの仕事を奪うか？
16.3　これからのプロダクトマネージャーに求められるスキル

第17章　プロダクトマネジメントとキャリアのアップデート
17.1　AIと共に歩むプロダクトマネージャーの心がまえ
17.2　生成AIをプロダクトマネジメント実務へ応用する
17.3　プロダクトマネージャーとしての成長を加速させる

付録1　AIを理解するための基礎用語
付録2　プ仮説検証の詳細なプロセスと方法

謝辞
参考文献
本書内容に関するお問い合わせについて
著者紹介
訳者紹介