STEP 2：【質】「機能要望」を「文脈」に変えるデザインリサーチ
量を確保した上で、次に問われるのが「質」だ。ビルを出て顧客に会ったとして、そこからどのような情報を持ち帰るべきか。
米山氏は、UXデザインの領域で磨かれてきた体系知である「デザインリサーチ」、特に「半構造化インタビュー」の手法が有効だと提言する。
半構造化インタビューとは、あらかじめ決めた「定型質問（構造化）」と、その回答に応じてアドリブで掘り下げる「非定型質問（非構造化）」を組み合わせる手法だ。この手法の真価は、顧客の言葉を額面通りに受け取るのではなく、その背後にある「文脈」を解き明かせる点にある。
米山氏は、ある具体的なエピソードを例に挙げた。
あるときに顧客から「生成されたレポートを画像ファイルとしてエクスポートしたい」という要望があったという。
「機能要望」で終わらせるプロダクトマネージャー、深掘りするプロダクトマネージャー
もし、これを単なる一問一答で終わらせてしまったらどうなるか。
「エクスポート機能が欲しいと言われました」という報告だけが残り、バックログには「エクスポート機能の実装」というチケットが積まれる。だが、その優先度や具体的な仕様（JPEGなのかPNGなのか、解像度はどの程度か）を判断する根拠は何もない。
ここで半構造化インタビューの出番だ。プロダクトマネージャーは「なぜ？」「いつ？」「誰が？」と深掘りを重ねていく。
「その作業はいつ発生しますか？」
「エクスポートした画像を何に使いますか？」
「ブラウザの印刷機能やスクリーンショットではダメなのですか？」
対話を重ねるうちに、次のような具体的な「文脈」が浮かび上がってきた。
- When：週次定例の2日前。
- Who：自分と営業担当の2名だけ。資料作成に時間をかけられない。
- Why：クライアントへの報告資料（PowerPoint）に貼りたい。先方は重厚なドキュメントを嫌うため、視覚的に分かりやすいスライドが必要。
- What：現在のツールのUIコンポーネントは完成度が高く、そのままスライドに貼れば説得力が増す。しかし、スクショだとデザインが崩れたり粗くなったりして困っている。
ここまで解像度が高まれば、打つべき手は変わってくる。
単に「画像出力ボタン」を作るだけでなく、「PowerPointに貼り付けやすいアスペクト比にする」や「文字サイズを調整する」といった、より本質的な解決策（ソリューション）が見えてくる。あるいは、「当初の要望とは違うが、こちらのほうが顧客の課題（＝楽に見栄えの良い資料を作りたい）を解決できる」という代替案を提示できるかもしれない。
「機能要望」を鵜呑みにせず、その奥にある「文脈」を掴むこと。これこそが、AIには代替できない、プロダクトマネージャーのクリエイティビティが発揮される瞬間である。
STEP 3：【活用】LLMをプロセッサにした「定性データウェアハウス」
量と質を確保した一次情報。最後にして最大の課題が、それをどう「活用」するかだ。
多くの組織では、せっかく得た一次情報が「担当者の脳内」に留まるか、あるいは「議事録」という死蔵されたドキュメントの中に埋もれてしまっている。
「議事録やレポートは、特定の目的のために情報を切り取ったスナップショットに過ぎません。一度アウトプットされると内容は固定され、他の文脈で活用することが難しくなります」
そこで米山氏が提案するのが、「定性情報のデータウェアハウス（DWH）」という概念だ。
定量データの世界では、生データ（ローデータ）をDWHに蓄積し、BIツールで必要な切り口に応じて集計・可視化するのが当たり前だ。これと同じことを、定性情報（テキストデータ）でも行うのである。
かつては、膨大で構造を持たない会話データをDWH化することは困難だった。しかし、現在はLLMがある。LLMを「定性情報のデータプロセッサ」として捉えることで、このアプローチは現実のものとなった。
toittaによる実践：会話を「切片」に分解し、構造化する
はてなの開発チームが提供する「toitta」では、このプロセスを以下のように自動化している。
- 録画・文字起こし：商談やインタビューの全データをテキスト化する。
- 切片化（チャンク化）：LLMが、一連の発話を意味のある最小単位（切片）に分解する。
- メタデータの付与：各切片に対し、「状況」「行動」「課題」「代替手段」といったタグを自動で分類・付与する。
こうして構造化されたデータは、もはや単なるテキストではない。検索・集計可能な「データベース」となる。
米山氏は、この際の「分類（タグ付け）」のコツについてこう語っている。
「分類は、特定のプロジェクトに依存するような細かいものではなく、『状況』や『課題』といった普遍的で陳腐化しないカテゴリにしておくことが重要です。そうすることで、時が経っても、プロジェクトが変わっても、データを横断的に活用し続けることができます」
この考え方は、はてなが以前より実践してきた「KA法（本質的価値抽出法）」などの質的分析手法とも通底する。実際、toittaはKA法のような親和図法による分析を劇的に効率化するツールとしても評価が高い。
必要な時に、必要な切り口で出力する
定性DWHが構築できれば、アウトプットは自由自在だ。
「A社の課題の変遷を時系列で見たい」と思えば、そのカットで抽出できる。
「複数の顧客に共通する悩みを知りたい」と思えば、横断的な分析が可能になる。
さらには、定性データを元に「課題Xを解決した場合の経済インパクト（ARR向上幅）」をシミュレーションすることさえできるという。
一度レポートを書いたら終わりの「フロー情報」ではなく、組織の資産として積み上がる「ストック情報」へ。toittaとLLMの活用により、一次情報の寿命は永遠のもの（不易なもの）となる。
プロダクトマネージャー、セールス、CSをつなぐ共通言語として
こうして蓄積された一次情報は、もはやプロダクト開発チームだけのものではない。
事業計画の策定、マーケティングメッセージの改善、セールストークのブラッシュアップ、カスタマーサクセスの支援プログラム作成など、あらゆる職種が「顧客の生の声」を根拠に意思決定できるようになる。
「バックログの内側（開発）だけでなく、外側（ビジネス）でも活用できる。全職種が一次情報を武器にして成果を出せるようになるのが、このアプローチの到達点です」と米山氏は力を込めた。
AI時代、プロダクトマネージャーの仕事は「仕様を決めること」から、「顧客を知り、その真意を翻訳して組織に届けること」へとシフトしていくのかもしれない。
そのための強力な武器となるのが、「toitta」というプロダクトだ。
現在、toittaでは無料トライアルを受け付けている。「ビルを出て」集めた一次情報を、組織全員の武器に変えるために。まずは自身のチームで、その威力を体感してみてはいかがだろうか。
toittaの無料トライアルについて
toittaでは現在、toittaを一定期間無料でトライアルいただける機会をご提供しています。 ご利用を希望の際には、toitta公式サイトからお問い合わせください（ご応募多数の場合は先着順で締め切らせていただく可能性がございます）。
