コンテキストこそがプロダクトになる:カリ・サーリネンが語る、AIによってチームが学ぶ時間を取り戻すべきこと

この気づきが、講演の中心となる問いを形づくった。業界は常にツールを注視しており、ツールは明らかに速く、高性能になっている。しかし、チームはそれを使って本当により良いものを作れているのだろうか。そして、チーム自体はより良くなっているのだろうか。サーリネン氏は、その答えがはっきり「イエス」だとは思わないと述べた。そして聴衆に対し、自分の会社がより良いものを作れているかどうかを、そもそもどうやって知るのか、顧客もそう感じているのか、と問いかけた。サーリネン氏の立場は、プロダクトに携わる人々は良いものを作るために存在しており、チームが仕事を通じて築く理解のほうがアウトプットよりも重要だ、というものだ。

サーリネン氏は、その日のいくつかの講演で「ソフトウェア工場」が取り上げられていたことに触れた。そして、業界はAIが登場するずっと前から、組織のアウトプットを拡大し最適化することに執着してきたと主張した。サーリネン氏の説明によれば、AI以前のそれはこういうものだった。人を増やし、それぞれが独自のやり方で働く専門的な役割を作り、人が多すぎるのでプロセスを追加し、やがて誰が何をしているのか、何をすべきなのかを把握できなくなる。その段階になると、企業は何がうまくいくのかをデータに教えてもらうために実験を行うようになる。

サーリネン氏は、速く動くことが重要であり、アウトプットを追求することにも理があると認めた。しかし、サーリネン氏の哲学は、アウトプットが多いほど良いわけではない、というものだ。目指すべきは、顧客にとってより良い体験である。サーリネン氏は自身の主要なメッセージを次のように表現した。ソフトウェア工場を作り、物事を自動化することはできるし、それは理にかなっている。しかし、組織としてソフトウェア工場そのものになってはいけない。仕事も思考もすべて外に委ね、アウトプットの効率だけに注目してはいけない。サーリネン氏の言葉を借りれば、「アウトプットはプロダクトではない」。顧客はコードの行数や実験を買うわけではない。何かを売るには、誰かが欲しがるものを作らなければならない。

サーリネン氏によれば、プロダクトを作ることは、これまで常に2つのものを生み出してきた。プロダクトと学びである。チームが何を作るべきか、どう作るべきか、どんな形にすべきかに苦心するとき、チームは問いを立てる。ときには自分たちで答え、ときには同僚や顧客に尋ねる。その努力を通じて、チームは問題について、そして顧客が何を求めているかについて学ぶのだ。

今の危険は、その学びとの直接的なつながりを失うことだとサーリネン氏は言う。これを、私たちが偉大な企業をどう捉えているかと結びつけた。私たちはたいてい、偉大な企業のプロダクトと同じくらい、そのチームにも敬意を払う。プロダクトはチームから生まれるからだ。チームが自分たちの領域を深く理解し、スキルとセンスを備えているほど、より良いものを作れる。偉大な企業が一貫して素晴らしいものを作れるのは、何が重要で何が重要でないかについての文化とコンテキストを培ってきたからだ。サーリネン氏は、そのコンテキストに含まれるものを挙げた。顧客についての知識、プロダクトの領域、利用可能な技術、チームが意思決定に用いる判断力、良いものを見極めるセンス、そして会社がこれまでに試し、決めてきたことの歴史である。

学びの複利的な積み重ねを示すため、サーリネン氏はF1のステアリングホイールを紹介した。当初は従来型の形状だったが、数十年をかけて、チームはその用途に何が必要かを学んでいった。F1マシンには大きな舵角は必要ない。ドライバーは高速でマシンを制御するために小さく繊細な操作を行う。そのため、ステアリングホイールは一般的な車のものとはまったく異なる形へと進化した。

組織がAIで仕事を自動化すればするほど、あるいはチームにAIを使うよう指示すればするほど、実行と学びは切り離されていく。サーリネン氏は、それ自体が必ずしも悪いことではないと述べた。この点を取り上げたのは、企業がそれをどう補うかを問えるようにするためだ。サーリネン氏の見解では、自らの仕事から学ぶことをやめた企業は、やがて現在その領域で持っている優位性を失うことになる。

これに取り組む一つの方法は、何を自動化するのが良く、何を人がやるのが良いのかを問うことだ。仕事の中には、反復可能で、そこから多くを学べないものもある。サーリネン氏が挙げた例は、Linearでのバグ修正だ。同社では現在、バグを調査するAIループを運用している。それはDatadogやSentryなどのツールと連携し、コードベースを調べてバグの発生源を突き止め、修正を書く。エンジニアはもはや調査をする必要がない。結果を検証し、ときどき小さな変更を加えるだけだ。サーリネン氏にとっての問いは、すべてを外に委ねることなく、こうしたツールでいかに時間を節約するか、ということだ。

サーリネン氏は、チームが顧客と顧客の課題により多くの時間を費やすことを望んでいる。Linearは創業当初から、エンジニアをはじめとするチームメンバーに、顧客と直接つながるよう促してきた。メンバーは共有Slackチャンネルに参加し、顧客の質問に答え、自分たちからも質問し、顧客の近くにいることで顧客に対する直感を養っている。エンジニアリングやその他の職種で時間が節約できるようになったのなら、その時間を顧客と過ごす時間を増やしたり、より多くのアイデアを探ったり、判断力を鍛えたり、以前は時間がなくてできなかったほど質の高い仕事をしたりすることに使える、とサーリネン氏は言う。

サーリネン氏は、これからのプロダクト組織の目標を、学びのループを回し続けることだと位置づけた。コンテキストを集め、そこからシグナルを引き出し、その学びをチームと会社全体に届けることだ。そして、ここでAIが役立つと主張した。人々はAIが何を実行できるかに注目しがちで、AIが何を教えてくれるかにはあまり目を向けない、とサーリネン氏は言う。

Linearでは、顧客のコンテキストをまとめるためにAIを活用している。自動化によって、営業の商談やその他のミーティング、サポートメール、社内の議論からのフィードバックが一か所に集約される。

サーリネン氏は、プロダクト組織、特に大規模な組織でよく見られる問題について説明した。追いかけるべき課題があまりに多いため、多くの人が日々の顧客の課題から離れていってしまう。誰もすべてのメールやリクエストを読むことはできない。サーリネン氏が最近実践しているのは、集約されたコンテキストを監視するエージェントである「ウォッチャー」をそこに向け、何か興味深いものが現れたら通知させることだ。

その一つが、AIワークフローに関するデイリーブリーフィングで、顧客がAIの使い方について何を語っているかをまとめたものだ。これを設定したのは、企業によってAIワークフローへの取り組み方が大きく異なるのを目にしてきたからだという。サーリネン氏の見解では、まだ明確なベストプラクティスは存在せず、どの企業も少しずつ違うやり方をしている。人々がこうしたツールをどのように使っているのか、その幅広さを知り、彼らがLinearに何を求めているのか、Linearがどう手助けできるのかを学びたいと考えている。ブリーフィングは通常、箇条書き数点程度で、読むのに一日のうちわずかな時間しかかからない。

判断力の面では、企業がAIやエージェントを導入する中でサーリネン氏が目にしてきたパターンについて語った。人々が孤立していくのだ。多くの人が、自分のエージェントと一人で作業している。サーリネン氏はそれを効率的だとしつつも、その結果、人々が互いから学ばなくなると指摘した。

Linearの最初の対策は、Quality Wednesdayだ。これは、Linearが採用を続ける中で、全員が品質について同じ基準や理解を共有しているわけではないことに会社が気づいたことから始まった。毎週、全員がプロダクトに触れる時間を取り、品質上の欠陥を一つ見つけて修正することが課される。欠陥はごく小さなものでもよい。おかしなホバー状態、ぎこちないアニメーション、文言の誤りなどだ。大きなプロジェクトにすることは想定されておらず、5分で済む修正でも構わない。

修正は実際に行われるが、それが主な効果ではないとサーリネン氏は言う。より大きな効果は、全員が小さなミスに気づく目を養うことだ。見つけたものや修正内容はミーティングで共有されるため、全員が他の人がどのように問題を見つけているかを目にし、そこから学ぶことができる。

2つ目の取り組みは新機能に対して行われるもので、フィーチャー・ローストと呼ばれている。これは社内の誰でも参加できる任意参加のミーティングで、その機能を開発しているチームが主催する。参加者は機能全体を批評するよう求められ、どれだけ細かい点を指摘しても、どれだけ戸惑いを示しても構わない。フィードバックは率直で、個人攻撃ではない。「自分にはこう見える」というものだ。開発チームは、理解できないコメントがあれば追加で質問することもできる。

サーリネン氏は2つの目的を挙げた。第一に、Quality Wednesdayと同様に、何が重要で、会社が何を大切にしているかを人々に身につけさせること。第二に、機能を開発しているチームに、ユーザーがどう反応しうるかをより現実的に予見させることだ。その場にいる人のほとんどは、その機能を初めて目にする。彼らが戸惑うなら、ユーザーもおそらく戸惑うだろう。ミーティングの後、リードがフィードバックを整理してグループ分けし、対応可能なイシューに落とし込み、チームがそれらを修正する。

最も重要なのは、こうしたセッションが皆で一緒に行われ、議論を伴うことだとサーリネン氏は言う。人々は互いの優先事項を知るようになる。後に自分の機能を作っているときに、ある同僚はいつもオンボーディングや特定のアニメーションを気にしていたと思い出し、まずそれらを確認して、そのフィードバックを受けずに済むかもしれない。

サーリネン氏の訴えは、AIが節約してくれた時間をどう使うかということだった。よくある反応は、あらゆることをより効率化し、より多くを生み出すことだ。もしAIが本当に時間を節約しているのなら、その時間を顧客、探索、批評、品質、そして仕事そのものを振り返ることに充てられるのではないか、とサーリネン氏は提案した。そして、プロダクトの仕事は実行から離れ、より抽象的なもの、つまり活動そのものについて考え、チームと組織がどうすればより良くなれるかを考えることへと移っていくかもしれない、という見通しを示した。

企業は自らの仕事と解決する課題についての理解を複利的に積み重ねていくという主張に立ち返り、サーリネン氏は、その理解が蓄えられる場所を持つべきだと論じた。そこには顧客のコンテキスト、プロダクトに関する考え、そしてチームが取り組んでいるあらゆるものを置くことができる。これは人にとってだけでなく、エージェントにとっても重要だとサーリネン氏は言う。サーリネン氏は今、あるトピックについて会社にどんな情報があるかをエージェントに尋ねたり、顧客について教えてもらったりすることがよくある。顧客が何を語り、何をしているのか、チームがそれにどう対応しているのか、といったことだ。サーリネン氏は、顧客やプロダクト、それを取り巻く仕事についてのコンテキストが蓄積される共有の場に価値を見出している。

締めくくりに、サーリネン氏は、ツールはこれからも進化し続け、人々はそれを注視し続け、より多くのことが自動化されていくだろうと述べた。サーリネン氏の考えでは、自動化の対象は既知のもの、つまり反復可能で、影響が小さく、多くの学びの源にならない仕事であるべきだ。そしてチームには、次のプロトタイプやアイデアをただ実行するのではなく、何かや誰かから学んでいることを確かめながら、自分たちが取り組んでいることへの理解を築くことにもっと力を注いでほしいと願っている。

サーリネン氏はこれを、Linearの運営方法と結びつけた。Linearは実験を行わない。人々に直感を使うよう伝えている。サーリネン氏はよく、直感とはスター・ウォーズに出てくるような、ただ自分に降りかかってくる魔法の力ではない、と語っている。直感は、物事に取り組み、顧客の声に耳を傾けることから生まれる。直感とは本質的に、脳のトレーニングなのだ。より多くのコンテキストを吸収するほど、個人の理解は複利的に積み重なり、やがてチーム全体の理解もそうなっていく。

サーリネン氏は講演を「コンテキストこそがプロダクトになる」という言葉で総括した。業界はアウトプット、つまりソフトウェアやコードに固執している。サーリネン氏はむしろ逆の方向、ソフトウェアを生み出すもの、すなわち意思決定を行う人々に目を向けたいと考えている。彼らのコンテキストと、自分たちが何をすべきかについての理解が優れているほど、プロダクトも優れたものになる。

だからこそ、サーリネン氏は常に、採用を優れたプロダクトを作るための第一歩と捉えてきた。当たり前に聞こえるかもしれないと認めつつも、人々はしばしば、単に何かを片付けるため、あるいはアウトプットを増やすために採用を行う、とサーリネン氏は言う。本来考えるべきなのは、その人が会社にもたらしうる軌跡だ。どんなアイデアをもたらすのか、適切な判断力とセンスを持っているか、そしてそれを組織の中でどう活かせるのか。サーリネン氏が最後に示した予測は、プロダクト組織の仕事は、コードを書いたりモノを作ったりすること自体よりも、コンテキストを管理すること、すなわちそこから学び、チームが集まって学ぶための方法を見つけることへと、ますます移っていくだろうというものだった。