DiscoveryとDeliveryの本質的な違い
プロダクト開発において、DiscoveryとDeliveryの明確な分離は成功の鍵となる。Discoveryフェーズは「何を作るべきか」を探索する段階であり、不確実性が高く、多様な可能性を検討する必要がある。一方、Deliveryフェーズは「どのように作るか」を実行する段階で、明確な仕様と品質基準に基づいて進行する。
この区分はダブルダイアモンドプロセスは全ての仕事に適用可能な普遍的なアプローチであるという原則にも反映されている。発散と収束を繰り返すプロセスにおいて、Discoveryは主に発散的思考を、Deliveryは収束的実行を担う。
エンジニアリングにおけるDiscoveryフェーズのAI活用
エンジニアリングのDiscoveryフェーズでは、AIが効果的に活用されている。技術的な可能性の探索、アーキテクチャの検討、実装方法の比較など、AIは膨大な技術情報から最適な選択肢を提示できる。LLMプロダクト開発は従来の開発手法とは異なるアプローチが必要であるという現実の中で、エンジニアは以下のようにAIを活用している：
- 技術スタックの選定における比較分析
- パフォーマンス予測とボトルネック特定
- セキュリティリスクの事前評価
- 実装パターンの提案と評価
これらの活用が成功している理由は、技術的な判断基準が比較的明確で、データに基づいた意思決定が可能だからである。
デザインDiscoveryの特殊性と課題
デザインのDiscoveryフェーズは、効果的な探索には全方位的探索から仮説検証型探索への段階的移行が不可欠であるという特性を持つ。ユーザーのニーズ、感情、行動パターンなど、数値化しにくい要素を扱うため、エンジニアリングとは異なるアプローチが必要となる。
ユーザーインタビューでは目的に応じて新規ジョブ発見と仮説検証を明確に区別する必要があるという原則が示すように、デザインDiscoveryは定性的な洞察と定量的な検証の両方を必要とする。この二面性がAI活用を複雑にしている。
デザイナーのためのDiscoveryフェーズAI活用戦略
1. リサーチの拡張と深化
新規開発のユーザーインタビューでは具体的個人の解像度を高めることが価値創出の鍵であるという観点から、AIを活用してリサーチを強化する：
- ペルソナの多面的生成：新規事業の種を見つけるためのペルソナとUXデザインを行うためのペルソナとマーケティングを考えるためのペルソナは違うことを理解し、AIに異なる視点からペルソナを生成させる
- インタビューガイドの動的生成：会話の流れに応じて、AIが次の質問を提案
- 洞察の統合分析：複数のインタビューデータから共通パターンを抽出
2. コンセプト探索の加速
アイデアとは既存の要素の新しい組み合わせという定義に基づき、AIを組み合わせの探索エンジンとして活用：
- 類推的発想支援：異業界の成功事例から転用可能なパターンを発見
- 制約条件下での可能性探索：技術的・ビジネス的制約を入力し、実現可能な解決策を生成
- 極端なシナリオの検討：エッジケースや将来シナリオの生成
3. 仮説の構造化と検証設計
仮説を立てるには想像力と直感が必要であるが、その構造化にはAIが有効：
- 仮説の論理構造チェック：仮説検証において、仮説が「正しい」ことを検証するのではなく、仮説が「間違っている」ことを検証することが重要であるという原則に基づいた検証設計
- アサンプションマッピング：アサンプションマトリックスは不確実性の構造化と意思決定の質を向上させる重要なツールであるを活用した仮説の整理
- 実験設計の最適化：最小限のリソースで最大の学習を得る実験設計
4. プロトタイプアイデアの高速展開
プロダクト開発においてプロトタイプが重要になってきた歴史的背景を踏まえ、AIを用いて：
- コンセプトの視覚化：抽象的なアイデアを複数の視覚表現に展開
- インタラクションパターンの提案：UXデザインにおけるプロトタイプはユーザー体験の検証と改善に不可欠であるため、様々なインタラクション案を生成
- ユースケースシナリオの展開：一つのコンセプトから多様な使用文脈を生成
実践的な統合アプローチ
Discovery専用AIワークフロー
- 発散フェーズ：ブレストより雑談の方がアイデアが出るという知見を活かし、AIとの対話的探索
- 統合フェーズ：情報の統合と合成は新たな知識と洞察を生み出すプロセスをAI支援で実施
- 検証設計フェーズ：UXデザインプロセスにおいて、アイデアの実装前に実証データの収集と検証が不可欠である
ツールの使い分け
AIツールの特性は探索スタイルと資料の種類によって4象限マトリクスで整理できるという観点から：
- 定性的探索：ChatGPTやClaudeなどの対話型AI
- 視覚的探索：Midjourney、DALL-Eなどの画像生成AI
- データ分析：分析特化型AIツール
- 統合的探索：複数のAIを組み合わせたワークフロー
Discovery成功の鍵
プロジェクトには「仮説立案・合意フェーズ」と「仮説検証・評価フェーズ」があり、仮説立案が最も労力がかかるという事実は、DiscoveryフェーズでのAI活用の重要性を示している。デザイナーはAIを活用した1人思考蒸留プロセスは知識体系の構築と創造的思考を革新的に促進することで、Discovery段階での思考の質と速度を向上させることができる。
最終的に、イシューの見極めが問題解決と価値創造の出発点となるという原則に立ち返り、DiscoveryフェーズでのAI活用は「正しい問題」を発見するための強力な支援ツールとなる。デザイナーはAIを探索のパートナーとして活用することで、より深い洞察と革新的な解決策にたどり着くことができるだろう。