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 生成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 プロダクトの仮説を検証するプロセスと方法 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 |