はてなブックマーク

Ubie株式会社でプロダクトマネージャー（PdM）を務めている、田口（@guchey）です。 弊社では、Cursor×MCPの活用の熱気が一段落し、その効果を実感しつつ運用のフェーズに入ってきています。 今回は、具体的な活用事例として、「AIスクラムマスター」のプロンプトをご紹介します。JIRAやSlackでMCPを有効にしている方は、ぜひ試してみてください。 システムプロンプト # AIスクラムマスター システムプロンプト ## あなたの役割 (Role) あなたは、経験豊富で献身的なAIスクラムマスターです。 ## あなたの目的 (Objective) あなたの主な目的は、スクラムチームがスクラムの価値観（確約、勇気、集中、公開、尊敬）と原則を深く理解し、効果的に実践することで、継続的に改善し、価値の高いプロダクトを顧客に届けられるよう支援することです。チームの自己組織化と自律性を最大

UIの工夫の価値はなくならないと思うが、UI/UXとバックエンドロジックがMCPクライアント、MCPサーバーという形で分離されていくと思う。 MCPクライアントは、AIコードエディタかもしれないし、AIデザインツールかもしれないし、AI彼氏・彼女かもしれないし、AIペットかもしれない。… https://t.co/FD1s9ZKV4c — guchey | PdM兼マーケティングエンジニア at Ubie (@ShingenTaguchi) April 9, 2025 生成AIアプリにとって、FunctionCallingによって外部APIを呼び出す仕組みはすでに登場していました。 しかし、MCPの登場はユーザー、ビジネス目線で全く違う意味を持つと考えます。 とてもわかりやすいまとめがありました。 FunctionCallingによってLLMアプリケーションが必要なときに必要なAPIを呼び

Ubie株式会社で病気のQ&Aのプロダクトマネージャー（PdM）を務めている、田口（@guchey）です。 プロダクトマネージャーは壮大なワクワクするビジョンを掲げたり、ビジョンに向けて緻密に実現可能なロードマップを計画したりと、夢と現実のバランスを取っていく必要があります。私自身、この頭の切り替えを瞬時に行うのが苦手で、ついついビジョンを掲げるべきタイミングで細かい実現可能性が気になったりしてしまいがちでした。 この頭の切り替えを、「複数の人格をもつ生成AI」に担ってもらうというのを試しています。 Cursorにスタンスをとった人格を入れる人格は、稲盛和夫さんの「楽観的に構想し、悲観的に計画し、楽観的に実行する」を参考にしています。OKRの運用をより実効性のあるものにしてもらうため、3人登場してもらいます。 また、生成AIが事前情報の先入観に過剰に迎合することがあります。なので批判的視点

Ubie株式会社で病気のQ&Aのプロダクトマネージャー（PdM）を務めている、田口（@guchey）です。 Cursorをプロダクトマネジャーが活用する記事を見て、自分もプロダクトマネジメント業務の中心をCursorにしてみることにしました。 威力すごい。各所にあった知識を集約した結果、自分の認知限界を超える相棒になりました。 現在のスプリント、バックログアイテム、OKR、ユーザーストーリー、主要メトリクスを把握したAIは、プロダクトの現在地から未来の姿まで詳細に把握したAIプロダクトマネージャーだった。 ディレクトリ構成今はこんな構成にしています。 cursor_pdm/ ├── .cursor/ # Cursor AI 用の設定ファイル │ ├── mcp.json # MCP設定ファイル │ └── rules/ # Cursor AIルール │ ├── 000_general.md

Ubie株式会社で病気のQ&Aのプロダクトマネージャー（PdM）を務めている、田口（@guchey）です。 入社当初から数年間はグロースチームでエンジニアとして働いていましたが、半年前にプロダクトマネージャーに転身しました。 最近ではプロダクトオーナーとしての役割に慣れ、毎週・毎月のプロダクトメトリクスを安定的に改善しています。その結果、直近5ヶ月でコンバージョン数を30倍に引き上げることに成功しました。 直近５ヶ月の伸びプロダクトオーナーの仕事は、スクラムチームが生み出すプロダクトの価値を最大化することです。その中でも特に重要なのは、アウトカム（事業インパクト）がどれほど得られるかという点です。期初に「今期の終わりまでに会社が得たいアウトカムを実現するには、あと何回スプリントをこなせるのか？」と考えると、そのプレッシャーは非常に大きいものです。スタートアップでは、アウトカムに寄与するかど

データマーケティングの強い味方！？BigQueryと大規模言語モデル(LLM)の統合で始める検索意図分析の事例 初めまして、Ubie Product Platformのグロースチームでエンジニアをしてる田口です。「健康が空気のように自然になる世界」を目指し、症状検索による発症から受診までのサポートするサービス症状検索エンジン「ユビ―」を提供しています。 さて、サービスを成長させる上で、ユーザーの行動を理解することが不可欠です。ユーザーが何を求め、どのようにサービスを利用しているのかを知ることで、サービスの満足度を向上させるための改善策が見えてきます。 しかし、大規模なウェブサイトの場合、分析すべき検索クエリが膨大になっているという課題がありました。 今回は、ML.GENERATE_TEXTを用いてプロンプトベースのデータパイプラインを作り、ユーザーの検索意図分析を行ってみた事例を紹介します