AI 時代のプロダクトマネージャー（PdM）— 役割の変化・新しい働き方・求められるスキル

この記事でわかること

• 生成 AI の台頭で「AI を使う PdM」と「AI プロダクトを作る PdM」の両面がどう変わったか
• AI が代替・効率化する従来の PdM 業務と、活用される具体的なツール
• AI プロダクトを作る PdM の新スキル（プロンプト→コンテキスト→ハーネス設計、評価設計、ハルシネーション対策、AI UX）
• 「PdM の仕事はなくなるのか」という論争への現実的な答え
• AI 時代に PdM が伸ばすべきスキルと、AI PdM の年収・求人市場
• AI エージェント時代の PdM の役割と、キャリア戦略・よくある質問

はじめに：PdM の前提が変わりつつある

生成 AI が実務レベルで使えるツールとして広く普及したことで、プロダクトマネージャー（PdM）の仕事は 2023〜2026 年にかけて姿を変えつつあります。変化は大きく 2 つの方向に分けて理解すると整理しやすくなります。

• ① AI を「使う」PdM: 自分の業務（リサーチ、ドキュメント作成、分析など）を AI で効率化し、意思決定に集中する
• ② AI プロダクトを「作る」PdM: 生成 AI を組み込んだプロダクトそのものを企画・設計する。プロンプト設計や評価設計など、従来になかった判断領域が加わる

多くの記事は ① だけを扱いますが、市場で価値が急騰しているのは ② を担える PdM です。本記事では両面を扱いつつ、② の新スキルや AI PdM の年収・求人市場、「PdM の仕事はなくなるのか」という論争まで一気通貫で解説します。

AI が代替・効率化する従来の PdM 業務

まず ①（AI を使う PdM）の観点で、AI ツールが PdM の業務をどの領域で効率化しはじめているかを、実際に使われるツールとあわせて整理します。

ワイヤーフレーム・プロトタイプ作成

これまでデザイナーと協働して作っていた初期ワイヤーフレームやプロトタイプは、生成 AI で短時間に複数案を出せるようになりました。Figma の AI 支援機能や、v0・Bolt・Cursor のような AI プロトタイピングツールを使えば、PdM 自身が数十分で動くプロトタイプを作って検討する場面が増えています。

データ分析と SQL 生成

「先月の有料転換率を月別に出したい」「特定セグメントのコホート維持率を見たい」といった定型的なデータ抽出は、ChatGPT や Claude で SQL を生成して BI に流すだけで完了するケースが増えました。PdM が SQL を覚えるよりも前に、AI に投げる質問の質を磨くことが優先になります。

ドキュメント執筆・PRD 草案

PRD（Product Requirements Document）の初期ドラフト、社内向け説明資料、リリースノートなどは生成 AI で初稿を作る PdM が増えています。PdM の役割は「ゼロから書く」ことから「AI 草案を磨いて意思決定の責任を取る」ことに移行しつつあります。

ユーザーインタビューの記録整理

ユーザーインタビューの音声を AI で書き起こし、要点を抽出し、傾向分析まで自動化する流れが一般化しつつあります。PdM は「記録する作業」ではなく「インタビューを設計し、示唆を解釈する」ことに集中しやすくなります。

競合プロダクト調査

競合の機能比較、レビュー分析、業界動向のサマリーなど、人手で時間をかけていた調査も AI で短時間にこなせます。PdM の付加価値は「集めた情報をどう解釈し、自プロダクトの戦略に活かすか」に移っています。

AI プロダクトを「作る」PdM に求められる新スキル

ここからは ②（AI プロダクトを作る PdM）の話です。生成 AI を組み込んだプロダクトの開発案件が急増し、従来の PdM にはなかった判断領域が中核スキルになっています。これらは「AI で何ができるか」だけでなく、「AI の不確実性を製品としてどう吸収するか」を設計する力です。詳しくは「AI プロダクトマネージャーとは」でも解説しています。

プロンプト設計から「コンテキスト設計・ハーネス設計」へ

AI の振る舞いを言葉で整える「プロンプトエンジニアリング」は今も基礎ですが、エージェントのように複数ステップで自律的に動く AI が増えるにつれ、関心の中心は「単発の指示文を磨く」ことから、AI に渡す情報環境と実行基盤そのものを設計する方向へ移っています。現在は次の 3 層の入れ子構造で捉えるのが実務的です（後の層ほど広く、前の層を包含します）。

• プロンプトエンジニアリング: LLM への指示文（特にシステムプロンプト）を最適に書く
• コンテキストエンジニアリング: 推論のたびに、コンテキストウィンドウへ入れる情報（関連データ・対話履歴・メモリ・例）を取捨選択し、最適な状態に保つ。Anthropic はこれを「プロンプトエンジニアリングの自然な進化形」と位置づけています（2025 年）。
• ハーネスエンジニアリング: 「エージェント＝モデル＋ハーネス」と捉え、モデル以外のすべて（ツール接続、メモリ、検証ループ、ガードレール、ログ・コスト制御）を設計する。2026 年に概念化が進みはじめた新しい捉え方で定義はまだ固まりきっていませんが、「優れたモデル × 粗い足場」より「そこそこのモデル × 優れた足場」のほうが良い結果を出す、という認識が広がっています。

PdM にとって重要なのは、プロンプトエンジニアリングが「不要になった」のではなく、より大きな情報環境と実行基盤の設計の一部に位置づけ直されたという点です。AI プロダクトの体感品質は、モデルの能力差より、この足場（ハーネス）の作り込みで決まる場面が増えています。

評価設計（Eval）

AI の出力は「正解／不正解」で単純に測れません。何を「良い出力」とするかを定義し、テストセットの構築・人手評価・自動評価を組み合わせて品質を継続的に測る仕組みを設計するのが、AI プロダクトの PdM の重要な仕事になっています。評価設計を持たないまま AI 機能をリリースすると、品質が劣化しても気づけません。

ハルシネーション（誤生成）対策

AI が事実と異なる出力をする「ハルシネーション」をどう減らし、どう検知するかの設計です。RAG（社内データなど根拠の参照）、出典の提示、確信度の表示、誤りが許されない場面での人へのエスカレーション、発生率の KPI 化などを、プロダクト要件として組み込みます。

AI UX 設計

出力が不確実であることを前提にした体験設計です。「これは AI の提案です」と明示する、ユーザーが結果を簡単に修正できるようにする、失敗時のリカバリー導線を用意するなど、従来の確定的な UI とは異なる設計判断が求められます。

職種境界の溶解 — エンジニア・デザイナーがプロダクトマネジメント領域に踏み込む

AI ツールの普及は PdM 側だけでなく、エンジニアやデザイナーの働き方も変えています。彼らも AI を使うことで、従来は PdM が担っていたプロダクトマネジメント領域（要件定義、仕様検討、ユーザー対話、初期プロトタイプ作成など）まで踏み込めるようになりました。

エンジニアの拡張

AI ペアプログラミングや vibe coding（自然言語を中心に AI 生成コードを反復改善しながら開発を進めるスタイル。厳密な定義は文脈差があります）が普及した結果、エンジニアは「実装速度の制約」から解放されつつあります。空いた時間で要件定義・仕様策定・ユーザー対話に踏み込むエンジニアが増えており、特にスタートアップでは PdM とエンジニアの役割境界が曖昧になっています。

デザイナーの拡張

デザイナーも AI ツールでワイヤーフレーム作成・UI バリエーション生成・ユーザーフロー設計を高速化しています。体験設計を主導するプロダクトデザイナーが、PdM が担ってきた仕様策定やユーザー対話の一部を吸収するケースも見られます。

結果：PdM の存在意義が問われる場面

「全員が AI を使えば、PdM はいらないのでは？」という議論は実際に起こっています。この問いへの答えは、PdM が「上流の事業判断」「顧客との直接対話」「組織間調整」など、AI で代替しにくい領域へ自分の価値を意識的にシフトできるかどうかにかかっています。

PdM のビジネス・事業領域への拡張

PdM は以前から多面的な責務を担う職種でしたが、AI 時代にその重心が「ビジネス・事業領域への踏み込み」へとシフトしています。AI が定型業務を吸収するぶん、価格・収益・顧客接点といった事業オーナー的な意思決定に PdM が関与する場面が増えています。

顧客との直接接点の重要性が高まる

AI が定量分析を高速化したぶん、PdM の差別化要因は「現場の顧客と直接話して、AI が拾えない文脈を読む力」にシフトしています。顧客訪問、フィードバックセッション、コミュニティ運営など、人間の対話を通じた情報収集の比重が増えています。

収益責任・事業設計への踏み込み

従来は責務外とされがちだった価格設計・収益モデル設計・市場開拓戦略まで踏み込む PdM が増えています。事業全体の P/L を理解し、プロダクトと事業を一体で動かす働き方が求められはじめています。

事業開発・カスタマーサクセスとの融合

新規事業立ち上げ、顧客との PoC、戦略パートナーシップ、カスタマーサクセスとの連携など、ビジネスサイドに PdM が踏み込むケースが増えています。プロダクト・事業開発・カスタマーサクセスの境界が溶け、これらを一気通貫で担える PdM が高く評価されはじめています。

フルスタックビルダーという新しい働き方

AI 時代に登場したもう一つの潮流が「フルスタックビルダー」と呼ばれる働き方です。明確な業界標準の定義はありませんが、本記事では「一人の人間が企画・デザイン・実装までを職種境界を超えて担い、ゼロイチでプロダクトを立ち上げる働き方」を指す呼称として使います。

フルスタックビルダーの特徴

• 企画から実装、リリース、グロースまでを一人または少人数で完結させる
• AI ツール（コーディング AI、デザイン AI、分析 AI）をフル活用する
• 「PdM」「エンジニア」「デザイナー」のいずれにも完全には属さない働き方
• 個人開発、マイクロ SaaS、社内ベンチャーなどで採用されることが多い

PdM とフルスタックビルダーの関係

PdM 経験者がフルスタックビルダーに転向するケース、逆にエンジニアやデザイナーがフルスタックビルダーを経て PdM 的な思考力を身につけるケース、両方向の動きが見られます。「肩書き」よりも「価値を生む活動の組み合わせ」でキャリアを語る時代に入りつつあります。

「PdM の仕事はなくなるのか」という論争

AI の進化に伴い、「PdM の仕事はなくなるのではないか」という議論が活発になっています。代表的な 2 つの立場を整理します。

悲観論：調整役としての PdM は不要になる

著名な投資家・起業家のなかには「AI とエンジニアが直接つながれば、間に立って調整するだけの PdM は存在意義を失う」と指摘する声があります。AI が仕様書作成や情報伝達を肩代わりするほど、調整・伝達が主業務だった PdM の付加価値は下がる、という見方です。

楽観論：ディスカバリーへの回帰で価値はむしろ上がる

一方で主流の見方は、「AI が作業を引き受けるほど、そもそも何を作るべきかを決めるディスカバリー（課題探索）の価値が上がる」というものです。AI は与えられた問いに答えるのは得意でも、「解くべき問いを見つける」ことはできません。上流の課題定義と意思決定は、むしろ希少価値が高まります。

結論として、なくなるのは「作業代行型・調整型の PdM」であり、「課題を定義し、不確実な状況で意思決定する PdM」の価値はむしろ上がる、というのが現実的な見立てです。「プロダクトマネージャーと AI」でも、この役割変化を掘り下げています。

AI 時代に PdM が伸ばすべきスキル

AI が代替できる領域と代替しにくい領域を意識的に切り分け、後者に投資することが鍵になります。

スキル 1: 顧客との対話と一次情報の収集力

AI は既存情報の整理は得意ですが、現場で顧客と話して新しい一次情報を取ってくることはできません。PdM が現場に出る頻度・深さが、AI 時代の差別化要因になります。

スキル 2: 事業判断・収益設計の理解

プロダクト単独ではなく事業として見る視点が求められます。価格戦略、ユニットエコノミクス、競争戦略、市場参入戦略の基本を理解し、PdM が事業責任者の隣に立てる力を養うことが重要です。

スキル 3: AI を使いこなし、AI 機能を設計する力

AI を「使う側」に回ると PdM 自身の生産性が上がります。さらに前述のプロンプト設計・評価設計・ハルシネーション対策まで踏み込めると、AI プロダクトを牽引できる希少な PdM になれます。

スキル 4: 意思決定のスピードと胆力

AI が情報整理を高速化したぶん、求められる意思決定のスピードも上がっています。完璧な情報を待たず、不完全な情報の中で勇気を持って判断できる胆力が、これまで以上に重要になります。

スキル 5: 組織横断のリーダーシップ

人間同士の信頼関係・組織を動かす力は容易には代替されません。エンジニア・デザイナー・営業・経営層・顧客の全員と対話し合意形成を進めるリーダーシップは、中長期でも比較的代替されにくい PdM の価値の核です。

スキル 6: 学習し続ける姿勢

AI ツール・業界動向・プロダクト戦略の常識が短期間で変化します。3 か月前の常識が今の非常識になることも珍しくないため、継続的に学習する習慣そのものがスキルになります。

AI プロダクトマネージャーの年収・求人市場

AI プロダクトを牽引できる PdM の需要が高まり、市場価値も上昇傾向にあります。公開求人ベースの 参考水準 としては、AI 領域の PdM で中心 700〜1,200 万円、シニアクラスや外資・先端スタートアップでは 2,000 万円を超える求人も見られます（企業・経験・成果で大きく変動します）。とくに「AI を後付けした企業」よりも「AI が業務やプロダクトの中核にある企業」での採用が活発で、プロンプト設計・評価設計まで踏み込める PdM ほど高く評価される傾向があります。PdM 全体の年収水準は「PdM の年収」もあわせてご覧ください。

AI エージェント時代の PdM

生成 AI は、与えた指示に答える段階から、自律的にタスクを実行する「AI エージェント」へと進化しつつあります。これにより PdM の発想も、「機能を作る」ことから「エージェントに何を任せ、どう評価し、どこで人間が介入するかを設計する」ことへと広がっています。

たとえば、リサーチやデータ分析、定型的なグロース施策の一部をエージェントに任せ、PdM はその出力を評価し、判断の質を担保する役割に回る——という働き方です。人ではなくエージェント群の働きをマネジメントする「AI エージェントマネージャー」的な役割も生まれつつあり、評価設計やガードレール設計の重要性が一段と高まっています。

AI 時代の PdM キャリア戦略

戦略 1: 「AI で代替されにくい領域」を意識的に選ぶ

キャリアの選択肢を考える際、「この仕事は中長期で AI に代替されにくいか」を一つの基準にします。一次情報の収集、人間関係の構築、複雑な事業判断などは比較的代替されにくいとされますが、技術進化で前提が変わる可能性は常に意識しておく必要があります。

戦略 2: 隣接領域への染み出しを恐れない

事業開発・グロース・カスタマーサクセス・営業など、周辺領域にも積極的に踏み込みます。職種境界が溶ける時代では、複数の役割を組み合わせて担える人材が高く評価されます。

戦略 3: 個人プロジェクトで AI ツールを使い倒す

業務時間だけでは AI ツールへの習熟が追いつかないことが多いため、個人プロジェクト・副業などで意識的に AI を使い倒します。「PdM が自分でプロダクトを作って検証する」経験は、AI 時代の最強の差別化要因になります。

戦略 4: 業界トレンドにアンテナを張る

AI 関連の業界動向は週次〜月次で更新される変化の速い領域です。X、Substack、Hacker News、ProductHunt、業界カンファレンスなどから継続的に情報を取得し、自分のプロダクト・キャリアにどう活かすかを考える習慣が必要です。

戦略 5: AI ファースト企業 / プロダクトに身を置く

AI を真剣に活用している企業・プロダクトに身を置くと、AI 時代の PdM スキルが日常業務の中で自然と磨かれます。「AI を導入した企業」ではなく「AI が業務の中核にある企業」を選ぶことが、長期的なキャリア成長につながります。

AI 時代でも変わらない PdM の本質

AI が PdM の業務を変えていく一方で、PdM の本質——「ユーザーの課題を理解し、それを解決するプロダクトを作る責任を持つ」——は変わりません。AI はあくまで道具であり、何を作るかを決める意思決定の責任は PdM に残ります。むしろ AI が定型業務を吸収するからこそ、PdM の本質的な価値（人間理解、事業判断、意思決定、リーダーシップ）に時間を投資できる環境になりつつあります。AI 時代は PdM にとって脅威ではなく、本質的な仕事に集中できるチャンスとも捉えられます。

よくある質問（FAQ）

Q. 生成 AI で PdM の仕事はなくなりますか？

なくなるのは「作業代行型・調整型」の働き方です。何を作るべきかを定義し、不確実な状況で意思決定する PdM の価値は、AI が作業を引き受けるほど相対的に高まります。

Q. AI 時代の PdM はまず何を学べばいいですか？

まず生成 AI を日常業務で使い倒し、AI の得意・不得意を体感することです。そのうえで、プロダクトに AI を組み込む場合はプロンプト設計・評価設計・ハルシネーション対策の基礎を押さえると、市場価値が大きく上がります。

Q. AI プロダクトマネージャー（AI PdM）と従来の PdM の違いは？

AI PdM は、AI で解く部分と従来ロジックで解く部分の切り分け、評価方法、ハルシネーション対策、AI ならではの UX といった、AI 特有の判断領域を担います。詳しくは「AI プロダクトマネージャーとは」をご覧ください。

Q. AI PdM の年収はどのくらいですか？

参考水準で中心 700〜1,200 万円、シニアや外資では 2,000 万円超の求人も見られます。AI が中核のプロダクトを持つ企業ほど採用が活発です。

Q. AI のハルシネーションに PdM はどう対策しますか？

RAG による根拠参照、出典・確信度の表示、人へのエスカレーション設計、発生率の KPI 化などをプロダクト要件として組み込みます。「正しさ」だけで測れない品質を評価設計で継続的に測ることが要です。

Q. プロンプトエンジニアリングはもう不要になりますか？

不要にはなりません。プロンプトの技法は今も有効ですが、より広い「コンテキストエンジニアリング（AI に渡す情報環境の設計）」、さらに「ハーネスエンジニアリング（エージェントの実行基盤全体の設計）」の一部として位置づけ直されています。AI プロダクトを担う PdM は、この 3 層を意識すると品質を上げやすくなります。

まとめ

生成 AI の台頭は PdM の役割を大きく変えつつあります。AI が定型業務を吸収するぶん、PdM の価値は「上流の課題定義」「顧客との直接対話」「組織横断のリーダーシップ」へとシフトし、同時に「AI プロダクトを作る」ための新スキル（プロンプト設計からコンテキスト・ハーネス設計へ、評価設計、ハルシネーション対策、AI UX）が新たな中核能力になっています。職種境界の溶解やフルスタックビルダー、AI エージェント時代の到来など、働き方そのものも変わりつつあります。

これから PdM を目指す方も、既に PdM として働いている方も、AI 時代に「自分の価値の出しどころ」を問い直し、意識的にスキルとキャリアを設計していくことが重要です。Granty では、AI を真剣に活用しているプロダクトの求人を可視化するとともに、PdM・プロダクトマネージャー特化の転職エージェント「Grantyエージェント」で、AI 時代のキャリア設計から求人紹介・選考対策まで無料でご相談いただけます。次の一歩を考えている方は、ぜひお気軽にご相談ください。