UseCaseify 方法論

目的

UseCaseify が支援する意思決定はひとつです。 「顧客の確かな証拠がまだない段階で、次にどのユースケースを・誰に・どんな価値提案で市場に出すべきか。」

この判断に自由生成の AI だけでは足りない理由は、もっともらしいアイデアはいくらでも出せる一方で、どれが実際の市場シグナルに根ざし、どれがシグナルと矛盾し、どれが未検証の推測のままなのかが見えないからです。以下の方法論は、最初のリサーチから最終レポートまで、この区別を保ち続けるためにあります。

入力

現在のシステムが扱う入力は次のとおりです。

ユーザーが提供する製品情報（Web サイト URL、アップロードファイル、手入力テキスト）
Web リサーチで見つかった公開ページ（出典つきの原文引用として保存）
ユーザーが手動で追加するエビデンス
ユーザー自身の判断（プロファイル承認、機会の承認・却下、記入したフィードバック、スコア上書き）
公開した検証ページを通じた、実在の見込み顧客からの回答

Web サイトの取り込みは、公開されているアドレスに限定し、クロール範囲にも上限があります。ソーシャルメディアの全量データ、非公開データベース、リアルタイムの市場フィードの利用は主張しません。

プロセス

以下のステップ内の数値（4 枚のカード、10 項目、9 種類の素材、1〜8 問、改訂 1 回）は 2026年7月13日時点の現行ベータ実装です。段階そのものは安定した方法論です。

製品理解 — 入力からバージョン管理されたプロダクトプロファイルを起草します。ユーザーが確認・編集・承認するまで、後続の処理は実行されません。
リサーチ — 支持する情報と反証する情報の両方を探すリサーチ計画を立て、結果を出典つきの原文引用として保存し、支持・反証・中立・文脈に分類、重複を除去します。
機会の発見 — ユースケース機会の候補を生成し、構造検証・レッドチームレビュー・統合を経て、人間のレビュー用に 4 枚のカードを残します。ユーザーが承認・却下し、各カードは記入フィードバックに基づく AI 改訂を 1 回だけ受けられます。
スコアリング — 各機会を 10 項目で独立に評価し、決定的な加重式で合計します。Confidence とエビデンスレベルはスコアとは別に算出されます。
素材とプレチェック — 選択した機会について 9 種類の GTM 検証素材を生成し、根拠のない主張がないかチェックします。任意で、5 つの合成レビュアー視点による AI プレチェック（非顧客と明示）を実行できます。
見込み顧客検証 — 1〜8 問の検証ページ（公開またはパスワード保護）を発行し、実在の相手に共有します。
学習 — 回答をサマリーと洞察クラスタに整理し、スコア変更の提案と更新された推薦を生成します。反映されるのはユーザーが受け入れた場合のみで、受け入れた変更には来歴が残ります。
意思決定レポート — 推薦・主な不確実性・次のテストを、不変の共有可能なレポートとして固定します。

出典の扱い

リサーチ結果はすべて出典と原文を保持します。ユースケースに不利な反証も意図的に収集し、除外しません。エビデンスは収集時点のプロダクトプロファイルのバージョンに紐づき、製品情報が変わると古い下流の結論は静かに再利用されるのではなく無効化されます。

仮説と事実の分離

UseCaseify は 4 種類の記述を区別し続けます。

出典事実 — 公開 Web からの出典つき引用
AI の推論 — 生成されたシナリオ、機会の記述、スコア。どれほどもっともらしくても仮説です
合成フィードバック — AI プレチェックの出力。常に「合成レビュアーによるもので顧客ではない」と表示されます
実フィードバック — 検証ページ経由の実在の見込み顧客の回答。エビデンスレベルを「見込み顧客フィードバック」「行動シグナル」へ引き上げられる唯一のカテゴリです

記録されるエビデンスレベルは、不足・単一シグナル・反復シグナル・見込み顧客フィードバック・行動シグナルの 5 段階。Confidence（低・中・高）はスコアの中に混ぜず、並記されます。スコアが高くてもエビデンスが薄い機会は、「未証明のまま有望」として見えるべきだからです。

品質管理

現行プロダクトに実在する品質管理は次のとおりです。

生成候補すべてに対する固定スキーマでの構造検証
ユーザーに提示する前のレッドチームレビュー
GTM 素材に対する、現在の機会内容に紐づいた根拠なし主張チェック
決定的なスコア集計（加重合計は算術であり、モデルの印象ではない）
無効化ルール：製品情報・エビデンス・機会を編集すると、依存するスコア・主張チェック・推薦が無効化され、古い結論の承認や公開はできなくなります
推薦の安全条件：条件を満たす候補は根拠ある主要推薦として提示します。該当候補がない場合でも、Confidence、反復シグナル、裏づけ、Product Fit、検証容易性、Red-team 通過の安全条件を満たす候補は「優先検証候補」という初期仮説として表示できます。安全条件を満たす候補もなければ、推薦を提示しません

人間の判断

プロダクトプロファイルの承認、機会の採否、スコアの上書き、スコア変更提案の受け入れ、公開の判断は、すべてシステムではなくユーザーが行います。 UseCaseify は意思決定を構造化しますが、意思決定そのものは行いません。

限界

公開 Web のエビデンスは「その問題が語られていること」を示すだけで、「誰かが対価を払うこと」を示しません。方法論上も弱いシグナルとして扱います。
合成プレチェックは反論を洗い出せますが、実際の顧客との対話の代わりにはなりません。
少数サンプルの検証は方向性の判断を支えるものであり、統計的有意性を与えるものではありません。
スコアの質は、提供された製品情報の質と、存在する公開エビデンスの量に依存します。情報の薄い市場では、結果も正直に薄くなります。

方法論の今後

行動検証（テストページでの実際のクリックや登録の計測）は計画中であり、現在は利用できません。それまでは、実務上到達できる最高のエビデンスレベルは検証ページで集める見込み顧客フィードバックです。

UseCaseify を試す：usecaseify.com — 登録で 2 credits、クレジットカード不要。