AI時代のプロダクトマネージャー面接、いちばん聞かれる5つの質問にどう答えるか

この2年、僕はプロダクトマネージャーを何人も面接してきたし、自分も面接されてきた。今でもはっきり覚えているくらい目立つ法則がある——AI関連の質問になると、10人中8人がすぐさま概念を暗唱し始める。RAGとは何か、ファインチューニングとプロンプトの違い、Transformerのアテンション機構はどう動くのか……すらすら言えるほど、僕の心は冷えていって、たいていはこの人は採らないと決めてしまう。

彼が間違えたからではない。これらの質問が測っているのは、あなたが何を覚えたかでは決してなく、あなたが考えられるかどうかだからだ。 口を開くなりいきなり定義を並べるのは、面接官にこう告げているのと同じだ——僕はこれを知識として暗記しました、でもこれで実際に何かを決めたことはありません、と。

AIプロダクトマネージャーという職が、従来のプロダクトマネージャーといちばん違うのは、まさにここだ。従来のソフトウェアは、あなたが考え抜けばだいたいその通りに動く。AIはそうじゃない——あるモデルがテストでは目を見張る出来でも、リリースしたら崩れるかもしれない。90%の人には役立つのに、残り10%の人にはデタラメを言う。しかも、なぜ間違えたのかあなた自身うまく説明できないし、パッチを当てて直せるわけでもない。 だから面接官が本当に知りたいのは、あなたがこれらの用語を知っているかどうかではなく、「間違えるし、説明もしにくいし、直すのも難しい」ものを前にして、どうプロダクトの決定を下すのか、なのだ。

以下の5つの質問は、この2年で僕がいちばんよく耳にし、いちばんよく聞いてきたものだ。標準解答は渡さない——AI系のこういう問題にはたいてい標準解答がなくて、面接官が評価しているのはあなたの推論プロセスであって、結論そのものではない。僕はただ、それぞれの質問があなたのどの部分を量っているのか、僕自身ならどう答えるか、そしていちばん事故りやすいあの答え方を語るだけだ。

一、「このAI機能はときどき間違える。あなたはそれをリリースしていいかどうか、どう判断する?」

これはほぼAIプロダクトマネージャー面接の第一問で、分水嶺でもある。

これが測っているのは、あなたが「AIは必ず間違える」という前提を受け入れたうえで、それでも責任ある決定を下せるかどうか、だ。 従来のソフトウェアの発想は「バグがあればなくなるまで直す」だが、AI機能はエラーをゼロには決してできない。あなたの答えに「正解率を100%にしてからリリースしたい」という気配が漂った時点で、ほぼ脱落だ——それはあなたがまだAIの世界に入っていない証拠だから。

僕ならこう答える——僕は「間違えないこと」を追わない。追うのは「間違えたときに、その代償を自分が引き受けられること」だ。 まず一言問う——この機能が間違えたら、最悪どうなる?

ユーザーのメール下書きを手伝うAIなら、間違えてもユーザーが手直しするだけで代償は小さい。だから80%の正解率でもリリースに踏み切る。残り20%はユーザー自身が吸収できるからだ。でも、ユーザーから自動で引き落とすAIや、医師に診断の提案をするAIなら、一度の間違いが事故になる。だから99%でもリリースする気にはなれず、人手のレビューを足し、フォールバックを足し、「確信が持てなければやらない」という逃げ道を足す。同じ正解率でも、リリースできるかどうかは、間違いの代償で決まる。あの数字そのもので決まるのではない。

いちばん事故りやすい答え方——正解率という数字ばかりを見て、間違えたらどうなるかを語らないこと。「AIの良し悪し」を点数の問題として扱い、「最悪の場合、自分が持ちこたえられるか」というプロダクトの問題として扱わない——これは2023年の発想で、2026年の面接官は一聞きすれば、あなたが実際にAI機能をリリースしたことがないと見抜く。

二、「この要件、あなたはプロンプトを使う? RAG? それともファインチューニング? なぜ?」

この質問の登場頻度は異常に高い。特に大規模モデル関連の職では、プロンプト/RAG/ファインチューニングの三択がほぼ必ず聞かれる。

多くの人はこれを技術の質問だと思うが、実はこれが測っているのは、あなたがトレードオフを取れるかどうか、だ。面接官はあなたがファインチューニングのコードを手書きできるとはまったく期待していない。彼が見たいのは——ひとつの要件を渡されたとき、コスト・効果の出る速さ・コントロールしやすさで、これらの道を順位づけできるか、そしてなぜこの道を選び、あの道を捨てると何を背負うのかを明確に語れるか、だ。

僕ならこう答える——僕は必ずいちばん軽い方法から積み上げる。プロンプトで解決できるなら絶対にファインチューニングには手を出さない。 プロンプトはいちばん直しやすく、コストが最も低く、今日ダメでも明日には調整できるからだ。RAGは「答えが自分の手元のあの文書群に基づかなければならず、しかもいつでも更新できる必要がある」場面に向く。ファインチューニングがいちばん重い——学習には金がかかり、データがいり、一度直すたびにサイクルが長い。だから僕は「前の2つを両方試して、それでも効果が足りず、しかもこの能力にそのコストを注ぐ価値がある」ときにだけ動かす。

肝心なのは最後の一言だ——あなたはそれぞれの道が何を捨てるのかを言えなければならない。 プロンプトを選ぶなら、捨てるのは安定性(同じ聞き方でも今日は正しく明日は間違う)。ファインチューニングを選ぶなら、捨てるのは柔軟性(振る舞いをひとつ変えたいだけでも再学習がいる)。「僕はAを選んだ、代償はBを失うことだ、でもこの要件ではこの代償は見合う」と語りきれれば、この問題は満点だ。たとえモデルのコードを一行も書けなくても。

いちばん事故りやすい答え方——いきなり「そりゃファインチューニング一択でしょ、効果が最高だから」と言うこと。口を開くなりいちばん重い方法を持ち出す人を、面接官は「コストがわかっていない、実在するプロジェクトの予算で頭を悩ませたことがない」とみなす。

三、「AIを『使わない』と決めた経験を、一度話してください。」

この質問はとても意地が悪いが、とてもよく人を選別する。この2年、世界中がAI、AIと叫んでいるなかで、プロダクトマネージャーが一度も自分から「ここではAIを使うべきじゃない」と言ったことがないなら、その人はおそらく波に乗ろうとしているだけで、プロダクトを作ってはいない。

これが測っているのは、あなたがAIを目的とみなしているのか、道具とみなしているのか、だ。 面接官が確かめたいのは、あなたが「上司がAIを欲しがっている」とか「そのほうが資金調達のストーリーとして語りやすい」といった理由で、そもそも必要のない場所にAI機能を無理やり押し込んだりしないか、だ。

僕ならこう答える——具体的な話をする。たとえばある機能で、当時みんなが「スマートおすすめ」を付けたがったのを、僕が止めた。その場面ではユーザーの選択肢がいくつか固定であって、ベタ書きのルールのほうが速くて正確でしかも間違えない。そこに無理やりモデルをはめ込むと、遅くて、高くて、しかもたまにおかしなものを勧める。純粋にAIのためのAIだった。最終的に僕らはいちばん愚直なif-elseで解決した。あれはその年に下したいちばん正しい決定のひとつだと思っている。

「僕はAIを断ったことがある」という具体的な話がひとつあるほうが、RAGをどれだけ見事に語るよりも価値がある。それは、面接官がいちばん欲しくて、いちばん測りにくいことを証明するからだ——あなたには判断力がある。AIはあなたを動かせない、あなたがAIを使っているのだ。

いちばん事故りやすい答え方——「そういう状況は思い出せないですね、AIは基本どこでも体験を良くできると思います」と答えること。この一言で、あなたは「AI信者」の側に分類される——そして成熟したチームで、いつAIを使うべきでないかを見分けられないプロダクトマネージャーを欲しがるところはひとつもない。

四、「コストとレイテンシ、あなたはどう天秤にかける?」

数年前まで、これはエンジニアリングの問題とされていた——tokenをいくら使うか、レスポンスが遅くないか、それはバックエンドが気にすることだと。でも2026年の基準は変わった。コストとレイテンシは、AIプロダクトマネージャー自身のダッシュボードの上に、品質や体験と並んで載っていて、ロードマップを引くときに明確に取り出して天秤にかけられるべきものだ。

これが測っているのは、あなたがAI機能は真の金を回数課金で燃やすものだと、しかも1秒遅いだけでユーザーが一定数離脱しうると、わかっているかどうか、だ。 従来のソフトウェアは、書き上げてしまえばユーザーが一人増えても追加のコストはほぼゼロだ。AIはそうじゃない。呼び出すたびに金を使い、使われるほど燃える。この勘定を見ないプロダクトマネージャーは、体験は素晴らしいが会社が養えない機能を作ってしまう。

僕ならこう答える——僕はこれを明確な三者のトレードオフとして扱う。品質・コスト・速度。ふつうは三つとも満たすのは不可能だ。僕はこの機能がいったい何で勝つのかを問う。もし「答えの正確さ」で勝つなら、少し遅く、少し高くても許して、より強いモデルを使う。もし「思い立ったらすぐ使える手軽さ」で勝つなら、安くて速い小さいモデルを選び、品質を少し犠牲にしてレスポンス速度とコストと引き換える。肝心なのは、自分が何を何と引き換えているかをわかっていることであって、いつでも最強で最も高いものを既定で使うことではない。

いちばん事故りやすい答え方——「これは技術に最適化してもらえばいいです。」コストとレイテンシをエンジニアリングに丸投げする——これこそ面接官が待っているまさにその誤答で、口にした瞬間、「この人はAIプロダクトの勘定がわかっていない」というラベルが貼られる。

五、「あなたはなぜAIプロダクトマネージャーをやりたいのですか?」

社交辞令の切り出しに見えるが、実は正直さのテストだ。

これが測っているのは、あなたが本当にこれに手を動かしてきたのか、それとも波と給料に惹かれてやってきて、一式の言い回しを暗記する準備をしているのか、だ。 なぜなら、このあと続くすべての技術的な追及が、あなたのこの「なぜ」が本物かどうかを検証していくからだ。

僕ならこう答える——「AIは未来だから、大きな流れだから」といった正しい戯言は言わない——こういう話は面接官が一日に二十回は聞かされていて、言ってないのと同じだ。僕は具体的な小さな出来事を語る。ずっと温めていたけれど自分ではコードを書いて作れなかったものを、初めてAIを使って、一つの午後で本当に作り上げて、しかも触れるようになったとき、あの「なんだ、一言で現実にできるんだ」という衝撃を。本物で、具体的で、少し不格好な「初めて」は、壮大で正しい判断の一言よりも、いつだって説得力がある。

いちばん事故りやすい答え方——業界のトレンドを暗唱し、大きな言葉を暗唱すること。話を大きく正しくすればするほど、面接官はあなたが実際にはやってこなかったと確信する——なぜなら本当にやった人は、口を開けば具体的な出来事で、きれいな判断ではないからだ。

忘れるな、本当の試験は追及のなかにある

上の各質問は、第一ラウンドを答え終えても終わりじゃない。AIプロダクトマネージャー面接で本当に地力が見えるのは、面接官が続けて放つあの軽い一言、「それで?」だ。

あなたが「この機能は80%の正解率でリリースに踏み切る」と言えば、彼はこう追及する——「じゃあ具体的にその20%をどう吸収する?」「リリース後に実際は70%しかないとわかったら、どうする?」あなたが「僕はプロンプトを選んでファインチューニングは選ばなかった」と言えば、彼はこう追及する——「じゃあプロンプトをどう調整しても効果が60%で頭打ちなら、あなたはいつファインチューニングに切り替える気になる? その線をどこに引く?」

彼はあなたを困らせたいのではない。確かめているのだ——あなたのそのきれいな結論が、考え抜いたものなのか、暗記したものなのかを。 暗記したものなら、二層追及すればボロが出る——暗記した答えには次の層がなくて、あなたは孤立した結論をひとつ持っているだけで、「状況が変わったらどう調整するか」に答えられない。考え抜いたものなら、どう追及されても話は尽きない。あなたは頭のなかで本当にこの道を底まで歩いたことがあるからだ。

だから準備するときは、答えだけを準備するな。自分にもう一言「それで?」と問え——この決定がもし間違っていたらどう挽回するか、条件が変わったらいつ考えを改めるか、僕は何を根拠にこの線を引くのか。自分で先に追及を一周しておけば、いざ面接であの「それで?」が来ても、それはもう関門ではなく、あなたが真の実力を見せる好機になる。

突き詰めれば、測っているのは同じひとつのものだ

この5つの質問をつなげて見ると、面接官が繰り返し量っているのは、実は同じひとつのものだとわかる——あなたの手のなかに具体的な話があるか。ひとつの本物の決定、一度の本物のトレードオフ、できれば数字も添えて。

正解率がいくつでリリースに踏み切るか、なぜプロンプトを選んでファインチューニングを選ばなかったか、どの機会にAI機能を止めたか、品質をコストと引き換えたのか、それともコストを速度と引き換えたのか、初めてAIに衝撃を受けたのは何が理由だったか——この五問、うまく答える人は全員が自分の本当にやった出来事を語り、下手な人は全員が定義とトレンドを暗唱している。空っぽの話はofferを落とし、具体的な話はofferを取る——この言葉は、AIプロダクトマネージャーという職では、どの職よりも容赦なく効く。

だから、もしあなたがこの手の面接を準備しているなら、僕のアドバイスは問題集を暗記しに行くことではない。戻って、自分が本当にやったAI関連の出来事を、一つひとつ掘り起こし、それぞれについて考え抜くことだ——当時の決定は何だったか、何を捨てたか、結果はどうだったか、数字はあるか。こういう話を五つ六つ揃えておけば、上のような質問がどう形を変えて聞かれても、あなたには語れる本物がある。

僕自身、今でも考え続けていることがひとつあって、ついでにあなたに投げておく——AIが「何かを作る」ハードルをここまで下げたとき、面接での「あなたは何をやってきたか」はどんどん答えやすくなる。誰でも何かしら作れるようになったからだ。ではそのとき、本当に人の優劣を分ける質問は、何に変わるのだろう? 僕の推測では、「あなたがやらなかったこと、なぜやらなかったか」の方向に向かう気がする。でもこれはただの僕の推測で、僕もまだ答えを見ていない。