創業者マニュアル：AI ネイティブなスタートアップを構築する

创始人手册：打造 AI 原生初创公司

原文：The founder's playbook: Building an AI-native startup

目录

• 2026 年，初创公司生命周期的重启

• 创始人定义的演变

• 构思阶段

• MVP 阶段

• 发布阶段

• 扩展阶段

• 目标未变，规则已改

• 资源推荐

2026 年，初创公司生命周期的重启

AI 正在彻底重塑初创公司的诞生方式。如今，哪怕是连一行代码都没写过的创始人，也能发布可供实际使用的生产级应用 (production applications)。而那种只有 10 个人的精益独角兽公司 (独角兽指估值超过 10 亿美元的未上市初创企业)，已经不再是什么草根逆袭的传说，而是成了大家精心规划的常规操作。

到了 2026 年，AI 已经能够编写生产级代码、开展市场调研、梳理竞争格局、起草融资材料，甚至还能让业务流程实现自动化。以前，为了把脑子里的想法变成现实，哪怕是经验丰富的技术型创始人，也要面对整合各种工具、平台和系统时那陡峭的学习曲线。现在，AI 抹平了这些障碍，彻底打破了创立公司或打造产品的门槛。

在 2026 年，一个好点子能让创始人走得比以往任何时候都远。依靠智能体编程 (agentic coding) (指利用 AI 智能体自主编写、测试和修改代码的编程方式)，以前需要一整个工程师团队才能干完的活，现在创始人自己就能搞定并发布。

传统的初创公司发展路径往往是这样的：验证想法 → 融资 → 招人 → 开发产品 → 再融资 → 增长业务 → 再招人 → 循环往复。

但这套玩法过时了。初创公司进入新阶段，不再必然意味着需要扩充团队、补充新技能，更不需要立刻去拉新一轮投资。

本手册将根据这些新现实，重新梳理创业旅程的核心四个阶段：构思、MVP、发布和扩展。看看当 AI 变成技术和组织的核心基建时，创始人应该用什么工具，以及如何靠它们来疯狂压缩时间。

创始人定义的演变

过去，创始人的身份往往是由他们的技能决定的：技术创始人负责写代码，非技术创始人负责搞业务和谈单子。但到了 2026 年，创始人手里的各种模型、系统和 AI 智能体 (AI agents)，已经彻底推倒了“懂开发的人”和“有绝佳点子的人”之间的那堵墙。

AI 原生 (AI-native) 初创公司正在从根本上改变“创始人”的含义。现在，毫无工程背景的人也能开发出能落地的生产级软件；反过来，只懂技术、缺乏商业嗅觉的创始人，也能轻松搞定市场推广策略 (go-to-market strategy)、财务模型，拿出一份极其专业的商业计划书 (pitch deck) (向投资人展示项目以寻求融资的演示文稿)。

构思阶段

在 AI 时代，构思不再是闭门造车的过程。创始人可以利用 AI 进行头脑风暴、验证假设、分析市场趋势，甚至快速生成产品原型草图。AI 智能体可以模拟用户行为，帮助创始人提前发现潜在问题。

关键工具包括：

• AI 辅助头脑风暴：利用大语言模型激发创意，快速迭代想法。
• 市场数据分析：通过 AI 分析海量数据，识别未被满足的需求。
• 竞品分析自动化：自动抓取并整理竞争对手的产品信息、定价策略和用户评价。

MVP 阶段

MVP（最小可行产品）的构建速度在 AI 时代发生了质的飞跃。以前需要数周甚至数月才能完成的开发工作，现在可能只需几天。

AI 编程助手可以自动生成代码框架、修复错误、优化性能。非技术创始人也能通过自然语言描述需求，让 AI 智能体完成大部分编码任务。

核心策略：

• 快速原型构建：利用 AI 工具在极短时间内生成可交互的原型。
• 自动化测试：AI 自动生成测试用例并执行，确保产品质量。
• 用户反馈循环：通过 AI 分析早期用户反馈，快速调整产品方向。

发布阶段

发布不再是孤注一掷的冒险。AI 可以帮助创始人制定精准的发布策略，预测市场反应，优化推广效果。

AI 驱动的营销工具可以自动创建广告素材、优化投放渠道、实时调整营销策略。数据分析能力让创始人能够精准定位目标用户群体。

关键要素：

• 智能内容生成：自动生成符合品牌调性的宣传文案和视觉素材。
• 多渠道分发优化：AI 分析各平台特性，制定最佳发布组合策略。
• 实时数据监控：通过 AI 仪表盘实时监控发布效果，快速响应市场变化。

扩展阶段

当产品开始获得市场认可后，如何高效扩展成为关键挑战。AI 可以帮助创始人优化运营流程、管理增长节奏、控制扩张风险。

AI 智能体可以自动处理客户支持、订单管理、库存优化等重复性工作，让团队专注于战略决策。数据分析能力帮助创始人识别最佳扩张路径和时机。

扩展策略：

• 自动化运营：利用 AI 实现业务流程的自动化，降低人力成本。
• 智能增长预测：通过机器学习模型预测市场容量和增长趋势。
• 风险预警系统：AI 实时监控业务指标，提前识别潜在风险点。

目标未变，规则已改

尽管工具和方法发生了巨大变化，但创业的核心目标始终未变：创造价值、满足用户需求、实现可持续增长。不同的是，现在达成这些目标的规则和路径已经彻底改变。

在 AI 时代，成功的关键不再是拥有多少资源或团队规模，而是如何高效利用 AI 技术加速创新进程。创始人需要掌握新的技能组合：理解 AI 能力边界、设计人机协作流程、培养数据驱动决策思维。

资源推荐

• AI 编程工具：GitHub Copilot, Cursor, Replit AI
• 产品设计平台：Figma with AI plugins, Uizard
• 市场分析工具：Crunchbase AI, Similarweb, SEMrush
• 营销自动化：Jasper, Copy.ai, HubSpot AI
• 客户支持系统：Zendesk AI, Intercom Fin
• 学习资源：AI Startup School, Y Combinator's AI resources, DeepLearning.AI courses

记住，AI 不是替代创始人，而是增强创始人的能力。掌握这些工具，你就能在 2026 年及以后的创业浪潮中脱颖而出。

结语

AI 原生初创公司的时代已经到来。这不是未来时，而是现在进行时。那些能够迅速适应变化、善用 AI 工具的创始人，将在这个新时代中占据先机。

不要等待完美的时机，现在就行动起来。利用 AI 的力量，把你的想法变成现实，打造属于你自己的 AI 原生独角兽公司。

记住：在 AI 时代，最大的风险不是失败，而是停滞不前。

歴史を振り返れば、創業者たちは膨大な時間を実行に費やしてきました：コードの記述、チームの管理、日常の雑務の処理。しかし、AI 原生企業においては、創業者の役割はもはやひたすら働く従業員ではなく、これらの専門的な AI エージェント（ファイルの閲覧、コマンドの実行、コードの実行、さらにはインターネット検索さえも行う）を指揮する指揮者に変わります。これにより、創業者の注力はより高次な業務へと昇華されます：優れたアイデアを生み出し、AI エージェントや各種ツール、そして縮小されたチームからなるシステムを指揮して、そのアイデアを現実のものにすることです。

AI を中核インフラとして位置づけることがもたらす最も革命的な成果は、業界知識を持つ非技術系創業者を完全に解放した点にあります。創業者のネットワークがエンジニアリング背景を持つ人々に限定されなくなると、多様なバックグラウンドを持つ人々が多種多様なスタートアップを立ち上げる姿が見えてきます。彼らは、従来のテック界隈が全く関心を示さず、あるいは全く気づいていなかった現実的な課題を解決するために動き出します。

リーンスタートアップ向けに設計された AI ツール能力

従来の起業モデルでは、開発にはエンジニアを雇用し、販売には営業を雇い、業務管理にはオペレーション担当者を雇う必要があると考えられてきました。企業の従業員数は、往々にして企業の成長勢いや製品の成熟度の指標と見なされてきました。

2026 年の初期スタートアップはこれとは全く異なります。それらは本質的に極めて小規模であり、創業者が単独でいるか、せいぜい数人のメンバーがいる程度です。AI を技術および組織発展の中核インフラとして活用することで、これらの企業はチームを拡大する前であっても、製品検証の完了、早期収益の獲得、さらには黒字化さえも達成できます。特に以下の 3 つの側面において、AI はマイクロスタートアップが巨大企業のようにはたらくことを可能にします：リサーチと調査、エージェントによるプログラミング、そして中核業務プロセスの自動化です。

対話型エージェントとリサーチ

*一言でまとめると：あらゆる分野の常時待機専門家*

創業者が起業初年度に直面し、ほぼ完全に手探り状態になるような事柄を想像してみてください：給与支給はどうするか？製品開発のスプリントサイクルをどう計画するか？完璧な投資家向けメモ (investor memo) をどう作成するか？

以前は、これらの初期段階の起業に関する質問に対する答えは常に一つしかなかった：その分野に詳しい人に尋ねることです。自己資金 (bootstrapped) またはシード前輪 (pre-seed) (プロジェクトがまだ始まったばかりで、正式な機関投資からの資金調達を受けていない段階を指す) にある創業者にとって、これは開発に充てるべき時間をあちこちで情報を集めることに費やすことを意味するだけでなく、早期の資金から多額を顧問に支払うことを強要される可能性さえありました。しかし今、彼らにはあらゆる分野でいつでも呼び出せる専門家として AI が存在します。

• 深層リサーチ：競合分析 (competitive analysis)、市場規模推定 (market sizing)、財務モデリング。

• ドキュメント作成：ビジネスプラン、ケーススタディ、投資家向けメモ、製品要件定義書 (PRDs)。

• 戦略的パートナー：あえて反対意見を唱える「悪魔の代弁者」としての役割、事前検証 (pre-mortems) (プロジェクトが既に失敗したと仮定し、その原因を遡って分析するリスク管理手法)、シナリオプランニング、ロードマップの最適化。

エージェントによるプログラミング

*一言でまとめると：常時稼働し、決してつまずかないエンジニア*

過去には、技術に精通した共同創業者を引き抜くか、外部開発チームを契約するか、あるいは十分な資金余裕 (runway) (企業が資金枯渇前に運営を維持できる期間を指す) を持たせてエンジニアチームを抱えることしかなく、初めて本番レベルのコードを書くことができませんでした。

今や、エージェントプログラミングツールがあれば、夢を持つ創業者は誰でも自分の望みを自然言語で記述するだけで済みます。AI は一団のエンジニアチームのような速度と規模で、企業グレードのコードベースを生成し、テストし、デバッグし、リファクタリングします。

「アイデアがある」状態から「製品を完成させた」状態までの時間が大幅に短縮されました。創業者の核心任務は、「何を」「なぜ行うか」を決定することに変わり、AI が基盤を整え、実際にユーザー向けに使えるインフラストラクチャを構築します。

プロセス自動化

*一言でまとめると：必要に応じて呼び出す完全自動運営チーム*

たとえ創業者がコンサルタントのように調査を行い、チームのようにコードを書けたとしても、戦略計画と製品開発以外には、山積みの雑務が残っています。会議の調整、CRM システム（顧客関係管理システム）の更新、週報の抽出、最新ドキュメントの維持、コンテンツの公開、コンプライアンス要件への対応、さらに社内で使用されているさまざまなツールやシステムを連携させる方法の模索などです。リーンなスタートアップ企業では、これらの重圧はほぼ創業者一人にのしかかり、本来重要な意思決定に充てるべき時間と精力を著しく奪ってしまいます。

AI ツールが提供するプロセス自動化により、創業者はこうした苦しい作業から解放されます。反復的な日常業務を自動実行として設定できます：取引が進行すれば CRM が自動的に更新され、週が終われば週報が自動的に生成され、製品に変更があればドキュメントも自動的に同期されます。さらに素晴らしいのは、Claude Cowork といったツールが既存のシステムにシームレスに接続できる点です——プロジェクト管理ツール、コミュニケーションソフトウェア、データソースなど——これらインターフェースの開発や維持を専門に行う担当者を一切必要としません。そして、スタートアップ企業の「Day Zero（創業初日）」において、その「専門担当者」は往々にして創業者自身しかいないのです。

時機の把握と統括調整がすべてを左右する

AI による研究、自動化、およびエージェントプログラミング能力を熟練して操れる創業者であれば、自チーム規模をはるかに超えるレバレッジ効果を引き出すことができます。彼らはついに、大部分の時間と精力を真に価値ある業務に注ぎ込むことができるようになります。

もちろん、これは完全な自動運転ではありません。AI ツールの指揮官である創業者は、使用する時機と方法を理解していなければなりません。

構想段階

すべての起業家は同じ出発点から始まります：彼らを夢中にさせ、忘れられない問題です。この段階では、アイデアが現実とぶつかり合います。2026 年に成功を収めるためには、自制心が必要です：確固たる証拠がない限り、安易に開発を始めてはいけません。

現時点での核心任務は、徹底的な調査、顧客発見（customer discovery）、競合分析、そして自らのアイデアと対立する否定的な証拠に対して誠実に向き合うことです。これらすべてを終えた後で、初めて Claude Code に生産レベルのコード第一行を書かせてください。

構想段階の目標

構想段階において、創業者の最優先目標は調査に基づく検証です：開発にリソースを投入する前に、あなたが直面している課題が実際に存在すること（そしてあなたの解決策がそれを効果的に解決できること）を示す確固たる証拠を集めることです。

具体的には、この段階で以下の質問に順を追って答える必要があります：

• この課題は本当に存在するのか？十分具体化されているか？頻度が高く、製品を作る価値があるほどか？

• いったい誰がこの課題を抱えているのか？これは市場と呼べる規模か？

• 他の誰かがすでにこの問題の解決に取り組んでいるか？いる場合、どのように取り組んでおり、その成果はどうか？

• この問題を本当に解決できるソリューションには、具体的にどのような機能が必要なのか？私のアイデアはその要件を満たしているか？

これらの質問への答えは、最終的に一つの究極的な問いへと収束します：「これは作る価値があるのか？」

つまり、実際に行動を起こす前に、課題を極めて具体的かつ明確に定義しておく必要があります。「みんなは経費精算の手間を嫌がっている」というのは単なる表面的な観察に過ぎません。一方、「中堅企業の財務マネージャーは、既存のツールが会計ソフトウェアと連携できないため、週に 4 時間以上も経費精算書の照合に時間を割いている」という記述こそが、テスト可能で検証可能な仮説となります。

構想段階のクリア条件

構想段階をクリアする目安は、問題と解決策の適合点（problem-solution fit）を見つけることです。実際に手を動かして製品を作る前に、定性的な証拠（主に実際のユーザーとの対話から得られるもの）によって、あなたが本当に実在する人々の切実な課題を解決していることを証明できているはずです。

以下の3つの質問に対して、自信を持って「はい」と答えられるようになったら、構想段階を終了して次のステップへ進むことができます：

• 課題は実際に存在し、具体的ですか？ 「はい」と答えるということは、誰がその課題に直面しており、どのくらいの頻度で遭遇し、どれほど深刻な痛みを感じており、現在どのような方法でしのいでいるのかを正確に説明できることを意味します。

• あなたの解決策は実際の課題を解決できますか？ ここで重要なのは、調査で見つけた「実際の課題」を解決できるかどうかです。必ずしも最初から思い描いていた課題とは限りません。場合によっては同じものですが、多くの場合は異なります。

• 開発に着手する十分な根拠がありますか？ この段階では100%の確実性を得ることは決してできません（確実性を待ってばかりいることもまた一般的な失敗のパターンです）。しかし、「MVP（Minimum Viable Product：最小実行可能製品）を開発する」という決断が、盲目的な賭けではなく、熟慮された選択であることを示す十分な定性的証拠が必要です。

構想段階における課題

構想段階は創業の旅の中で最も重要な要素の一つですが、同時に致命的なミスを犯しやすい場所でもあります。ここで一歩間違えれば、まだ芽を出したばかりの幼苗がすぐに曲がって成長してしまいます。

ただし、この段階で陥る多くの落とし穴は、「認知よりも行動が先行すること」によって引き起こされます。したがって、創業者が冷静さを保ち、よく考えてから行動すれば、着実に前進することができます。

「開発」を「検証」と捉え直す

課題：技術的参入障壁が完全に消滅した今、情熱に満ちた創業者は、創業において最も重要な一歩である「そのアイデアが人々が必要とし、実際に使用したい解決策であることを確認する」というプロセスを飛び越えてしまいがちです。

エージェントプログラミングの時代が到来する以前から、すでに約42%のスタートアップが「誰も欲しがらないものを作ってしまった」ことで倒産していました。現在では Claude Code などのエージェントプログラミングツールによって、「アイデア」から「製品」までの距離が劇的に短縮されたため、この失敗率はさらに上昇する恐れがあります。

素晴らしいアイデアを持つ創業者にとって今こそが最良の時代であることは間違いありませんが、逆説的に、「瞬く間にプロトタイプを完成させてしまう」という事象は、AI 原生スタートアップにとって真に致命的な脅威となっています。

つい最近まで、ソフトウェアの開発には確実な人的リソースと予算が必要であり、最も基本的なプロトタイプを作るのにも通常数ヶ月を要しました。しかし現在、技術開発の参入障壁はほぼ消失し、AI によって創業者が現場での検証を飛び越えて、すぐに本格的な開発に没頭してしまうことが容易になってしまいました。

問題と解決策の適合（problem-solution fit）を実現するには、まず仮説を検証してから着手する必要があります。しかし、多くの初心者（一部の熟練者さえも）は、AI がこの法則を回避できると誤解しています。彼らのプロセスは「アイデアがある → すぐにプロトタイプを作る → プロトタイプの存在をアイデアが検証された証拠とみなす」というものになります。そして、プロトタイプを持っているだけで、最初から持っていた仮説が正しいと思い込み、それが現実世界で実際に機能するかどうかを検証することさえ行いません。

動作するプロトタイプは、自分が実際に実務的な課題を解決しているという錯覚を生み出しやすいものです。しかし、現実はそうではありません。あなたのプロトタイプの真の役割は、潜在的なユーザーとの対話において、それを圧力テスト（stress test）するための道具として使うことです。その対話から得られるフィードバックこそが、あなたが本当に必要とする証拠なのです。

早期拡大

課題：開発が呼吸をするように簡単でほぼゼロコストになった今、あなたの実行速度は実際のビジネスニーズを大きく取り残してしまう可能性があります。

早期拡大とは、ある道が本当に進むに値するものかどうかを真に確認する前に、その道を猛スピードで走り抜けてしまうことを意味します。

これは常にスタートアップの最大の殺し屋でしたが、AI 時代においては、創業者は気づかないうちにこの罠にはまりやすくなっています。エージェントプログラミング・アシスタントがあまりにも強力であるため、創業者は少し油断するだけで、市場適合度（market fit）を検証していない段階で、実行規模を盲目的に拡大してしまいます。

AI は、プロジェクトの根幹となるロジックがひどく欠陥だらけであっても、同じ熱意を持ってコードの生成、テスト、デバッグ、リファクタリングを手伝ってくれます。システム内の知性は創業者自身が付与したものです。したがって、この段階における最高原則は、「特にコーディングがこれほど高速で容易になった時には、手よりも頭を先に動かすこと」です。

客観性の喪失

挑戦：もし AI ツールに、あなたがすでに深信している見解を裏付ける証拠を探させるなら、必ず見つけてくれます。「確認バイアス」(Confirmation bias)（人々が自分の既存の信念と一致する情報を信じようとする心理現象）は、今や強力な研究エンジン付きで登場しています。

確認バイアスは創業家にとっての職業病でした：創業者は生まれながらにして自らのアイデアに熱狂します。しかし今、AI ツールがこのバイアスにスーパーフィルターを追加しました。あなたの創業アイデアを検証させるなら、AI はあなたの意図に沿って証拠を山ほど見つけ出し、潜在市場規模を見積もらせるなら、投資家が垂涎する巨大な数字を捏造して提示するでしょう。

AI はあなたの思考の方向に従います。つまり、鋭い質問を投げかけなければ、創業者はこれまで以上に、悪質なアイデアに対して詳細な調査を行ったかのようなビジネスロジックを構築し、自らもそれが真にデューデリジェンス（due diligence）だと信じて満足してしまうリスクが高まります。解薬は実は同じツールの中にあります。ただ使い方を逆転させるだけです：AI はあるアイデアを覆す際にも、そのアイデアを証明する際と同じくらい熱心に働きます。

対抗思考によって考えの欠陥が露呈したなら、果敢に方向転換（Pivot）してください。

Claude がどのように構想段階の創業者を支援するか

あなたの AI ネイティブなプロジェクトを構想段階で生き延びさせることは、時に途方もなく長く感じられることがあります。あなたは創業者であり、骨の髄から「すぐに手を動かしたい」という欲求を持っています。しかしこの極めて重要なスタートアップ段階は、本質的には調査と検証の戦いです。つまり、急いでコードを書くのではなく、より慎重に思考を深めることができるツールを活用しなければならないのです。以下では、Claude の 3 つの主要なインターフェース（Chat、Claude Cowork、および Claude Code）を活用し、構想段階を最短で乗り切りつつ、デューデリジェンスを確実に完了させる方法をご紹介します。

Chat、Claude Cowork、それとも Claude Code：正しい Claude インターフェースを選ぶ

AI は創業家が製品をより迅速に納品し、面倒なプロセスを自動化し、大規模運営を行うのを支援しますが、使用するツールのインターフェースが極めて重要です。ここでは、各タスクに応じて Chat、Claude Cowork、または Claude Code をどのように使い分けるかのガイドです。

Chat は、現在のアプリケーションから離れることなく迅速にやり取りを行うのに適しています。会社の運営における些細な事務処理を処理するために使用します：投資家向けメモの長い文章から核心となるフレーズを抽出する、取締役会開催前に特定の発言に抜けがないか確認する、あるいはチームが Slack で交わした長文の議論を整理するなどです。

Claude Cowork は、時間をかけて熟考が必要な知識集約型の作業に適しています：複数の情報源から情報を収集し、論理を整理し、ドキュメント、PPT、または表などの完成品を出力します。具体的には、顧客インタビューの録音ファイルをまとめて製品レビュー会議でのトピック別分析レポートを作成する、資金調達前に十数社の競合他社サイトを閲覧して競争環境分析をまとめる、あるいは毎週月曜朝に自動タスクを設定し、関連ツールからデータを取得して KPI 要約を共有フォルダに配置するなどです。

Claude Code はチームのエンジニア向けに設計されたエージェント型プログラミング環境です：コードベースへの直接アクセスが可能で、プランニングモード (Plan Mode) を備え、git が統合されており、ローカル、IDE、またはサンドボックスクラウド環境をサポートしています。ここでは、少人数のチームが膨れ上がるコードベースに新機能を継続的に追加したり、MVP 段階から残された旧コードを移行したり、プロトタイプから本番環境へスムーズに移行したりすることができ、新人採用を待たずに済みます。

タスクの種類... 誰を使うべきか 選定理由

質問をする、段落を書き換える、迅速なブレインストーミング

Chat

高速、対話型、煩雑な設定不要

調査分析、またはあなたのファイルやシステムに基づいた完全なドキュメント生成

Claude Cowork

フォルダへのアクセス可能、プラグイン接続、スキル対応、定期実行可能

ソフトウェアの作成、テスト、公開

Claude Code

コードベースへの直接アクセス、コード差分 (diffs) 比較サポート、git 統合、開発環境対応

これら 3 つの基盤には同じ Claude モデルが使用されており、異なるのは周辺ワークスペースのみです。

定義し、問題の仮説にストレステストを行う

あなたの業界経験と事前調査に基づき、すでに心の中で何らかの仮説を持っているはずです。最初の仕事は、それを研ぎ澄まし、本当にテスト可能になるまで磨き上げることです：一体誰がこの痛みを抱えているのか？その頻度はどれほど高いのか？痛みの深さはどの程度か？彼らは現在どのように対処しているのか？もし問題記述がこれらの質問に正確に答えられないなら、それはまだ検証の条件を満たしていないことになります。

• 実践演習：Claude と一緒にあなたの問題記述を磨き上げ、テスト可能な仮説へと変えてください。例えば、「契約審査が遅すぎる」というのはテストできませんが、「中堅企業の内部法務チームは、各契約審査サイクルで3日以上を要しており、その理由はメールのやり取りの中で赤線を修正しているためであり、バージョン管理ドキュメントを使用していないからである」という記述であれば、非常にテスト可能です。

次に、Claude にあなたの考えに異議を唱えさせ、あなたの仮説を覆すような否定的な証拠を探させるようにしてください。これにより、否定的な市場シグナル、すでに倒産した競合他社、潜在的な顧客の行動パターン、そして盲目的な楽観主義時に見過ごしがちな構造的障壁などを掘り起こすことができます。

このプロセスの目的は、実際に顧客に接触して調査を行う前に、あなたの仮説が最も強力な反対派の論客による激しい攻撃に耐えさせることにあります。そうすることで、ユーザーインタビューを行う際には、自分のバイアスを確認するために心理的な安らぎを探すのではなく、誠実にオープンに耳を傾けることができるようになります。

注意：Claude に構造化された「悪魔の代弁者」（反対派）として振る舞わせることは、AI スタートアップの全ライフサイクルを通じての中核的な活用法です。

市場調査と競合状況の整理

競合他社の把握

起業家界隈には「競合他社盲点（competitor neglect）」と呼ばれる現象があります：創業者たちは往々にして自らの壮大なビジョンや実行計画に没頭しすぎており、同様の分野で活動する他の人々の努力を習慣的に過小評価します。幸いにも AI にはこの問題に対する解があります：Claude に競合他社の立場に立ってもらい、なぜ彼らが成功し、あなたが惨敗するかについて最も強力な理由を提示させるのです。

Claude は以下のような分析を手伝ってくれます：なぜ彼らのアプローチの方が実際には優れているのか？なぜ顧客は彼らを選ぶのか？なぜあなたが自慢する参入障壁（護城河）が実は脆いのか？

• 実践演習：Claude に競合他社を分類させましょう。直接競合、間接競合、潜在的な買収対象、そしていつでも横から割り込んでくる周辺プレイヤーです。そして、なぜ各カテゴリーのプレイヤーがあなたにとって真の生存脅威となっているのかについて理由を提示させます。聞き心地の良いお世辞で済ませるようにはさせないでください。

市場調査

Claude Code は公開されている顧客フィードバックを収集・統合し、繰り返し指摘される痛みや満たされていないニーズを見つけ出すことができます。追加のメリットとして、これは競合他社の顧客に対する無料の定性的研究を行うことにもなります。

• 実践演習：Claude Cowork に主要な各チャネルにおける競合他社の評価を整理させ、既存のソリューションが未だに解決できていないいくつかの大きな痛みを特定させましょう。あなたの仮説がその中の一、二つの重要なポイントに正確に合致しているなら、それは問題とソリューションの適合性を示す強力なシグナルです；もしそうでないとしても、早く知っておくことは悪いことではありません。

Claude Cowork はまた、分厚い業界レポートやアナリスト資料、市場調査から核心となるデータを抽出することもできます。整理されたこれらのデータは、Claude がさらに深く分析を進めるための絶好の素材となります。

• 実践演習：公開データを用いて TAM/SAM/SOM モデル（総可尋址市場 / 可サービス可能市場 / 獲得可能市場）を構築し、その背後にある仮説にストレステストを行ってください。この市場が拡大しているのか、再編されているのか、それとも成熟しているのかを見極めましょう。これらの背景情報は、参入のタイミングや差別化競争に関するあなたの判断に直接影響を与えます。顧客ペルソナ（顧客像）を整理しましょう：誰がお金を支払う責任者なのか？誰が意思決定に影響を与えることができるのか？この二つは同じ人物でしょうか？

トレンド分析

最後に、Claude を活用して参入のタイミングを決定づける初期指標を捉えましょう。関連する議論が行われている Reddit のサブレディットや LinkedIn グループを追跡し、ユーザーが課題を説明する際に使用する生々しい言葉（生の声）を収集します。また、Claude に類似した他業界市場で同様の問題がどのように解決されたかを探させ、何が機能し、何が失敗に終わったかを分析させましょう。プロジェクトの機会を加速させる可能性のある政策法規や技術的ブレークスルー、あるいは人口構造の変化のトレンド、あるいは逆にそれを脅かす要因を特定します。

• 実践演習：Claude に、今後 2 年間であなたの市場に深く影響を与える外部トレンド（政策、技術、または人口統計）を 3 つ見つけさせ、各トレンドがあなたの具体的な仮説に対して追い風となるのか向かい風となるのかを客観的に評価させましょう。

注意：本節で取り扱った市場調査と競合分析は一度きりの作業ではありません。今後の MVP（Minimum Viable Product: 実用最小限製品）およびリリース段階において、あなたの認知が向上するにつれて仮説も更新されるため、これらのアクションを再度繰り返す必要があります。

顧客調査の計画と設計

潜在的なユーザーからどれだけの有益な情報を引き出せるかは、以下の 2 点にかかっています：(1) あなたが問うている質問の質、そして (2) 正しい相手に問いかけているかどうか。この点において Claude は非常に優れたパートナーとなり、誰に話を聞くべきか、何を聞くべきか、そして得られたフィードバックをどう解釈すべきかを支援してくれます。

誰に話すか

正確なターゲットユーザーペルソナ（人物像）は、単なる長い連絡先リストよりも一万倍価値があります。これには具体的な職位、企業タイプ、チーム構成、そして最も深い課題を抱える層の階級が含まれます。次に、これらの人々が普段どこに集まっているか——どのコミュニティ、イベント、LinkedIn グループ、Slack チャンネルなど——を特定し、彼らが課題からどれだけ離れているかに応じて、優先順位付けされた訪問フレームワークを作成します。

何を聞くか

対象が確定したら、Claude を活用してインタビューの枠組みを構築しましょう：適切なタイミングで適切な質問を行い、ユーザーが「実際に何をしたか」を引き出すことに注力し、「自分がどうしたいと想像しているか」ではなくです。初心者の創業者が最も犯しやすいミスは、抽象的で未来志向の質問（「この製品を使いますか？」）を投げかけることであって、関連する過去の具体的な行動（「先ほどその問題に直面した際、どのように処理しましたか？」）を正確に追及することではありません。Claude は、あなたの下書きに含まれる質問がどれほど誘導的であり、広範すぎたり、有効なシグナルではなくノイズや無駄話を引き出しやすいかを正確に捉えます。また、曖昧な回答や本質から逸れた回答に対処するための連鎖的な追问（フォローアップ）を設計することもできます。

あなたのプロジェクトが複数の役割を含む場合、Claude は異なる役割ごとに個別のアンケートをカスタマイズすることも可能です。財務マネージャーと CFO が同じ課題に対して抱える関係性は全く異なりますので、同一の質問セットを全員に適用するのは間違いなく破滅的な結果を招きます。

• 実践演習：まず自分でインタビューの質問を手書きで記述し、その後 Claude に監査役として振る舞ってもらいましょう。特に誘導的であったり、未来志向であり、広範すぎたり、あるいは回答者が「あなたに気に入られようとして」嘘をつく可能性のある質問を特定させます。さらに、回答者が敷衍（敷衍する：本質から逃れる）してくる可能性が高い 2〜3 の重要なインタビューの瞬間に対して、反撃するための追问テクニックを設計させましょう。

インタビュー後の分析

会話が終わるたびに、Claude に復習を依頼しましょう：メモを Claude に投げつけ、どの仮説が検証され、どの仮説が否定されたか、そして何が予期せぬ驚きだったかを抽出させます。十分な数のインタビューを終えたら、すべてのメモを Claude Cowork に投入し、頻出する単語、矛盾点、および賛成・反対双方で最も強いシグナルを抽出させましょう。最後に、総合的な出力レポートを Claude に提示し、「私の解釈は、心理的安寧を得るためのパターンマッチングを探しているのではなく、実際のデータを反映しているのか？」と問いかけます。

• 実践演習：顧客との会話を 5 回行うごとに、Claude Cowork にメモの総合整理を行わせ、仮説を支持する証拠リストと、仮説に反対する証拠リストの 2 つを作成させましょう。もし最初のリストが二番目のリストよりも著しく長ければ、Claude に「これはデータの真実の反映なのか、それとも私が望む結果を見たいという一方的な願望なのか？」と問いかけてください。

顧客開拓とスケジュール調整

Claude Cowork を活用して、名簿の整理、開発メール（コールドメール）の送信、ユーザーインタビューの日程調整といった雑務を自動化しましょう。

Claude Cowork は、あなたが Claude と事前に設定したターゲットペルソナ（職種、企業タイプ、役職など）を活用して、検証済みの連絡先情報を含む構造化されたリードリストを調査・整理します。その後、大規模にバッチ処理でパーソナライズされた営業メールのドラフトを作成し、それぞれの相手の役割や背景にきっちり合わせた内容に仕上げます。

返信を受け取ると、MCP（モデルコンテキストプロトコル）を通じて Gmail や Google カレンダーに接続し、コミュニケーションのスレッドを管理し、会議の招待を処理して、インタビューを確実にスケジュールに組み込みます。このワークフローは継続され、Claude Cowork は既定のリズム（例えば、7 日間返信がない相手へのフォローアップドラフト送信など）で自動応答を作成し、完了後に追跡テーブルを自動的に更新して、潜在的な顧客のファネル進捗を常に把握できるようにします。

• 実践演習：検証済みのターゲットペルソナを Claude Cowork に渡して、リスト作成、パーソナライズされた営業メールシーケンスの作成、拡張ステータス・フォローアップリズム・インタビュー進捗を含む追跡テーブルの構築を行わせましょう。そして、調整作業はすべて任せて、あなたは会話そのものの準備に集中するだけです。

最終的なソリューションコンセプトを設計する

検証作業は完了しました：課題は現実のものであり、ターゲット層は明確で、手元のソリューションコンセプトも証拠によって裏付けられています。今こそ Claude を使って、あらゆる角度からあなたのデザインを開発し、厳しくテストしましょう。どこに穴があるのか？市場には代替品はないか？スケールして運用するためには、この仕組みにどのような前提条件が必須なのか？

これは非常に重要な現実チェックです：現在のこの設計は、あなたが調査した実際の課題を解決しているのか、それとも最初に勘違いしていた原始的な仮説を解決しようとしているのか。

• 実践演習：あなたのソリューションコンセプトを Claude に渡し、そのデザインを支える最も致命的な 3 つの依存仮定を指摘させましょう。そしてさらに問いかけてください：これらの仮定が成立するためにはどのような条件が必要か？仮に一つでも仮定が崩れた場合、どのような深刻な結果を招くのか。

Claude Code を活用して軽量プロトタイプを構築する

ようやく面白い段階に入りました：検証済みの仮説と繰り返し圧力テストされたソリューションコンセプトを持って、いよいよものづくりを開始できます。

このアイデアの構想段階で、Claude Code が正式に登場します。これまで何かと試行錯誤していたかもしれませんが、今こそ公式な軽量プロトタイプの生成時です。これは、実際のユーザーからの真摯なフィードバックを得るために必要な最小限の体験領域（ミニマル・サフェース）です。

あなたが今作っているのは、実際に市場に投入できる製品ではありません。あくまで顧客や投資家に見せるためのソリューションの「体験サンプル」を構築している段階です。実際のユーザーが触れて実感できるものを用意することは、十数回にも及ぶ課題発見インタビューを行うよりもはるかに多くのインサイトをもたらします。これまであなたは課題の存在を証明していましたが、今こそ潜在的なユーザーに対して提案されたソリューションとの対話を誘う時です。

• 実践演習：あなたの製品で最も重要なインタラクション依存点を明確に定義しましょう。Claude Code に命じて、その核心機能一つだけを構築させます。完成したら、ターゲットペルソナに含まれる 5 人に手渡して実際に使ってもらいましょう。この 5 回のやり取りから得られる知見が、継続開発するかリスタートするかを決定づけます。

アイデアの構想段階を無事に乗り越えたことは、AI 創業という道において大きな一歩です。なぜなら今やあなたは直感に頼って賭けているのではなく、証拠に基づいて実行しているからです。

構想段階を突破したことで、創業者が直面する課題は「まず何をするべきか？」へと変化します。この時点で AI の役割も、リサーチパートナーから、あなたの最強の施工チームへと進化します。

MVP 段階

多くの創業者は MVP（Minimum Viable Product：実用最小限製品）段階を単なる開発期間と捉えていますが、実は本質的には依然として「証拠収集」の演習です。違いは、今あなたが収集しているのが「課題」空間に関する証拠ではなく、「ソリューション」に関する証拠である点です。具体的には、明確な層があなたの製品を繰り返し使いたがる（リテンション）、お金を払って購入したくなる（収益化）、あるいは周囲に広めたくなる（推薦）という状態が本当に存在するのかどうかです。

MVP 段階の目標

AI ネイティブスタートアップの創業者として、あなたの目標は実証済みの課題を、実際のユーザーが実際に使用する利用可能な製品へと変換することです。すべての機能をロードマップに詰め込む必要はありません。最もシンプルで焦点を絞ったコア体験を提供すれば十分です。その使命は、真の解決策を実際のユーザーの顔に突きつけ、製品市場適合性 (product-market fit, PMF) に関する確固たる証拠を得ることです。

同時に、現在の開発方式があなたの将来の天井を直接決定します。つまり、MVP（Minimum Viable Product: 実用最小限製品）段階には、もう一つ同等に重要な目標があります。それは、急速に進みながら決して利子がつく「技術的負債」(technical debt) を背負わないことです。意味のある数の実際のユーザーが流入すれば、これらの負債は必ずしもあなたを裏切る日が来ます。

最後に、初日から継続的文脈 (persistent context) への投資を行うことが、AI を混乱の源ではなく力増幅器として機能させる鍵です。AI ネイティブ企業では、コードベースはあなたが毎日 AI とペアプログラミングする産物であり、そのためコードの明確さと読みやすさが基盤となります。ドキュメント、アーキテクチャ決定、および文脈ファイル（例：CLAUDE.md）を省略した創業者たちは、予見可能な壁にぶつかります。つまり、新しいセッションごとにコードベースを再説明する必要があり、AI によって生成されたコードは次第に最初のビジョンから逸れていきます。

MVP 段階のクリア条件

MVP 段階のクリア条件は、製品市場適合性 (PMF) の真の証拠を得ることです。つまり、特定の明確なユーザー層があなたの製品に価値を感じており、継続して利用し（リテンション）、お金を払い（収益）、あるいはあなたを紹介してくれる（推薦）ことを証明することです。

MVP 段階における課題

MVP 段階において、創業者の核心法則はスピードと判断力です。この時点での課題は、品質を落としたり自らの首を絞めたりすることなく、意味のあるほど速い速度で、正しい方法で、正しいものを作れるかどうかにかかっています。

エージェント技術的負債

課題：AI はコードのリリースを阻むあらゆる天然のボトルネックをほぼ解消したため、「スピード」は絶対的に保証されています。しかし、創業者が MVP 構築における唯一の変数としてスピードのみを追求する場合、返済が極めて困難な大量の技術的負債を抱えることになります。

MVP 段階で少しの技術的負債を負うことは理解できますが、前提条件はスケールアップ前に必ずその借金を返済する必要があることを自覚していることです。従来の技術的負債は徐々に蓄積されるため、時間をかけたり専用のスプリント期間を設けたりして整理することができます。しかし、AI による技術的負債は複利効果を持ちます。

明確に記述され、AI が読み取れる仕様書やアーキテクチャ制約がない場合、AI は各セッションでゼロから下位ロジックを推論し始めます。これらの決定は避けられないほど drifting（逸脱）します。最終的に得られるのは、魂も枠組みもないコードベースです。それは特定のコードが劣っているからではなく、これらの断片が最初から一緒に構成されることを意図していなかったからです。これは大きな問題であり、往々にして後期になって初めて完全に露呈します。

偽の製品市場適合性への没入

課題：AI ツールは非常に目立つ初期データを生成できますが、それは市場が実際にあなたの製品を必要としていることを意味しません。

初期の勢いは、創業者が体験できる最も強力な心理的毒物です。数週間または数ヶ月にわたる調査と自制された開発を経て、プロダクトがリリースされると、まるで全世界に対して「あなたは最初から正しかった！」と宣言しているかのような感覚に陥ります。

エージェントプログラミングツールは、この快感を以前よりもはるかに速く体験させてくれますが、「初期トラフィック」と真の PMF とでは雲泥の差があります。製品リリース直後の熱狂は、通常は一時的な力によるものです：創業者の友人による応援、投資家が他のポートフォリオ企業から潜在的なバイヤーを引き連れてきたこと、あるいはたまたま Hacker News でトップにランクインしたことなどです。残念ながら、6 週間目や 12 週目に最初の熱狂が去った後、これらの要因は今後の展開を信頼して予測することはできません。

零阻力的范围蔓延

挑战：当开发代码变得毫不费力且几乎零成本的时候，你总会觉得“再加一个酷炫的功能”或者“再处理一个边缘情况”也无妨。这种范围蔓延 (scope creep) (指项目功能不断无节制增加的现象) 往往弊大于利。

范围蔓延一直是创业风险。不同的是，以前防备它的强制刹车机制——实打实的工程时间成本——当加个功能只需一下午而不是一个冲刺周期时，这种阻力就不复存在了。

现在的难点在于，每一次加功能的冲动在当时听起来都无比合理。产品“当然”应该处理那个边缘情况，“当然”用户会想要那个工作流。

因为用智能体敲代码实在太轻松了，所以在当时你根本感觉不到这叫范围蔓延。但随着产品越来越臃肿，逐渐偏离最初的边界，你就会迷失方向，丧失势头。

解药是在动手开发之前，先白纸黑字地立个范围定义：明确写下这产品做什么、坚决不做什么，以及到底需要真实用户提供什么样的特定证据，才允许加新功能。这把决策点从“我们要不要做这个功能？”变成了“是不是有足够多的核心用户告诉我们，没有这个功能他们就得不到价值？”

因为没经验而忽视安全

挑战：利用 AI 工具火急火燎地把应用推向市场，却没有事先理解基本的安全原则的创始人，最终会让用户暴露在完全可以预防的风险之中。

残酷的事实是，智能体编程工具生成的是“能跑”的代码，而不是天生安全的代码。功能实现很容易，因为它要么有用要么没用。但安全漏洞在被黑客利用之前是看不见的，这意味着根本没有天然的反馈循环来提醒新手创始人出问题了。然而，向真实用户发布实时运行的 MVP，就意味着真实的数据、真实的暴露风险，以及出事后必须承担的真实后果。

轻视安全并不是 AI 原生项目才有的新问题。在各个时代，自筹资金的初创公司往往都喜欢把安全考虑无限延后，有时甚至拖到正式生产上线前的一刻。但在把任何最小可行性产品丢给世界之前，做一次安全审查，是对大众最起码的责任底线。

Claude 如何助力 MVP 阶段的创始人

开发前先定好架构

在让 Claude Code 写下第一行生产代码之前，先让 Claude 帮你定义并文档化这个阶段必须遵守的架构决策：该遵循什么模式，该避开哪些依赖库，你做出了哪些妥协，为什么要妥协。这份产出将成为你的核心架构上下文文档，并为 Claude Code 确立运行时的护栏。

没有这份上下文，每次会话都会从零开始，Claude Code 只能被迫瞎猜你的结构假设。让没有护栏的 Claude Code 瞎跑，会造出一个能跑但结构极度混乱的代码库。在混乱的代码库上迭代和扩容，最终纯粹是浪费时间和 Token。

迟早有一天代码会不可避免地崩盘，逼着你从头重写。

• 实操练习：在打开 Claude Code 之前，先打开 Claude，描述你要开发什么：它解决的核心问题、服务的用户，以及未来半年你预期的现实规模。让它帮你提炼出约束 MVP 的架构原则、在当前限制下必须避开的依赖库，以及现阶段你主动接受的权衡。

次に、この出力を CLAUDE.md という markdown ファイルとして保存してください。これはプロジェクト構築における最初の成果物であり、今後のあらゆる会話の基盤となるものです。CLAUDE.md ファイルは Claude Code 向けのプロジェクトレベルの指示書であり、プロジェクト固有の文脈を提供します。このファイルがディレクトリ内に存在する限り、Agent SDK は自動的にこれを読み取ります。機能的には、これはあなたのプロジェクトにおける永続的な「記憶」です。

MVP の範囲を定義し、厳格に守る

摩擦のない範囲蔓延は、AI 時代における MVP の最も典型的な失敗パターンの一つです。アーキテクチャを定義して記録する必要があるのと同様に、いかなる機能を実装する前にも、MVP の範囲を明確に区切る必要があります。

Claude は、あなたの MVP プロダクトが何を行い、何が絶対に含まれないのか、そして機能変更のトリガーとなる基準（つまり、現時点で新たな機能を追加する価値があるかどうかを判断するために、実際のユーザーからどのような確固たる証拠が必要か）を説明する範囲ドキュメントの草案作成を手伝ってくれます。

新しい機能のアイデアが浮かんだとき——それは必ず現れます——Claude を使ってストレステストを行ってください。これは本当にユーザーからの切実な叫びなのか、それとも製品思考という仮面を被った創業者の自己満足に過ぎないのかを見極めるのです。

Claude Code を用いて MVP を構築する

アーキテクチャと範囲が確定したら、Claude Code は正式に中核的な MVP 開発ツールとなります。これを用いてコードベースの生成、テスト、デバッグ、そして反復改良を行いますが、常に念頭に置いておくべきは、各セッションは既定のプロダクト意思決定を実行する場であり、新たなアイデアを詰め込むための機会ではないということです。

Claude Code のセッションを開始するたびに、以下の二点を実行してください：(1) 範囲ドキュメントを再確認すること、(2) アーキテクチャの文脈を含む CLAUDE.md ドキュメントをモデルに読み込ませること。

各セッションが終了する際には、その時点で下されたすべての決定をドキュメントに反映させてください。あなたが目指すべきは、単に動作するコードベースではなく、その構造を明確に説明できるコードベースです。

• 実践演習：Claude Code の作業用に、アーキテクチャ文脈ドキュメント、今回の具体的なタスク、そして遵守すべき制約やパターンを含む、極めてシンプルなセッションテンプレートを作成してください。各作業の終了時には、文脈ドキュメントに短いログ記録を追加します。具体的には、何を開発したか、どのような決定を下したか、どのような新たな仮定を導入したかを詳細に記載します。文書作成に毎回 5 分を費やすことは、アーキテクチャのドリフトを防ぎ、コードベースが完全に制御不能になるのを防ぐ最も安価な保険となります。

ユーザーが触れる前にセキュリティレビューを行う

AI ネイティブスタートアップの創業者として、コードベースに何が含まれているかを明確にし、潜在的な露出経路を理解し、明白な脆弱性を信頼する実際のユーザーに押し付けてはなりません。

Claude は AI 生成コードに対する非常に効果的な一次審査を行い、一般的な脆弱性の特定を支援します。これをリリース前の必須習慣として定着させましょう。ただし、専門的なセキュリティツールに代わるものではなく、高リスクのシナリオにおいては人間によるレビューアーにも代わり得ません。「AI を万能薬だと信じる創業者」は、最終的にニュースで反面教師となる運命をたどります。

Claude Code Security はさらに一歩進んでおり、コードベース内のセキュリティ脆弱性をスキャンし、人間が審査するためのターゲットを絞ったパッチを提供します。これにより、従来の手法では見落としやすい潜在的なリスクを発見できることがよくあります。

注意：本マニュアル発行時点において、Claude Code Security は限定テスト版の段階にありますので、使用前に現在の利用可否を確認してください。

• 実践演習：実際のユーザーへのデプロイを行う前に、明確な指示と共にコアアプリケーションコードを Claude にレビューさせます。具体的には、認証とセッション処理、API 応答におけるデータ露出、入力検証とインジェクションリスク、既知の脆弱性を持つ依存ライブラリをチェックします。発見された事象は真摯に受け止め、修正が必要かどうかを評価してください。検証、キー、またはデータ処理に関わる部分は、必ず人間による再確認を経なければなりません。

リリース前にデータ指標の枠組みを整える

初期のトラフィックを製品市場適合度と誤認する創業者は、往々にしてリリース後に初めてデータを参照し、かつ選定した指標が「どこがおかしいか」を発見するためではなく、「我々はうまくいっている」と証明するために用意されたものになっています。その解決策は、最初のユーザーが登場する前に、すでに測定枠組みを確立しておくことです。

Claude にあなたの特定製品にとってどの指標が最も重要かを定義させましょう。基準線はどこに設定すべきか？データがどのようなパターンを示すことが真の PMF（Product-Market Fit）であり、何が単なる聞き心地の良いノイズなのかを明確にします。具体的には、MVP 公開前に、リテンションの基準線、アクティベーションの基準、そして第 7 日目と第 30 日目の目標値を設定してください。

次に、あなたの製品における「偽陽性」がどのようなものかを定義しましょう：例えば、登録はしたがアクティベーションに至らない、収益が発生しているのにリテンションがない、あるいは初期には熱狂的だったがその後利用を繰り返さなくなるケースなどです。データが揃った際には、Claude にあえて反対立場に立ってデータを批判させましょう：懐疑論者ならこれらの数字をどう見るか？

調査とユーザーフィードバックの運営業務管理

実際のユーザーが製品を利用し始めると、運用面の業務は急速に膨れ上がります。Claude Cowork は、重要だが煩雑で退屈な作業を引き受けることができます。具体的には、ユーザー連絡先リストの構築と維持、メール展開シーケンスの実行、フィードバックセッションの調整、バグ報告のトリアージ、そしてイテレーションサイクルの追跡などです。構想段階で調査運営を管理するために使用した MCP 統合は、この段階でも同様に有効です。

フィードバック収集のプロセスにおいては、人間がループ内に関与し続けることが不可欠です。これにより、ユーザーフィードバックを細かく探求することが可能になります。例えば、ユーザーが「これは素晴らしいですが、もっとこうしてほしい」と言った場合、その意図を読み解く必要があります：これはコアな必須機能なのか、それとも付加価値的な機能なのか？それは特定の顧客固有の要望なのか、それとも特定セグメントを代表するものなのか？欠けている機能が真の問題なのか、あるいはオンボーディング（新規導入）プロセスのどこかで初期段階がうまくいっていないだけなのか。これらの問いに答えてくれるツールは存在しません。

• 実践演習：Claude Cowork を設定して、MVP 段階でのフィードバックループを回してください。早期ユーザーリスト宛てのメール原稿を作成し、フィードバックの日程を調整し、バグ報告と機能リクエストのための構造化された受入フローを設計します。さらに、毎週の受信サマリー文書も作成しましょう。まずは自分でこのサマリーを検証し、その後 Claude に分析を依頼して、見落としがちな重要なポイントをキャッチさせます。

「完成度」ではなく「エビデンス」に基づいてイテレーションする

真の PMF（Product-Market Fit）のエビデンスが得られれば、製品がどれほど「未完成」に見えても MVP 段階は終了と宣言できます。PMF を達成し、MVP 段階からリリース段階へ移行すると宣言することは、結局のところ創業者の直感と収集されたエビデンスを組み合わせる判断プロセスにほかなりません。ただし、有用な試金石となるテストがいくつかあります。

• ショーン・エリステスト (The Sean Ellis test)：アクティブユーザーに「今後この製品が使えなくなったらどう感じるか？」と問い合わせてください。「非常に残念」と答えた人が 40% を超える場合、これは PMF の有力な指標となります。

• 努力度テスト：PMF に到達する前までは、リテンションを維持するために頻繁な接触、インセンティブの提供、個別のフォローアップなど、創業者が膨大なエネルギーを費やしてユーザーを巻き込む継続的な介入が必要です。しかし、PMF に到達した後は、製品自体がこれらの作業を完遂し始めます。あなたの「押し」から市場による「引き」へと力のベクトルが変わり始めたとき、この努力度の転換は、何かが実際に変化している最も明確なシグナルの一つです。

結局のところ、PMF を確定させるために単一のデータポイントに頼ることはできません。なぜなら、それは複数のイテレーションサイクルを経てもなお成立し続けるパターンでなければならず、その上で初めて確固たる結論を下せるからです。

エビデンスが別の方向を指すなら、果敢にピボットする

これほど多くの労力を費やしても PMF が見つからない場合怎么办？それは失敗ではありません。これはシステムが正常に機能している証拠です：誤った方向にお金を浪費する前に、断固として損失を食い止める時です。

データが現在の製品を支えていない場合は、Claude を活用して、データが何を語っているのかを深く分析しましょう。

• 代替となる顧客層を探る。コンバージョンに至らなかったユーザーは、最初から正しいターゲットオーディエンスではなかった可能性があります。通常、正しいオーディエンスはあなたのデータの中にすでに隠れており、単にその重み付けが低すぎただけです。

• 製品のバリュープロポジション（価値提案）を調整する。ターゲットオーディエンスは合っているが、MVP がユーザーの心に響いていない可能性があります。オンボーディング、メッセージング、あるいはコア機能への強調点を微調整することで、既存の構築物を根本から変えずにこの問題を解決できるかもしれません。

心を開き続けることが重要です。ズレの問題が根深く、より根本的な変更を迫られるケースもあるからです。

• 实操练习：如果你已经完成了三个或更多的迭代周期，但在 PMF 基准上却没有取得有意义的进展，在决定下一步怎么走之前，用 Claude 跑个诊断。把你的留存数据、用户反馈和你最初的痛点假设喂给它，然后问它三个问题：

• 数据里有没有哪个特定群体的反应和其余人不同？

• 设计价值和体验价值之间的差距，是定位问题还是产品问题？

• 当前的产品想要找到真正的 PMF，到底需要满足什么前提条件？结合你目前看到的现象，这种情景现实吗？

让这些答案来决定你是调整、转型 (pivot)，还是退回到构思阶段。

发布阶段

如果说 MVP 阶段是为了证明你的产品配得上存在，那么发布阶段，就是为了证明你的企业配得上成长。

发布阶段的目标

在发布阶段，初创公司的创始人必须将早期的势能转化成一个可重复、可持续的增长引擎。除了让你的产品达到生产级可用之外，你还必须强化底层的技术基础设施，同时围绕着你的产品，建立一家真正的公司。

在构思和 MVP 阶段，初创公司以创始人为中心是很自然的，因为你需要对全局了如指掌和紧密的反馈循环。但现在，如果创始人仍然试图亲自抓住每一根线头，就会成为发布阶段的瓶颈。现在的目标不是让你彻底从公司抽身，而是要建立运营系统，把你的注意力解放出来，去处理那些只有创始人才能做出的决策。

发布阶段的通关条件

发布阶段的退出条件包含三个要素：

• 增长是可重复的且由渠道驱动。你不仅仅是在留住用户，你还在通过特定的渠道可预测地获取他们，并且单位经济效益是清晰的：获客成本 (CAC)、客户终身价值 (LTV) 和投资回收期，是那些你清楚且能辩护的数字。

• 产品能够处理生产负载。基础设施得到加固，安全和合规整顿就绪，在真实的生产条件下（而不仅仅是你测试的条件下）能保持可靠性。

• 运营不再卡在创始人这里。流程已经存在，自动化已经到位。你不再是那个亲自处理支持、分发任务、规划冲刺或写报告的人。

发布阶段的挑战

找到产品市场契合度 (PMF) 是早期创业生命周期中最难的问题。现在，创始人的挑战变成了保持住它。发布阶段是那些找到了真实产品吸引力的公司可能仍然会分崩离析的地方，如果围绕并支持产品的组织无法跟上的话。以下是需要警惕的失败模式。

技术债到期催收

挑战：为了速度和验证而构建的 MVP 代码库跑得足够好，证明了产品有效，但生产流量、新功能和不断增长的复杂性现在暴露了它走过的捷径。

在 MVP 时期，为了速度积累一些技术债是一个合理的权衡。在发布阶段，这笔债务开始产生利息，并且悬而未决的时间越长，修复的成本就越高。

解决方案包括：进行系统的架构审计以识别结构性弱点，进行有针对性的重构以解决最严重的问题，以及有意义地扩大测试覆盖率，以便下一轮的功能开发不会重新引入同样的问题。

创始人沦为最大瓶颈

挑战：在 MVP 阶段，创始人事必躬亲是一种资产。在发布阶段，随着客服请求量增长、产品决策堆积以及运营复杂性倍增，同样的本能反而成了约束。

从执行具体工作向设计能够执行工作的系统转变，是初创公司生命周期中最难的跨越之一。因为很少有明确的时刻提醒你改变发生了，这里的风险在于完全错失良机，继续停留在构建者模式中，而组织却在你周围停滞不前。发生这种情况的明显迹象包括：本该一小时做出的决定现在需要一周时间等你处理，客服请求堆积如山因为只有你知道答案，运营任务只有当你亲自想起来的时候才会去执行。

解药是对你个人正在处理的所有事务（从最微小的任务到最高风险的决策）进行全面审计，以确定什么可以被系统化，什么可以被委派，以及什么真正仍然值得创始人投入时间和注意力。

安全与合规已退无可退

挑战：在 MVP (Minimum Viable Product: 最小可行性产品) 阶段保持安全和合规措施简单是可以的，但现在，有了真实用户、真实数据，桌面甚至可能放着企业合同，这就会变成一种负债。

在 MVP 时，只有少数几个 Beta 用户，生产环境中没有敏感数据，安全漏洞只是理论上的风险。然而，当你的产品带着依赖它的真实用户进入生产环节的那一刻，假设立刻变成了非常真实的暴露风险。此外，当开始处理客户数据、处理支付或销售到受监管行业时，那些对原型不适用的合规要求，立刻就变成了硬性规定。

解药是：在生产规模到来之前（而不是之后）进行系统的安全和合规审查，并将暴露出来的每一个问题视为必须修复的要求——而不是建议——然后才能迎接下一波用户的到来。

没准备好就盲目扩张

挑战：新市场和融资机会看起来像增长机遇。它们同样也可能成为产品市场契合度 (PMF: Product-Market Fit) 的坟墓。

你所建立的初步吸引力是真实的，但它同样特定于你的早期受众。过早地扩展到一个与你原始市场有显著差异的市场，会引入新的用户行为、合规要求、支付基础设施和你的产品并未针对其设计的基准期望。突然之间，新增了太多变量，你失去了清晰解读自身数据的能力。你还面临着为了追逐一个全新且未经验证的受众，而冷落原始用户群的风险。

Claude 如何助力发布阶段的创始人

Claude 的三种形态在发布阶段都在全面投入使用，它们相互支持：每个工具产生的输出都会成为另外两者的输入。结果有机地产生复利效应，同时使用这三种工具的创始人所获得的远大于各部分之和。

这就是让超精益创业模式在结构上成为可能的原因。当 Claude Code 构建产品，Claude Cowork 围绕产品建立公司，而 Claude 帮助将这种产品和组织知识运转起来时，一个小团队就能跑出其体量 N 倍的爆发力。

趁早清剿技术债，别等利滚利

你的 MVP 代码库能够运行，但它也需要进行系统的排查，以寻找任何可能成为结构性负债的技术债务。

首先，利用 Claude Code 进行全面的架构审计：找出代码库脆弱的地方、将来维护起来代价高昂的捷径，以及测试覆盖薄弱到下一轮功能开发会重新引发相同问题的地方。

将 Claude Code 的审计结果反馈给 Claude，对修复工作进行分类和排序：哪些需要在下一次发布前修复，哪些可以等一个冲刺周期，哪些鉴于目前的阶段代表着可接受的持续债务。

这也是将你在 MVP 阶段所做的架构决策（那些因为没时间写下来而存在脑子里的决策）文档化的最佳时机。现在将它们放入 CLAUDE.md 中，可以确保以后的每个 Claude Code 会话都是从对系统如何设计以及为何如此设计的共同理解开始的。

• 实操练习：指挥 Claude Code 审计你的 MVP 代码库，并生成一份包含结构弱点、测试覆盖差距和重构候选对象的优先级列表。然后把该列表喂给 Claude，让它跨越多个冲刺周期为你排期修复工作：你需要首先解决的重大问题、可以与新功能开发并行处理的事项，以及可以延后处理的事项。

建立替代创始人注意力的系统

建立能够释放你的注意力、让你去处理只有创始人才能应对的责任的运营系统，前提是要确切知道你的注意力都耗费在了哪里。利用 Claude Cowork 对你当前的运营负载进行结构化审计，记录下每一个循环任务、每一个落在你桌上的决策，以及每一个只有在你亲自记起时才会发生的流程。然后让 Claude Cowork 将这份清单分类为：可以完全自动化的、需要人工介入但不一定必须是你的，以及真正需要创始人判断力的。

一旦审计完成，利用 Claude Cowork 为需要自动化的任务设计工作流逻辑：什么信号触发每个工作流，决策规则是什么，输出长什么样，完成后数据丢到哪里。

把安全和合规变成产品开发的一部分

利用 Claude Code 找出那些在 SOC 2、GDPR 或 HIPAA 审计中经常出现的代码级问题，以及你的目标市场所要求的标准合规点。这能同时暴露漏洞和合规差距。将这些发现喂给 Claude，以帮助你对修复工作进行优先级排序，并设计企业买家在签字前会要求查看的控制、审计日志和访问权限管理。注意：AI 扫描是辅助工具，不能代替合格的合规审查。

接下来，将合规工作流构建到你的日常开发周期中，而不是将其作为一次性项目运行；合规文档需要持续维护和更新。对于正在接触企业合同或国际市场的创始人来说，此时也是 Claude Code 安全扫描帮助你准备独立安全评估的关键时刻。

• 实操练习：带着你的目标市场所要求的框架标准，让 Claude Code 运行一次代码级安全审查。把输出喂给 Claude，并要求它产出两样东西：一份带优先级的安全补丁排期表，以及一份你为了满足潜在企业买家合规审查所需的文档和控制措施清单。

补上你一直假装不存在的产品管理流程

发布阶段需要一套轻量、可重复的流程，这些流程无需创始人干预即可触发或运行。利用 Claude 来设计你的产品时间表和工作周期结构、在 Claude Code 动代码前需求规范里需要包含什么、Bug 报告如何分诊和路由，以及你的每周指标报告涵盖哪些内容并如何分发。

流程设计完成后，利用 Claude Cowork 来构建和运行运营层：安排冲刺周期会议、将传入的 Bug 报告分配到正确的位置、从连接的数据源编译每周指标，以及维护让用户信号持续转化为产品决策的反馈闭环。

• 实操练习：要求 Claude 设计一个轻量级产品管理操作系统：定义好的冲刺节奏、极简需求规范模板、Bug 分诊决策树，以及一份提取实际数据的每周指标简报。然后配置 Claude Cowork 来执行和运行该系统中循环往复的运营要素，如日程安排、路由分发和报告汇编，让它按时自动发生而无需你操心。

扩展阶段

在扩展阶段，创始人的角色将从构建者转变为面向公众的高管。产品仍然是核心，但你个人的日常工作越来越变成围绕公司本身的经营。此时，你不仅要努力保持精益、以 AI 为中心的结构优势，你的注意力还必须扩大到包括分析师简报和 IPO 路演等扩展阶段的新活动。

扩展阶段的目标

扩展技术基础设施的工作仍在继续，现在又加入了扩展组织本身并将其发展为企业的工作。

拡張フェーズでは、数千ユーザーから数百万ユーザーへの急増、そして単一市場から複数市場への拡大という課題に直面します。これまでの各段階では、成長はユーザーとの密接な関わりと、その緊密なフィードバックループに基づくデータ、そして創業者の強力な直感によって方向性を模索しながら調整することで達成されてきました。しかし今や目標は、成熟した組織が運営するシステムによる持続的な成長を構築することです。

AI ネイティブなスタートアップにとって、目指すべきは、製品に注入された専門知識、自社のプロダクトがユーザーの依存する他ツールやプラットフォームと深く統合されている程度、そして専有システムデータとビジネスフローによって築かれる「深さ」を通じて防御的な堀（モート）を構築することです。創業者が堅固な基盤の上に明確な方向性を持って継続的に構築し続ける限り、現在あなたが持っているものは極めて複製困難なものとなります。

この段階ではリスクが高まるため、公衆投資家、アナリスト、規制当局、企業調達チーム、そして買収候補者などから、より大きな圧力と懐疑的な視線が向けられます。あなたの製品と組織は外部の審査に耐え得るものでなければなりません：製品のハードパワーだけでなく、ガバナンス、コンプライアンス、財務管理といったソフトパワーも問われます。

拡張フェーズのクリア条件

拡張フェーズにおける出口条件は、もはや単一のマイルストーンではなく、一つの閾値イベントです。それは、創業者が日常運営から徐々に離れていく状況でも会社が持続的に運営できる状態にあることを意味します。あなたはシステム的な成長を実証し、最も厳しい外部監査人にも耐えうる組織ガバナンスとコンプライアンスのインフラを構築し、「もし資金力のある既存の巨人が今日あなたの製品をコピーしたら、ユーザーは残ってくれるか？」という問いに対して確固たる答えを出せる状態にある必要があります。

実務において、この閾値は通常以下の三つの形態のいずれかで現れます：外部資金を必要としない持続可能な収益規模への到達、IPO 準備完了の状態、あるいは買収です。これらすべてが要求するのは、あなたの成長がシステム的かつ監査可能であること、製品の堀（モート）が推敲に耐えるものであること、そして組織が十分に成熟し持続可能であることを証明することです。

これらが現実のものとなったとき、おめでとうございます：あなたのスタートアップはもはや賭け事から、真のビジネスへと変貌を遂げたのです。

拡張フェーズにおける課題

運営層への権限委譲

課題：拡張フェーズにおける運営システムは、見守り役（ナニー）なしでも信頼性高く持続可能に稼働する必要があります。初日から自ら手を動かしてきた創業者にとって、この転換は構造的な変化以上に心理的な挑戦となります。

リリース段階でのあなたの仕事はシステムの構築でした。しかし拡張フェーズでは、(1) これらのシステムを完全に信頼できる状態まで成熟させること、そして (2) その上で実際にそれらを信じて任せることが求められます。

说起来简单。即使你是一个善于放权的创始人，到底该交出什么、该留下什么，通常并不明确。放权太多、太快——尤其是交给 AI 自动化系统——关键决策可能在缺乏只有创始人才能提供的关键上下文的情况下做出。但如果抓得太久，你可能就会成为一个瓶颈。

这里的根本挑战在于，你要找出那些仅存在于创始人脑海中或未记录工作流中的机构知识，然后将它们编纂成已记录的、可审计的、可转移的系统。

技術運営の拡張

課題：顧客はもはや単に製品機能を評価するだけでなく、あなたの組織が信頼できるインフラパートナーとなり得るかどうかを問うようになります。

スタートアップの最初の三つの段階における技術的な課題は主にコードベースに集中していました：技術負債を蓄積せずに正しいソリューションを構築し、その後実ユーザー向けにセキュリティとコンプライアンスを強化することです。拡張フェーズに至ると、技術的な課題はコードベースそのものを取り巻くすべてへと変化します。基盤となるインフラの整備、ドキュメントの作成、そして成熟度を証明する信頼性保証（SLA など）の確立が求められます。

数年契約を結ぶより大規模な顧客や機関投資家は、署名前にこれらの要素の確認を要求し、契約締結後もこれらによってあなたを拘束します。

しかし、ここまであなたを支えてきた同じ AI インフラストラクチャは、明確なレスポンスタイムサポートを備えた専用サポート機能の構築や、新規顧客のエンジニアリングチームが実際に活用できるドキュメント作成にも役立ちます。

組織機能の拡張

課題：拡張フェーズにある企業は、事業規模に関わらず、採用、給与管理、会計処理、法務運営などの組織インフラを必要とします。

リリース段階では、システム化された運営とは創業者の注意を奪う業務フローの自動化を意味しました。しかし拡張フェーズでは、スタートアップは今やより広範な、かつある面ではさらに重要な一連の運営機能を発展させる必要があります。具体的には財務報告、コンプライアンス監視、契約管理、カスタマーサポートなどが該当します。

GTM（市場展開）機能の構築

課題：オーガニック成長には天井があり、多くの拡張フェーズにある創業者は、真のGTM機能を確立する前にその天井にぶつかることになります。

構想、MVP、リリース段階での成長は通常、創業者主導の販売から生まれます。Product Hunt への適切な投稿から初期顧客との個人的な関係までです。しかし、このオーガニック成長には限界があり、多くのスタートアップが拡張フェーズでその壁にぶつかります。兆候としては、ユーザー曲線の横ばい化、顧客獲得コストの上昇、そして創業者自身が関与しない限りパイプラインに動きがないことが挙げられます。

拡張段階での成長には、製品を新たなより広い層に届けるための専用エンジンが必要です。しかし、多くのスタートアップの創業者はこれまで、マーケティングや大口営業、アナリスト関係といった業務を自ら主導した経験がありません。本格的なGTM活動とは、単に新しいシステムとプロセスを整えるだけでなく、自社の製品をどのように語るべきかというブランドのトーンとストーリーを確立することです。なぜなら、スタートアップのこのライフサイクル段階では、個々の新規顧客だけでなく、投資家や企業バイヤーを含むターゲット層全体にリーチするために、GTM機能に頼る必要があるからです。

幸いなことに、GTM機能が巨大である必要はありません。製品構築のために同じAIインフラストラクチャを活用すれば、市場展開も可能になります。

拡張フェーズの創業者を支援するClaude

初期のスタートアップ段階では、Claudeは製品そのものの基盤として利用されました：アイデア検証のための研究パートナーであり、プロトタイプの設計・構築を行うエンジニアチームであり、ソロスタートアップを可能にするAIオペレーション層です。拡張フェーズに到達したAIネイティブなスタートアップの創業者たちは、今やClaude、Claude Code、そしてClaude Coworkを活用し、開発時と同じ方法で事業規模を拡大することができます。

日常の雑務をClaude Coworkへ委譲

拡張フェーズを開始する際、現在最も時間と精力を投入すべき箇所を明確にすることは、会社を経験したことがない創業者にとっては課題となるかもしれません。Claudeは、この段階において「あなたにしかできないこと」のリスト作成をサポートします。これには、製品ナラティブに関する意思決定、取締役会との関係構築、エンタープライズ取引、そして創業者同士の対話などが含まれます。このリストに含まれない業務はすべて、委任またはClaude Coworkによる自動化の対象となります。

• 実践演習：Claudeに現在のオペレーション層のボトルネックマップを作成させましょう。現在、あなたを介してルーティングされるすべてのワークフロー、意思決定、承認ノードを列挙します。

次に、Claudeに「もしあなたが1週間介入せずに消えた場合、各工程で何が起こるか？」と問いかけてみてください。停滞するワークフローこそが、あなたがまだ過度に手出しをしており、進捗を阻害している箇所です。

これは、Claudeが作成した創業者の優先順位リストや役割整理と整合していますか？

次に、システムが事業成長時に実際に拡張準備ができているかを検証するためのストレステストが必要です。

• 実践演習：Claudeに現在のワークフローのマッピングを行い、「もしあなたが1週間消えた場合どうなるか？」と問いかけてください。停止するワークフローこそが、標準化された引き継ぎ手順、エスカレーションパス、または例外処理メカニズムの強化が必要な箇所です。Claudeはこれらの失敗点を分析し、適切な修正策を提案できます。これにより、必要に応じてClaude Coworkの自動化フローを更新または置き換えることができます。

技術運用をエンタープライズ向けインフラへ拡張

規模が拡大するにつれ、購入側はあなたの製品と組織が長期的なインフラとして信頼できることを確認する必要があります。コードベース内での技術作業はこれまで通り行われますが、今やコードベースを取り巻く周辺的な技術業務も扱う必要があります。

最初のステップは、組織の暗黙知をスケーラブルなシステムに変換することです。Claudeを活用して、企業購入チームが目指す文書化されたインフラストラクチャの草案作成と維持を行います。これには製品ドキュメント、カスタマーサポートマニュアル、SLA（サービスレベルアグリーメント）が含まれます。

同時に、Claude Codeにコードベースの監査と強化を指示し、企業契約で要求される特定の信頼性とセキュリティ基準に適合させます。また、Discordコミュニティでのみサービスを提供していた際には不要だった技術支援インフラストラクチャも構築します。具体的には、ログ、モニタリング、イベントレスポンスツール、そしてSLAを実効性のあるものにするための観測可能なレイヤーです。

そして、Claude Cowork は企業向けサポートそのものの運用層を担います：チケットのルーティング、エスカレーション通知ワークフロー、製品変更によるドキュメント同期、契約更新の追跡、そして企業顧客成功チームが依存する定期報告サイクルです。これら 3 つが組み合わさることで、小規模なチームがはるか大規模な組織サポート体制を有しているかのような印象を与え、これが数年間の企業契約を結ぶ際に示すべき力となります。

• 実践演習：最も厳しい 3 つの潜在顧客を選定するか、ぜひとも契約したい理想の企業顧客 3 社を特定してください。Claude にギャップ分析レポートを作成させましょう：これらの企業の購買担当者たちは、数年間の長期契約に署名する前に、どのようなサポートドキュメント、SLA（サービスレベルアジリーメント）、および基盤保障体制を見ておきたいのでしょうか？現状との差はどれほどでしょうか？出力されたレポートを元に、Claude Code と Claude Cowork の間で技術的・文書的な作業のスケジュールと配分を行ってください。

真の GTM(市場投入) 機能を構築する

創業者の情熱がここまでの道を開きましたが、スタートアップ規模を拡大するには、本格的な市場投入戦略を策定し、実施する必要があります。AI はこの一連の GTM エンジンを構築・運用するのを助けてくれます。

Claude は、ゼロから基本的な GTM 武器庫を構築するのを支援できます：セグメントの特定、セールストークのアーキテクチャ構築、アナリスト関係戦略の策定、販売用スクリプトの構成、そして公衆投資家、企業バイヤー、ウォール街のアナリストといった対象に対して極めて重要な、投資家向けのストーリーテリングです。これらの各層は独自の「業界用語」を持っており、彼らなりの基準であなたを評価します。Claude の任務は、あなたの製品価値提案を、それぞれのセグメントに深く関連する製品マーケティング手法へと翻訳することです。

この時点で、Claude Cowork は戦術実行層として機能します：コンテンツ生産ラインの構築、メールによる開発シーケンスの一斉送信、アナリスト向けブリーフィングの運営調整、プレスリリースと PR プロモーションのスケジュール策定、CRM データのクリーニング、販売パイプラインの進捗報告、そして GTM 戦略を実際の収益に転換する反復サイクルの実行です。

GTM の動きには、堅牢な製品マーケティングインフラストラクチャ——インタラクティブなデモ環境、連携統合ドキュメント、サンドボックステストテナント、API マニュアル、技術コアのワンページ資料——が必要となる場合、Claude Code がそれを処理します。購入側は、技術的な観点から製品を実際に評価することを期待しており、拡張フェーズにおいては、Loom による録画と PPT を送るだけではもはや不十分です。まさにこのインフラストラクチャこそが、GTM の動きを非同期化させる鍵となります：あなたが取締役会に出席している間にも、優れたデモサンドボックス環境が引き続き契約の成約を支援し続けるのです。

ドメインエキスパートの知識と組織的経験を AI コンテキストへ変換する

多くの超ミニマルなスタートアップの創業者は、自身が体験または観察した特定の分野における実際の課題に対して、極めて特化されたアプリケーションやツールを構築しています。

現在、エージェント型 AI の登場により、これまで一行もコードを書いたことがない創業者でも、自らの業界知識を活用して複雑な課題を解決する製品を開発できるようになりました。Claude、Claude Code、そして Claude Cowork は、それぞれ創業者の知識を極めて深い製品機能へと変換する上で重要な役割を果たします。

Claude を活用して、創業者の経験を捕捉・整理・抽出し、その専門知識が製品内でアクセス可能な場所に保管できるようにします。継続的な長時間の対話、プロジェクトの構造化、そして記憶の蓄積を通じて、創業者は業界用語、規制コンプライアンスの落とし穴、極端な境界ケース、ユーザーのフラストレーション、なぜ単純に見える答えが機能しないのかといったあらゆる知識を共有し、それを構造化され検索可能な文脈へと変換できます。その後、スキル (Skills) によって、「普段どのように商業賃貸借契約を監査しているか」「患者の初診記録をどのように整理するか」といった反復的なワークフローが、Claude が毎回実行する際に完璧に再現されるアクションとして固定されます。数ヶ月を経て、これは汎用 AI がいかなる場合でも模倣できない独自の業界基盤となります。

Claude を活用して業界知識を外部化することは、製品に業界特有の過酷な極端ケースを組み込む上で極めて重要です。例えば、汎用的な医療 AI 請求ツールが 340B 薬品プログラムへの請求処理でつまずく一方で、あなたのシステムにはそれを処理する固有ロジックが存在します。Claude Code を用いれば、同業者が直面する一般的な挫折や痛点を、極端な検証ロジックへの変換、より精密なプロンプト最適化、あるいは競合他社すら名前を聞いたことのないニッチ業界のシステムに MCP (Model Context Protocol) インターフェースを通じて接続するための仕組みへと変えることができます。その結果、あなたのアプリケーションやツールの深さと広さが複利効果を生み出し続け、競合他社はそれを複製することが不可能になります。

• 実践演習：あなたの業界において、汎用的な「万能型」競合製品が必ず失敗する極端な状況を一つ特定してください。あなたが実際に目撃したリアルなシナリオと組み合わせ、Claude Code と協力してそれ専用のテストケース（通常のユニットテストではありません）を構築します。同様のエッジケースが発生するたびに、それを追加していきます。最終的にあなたのテストスイートは、あなたの参入障壁を守る護衛艦となるでしょう。

ユーザーデータの蓄積による複利効果を防御優位性へ転換する

ユーザーが製品内でインタラクションを行う際、彼らは行動シグナル（どの出力を受け入れ、どの出力を拒否したか）を残します。これが製品のロードマップに直接的な指針を与えます。

時を経るにつれ、特定のユーザー層固有のパターン、嗜好、極端な利用法に慣れることになります。これを私たちが「複利価値」と呼ぶものです：各回の最適化が製品をより有用にし、それがさらなる利用量の増加を促し、より多くのフィードバックを生み出し、さらに高度な最適化へと駆動します。

これらのデータは時間によってロックされ、文脈に強く依存しており、模倣者は完全に複製できません：数千ものユーザーがあなたの製品内で繰り返しワークフローを磨き上げてきた痕跡である「真の行動指紋」を、あなたは購入することはできないのです。

Claude は、収集したあらゆるユーザーインタラクションデータを審査し、高価値な行動パターンを特定するとともに、継続的な利用行動をシステムのモデル向上へと変換するフィードバックループを設計することができます。

• 実践演習：あなたの製品におけるインタラクションデータに関する要約を Claude に提供してください。何を、どれだけの期間収集してきたのか、そして時間の経過とともにユーザーの製品とのインタラクションについて何を知ったのかを伝えます。Claude にデータから最も信号価値の高い行動パターンを三つ選別させ、それらをモデル・システムレベルでの自己向上へと変換するフィードバックループを設計させます。さらに、その結果に基づき、製品のマーケティングに活用できる「参入障壁ストーリー」の要約（1 ページ分）を作成させるようにしてください：あなたのデータファネルがどのように稼働しているか、どれほど長く回転してきたか、そして現在巨額の資金を投じても、模倣者があなたに追いつくことがなぜ 2 年以内に不可能なのかを語るのです。

ワークフローロックの構築

複利によるデータネットワーク効果があなたの製品を複製困難にするのであれば、ユーザーレベルでのワークフローロックは、あなたの製品を離れがたくするものです。ユーザーが日常業務であなたの製品を利用する時間が長くなるほど、それは彼らの実際の作業方式に深く組み込まれていきます。彼らはすでに製品上に自動化プロセスを構築し、チームへのトレーニングコストを投じ、製品をデータソースや他のツールと接続しています。彼らが開発したプロンプト、最適化されたワークフロー、そして標準化されたアウトプットは、すべてあなたの製品機能とロジックに完全に依存する状態にあります。この段階に至れば、乗り換えは単なるソフトウェアの入れ替えではなく、大規模なシステム運用における劇的な手術へと変わります。

ワークフローロックを構築する第一歩は、Claude に「統合深度」に基づいて既存の顧客セグメントをマッピングさせることです。各顧客セグメントに対して、彼らがあなたの製品上にどのようなワークフローを構築しているか、またどの統合インターフェースに固執しているかを特定します。これにより、あなたの製品がどこで極めて高い粘着性を示し、どこでさらに深耕が必要であるかが明らかになります。

あなたが提供する統合インターフェースが多ければ多いほど、顧客が製品上に依存関係を築く範囲は広がります。Claude Code を活用すれば、データフローパイプライン、プロジェクト管理ツール、そしてターゲットユーザーにとって不可欠な他のシステムとの連携を可能にするネイティブな統合インターフェースを迅速に構築できます。また、Claude Code は APIs、Webhooks、SDKs も開発し、顧客が単に製品を使用するだけでなく、その上で二次創作やカスタマイズ開発を行えるようにします——これが究極のロックです。

• 实操练习：让 Claude 帮助你对排名前十的客户进行一次“工作流集成深度审计”。对于每家客户，记录下他们建立的自动化流程、他们离不开的系统接口、流经你产品的团队协作流程，然后估算一下如果他们想叛逃所需的切换成本。接着要求 Claude 跨客户群总结规律：对于你的特定产品，什么类型的集成能创造最深度的锁定？对于那些目前还在浅层使用的客户群体，你需要构建或提供什么接口才能进一步深化绑定？

目标未变，规则已改

在 AI 时代，创始人的宿命并没有变：挖出一个真实的痛点，做个能解决它的产品，并把它扩展成一家真正有意义的公司。真正改变的，是通往目的地的路径。从构思、MVP（Minimum Viable Product: 最小可行性产品）、发布到扩展的这四个阶段中，AI 将过去按“季度”计算的周期，硬生生压缩成了按“星期”计算的闪电战。

曾经需要几个月才能跑完的验证闭环，现在几个下午就能搞定。弄个跑得通的原型，不再需要去强求一个懂得全栈技术的合伙人；你只需要清楚问题在哪，然后跟代码智能体（Code Agent）闭关死磕几个回合。从上线前兵荒马乱的冲刺，压缩成了连续不断的工作流作业。而在扩展阶段，过去那种把早期核心员工逼成到处救火消防员的繁重运营压力，现在越来越多地能转交给 AI 去扛，这让你和团队腾出脑子，去做出那些真正构筑护城河的判断和决策。

如今的瓶颈，早就不再是“你能造出什么”，而是取决于“你选择造什么”。

资源推荐

用 Claude 搞开发

• Building AI Agents for Startups (为初创公司构建 AI 智能体)：分享初创公司如何在扩展阶段利用智能体摆脱对创始人的重度依赖。

• Claude Code docs (Claude Code 官方文档)：手把手教你从最初安装一路进阶到复杂的智能体工作流。行家提示：先从"How Claude Code works" (Claude Code 工作原理) 概览开始入门。

• Claude Code best practices (Claude Code 最佳实践)：涵盖 Anthropic 内部和各种工程团队验证过的成功模式——包括上下文管理、权限控制、规划以及验证工作流。

• Using CLAUDE.md files (使用 CLAUDE.md 文件)：详细讲解如何根据你的特定代码库调教配置 Claude Code。对于搭建开发环境的 MVP 阶段创始人来说是必读圣经。

• Claude Code power user tips (Claude Code 高级玩家秘籍)：提炼自 Claude Code 开发团队自身的工作流模式，包含并行会话操作和闭环验证技巧。

• Get started with Claude Cowork (Claude Cowork 快速上手)：分享团队如何设置 Claude Cowork，并开始实施技能、插件以及其他各项功能，将其威力扩展至整个初创公司。

• Tutorials (教程)：claude.com/resources/tutorials 提供了一个可搜索的任务拆解实操演练列表。

创始人故事

• YC シリーズの 3 つのスタートアップチームが、Claude Code を活用して運命を変えた方法：HumanLayer (F24)、Ambral (W25)、Vulcan Technologies (S25) の 3 社を深く分析し、これらがどのように Claude を用いてプロトタイプを劇的に迅速に市場投入し、エージェントプログラミングワークフローを通じて AI プラットフォームを拡大したかを解説します。

• GC AI 創設チームが競合他社を圧倒できる理由：彼らはドメインの専門知識と Claude の組み合わせにより、レスポンシブな法務プラットフォームを構築しました。これは法務チームの真の課題に特化したもので、社内統制マニュアルの徹底理解、部門横断的なステークホルダー間の調整、そして変動するリスク許容度への対応策を提供します。

• Carta Healthcare の臨床データにおける神話：Claude を駆使した臨床抽象プラットフォームにより、年間最大 22,000 例もの手術症例を処理し、データの抽象化にかかる時間を驚異的に 66% 削減しました。

• Anything：Claude と Agent SDK によって強力に推進されるこのサービスは、コードの知識が全くない 150 万人ものユーザーが、頭の中のアイデアを生きたソフトウェアへと変えるのを支援してきました。その中には技術背景を持たない創設者も含まれており、完全な採用プラットフォームを構築し、すでに収益化に至っています。Anything の AI エージェントが基盤となる構築プロセスを担うことで、個人で事業を行う経営者は、自らの専門分野に精力を倍増して注ぐことが可能になります。

• Cogent のアプリケーション AI ラボ：このスタートアップは、企業の重要なセキュリティタスクを自動化するエージェントの構築に特化しています。Claude を中核的な推論層として採用し、エージェントが脆弱性ライフサイクル全体における調査、優先順位付け、パッチ適用と修復を自動的に処理します。

• Airtree のハブ事業：Airtree は Claude Cowork を自社の運用インフラの中枢として位置づけ、過去に 10 以上の異なるツールや各チームに散在していたデータをすべて一元化しました。今では、スキルを持つ自動化ワークフローを構築した機能を持つ人が一人でもいれば、社内の誰もがその機能を容易に利用でき、常にトドリストに残りながら誰も着手しなかった厄介な課題を解決するために活用できます。

• Duvo のオールインワン・マネージャー：Duvo が構築した AI エージェントは、ERP システム、サプライヤーポータル、電子スプレッドシート、メール、さらには電話通話さえも横断して、調達、サプライチェーン管理、カテゴリ管理等の一連のプロセスを実行します。Duvo は Claude 上に完全に構築されており、Agent SDK を通じてクロスオーバーする全クローズドループワークフローのスケジューリングを実現しています。

• Zingage が家庭介護施設向けに構築した 24/7 オペレーションプラットフォーム：これは 24 時間 365 日、自動化された常時待機体制を提供する AI エージェントプラットフォームです。このスタートアップは Claude の構造化ツール呼び出し能力を活用して、EMR（電子カルテ）システムと複数のコミュニケーションチャネルの間をシームレスに繋ぎ合わせます。また、Claude の文脈推論能力を駆使し、極めて細部まで行き届いた「患者個別の」解決策を提供するエージェントを構築することで、ロボットのような冷たく硬直した定型応答とはお別れしました。

• Kindora の AI エージェント「紅娘」：これは非営利団体の幹部が Claude Sonnet を手作業で活用して構築したプラットフォームであり、慈善界が強く必要とする、寄付者と受給者をスマートにマッチングさせるツールです。膨大な数の候補を何層にもわたって絞り込み、少数の重点的に取り組むべきターゲットに精査した後、Kindora は MCP コネクタを通じて、これらの非営利組織が Claude のインターフェース内でこのリード獲得ツールを快適に利用できるようにしています。

• Wordsmith による圧倒的優位性：弁護士から CTO へ転身した創設者によって設立されたこの企業は、内部法務チーム向けに信頼性の高い AI ドライブ型の法務テクノロジーを提供することに注力しています。Claude は、Wordsmith の契約審査、契約書文書の起草、および文書レビューといった中核機能の推論エンジンとして機能します。同時に、このスタートアップの開発チーム自体も、自社プラットフォームの構築と反復開発を完全に Claude Code に依存して行っています。

創業支援と機会

• アンソロピック創業者支援プログラム：アンソロピックのベンチャーキャピタルパートナーと連携するスタートアップ企業を対象に、無料 API クレジットを提供し、市場最高レベルのレート制限アクセス権を付与。さらに、創業者限定のクローズドセミナーなどへの招待も受けられる。

• クロードコミュニティ：開発者やビルダー向けの中核的な議論フォーラムおよび交流スペース。

• リアルタイム学習リソース庫：カンファレンスの記録、実践型ウェビナー、有益なライブ配信、および録画動画を提供。