株式会社renue
renueについて
renueは、AIで業務を実装する会社です
AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。
SaaSプロダクトへのAI組込みが「差別化」から「必須条件」に
2026年、SaaS業界ではAI機能の搭載が差別化要因ではなく最低条件になりつつあります。しかし、機能を搭載しただけで定着するとは限りません。初回利用・継続利用・価値を得るまでの時間を分けて測ることが重要です（Gleap）。
問題はAI技術ではなくUX（ユーザー体験）にあります。本記事では、SaaSプロダクトにAIを組み込む際の設計パターン、ユーザー定着のテクニック、採用率改善に向けた設計例を解説します。
AI機能の4つの組込みパターン
| パターン | 内容 | 適する場面 | 例 |
|---|---|---|---|
| 操作中の提案表示 | ユーザーの操作中にAIが文脈に応じた提案を表示 | 既存ワークフローを妨げずに支援 | メール作成中のAI文面提案、タスク作成時の分類提案 |
| Copilot対話型 | サイドパネルやチャットでAIが対話形式で支援 | 複雑な質問や分析が必要な場面 | データ分析Copilot、ドキュメント検索AI |
| バックグラウンド自動処理 | ユーザーが意識しないところでAIが自動実行 | 定型処理の完全自動化 | 自動分類、異常検知、スパムフィルタ |
| コンテンツ生成 | AIがレポート・コード・資料を生成 | クリエイティブ作業や定型レポート | レポート自動生成、プレゼン作成 |
公開資料から学ぶ3つの設計例
設計例1：ユーザーの状況に合う案内を表示
Gleapの設計解説は、レポート画面を繰り返し開く利用者には分析機能の短いツアーを案内する、といった例を挙げています。操作の文脈に合う支援を出す設計例であり、特定案件の採用率改善を示す実績ではありません。
ポイント：AIを探しに行く設計ではなく、必要なタイミングで自然に現れる設計が重要。
設計例2：AI出力を簡単に修正できるようにする
Microsoft Researchの2019年の公開解説は、画像の代替テキストを自動生成する機能を、生成後に利用者が編集できる例として紹介しています。誤りを見つけたときに短い操作で修正できることが設計上のポイントです。SaaSへの適用時は、修正率や作業時間を測り、実際の効果を確かめます。
ポイント：「なぜこの回答か」の透明性と「簡単に修正できる」操作性を設計する。MicrosoftのHAXライブラリでも、システムの振る舞いの説明と修正の容易さを別の項目として挙げています。
設計例3：適応型オンボーディング
Gleapの公開解説は、役割・用途・契約プラン・利用行動に応じて案内を変え、試用者には基本設定を示すなどの設計を説明しています。すべてのユーザーに同じ案内を送らず、必要な支援を選ぶ考え方です。行動データの利用目的と範囲を明示し、個人情報は個人情報保護委員会の注意喚起も踏まえて適切に扱います。
AI機能開発の5原則
原則1：既存ワークフローを壊さない
AIを使うために新しい操作を覚えさせない。ユーザーが今やっている作業の中にAIを自然に挿入する設計にする。
原則2：AI出力を「最終回答」にしない
AIの出力は「叩き台」として設計し、ユーザーが確認・修正・承認するフローを入れる。B2B SaaSではAIが勝手に顧客にメールを送る設計はNG。
原則3：段階的にAI度を上げる
「提案表示」→「ワンクリック実行」→「自動実行」の3段階で進める。
原則4：精度よりUXが採用率を決める
精度90%でもUXが悪ければ使われず、精度75%でもUXが良ければ使われる。
原則5：計測できない機能は改善できない
採用率、受入率（AI提案を採用/修正/却下）、タスク完了時間のBefore/Afterを必ず計測。
技術アーキテクチャの選択肢
| 方式 | 内容 | 適する場面 |
|---|---|---|
| API呼び出し型 | LLM APIを直接呼び出す | プロトタイプ、小規模機能 |
| ゲートウェイ型 | AIゲートウェイ経由でマルチモデル切替え | 本番運用、コスト最適化 |
| エージェント型 | AIエージェントが複数ツールを連携実行 | 複雑な業務フロー自動化 |
| プラグイン型 | モジュール式のAI機能を組み合わせ | 柔軟なカスタマイズ対応 |