企業は生成AIに多額の投資を行っているが、ほとんどのパイロットプログラムは測定可能な成果を生み出しておらず、過去のソフトウェア開発の失敗を繰り返している。その根本原因は、反復的な学習アプローチを採用するのではなく、大規模な初期プロジェクトに資金を投じるという根強い傾向にある。エリック・リース氏の「リーン・スタートアップ」は、出荷速度よりも学習速度を優先することで、企業が望まれない製品を構築するのを防ぐことを目的としていた。生成AIの低い実行コストは、これらのリーン原則を今日さらに重要なものにしている。同様に、急速なプロトタイピングの世界では、従来のデザイン思考の方法論は時代遅れになりつつある。AIの状況が急速に進化するにつれて、小規模な実験を通じた迅速で反復的な学習が不可欠になっている。「行って見る」といった原則は、会議室ではなく、現実世界の問題の根源を理解することを強調する。多くの生成AIの取り組みは、真のユーザーニーズを解決するのではなく、イノベーションを表明するツールを構築するという、不十分なプロダクト・マーケット・フィットが原因で失敗している。「リーン・スタートアップ」の「構築、測定、学習」のループは依然として重要であり、生成AIはこのプロセスを加速させている。しかし、より速い失敗を防ぐためには、ガードレールと明確な成果測定が不可欠である。野心的な内部構築ではなく、狭いスコープと効果的なパートナーシップが、より迅速な展開と成功につながる。AIによって容易に生成される場合でも、過剰なドキュメントは、意思決定や作業を直接サポートしない限り、無駄となる。最終的に、スタートアップと同様に、AIの核心的な課題は、継続的に学習し適応することによって、固有の不確実性を乗り越えることである。