PMF(Product-Market Fit)とは、プロダクトが特定の市場で顧客の課題を的確に解決し、持続的な需要が自然発生している状態を指す。
## PoCで「作れる」とわかった。その先は? PoC(概念実証)で技術的な実現可能性を確認できても、事業としての成立はまた別の話だ。「作れる」と「売れる」の間には深い溝がある。
PMFは、その溝を越えた状態——顧客がプロダクトを自ら求め、使い続け、他者にも勧める段階を意味する。Marc Andreessenはこの感覚を「顧客が製品を手から引っ張っていくような状態」と表現した。サポート対応が追いつかない、営業しなくても問い合わせが来る。
そうした兆候が出始めたら、PMFに近づいている証拠だ。## 達成度をどう測るか 定量指標として広く使われるのがSean Ellisテスト。「このプロダクトが明日使えなくなったらどう感じますか?」という問いに「非常に残念」と答えるユーザーが40%を超えれば、PMF達成の目安とされる。
B2B SaaSでは別の角度からも確認できる。- 月次解約率が3%以下に安定している - NPS(推奨度)が40以上 - オーガニック流入が月10%以上のペースで成長 ただし数字だけで判断するのは早計で、業界やプロダクトの性質によって基準は大きく変わる。## 一直線には進まない PoC → プロトタイプ → MVP → PMFという教科書的な流れはあるが、現実にはこの順番を何周もする。
最初に想定したターゲット顧客が実は違った、解くべき課題の優先度がずれていた、というのはむしろ普通のことだ。Y Combinatorの Paul Graham は「PMF前のスタートアップがやるべきことは、ユーザーと話すことだけ」と言い切っている。ピボットを含む試行錯誤こそがPMF探索の本質ともいえる。


MCP(Model Context Protocol)とは、AI エージェントが外部ツール・データベース・API に接続するための標準プロトコルであり、Anthropic が開発し Linux Foundation の Agentic AI Foundation に寄贈されたオープン標準である。

TDD(Test-Driven Development)とは、実装コードを書く前にテストを書き、テスト失敗(RED)→実装(GREEN)→リファクタリング(Refactor)の短いサイクルを繰り返す開発手法である。

Agent Skills とは、AI エージェントに特定のタスクや専門知識を実行させるために定義された再利用可能な命令セットであり、エージェントの能力を拡張するモジュール単位として機能する。


PEFT(パラメータ効率型ファインチューニング)とは?AI モデルカスタマイズのコストを 90% 削減する技術
LLM(Large Language Model)とは、大量のテキストデータで事前学習された、数十億〜数兆のパラメータを持つニューラルネットワークモデルの総称であり、自然言語の理解・生成を高い精度で行う。