DIALØGUEのiOSアプリは、数か月前にリリースしました。そのあと、ほとんどを作り直しました。
最初の版は、Webプロダクトを電話の画面に縮めただけのものでした。トピック入力、PDFアップロード、声の選択、credits、library、settings——すべてをそのまま移植しました。ちゃんと動きました。それが問題でした。
誰かの手の中にある電話は、小さなデスクトップではありません。別の場面です。その二つの版の差が、この記事で書きたいことです。
その版の根っこにあった前提は単純でした。DIALØGUEはAI podcast generatorなのだから、アプリの仕事はそのgeneratorを見せることだ、と。そう考えると、電話はあっという間に小さなダッシュボードになります。
でも、dashboardを管理したくてpodcast appを開く人はいません。
開く理由は、アイデアをaudioにしたいから。完成したepisodeを聴きたいから。繰り返し使うshow setupを、毎回ゼロから設定したくないから。だから、私はアプリをfeature listではなくworkflowを中心に作り直しました。
現在のiOS版はApp Storeで公開されています。インストール数やrating、adoptionの数字を作って語るつもりはありません。ここで書きたいのは、もっと地味なproduct lessonです。多くのAIアプリでは、workflowこそがプロダクトです。
Createはただのフォームではない
作成フローは、いちばん単純な質問から始まります。このpodcastは何について話すのか。
トピックから始めてもいいし、PDFから始めてもいい。両方でもいい。トピックは、システムに調査と構成を任せたいときに役立ちます。PDFは、すでに信頼できる資料があって、それを聴ける形にしたいときに役立ちます。
この画面は単なるinputではありません。最初の信頼の瞬間です。
Desktopならもっと文脈を出せます。Phoneでは、余計なpanelのひとつひとつがattentionを要求します。iOSアプリは、より全部入りになるのではなく、より選ぶ必要がありました。
信頼はreviewで生まれる
以前の私は、DIALØGUEをAI podcast generatorと呼んでいました。間違いではありません。でも不十分です。
より重要なのは、audioの前にreviewすることです。
workflowには2つのreview gateがあります。まずoutline。full scriptを書く前に、approveするかfeedbackを返せます。次にscript review。audioを生成する前に、実際の言葉を読めます。
これは単なるUXの飾りではありません。creditsを無駄にすること、時間を無駄にすること、そして「ほぼ正しいけれど違う」ものを公開してしまうリスクを減らす仕組みです。
script reviewも同じ理由で大事です。ただし、より後戻りしにくい地点にあります。tone、hostのリズム、内容の確からしさがここで見えます。
私にとって、これは「魔法としてのAI」と「プロダクトとしてのAI」の違いです。魔法は作業を隠します。プロダクトは重要な判断を確認可能にします。
聴くことは後付けではない
ここでも私は間違っていました。
しばらくの間、listeningを「生成が終わった後のこと」として扱っていました。podcastを作る。audioを生成する。libraryに入れる。終わり。
でもoutputがaudioなら、聴くことは終わりではありません。プロダクトの半分です。
アプリにはsynced transcriptがあります。episodeを再生しながらtextを追い、任意のlineをtapしてその場所に移動できます。DIALØGUEはscriptを生成しているので、episodeの構造をすでに知っています。transcriptは付録ではなく、outputをより探しやすく、確認しやすく、信頼しやすくするものです。
offline listeningも同じです。散歩、通勤、飛行機、電波の弱い場所で聴くなら、audioはaudioらしく動かなければいけません。
Repeatabilityはautomationではない
DIALØGUEでは以前、recurring showsにStudioという言葉を使っていました。響きはよかった。でも少し重すぎました。
Studioはcontrol roomを連想させます。多くのknob、多くのmanagement。より明確な言葉はSeriesでした。
Seriesは保存されたsetupです。hosts、tone、format、language、source pattern。次のepisodeを作るときに、すべてをゼロから設定し直さなくてよくなります。
正しい問いは「ここでさらに何を管理できるか」ではありません。「どの繰り返し作業なら、安全に消せるか」です。
Localized screenshotsはproduct evidence
アプリは現在、English、Vietnamese、Japanese、Korean、Spanish、Chinese、Frenchの7言語に対応しています。
App Store listingだけを翻訳するのは簡単でした。でもmultilingual productは、marketing copyが翻訳されただけでは信頼されません。実際のflowがその言語で自然に見えるとき、少しずつ信頼されます。これは、DIALOGUEを複数言語で出したときに最初に学んだことと同じです。
すべての言語が同じ成熟度だとは言いません。それは簡単すぎるし、自信過剰です。だからこそscreenshot packageが重要です。quality barを見えるようにするからです。
学んだこと
AI productを作っていると、modelこそがproductだと思いたくなります。
そういう場合もあります。でも多くの場合、productはworkflowだと思います。
modelはcapabilityを与えます。workflowは、そのcapabilityを人間が信頼して使えるものに変えます。いつuserがcontrolを持つのか。いつsystemが進んでいいのか。いつoutputがinspectableであるべきか。いつinterfaceがattentionを求めるのをやめるべきか。それを決めるのがworkflowです。
DIALØGUE on iOSでは、こういう形になりました。
- ideaやsource materialがあるときにCreate
- audioに時間とcreditsを使う前にReview
- transcriptとoffline supportでListen
- 毎回setupし直さずSeriesでRepeat
- marketing pageだけでなく実際のflowをLocalize
まだ間違っているかもしれません。本当のtestは、screenshotsがきれいかどうかではありません。誰かがepisodeを作り、聴き、また戻って次を作るかどうかです。
今の私が気にしているbarはそこです。
よくある質問
DIALØGUE iOSアプリでは何が変わりましたか？
Listen、Create、Youの3つのmain tabsになりました。synced transcript、offline downloads、Siri/Shortcuts、recurring shows向けのSeries、そして7つのapp languages向けのlocalized App Store screenshotsも加わりました。
なぜworkflowがproductなのですか？
便利なのは、AIがaudioを生成することだけではないからです。topicまたはPDF、outline、script、audio、context付きのlistening、そしてrecurring shows向けのreusable setupまで含めた道筋が価値です。
DIALØGUEはNotebookLMより良いのですか？
jobによります。NotebookLMはsource-based audio overviewにはとても便利で無料です。DIALØGUEは、language、outline review、script review、voices、final audio、transcript、offline access、Seriesまで含む、より包括的なpodcast workflowを目指しています。
DIALØGUEのiOSアプリは何語に対応していますか？
7言語です。English、Vietnamese、Japanese、Korean、Spanish、Chinese、French。すべての言語が同じ成熟度ではありません（Englishが最も使われています）が、create・review・listenの主要なflowはApp Store listingだけでなく本体もlocalizeされています。
DIALØGUEのpodcastはオフラインで聴けますか？
はい。episodeをダウンロードしてoffline再生できます。通勤、飛行機、電波の弱い場所で役立ちます。再生中はsynced transcriptでtextを追え、任意のlineをtapしてその位置に移動できます。
今日はここまでです。
AI productを作っている方に聞いてみたいです。productは本当にどこにあると思いますか。modelですか、interfaceですか、それともその周りのworkflowですか？
それでは Chandler