マーケティング歴15年以上のあなたへ。
次はAIで形にする番です。
AIのアイデアを積み上げるだけでは終わりません。同僚が読める成果物、明確な基準に沿った率直なレビュー、そして次のスプリントは当て推量ではなく根拠から選ばれます。
オペレーター最初の14日間
改善する価値のあるワークフローを一つ選ぶ。
準備状況のスコア、AI と人の判断の境界、そして推測ではなく説明できる小さな試行計画。
Leader 最初の14日
AI の提案を測定できる形にする。
より明確な事業ケース、リーダーが確認できる測定の枠組み、そして過度な期待に頼らないチーム運営の変更を作ります。
ビルダー最初の14日間
大きくなる前に、ビルドを正直に捉える。
構築の現実確認、一人の実ユーザー向けの構築ブリーフ、そして時間・リスク・QAに触れても崩れない構築計画。
実績
実際の仕事を、出典つきで。
Operator と Leader の例はコース教材から。Builder の例は、Chandler 自身が実際に公開したプロダクトについての記事から来ています。
Operator の実績
実務で使う Operator 成果物
コースに基づくテンプレートから始め、その後あなたの版にします。
Leader proof
見せ物ではなく、経営判断のための成果物
リーダーが実際に確認できる brief、ROI の考え方、判断ゲート。
Builder の実績
Chandler 自身のビルド経験から
架空のケーススタディではなく、実際に公開した仕事についての公開記事です。
How Prova works
1回に1つのスプリント。どの path でも同じリズムで進みます。
講座は理論を教えます。一般的なAIは答えを返しますが、進め方は示しません。Provaは難しいまま残る部分を中心に作られています。運用上の判断、つまり何を先に学び、何を無視し、何なら安全に変えられるかです。
01 · Pick
Pick one thing.
Operator は workflow を選び、Leader は pilot で確かめる意思決定を選び、Builder は build を選びます。対象は一つだけ、はっきり名付けます。
02 · Submit
本物の成果物を提出する。
クイズでも振り返りでもありません。ワークフロー監査、ビルドのブリーフ、展開計画です。
03 · Review
ルーブリックに基づくレビューを受ける。
合格・修正・基礎の立て直し。明確な基準に沿った率直な判定です。
04 · Next
Next sprint chosen.
ロードマップは直近のレビューの根拠に応じて変わります。当て推量ではありません。
Operatorの最初のスプリント
Workflow Audit
明確なリスクをひとつ、より安全な引き継ぎをひとつ、説明できるAIと人の境界をひとつ。実際にあなたが回しているワークフローのために。
Leader 最初のスプリント
Leaderパイロットの現状確認
リーダーが判断すべき決定、運用上の問題、足りない証拠を一つずつ絞り、スライドではなく実際の意思決定から pilot を始めます。
Builderの最初のスプリント
Build Brief
実在するユーザーをひとり、最小限の役立つバージョンをひとつ、証明したい目標をひとつ。コードを書く前、ツールを選ぶ前に書き出します。
Questions
始める前によくある質問。
ChatGPTやClaudeと何が違うのですか？
一般的なAIは答えを返しますが、進め方は示しません。Provaは何を先に学ぶかを順序立て、あなたの成果物を明確な基準でレビューし、直近の根拠に基づいて次のスプリントを選びます。価値はチャットではなく、仕事の流れそのものにあります。そして以前に作ったものを覚えているので、各スプリントは白紙のプロンプトからではなく、すでに作り上げたものから始まります。
コードが書けないと駄目ですか？
いいえ。Operator と Leader の path は、仕事を改善したり pilot を進めたりするマーケター向けで、コードは不要です。Builder は Vercel、Supabase、Claude Code または Codex という一つのスタックを、スプリントごとに扱います。
まだプロジェクトのアイデアがない場合は？
最初のスプリントはそのためにあります。Operator は実際に回している workflow を監査します。Leader は検証する価値のある pilot の意思決定を一つ選びます。Builder はツールを選ぶ前に Build Reality Check を書きます。最初から計画を持っている必要はありません。
後からパスを変更できますか？
はい。assessment が最初のスプリントを案内しますが、roadmap は途中で調整されます。Operator、Leader、Builder の間を移っても、進捗は失われません。
Background
なぜこの作りにしているのか。
From Chandler
私は広告業界で20年過ごしてきました。Googleの有料メディアで年間10億ドル以上を扱うチームを率い、コードは独学で身につけました。Provaを作ったのは、私が何度も見てきたギャップが情報の不足ではなく、順序の不足だったからです。
講座は理論を教えます。一般的なAIは答えは出しても、進め方そのものは示してくれません。難しいまま残るのは運用上の判断です。何を先に学ぶか、何を無視するか、何なら安全に変えられるか、そして何がまだ信頼するには脆すぎるか。Provaはまさにその部分を中心に作られています。
実際に歩んできた道
AIについて読むだけの段階から、本番で動かす段階までの5ステップです。振り返ると、当時感じていたよりも整って見えます。
Dec 2022
懐疑的でしたが、注目はしていました
当時は有料メディアを担当していました。新しいチャットツールが登場した初日に広告コピーを書かせてみましたが、使い物になりませんでした。それでも、これから来るものの形は見えていました。
Mid 2023
理論は学びましたが、何も出しませんでした
講座や動画をひととおりこなし、Transformerやアテンションの仕組みも説明できるようになりました。それでも、ユーザーの前に何かを出してはいませんでした。仕組みを知ることと、思いどおりに動かせることは別です。
Early 2024
最初の制作と、本当の教訓
最初の3回は地味な部分でつまずきました。API、デプロイ、1時間で終わるはずの問題です。そこで学んだのは、モデルは私の望みを知らないということでした。私が与える仕組みが明確なほど、指示に忠実に動いてくれました。
Late 2024
実際のユーザーがいるプロダクトを出しました
本物のプロダクト1つから学んだことは、1年分の講座より多いものでした。範囲を思い切って絞り、最小限の使える版を出し、次の判断は実際のフィードバックに委ねることです。
2025–2026
作り続け、教える側にも回りました
作り続ける傍ら、同じ技術を学ぶ人たちと働くようになりました。長く効く教訓はこれです。この働き方は、すでに業界を理解している人を強くし、判断力そのものを代わりに用意してはくれません。