14個のSaaSを1人で回すのは、完璧なシステムを構築することではなく、AIのミスを許容しつつ膨大な作業量を処理し続けるという、極めて現実的なアプローチだ。
ジャクブ（Jakub）は、インハウス（Inithouse）を率いるソロファウンダーとして、Indie Hackersのレポートで紹介している通り、AIを活用した動く写真アプリ「Živá Fotka」、ギフト用のパーソナライズドAIソング「Magical Song」、会話型カードゲーム「Here We Ask」、AI予測追跡の「Watching Agents」など、ニッチなSaaSプロダクトをなんと14個も同時に運営している。AIエージェントを活用して14個のSaaSを運営するこの手法において、それぞれのプロダクトは異なる市場仮説を検証するためのMVPであり、リーンスタートアップの哲学を極限までスケールさせたポートフォリオだ。
日常業務の大部分を手放す
1ヶ月前、彼は日々の運営業務の大部分をAIエージェントに引き渡した。これは単なるギミックではなく、14個のプロダクトを1人で抱える中での生存戦略だった。
AIエージェントのシステムは決して完璧ではなく、毎日何かしらのミスを起こす。しかし、そのミスは日ごとに小さく、頻度も低くなっており、何よりAIが処理する作業量は1人の人間が到底こなせるボリュームではない。検索コンソールデータの監視、インデックス状況の確認、複数プラットフォームへのコンテンツ配信、競合の動向追跡など、ソロファウンダーであれば面倒臭さから見逃してしまいがちな退屈な作業を、AIエージェントが淡々とこなしている。
実際に機能しているツールと仕組み
ジャクブは特定の単一ツールに依存しているわけではないが、マルチプロダクトを管理するための独自のアプローチを取っている。
- AIエージェント層: 無料インフラで構築した自律型AIエージェントによる定型的なデータ監視、コンテンツ配信、競合リサーチなど、手動では見落としがちなルーティンワークの実行。
- Notion OS: 複数のプロジェクト、CRM、意思決定、売上、週次レビューなどを一元管理するためのソロファウンダー向けワークスペースの構築。
彼が構築しているNotion OSは、マルチプロダクト特有の複雑性を制御するための要となっている。
意思決定の原則
AIエージェント（実行）
- データ監視やコンテンツ配信などの定型業務
- 1人の人間ではこなせない膨大な作業量の処理
- 日々の小さなミスを許容しながらの自律運用
ファウンダー（意思決定）
- 戦略および文脈（コンテキスト）の策定
- リソース配分に関する最終決定
- ポートフォリオ全体の複雑性とリスク管理
ジャクブのやり方から見えてくるのは、自動化の境界線に関する明確な原則だ。
「AIエージェントは実行レイヤーの処理に長けているが、ファウンダーは依然として戦略、コンテキスト、リソースの配分に関する意思決定を担う必要がある。これらは自動化できない。」
彼は、AIにすべてを任せて自分が完全に消え去ることを目指しているわけではない。人間の脳しか処理できない本質的な判断に集中するため、自らの時間を確保する手段としてAIを使っている。ダッシュボード層を欠いたまま自動化を進めると、個別のタスクが軽くなる一方でポートフォリオ全体の複雑性が増していくというリスクを、彼は常に意識している。
模倣できる部分と難しい部分
このアプローチから一般のインディハッカーがすぐに取り入れられるのは、「まず小さな定型業務を1つだけ自動化してみる」ということだ。労働集約から自動化へ移行し収益を上げる手法を参考に、検索コンソールの確認など、自分がサボりがちな退屈な作業をAIに任せる実験から始めるのは十分に現実的だ。
一方で、14個ものプロダクトを同時に立ち上げ、それぞれの市場仮説を並行して検証するスタイルは、独自の開発スピードや強靭な精神力の上に成り立っており、誰もがそのまま真似できるわけではない。特に、複数プロダクトの数字やステータスを的確に把握するダッシュボード層を自ら設計し続ける労力は、単にAIを導入するだけでは代替できない部分だ。
참고 자료
よくある質問 (FAQ)
Q. AIエージェントにどのような業務を任せるべきか？
検索コンソールのデータモニタリング、インデックス状況の確認、コンテンツのマルチプラットフォーム配信、競合追跡など、ソロファウンダーが後回しにしがちな退屈で反復的な定型業務を任せるのが効果的だ。
Q. AIエージェントによる複数プロダクト運営の最大のリスクは何か？
個別のタスクが簡単になってもポートフォリオ全体の複雑さが増す点だ。レベニューや顧客ステータス、未決の意思決定を俯瞰できるダッシュボード層の構築が欠かせない。
Q. この自動化の仕組みをそのまま自分のプロジェクトに導入するにはどうすればよいか？
最初からすべてを自動化するのではなく、まずは1つの反復的なタスクから小さく始め、AIが処理する感覚を掴んでから徐々に範囲を広げるアプローチが現実的だ。