Dovetail、65人・2,600顧客からAI customer intelligenceへ広がった転換

65人と2,600顧客の地点

Dovetailは2022年1月、65人のチームで2,600社超の顧客を支える段階にあり、Accel主導の$63M Series Aを発表した。出典

ただし、ここで物語を資金調達だけに寄せると本質を外す。

Dovetailが積み上げていたのは、顧客の声を会社の共有知にするための道具だった。

二人の創業と最初の問い

Benjamin HumphreyとBradley Ayersは2017年にDovetailを始めた。出典

研究チームが持つインタビューや観察結果は、レポートを書いた瞬間に閉じてしまう。

二人が向き合ったのは、rawな顧客データを、あとから別のチームも検索・分析・引用できる場所へ変える問いだった。

repositoryから組織の記憶へ

初期のDovetailはqualitative dataの分析を中心にしながら、communityと顧客との対話を成長の材料にした。

2021年にはオンラインcommunityが3,500人に達し、2022年の発表では2,600社超の顧客が記されている。出典

数を増やすだけでなく、researcher以外も顧客理解へ参加できるようにすることが転機になった。

Benjamin Humphreyはプロダクトづくりについて、「Through the power of customer research, we go further than just enabling customer understanding. We help our customers create better products」と語っている。出典

この言葉は、repositoryを最終成果物ではなく、より良いproductを作るための中間地点として捉える姿勢を示す。

AIを足してもcontrolを手放さない

2024年、DovetailはMagic機能を通して、録音や文書からhighlight・theme・insightを見つける体験を説明した。

Benjamin HumphreyはAIについて「Our approach is what we call human in the loop」と述べ、AIがworkflowを完全に置き換えるのではなく、利用者が判断を保つ方向を示した。出典

2025年のFall LaunchではAI Agents、Dashboards、AI Docs、AI Chatを発表し、顧客feedbackをPRDやstrategy docへつなぐ範囲を広げた。出典

ここでの転換は、研究を保存するproductから、evidence-backedな仕事を進めるcustomer intelligence platformへの拡張である。

今も残る問い

Dovetailの道のりは、顧客の声を集めれば自動的に良い意思決定が生まれる、という話ではない。

データの権限、引用の文脈、AI出力の確認が必要だ。

だからこそ、Dovetailが示した勝ち筋は「AIで要約する」だけでなく、根拠を残したまま組織の行動へ近づけることだと考えられる。

DovetailのPMFは、顧客インタビューや営業会話を実施するresearcherだけでなく、PM・design・sales・CSまで同じ evidence にアクセスしたい組織にある。

公式サイトは、会話やsupport ticketを答えへ変換し、全社で行動できるようにするcustomer intelligence platformと位置づける。出典

単なる検索ではなく、引用・動画clip・highlightを文脈付きで残す点が重要だ。

研究成果が個人の報告書に閉じず、次のproduct decisionへ再利用されるため、チーム横断の利用が成立しやすい。出典

蓄積された顧客データ、tag・theme・highlight・insightの構造化、そして組織内で共有された文脈がcombined moatになる。

AIモデルだけでなく、元データと意思決定への接続を持つことが差別化だ。出典

ネットワーク効果は中程度。

ユーザーが増えるほど社内の顧客知識は厚くなるが、外部marketplaceのような直接効果ではない。

communityと共有テンプレートが間接的な学習効果を補う。出典

主な対象は、research teamを持つ中堅〜大企業、顧客の声をproduct roadmapへ反映したいPM、sales・CSの会話を組織知にしたいチーム。

個人のメモ置き場だけを求める利用者にはEnterprise機能は過剰になりやすい。出典

第一に、research repositoryから顧客データを組織の共有基盤へ広げたこと。

第二に、communityとcustomer storyで利用法を可視化したこと。

第三に、AIをhuman in the loopで組み込み、検索・要約・AI Docsを意思決定の近くへ置いたことだ。出典 出典

顧客データを一か所へ集約するほど、権限管理・privacy・誤った要約への監督が重くなる。

Dovetail自身もAIが人を完全に置き換えるのではなく、利用者がcontrolを保つhuman in the loopを説明している。出典

また、Enterprise custom pricingは導入価値の説明と購買プロセスを要求し、個人ユーザー向けの軽いrepositoryから全社基盤へ広げる際の販売摩擦になり得る。出典

初期はresearcher向けのproduct-ledな入口を作り、communityとcustomer storiesで利用の型を広げた。

その後、PM・sales・CS向けの全社customer intelligenceへ拡張し、Enterprise salesへ接続している。出典 出典

AI DocsやAgentsは、データを保存するだけでなくPRDやstrategy docを作るworkflowへ進む施策だ。

一方、利用範囲が広がるほど品質・security説明の負担も増える。出典

主要チャネル: product-led growth, content marketing, community, customer stories, sales

顧客の声を集めるだけでは価値にならず、引用・テーマ・意思決定という再利用可能な単位へ変換する必要がある。

Dovetailはrepositoryを起点に、AIで要約し、Docsやdashboardへ出力する流れを作った。出典

PdMへの示唆は、AI機能を追加する前にevidenceの出所と文脈を保存することだ。

出力の速さより、あとから検証できることが信頼を作る。

日本では、VOCや営業議事録が部門ごとに分断され、同じ顧客課題を何度も聞き直す問題が起きやすい。

Dovetail型の導入は、まずresearch・CS・PMの共通テーマ辞書を作るところから始めると現実的だ。

ただし、個人情報や録音データを扱うため、社内権限、データ保持、AI処理先を先に定義する必要がある。

日本向けには、evidenceの引用と監査ログを重視した展開が差別化になり得る。