スライドでは、AIアシスタントを有効にした顧客は非導入顧客より15ポイント高い維持率を示すと主張している。しかし、これはランダム化されていない。分析チームはオプトインアカウントと非オプトインアカウントを比較した。この比較は効果ではなく、誰が導入を選ぶかの記述である。

AIアシスタントを導入するには、アカウント内の誰かがリリースに気づき、それを有効にし、チームの前に出すほど信頼し、人々に使い方を教え、ワークフローに組み込み、新鮮さが薄れた後も使い続ける必要がある。これらの各ステップは、アカウントについて何かを明らかにする：管理者の関与、経営層の支援、技術的 sophistication、製品の成熟度、組織の変化への意欲。

本能的には、顧客の選択をもっと厳密にモデル化したくなる。共変量を追加し、使用状況でマッチングし、傾向スコアを構築する。しかし、この記事は異なるアプローチを主張する：顧客の選択をもっと厳密にモデル化しない。顧客が選ばなかった変動を見つける。

合成データセットには40,000のB2Bアカウントがある。AIアシスタントは、25席以上のアカウントのみに利用可能であり、これはSaaS製品で一般的な席数による資格ルールである。資格のあるアカウントでは、導入は自発的である。

よくある質問：AI導入メトリクスにおける選択バイアスとは何ですか？

選択バイアスとは、AI機能をオプトインする顧客がすでにエンゲージメントが高く、維持しやすい傾向があるため、観測された維持率の違いが真の機能効果ではなく、組織の準備状況の代理となる現象を指します。

FAQ Q: What is the selection effect in AI adoption metrics?

FAQ A: The selection effect occurs when customers who opt into an AI feature are already more engaged and retention-prone, making the observed retention difference a proxy for organizational readiness rather than a true feature effect.