Bagaimana AI Akan Merevolusi Pengembangan Produk, dan Cara Mempersiapkan [Wawasan dari Penasihat Senior AWS untuk Startup]

Seperti yang diketahui oleh setiap pemilik bisnis, kecocokan produk-pasar adalah salah satu aspek yang paling menantang dalam memulai bisnis.

Memprediksi produk yang tepat untuk dibuat – dan berinvestasi dalam membuat prototipe, bereksperimen, dan menguji – adalah proses yang sangat panjang dan mahal, dan seringkali, pemilik bisnis kehabisan uang bahkan sebelum mereka dapat menguji produk mereka.

Untungnya, seperti yang dikatakan Penasihat Senior AWS untuk Startup dan pakar AI Deepam Mishra kepada saya, "Proses ini akan segera diubah dengan kemajuan terbaru dalam AI."

Saya duduk bersama Mishra untuk membahas bagaimana AI akan merevolusi setiap aspek proses pengembangan produk, dan bagaimana startup dan UKM harus mempersiapkannya.

Bagaimana AI Akan Merevolusi Pengembangan Produk, Menurut Penasihat Senior AWS untuk Startup

1. Prediksi kesesuaian pasar produk akan lebih akurat.

Dari pengalaman Mishra, dia melihat banyak startup yang gagal karena product-market fit yang buruk.

Ini sesuai dengan tren yang lebih luas. Sebanyak 35% UKM dan startup gagal karena tidak ada kebutuhan pasar.

Untungnya, AI dapat membantu memecahkan masalah ini. Analisis data berbasis AI dapat membantu startup mengumpulkan tampilan data kuantitatif dan kualitatif yang lebih akurat dan menyeluruh yang mereka perlukan untuk menentukan apakah produk mereka benar-benar memenuhi kebutuhan pelanggan mereka — atau apakah mereka bahkan telah memilih audiens yang tepat di posisi pertama.

Memanfaatkan AI saat mengumpulkan dan menganalisis data juga dapat membantu tim memahami pelanggan mereka secara lebih dalam.

Seperti yang dikatakan Mishra kepada saya, “AI dapat memudahkan untuk memahami kebutuhan pelanggan sebenarnya yang bersembunyi di balik masalah yang diketahui. Seringkali para insinyur mulai membuat prototipe tanpa pemahaman mendalam tentang kebutuhan pelanggan kuantitatif dan kualitatif. Sebelum AI generatif, ada alat yang kurang mumpuni untuk menganalisis informasi semacam itu.”

2. AI akan sangat meningkatkan kecepatan iterasi dan waktu ke pasar.

Membuat maket dan prototipe produk yang ingin Anda uji adalah salah satu aspek siklus hidup pengembangan produk yang paling memakan waktu. Biasanya dibutuhkan empat hingga 12 minggu untuk membuat prototipe elektronik, dan satu hingga empat minggu untuk mockup cetak 3D.

“Waktu yang diperlukan untuk menghasilkan inkarnasi fisik — atau bahkan inkarnasi 3D atau visual dari suatu produk — memerlukan beberapa fisika nyata di belakangnya,” jelas Mishra.

“Proses yang cukup panjang bagi manajer produk, desainer, dan insinyur perangkat lunak untuk membuat produk menjadi model tiga dimensi.”

Dengan kata lain: Semua waktu dan uang yang Anda keluarkan untuk membuat dan menguji prototipe dapat merugikan bisnis Anda.

Bayangkan kekuatan dunia di mana AI dapat membantu Anda membuat maket dan prototipe hanya dalam beberapa jam.

Kecepatan ini lebih dari sekadar nyaman: Ini bisa menyelamatkan nyawa UKM dan startup yang tidak memiliki waktu atau sumber daya untuk disia-siakan pada fitur produk yang tidak akan menghasilkan pengembalian yang kuat.

Bagi Mishra, ini adalah salah satu area peluang paling menarik di ruang produk.

Seperti yang dia katakan, "Fakta bahwa Anda dapat membuat konten dari awal dengan kecepatan yang begitu cepat, dan mencapai tingkat akurasi yang lebih tinggi, adalah salah satu komponen yang paling menarik dari semua ini."

3. AI akan mengubah cara Anda mengumpulkan umpan balik pelanggan.

Setelah Anda memiliki prototipe, atau bahkan produk minimum yang layak, Anda tidak dapat berhenti mengulanginya di sana. Anda harus mengujinya dengan calon pelanggan atau pelanggan saat ini untuk mempelajari cara meningkatkan atau mengulanginya selanjutnya.

Dan, hingga saat ini, analitik produk sebagian besar terbatas pada data terstruktur atau numerik.

Tetapi data terstruktur memiliki keterbatasan.

Mishra memberi tahu saya, “Sebagian besar informasi perusahaan tidak terstruktur, karena berada dalam bentuk dokumen dan email serta obrolan media sosial. Saya kira kurang dari 20% data bisnis adalah data terstruktur. Jadi ada biaya peluang yang sangat besar jika tidak menganalisis 70% hingga 80% informasi itu.”

Dengan kata lain, tidak banyak solusi terukur untuk mengumpulkan dan menganalisis data kuantitatif untuk menganalisis bagaimana pelanggan merespons produk Anda.

Untuk saat ini, banyak tim produk mengandalkan grup fokus untuk mengumpulkan umpan balik, tetapi grup fokus tidak selalu mewakili sentimen pelanggan secara akurat, sehingga tim produk Anda rentan terhadap potensi pembuatan produk yang sebenarnya tidak melayani pelanggan Anda.

Untungnya, “AI Generatif dapat membantu mengubah umpan balik pelanggan menjadi data untuk bisnis Anda,” jelas Mishra. “Katakanlah Anda mendapatkan banyak umpan balik media sosial atau komentar penggunaan produk atau obrolan di forum pelanggan. Sekarang, Anda dapat mengonversi informasi tersebut menjadi bagan dan garis tren serta menganalisisnya dengan cara yang sama seperti Anda selalu menganalisis data terstruktur.”

Dia menambahkan, “Pada dasarnya, Anda dapat mengetahui fitur mana yang paling banyak dibicarakan pelanggan Anda. Atau, emosi apa yang dimiliki pelanggan terkait fitur produk tertentu. Ini membantu Anda menentukan kecocokan produk-pasar, atau bahkan fitur mana yang ditambahkan atau dihapus dari produk Anda.”

Dampak potensial untuk mengubah umpan balik kuantitatif menjadi poin data yang dapat ditindaklanjuti sangatlah besar.

Dengan bantuan AI, tim Anda dapat merasa lebih yakin bahwa Anda benar-benar menginvestasikan waktu dan energi untuk fitur produk yang paling penting bagi pelanggan Anda.

4. AI akan mendefinisikan ulang cara insinyur dan manajer produk berinteraksi dengan perangkat lunak.

Selain mengembangkan produk, AI juga dapat menginovasi tim yang mengembangkannya.

Hingga saat ini, kami telah menetapkan seluruh peran untuk melatih orang-orang tentang rangkaian produk tertentu. Mereka telah menjadi ahli dalam perangkat lunak tertentu, dan memahami cara kerja setiap bagian.

Di masa mendatang, kami akan mulai melihat bagaimana AI dapat membantu tim Anda meningkatkan karyawan baru tanpa harus memerlukan pakar perangkat lunak ini untuk menyelenggarakan pelatihan.

Mungkin Anda memiliki programmer junior di tim Anda dengan pengalaman terbatas. Untuk memastikan dia mematuhi disiplin khusus pengkodean perangkat lunak perusahaan Anda, Anda dapat memprogramnya terlebih dahulu dan mensistematisasikannya melalui alat pembuatan kode AI.

Untuk proses yang lebih intensif, seperti pembuatan prototipe, Mishra menjelaskan bahwa beberapa tugas pelatihan bahkan dapat digantikan oleh AI berbasis obrolan. “Kami menyadari bahwa antarmuka jenis obrolan yang lebih alami dapat menggantikan cara yang sangat rumit untuk meminta bantuan dari perangkat lunak dan perangkat keras.”

Katakanlah perusahaan Anda perlu mendesain widget. Daripada menghabiskan waktu dan sumber daya untuk membuat prototipe, Anda dapat meminta chatbot untuk membuat beberapa contoh desain dan memberikan batasan.

“Anda bahkan tidak perlu mengetahui alat pembelajaran mesin apa yang digunakan,” Mishra menambahkan, “Anda cukup berbicara dengan antarmuka obrolan, dan mungkin ada lima produk berbeda di balik obrolan tersebut. Tapi sebagai manusia, kita kurang peduli tentang alat dan lebih peduli tentang hasilnya.”

5. AI akan mengangkat kreativitas manusia di ruang produk.

Pembelajaran mesin telah ada selama hampir dua dekade, dan telah dimanfaatkan sejak lama di ruang pengembangan produk.

Tapi itu akan berubah secara drastis.

Seperti yang dijelaskan Mishra kepada saya, algoritme pembelajaran mesin lama dapat mempelajari pola transformasi input menjadi output, dan kemudian dapat menerapkan pola tersebut ke data yang tidak terlihat.

Tetapi model mesin generatif baru mengambil proses ini selangkah lebih maju: Mereka masih dapat menerapkan pola pada data yang tidak terlihat, tetapi mereka juga dapat memperoleh pemahaman yang lebih dalam tentang pemikiran di balik proses kreatif.

“Mereka dapat memahami bagaimana seorang pemrogram perangkat lunak membuat perangkat lunak, atau bagaimana seorang desainer membuat desain, atau bagaimana seorang seniman menciptakan karya seni,” kata Mishra kepada saya.

Dia menambahkan, “Para model ini mulai memahami pemikiran di balik penciptaan, yang merupakan bagian yang menarik sekaligus menakutkan. Tapi di mana ini berlaku untuk hampir semua tahap pengembangan produk adalah bahwa Anda sekarang dapat meningkatkan komponen kreativitas manusia.”

Dengan kata lain: AI akan menjadi manajer produk, insinyur, atau co-pilot desainer mana pun saat mereka menavigasi medan baru, di mana hafalan, tindakan berulang akan digantikan oleh waktu yang dihabiskan untuk merancang dan mengulangi produk yang lebih baik dan lebih bertenaga.

Akhirnya, AI Akan Mengubah Pengalaman Pelanggan Sepenuhnya

Ada percakapan terpisah dan lebih dalam tentang konsekuensi jangka panjang AI dan ruang produk.

Untuk saat ini, kepemimpinan produk sebagian besar berfokus pada bagaimana mereka dapat secara efektif meningkatkan produk mereka dengan menambahkan AI ke dalam fitur yang ada.

Seperti yang dikatakan Mishra, “Kebanyakan pemimpin saat ini berkata, 'Biarkan saya menukar apa yang saya miliki dengan AI generatif.' Jadi, Anda mungkin menganggap produk ini sebagai versi 2.0 dari model sebelumnya.”

“Tapi,” lanjutnya, “solusi generasi berikutnya, yang mulai dikerjakan oleh beberapa inovator yang lebih ambisius, benar-benar menata ulang pengalaman pelanggan. Mereka tidak hanya mengatakan, 'Kami menambahkan AI ke sebuah produk,' tetapi sebaliknya, mereka mengatakan, 'Mari menata ulang seluruh produk itu sendiri, dengan AI sebagai fondasinya.' Mereka akan membayangkan kembali antarmuka antara manusia dan teknologi.”

Saat ini, konsumen memilih antara berbagai layanan streaming, seperti Netflix atau Amazon Prime, lalu layanan streaming tersebut memberikan rekomendasi berbasis AI berdasarkan perilaku pengguna sebelumnya.

Seperti yang dijelaskan Mishra, “Gelombang pertama startup akan berkata, 'Oke, mari buat prediksi itu lebih baik.' Tetapi gelombang kedua startup atau inovator akan berkata, 'Tunggu sebentar ... Mengapa Anda bahkan perlu khawatir tentang satu platform saja? Mengapa tidak berpikir lebih besar?'”

“Jadi kami akan memiliki perusahaan yang mengatakan, 'Izinkan saya membuat konten di berbagai platform tergantung pada suasana hati Anda dan 10.000 perilaku lainnya, dibandingkan dengan tiga genre yang saya tahu Anda sukai."

Bagaimana ini cocok dengan proses pengembangan produk saat ini? Tidak.

Sebaliknya, itu membalikkannya sepenuhnya. Dan itu menakutkan sekaligus mendebarkan.

Mishra menyarankan, “Bagaimana Anda menata ulang pengalaman produk? Saya pikir di situlah kreativitas manusia akan diterapkan.”

Cara Memulai AI dan Pengembangan Produk

1. Mulailah bereksperimen.

Mishra mengakui bahwa ini adalah waktu yang menyenangkan di ruang produk, ini juga merupakan waktu yang menantang, dan banyak UKM dan pemula mempertanyakan apakah mereka harus berinvestasi di AI sama sekali.

Perubahan terjadi dengan cepat, dan mungkin sulit untuk menentukan aspek AI mana yang harus Anda investasikan, atau bagaimana pendekatan yang harus diterapkan dalam proses Anda saat ini.

Saran Mishra? “Mulailah bereksperimen, karena Anda akan merasa jauh lebih mudah setelah memulai. Dan ada beberapa area yang akan memberi Anda nilai terlepas dari apakah Anda memasukkan AI ke dalam produksi atau tidak, termasuk menganalisis informasi dan umpan balik pelanggan, atau melakukan hal-hal seperti pencarian perusahaan — Anda akan mulai melihat nilai yang membuka mata dari eksperimen ini , yang akan memandu Anda ke jalan yang benar.”

Untungnya, Anda tidak perlu mempekerjakan insinyur pembelajaran mesin Anda sendiri untuk membuat sesuatu dari awal. Sebagai gantinya, Anda dapat mempertimbangkan alat seperti Bedrock Amazon yang baru-baru ini dirilis, yang menyediakan model AI generatif bawaan yang dapat Anda tambahkan ke aplikasi yang sudah ada dengan API. Hal ini memungkinkan Anda untuk melupakan pelatihan AI apa pun dan membatasi risiko pelanggaran data, serta siap beroperasi dalam hitungan menit.

2. Identifikasi di mana AI dapat membantu tim Anda.

Mishra merekomendasikan untuk mencari tahu kasus penggunaan yang tepat yang akan menghasilkan ROI positif untuk bisnis Anda.

Pada akhirnya, Anda harus meluangkan waktu untuk menentukan area bisnis mana yang dapat memperoleh nilai tertinggi dari AI, dan mulai dari sana.

Misalnya, dia menyarankan, "Saya melihat banyak pekerjaan di bidang aktivitas yang berhubungan dengan pelanggan karena hal itu mendorong pendapatan, sehingga berpotensi bernilai tinggi."

Jika Anda tidak yakin harus mulai dari mana dengan tim Anda sendiri, tidak perlu menemukan kembali kemudi. Pertimbangkan untuk menghubungi pakar cloud atau perusahaan rintisan yang dapat memandu Anda melalui beberapa solusi umum yang sudah dieksplorasi oleh perusahaan lain.

3. Dapatkan dukungan pemangku kepentingan.

Ada persyaratan lain yang sama pentingnya untuk eksperimen: Keikutsertaan pemangku kepentingan dan kepemimpinan.

Mishra berkata, “Saya pikir penyelarasan budaya dan penyelarasan pemangku kepentingan adalah area penting yang perlu mulai dikerjakan oleh perusahaan. Jika pimpinan puncak takut karena alasan yang salah, itu bisa menghambat pertumbuhan mereka.”

Pasti ada masalah privasi dan kebocoran data terkait AI. Selain itu, AI tidak sempurna: AI dapat berhalusinasi atau memberikan informasi yang tidak akurat atau bias saat memberikan hasil.

Artinya, saat meyakinkan kepemimpinan untuk berinvestasi di AI, penting bagi Anda untuk menekankan bahwa AI tidak akan mengarahkan kapal. Sebaliknya, itu akan menjadi co-pilot tepercaya tim Anda.

Penting juga untuk diperhatikan — jika pimpinan merasa berinvestasi di AI berisiko, mereka juga harus mempertimbangkan risiko tidak berinvestasi di dalamnya.

Seperti yang dikatakan Mishra, “Ini adalah momen penting, dan Anda bisa tertinggal saat perusahaan rintisan dan perusahaan lain mulai bergerak lebih cepat dalam siklus inovasi produk mereka.”