AI가 제품 개발을 혁신하는 방법 및 준비 방법 [스타트업에 대한 AWS 선임 고문의 통찰력]

비즈니스 소유자라면 누구나 알고 있듯이 제품 시장 적합성은 비즈니스를 시작하는 데 있어 가장 어려운 측면 중 하나입니다.

구축할 올바른 제품을 예측하고 프로토타입 구축, 실험 및 테스트에 투자하는 것은 매우 길고 비용이 많이 드는 프로세스이며 종종 비즈니스 소유자는 제품을 테스트하기도 전에 돈이 바닥납니다.

다행스럽게도 스타트업 및 AI 전문가에 대한 AWS 선임 고문인 Deepam Mishra가 제게 말했듯이 "이 프로세스는 AI의 최신 발전으로 완전히 바뀔 것입니다."

저는 Mishra와 함께 AI가 제품 개발 프로세스의 모든 측면을 혁신하는 방법과 신생 기업과 SMB가 이에 대비하는 방법에 대해 논의했습니다.

AWS의 스타트업 수석 고문에 따르면 AI가 제품 개발을 혁신하는 방법

1. 제품 시장 적합성 예측이 더 정확해집니다.

Mishra의 경험을 통해 그는 제품 시장 적합성이 좋지 않아 많은 스타트업이 실패하는 것을 보았습니다.

이것은 더 넓은 추세에 해당합니다. SMB 및 신생 기업의 무려 35%가 시장이 필요하지 않아 실패합니다.

다행히 AI가 이를 해결하는 데 도움을 줄 수 있습니다. AI 기반 데이터 분석은 스타트업이 제품이 실제로 고객의 요구 사항을 충족하는지, 또는 적절한 청중을 선택했는지 여부를 결정하는 데 필요한 양적 및 질적 데이터에 대한 보다 정확하고 균형 잡힌 보기를 수집하는 데 도움이 될 수 있습니다. 첫 번째 장소.

데이터를 수집하고 분석할 때 AI를 활용하면 팀이 고객을 더 깊이 이해할 수 있습니다.

Mishra가 나에게 말했듯이 “AI는 알려진 문제 뒤에 숨겨진 실제 고객 요구 사항을 더 쉽게 이해할 수 있게 해줍니다. 종종 엔지니어는 양적 및 질적 고객 요구 사항에 대한 깊은 이해 없이 프로토타입 제작을 시작합니다. 생성 AI 이전에는 이러한 정보를 분석할 수 있는 도구가 적었습니다.”

2. AI는 반복 속도와 시장 출시 시간을 크게 향상시킬 것입니다.

테스트하려는 제품의 목업과 프로토타입을 만드는 것은 제품 개발 수명 주기에서 가장 시간이 많이 걸리는 측면 중 하나입니다. 일반적으로 전자 제품 프로토타입을 만드는 데 4~12주가 걸리고 3D 인쇄 목업의 경우 1~4주가 걸립니다.

Mishra는 "물리적 화신(또는 제품의 3D 또는 시각적 화신)을 생성하는 데 걸리는 시간에는 실제 물리학이 필요합니다."라고 설명합니다.

"제품 관리자, 설계자 및 소프트웨어 엔지니어가 제품을 3차원 모델로 구축하는 것은 상당히 긴 프로세스입니다."

즉, 프로토타입을 만들고 테스트하는 데 들인 모든 시간과 비용은 결국 비즈니스 비용으로 끝날 수 있습니다.

그렇다면 AI가 단 몇 시간 만에 목업과 프로토타입을 만드는 데 도움을 줄 수 있는 세상의 힘을 상상해 보세요.

이 속도는 편리함 그 이상입니다. 강력한 수익을 내지 못하는 제품 기능에 낭비할 시간이나 리소스가 없는 SMB 및 신생 기업의 생명을 구할 수 있습니다.

Mishra에게 이것은 제품 공간에서 가장 흥미로운 기회 영역 중 하나입니다.

그는 "그렇게 빠른 속도로 처음부터 콘텐츠를 만들고 더 높은 수준의 정확성을 달성할 수 있다는 사실은 이 모든 것 중 가장 흥미로운 구성 요소 중 하나입니다."라고 말했습니다.

3. AI는 고객 피드백 수집 방식을 바꿀 것입니다.

프로토타입이나 최소한의 실행 가능한 제품이 있으면 거기서 반복을 멈출 수 없습니다. 다음에 개선하거나 반복하는 방법을 배우려면 잠재 고객 또는 현재 고객과 함께 테스트해야 합니다.

그리고 지금까지 제품 분석은 주로 구조화된 데이터 또는 수치 데이터로 제한되었습니다.

그러나 구조화된 데이터에는 한계가 있습니다.

Mishra는 “대부분의 기업 정보는 문서, 이메일, 소셜 미디어 대화 형식으로 존재하기 때문에 구조화되어 있지 않습니다. 비즈니스 데이터의 20% 미만이 구조화된 데이터라고 생각합니다. 따라서 70~80%의 정보를 분석하지 않으면 엄청난 기회 비용이 발생합니다.”

즉, 고객이 제품에 어떻게 반응하는지 분석하기 위해 정량적 데이터를 수집하고 분석하는 확장 가능한 솔루션이 많지 않습니다.

현재 많은 제품 팀이 피드백을 수집하기 위해 포커스 그룹에 의존하지만 포커스 그룹이 항상 고객 감정을 정확하게 표현하는 것은 아니므로 제품 팀은 실제로 고객에게 서비스를 제공하지 않는 제품을 만들 가능성이 있습니다.

다행스럽게도 "Generative AI는 고객 피드백을 비즈니스 데이터로 변환하는 데 도움이 될 수 있습니다."라고 Mishra는 설명합니다. “소셜 미디어 피드백이나 제품 사용에 대한 의견 또는 고객 포럼에서 수다를 많이 받는다고 가정해 보겠습니다. 이제 해당 정보를 차트와 추세선으로 변환하고 항상 구조화된 데이터를 분석했던 것과 동일한 방식으로 분석할 수 있습니다.”

그는 “기본적으로 고객이 가장 많이 말하는 기능이 무엇인지 파악할 수 있습니다. 또는 특정 제품 기능과 관련하여 고객이 느끼는 감정. 이를 통해 제품 시장 적합성 또는 제품에 어떤 기능을 추가하거나 제거할지 결정하는 데 도움이 됩니다.”

정량적 피드백을 실행 가능한 데이터 포인트로 변환할 수 있는 잠재적 영향은 엄청납니다.

AI의 도움으로 팀은 고객에게 가장 중요한 제품 기능에 진정으로 시간과 에너지를 투자하고 있다는 확신을 가질 수 있습니다.

4. AI는 엔지니어와 제품 관리자가 소프트웨어와 상호 작용하는 방식을 재정의합니다.

AI는 제품 개발 외에도 제품을 개발하는 팀을 혁신할 수 있습니다.

지금까지 우리는 사람들이 특정 제품군에 대한 교육을 받는 것과 관련하여 전체 역할을 정의했습니다. 그들은 주어진 소프트웨어의 전문가가 되었고 각 부분이 어떻게 작동하는지 이해합니다.

앞으로 우리는 교육을 주최하기 위해 이러한 소프트웨어 전문가가 필요하지 않고 AI가 팀이 신입 직원을 늘리는 데 어떻게 도움이 될 수 있는지 알아보기 시작할 것입니다.

경험이 제한된 주니어 프로그래머가 팀에 있을 수 있습니다. 그녀가 회사의 특정 소프트웨어 코딩 원칙을 준수하도록 하기 위해 AI 코드 생성 도구를 통해 많은 부분을 사전 프로그래밍하고 체계화할 수 있습니다.

프로토타이핑과 같은 보다 집중적인 프로세스의 경우 일부 교육 업무를 채팅 기반 AI로 대체할 수도 있다고 Mishra는 설명합니다. "우리는 보다 자연스러운 채팅 유형의 인터페이스가 소프트웨어 및 하드웨어 도구에서 도움을 요청하는 매우 복잡한 방법을 대체할 수 있다는 사실을 깨닫고 있습니다."

회사에서 위젯을 디자인해야 한다고 가정해 보겠습니다. 프로토타입을 만드는 데 시간과 리소스를 소비하는 대신 챗봇에게 몇 가지 디자인 예제를 생성하고 제약 조건을 제공하도록 요청할 수 있습니다.

Mishra는 "어떤 머신 러닝 도구가 사용되고 있는지 알 필요도 없습니다. 채팅 인터페이스와 대화하기만 하면 채팅 뒤에 5가지 제품이 있을 수 있습니다. 하지만 인간으로서 우리는 도구보다는 결과물에 더 신경을 씁니다.”

5. AI는 제품 공간에서 인간의 창의성을 높일 것입니다.

기계 학습은 거의 20년 동안 사용되어 왔으며 이미 제품 개발 공간에서 오랫동안 활용되었습니다.

그러나 그것은 급격하게 변할 것입니다.

Mishra가 설명했듯이 기존 기계 학습 알고리즘은 입력을 출력으로 변환하는 패턴을 학습한 다음 해당 패턴을 보이지 않는 데이터에 적용할 수 있습니다.

그러나 새로운 생성 기계 모델은 이 프로세스를 한 단계 더 발전시킵니다. 보이지 않는 데이터에 패턴을 적용할 수 있을 뿐만 아니라 창의적인 프로세스 뒤에 있는 생각을 더 깊이 이해할 수도 있습니다.

"그들은 소프트웨어 프로그래머가 소프트웨어를 만드는 방법, 디자이너가 디자인을 만드는 방법, 예술가가 예술을 만드는 방법을 이해할 수 있습니다."라고 Mishra가 말했습니다.

그는 “이러한 모델들은 창조물 의 숨은 생각을 이해하기 시작했으며 이는 흥미롭고도 무서운 부분입니다. 그러나 이것이 제품 개발의 거의 모든 단계에 적용되는 부분은 이제 인간의 창의성 구성 요소를 과급할 수 있다는 것입니다.”

즉, AI는 새로운 영역을 탐색할 때 모든 제품 관리자, 엔지니어 또는 디자이너의 부조종사가 될 것입니다. 여기서 암기적이고 반복 가능한 작업은 더 우수하고 강력한 제품을 설계하고 반복하는 데 소요되는 시간으로 대체됩니다.

결국 AI는 고객 경험을 완전히 바꿀 것입니다.

AI와 제품 공간의 장기적인 파급 효과에 대해 별도의 더 깊은 대화가 있습니다.

현재 제품 리더십은 기존 기능에 AI를 추가하여 제품을 효과적으로 향상시킬 수 있는 방법에 크게 중점을 두었습니다.

Mishra가 말했듯이 “현재 대부분의 리더는 '내가 가진 것을 생성 AI로 바꾸겠습니다.'라고 말하고 있습니다. 그래서 이 제품들을 이전 모델의 2.0 버전이라고 생각하시면 될 것 같아요.”

"그러나" 그는 계속해서 "더 야심찬 혁신가들이 작업하기 시작한 차세대 솔루션은 고객 경험을 완전히 재구상하고 있습니다. 그들은 단지 '우리는 제품에 AI를 추가하고 있다'고 말하는 것이 아니라 'AI를 기반으로 전체 제품 자체를 재구상하자'고 말하고 있습니다. 그들은 인간과 기술 사이의 인터페이스를 재구상할 것입니다.”

현재 소비자는 Netflix 또는 Amazon Prime과 같은 다양한 스트리밍 서비스 중에서 선택하고 스트리밍 서비스는 이전 사용자 행동을 기반으로 AI 기반 권장 사항을 제공합니다.

Mishra는 다음과 같이 설명합니다. 하지만 스타트업이나 혁신가의 두 번째 물결은 '잠깐만… 더 크게 생각하지 않겠습니까?'”

"그래서 우리는 '내가 당신이 좋아하는 것으로 알고 있는 세 가지 장르에 대비하여 당신의 기분과 10,000가지 다른 행동에 따라 다양한 플랫폼에서 콘텐츠를 생성하게 해주세요'라고 말하는 회사를 갖게 될 것입니다."

이것이 현재 제품 개발 프로세스에 어떻게 부합합니까? 그렇지 않습니다.

대신 완전히 거꾸로 뒤집습니다. 그리고 그것은 두렵고 짜릿합니다.

Mishra는 “제품 경험을 어떻게 재해석합니까? 거기에 인간의 창의성이 적용될 것이라고 생각합니다.”

AI 및 제품 개발을 시작하는 방법

1. 실험을 시작하십시오.

Mishra는 지금이 제품 공간에서 흥미진진한 시기인 만큼 도전적인 시기이기도 하며 많은 중소기업과 신생 기업이 AI에 투자해야 하는지에 대해 의문을 제기하고 있음을 인정합니다.

변화는 빠르게 일어나고 있으며 AI의 어떤 측면에 투자해야 하는지 또는 이를 현재 프로세스에 구현하는 방법을 결정하기 어려울 수 있습니다.

Mishra의 조언? “실험을 시작하십시오. 일단 시작하면 훨씬 더 쉬울 것이기 때문입니다. 그리고 고객 정보 및 피드백 분석 또는 엔터프라이즈 검색과 같은 작업을 포함하여 AI를 프로덕션에 적용하는지 여부에 관계없이 가치를 제공하는 몇 가지 영역이 있습니다. 이러한 실험에서 놀라운 가치를 보기 시작할 것입니다. , 올바른 길로 안내해 줄 것입니다.”

다행히 처음부터 무언가를 만들기 위해 기계 학습 엔지니어를 고용할 필요가 없습니다. 대신 API를 사용하여 기존 애플리케이션에 추가할 수 있는 사전 구축된 생성 AI 모델을 제공하는 Amazon의 최근 출시된 Bedrock과 같은 도구를 고려할 수 있습니다. 이를 통해 AI 교육을 포기하고 데이터 유출 위험을 제한하고 몇 분 안에 가동 및 실행할 수 있습니다.

2. AI가 팀을 도울 수 있는 부분을 식별합니다.

Mishra는 귀하의 비즈니스에 긍정적인 ROI를 가져올 올바른 사용 사례를 파악할 것을 권장합니다.

궁극적으로 시간을 들여 비즈니스의 어떤 영역이 AI로부터 최고의 가치를 얻을 수 있는지 결정하고 거기에서 시작하는 것이 중요합니다.

예를 들어, 그는 "고객을 대면하는 활동 영역에서 많은 일을 하고 있습니다. 왜냐하면 그것이 수익을 창출하고 잠재적으로 가치가 높기 때문입니다."라고 제안합니다.

자신의 팀에서 어디서부터 시작해야 할지 확신이 서지 않는 경우 바퀴를 재발명할 필요가 없습니다. 다른 회사에서 이미 탐색 중인 몇 가지 일반적인 솔루션을 안내해 줄 수 있는 클라우드 전문가 또는 신생 기업에 연락하는 것을 고려하십시오.

3. 이해관계자의 동의를 얻습니다.

실험에 똑같이 중요한 또 다른 요구 사항이 있습니다. 이해 관계자 및 리더십 동의입니다.

Mishra는 “문화적 일치와 이해관계자 일치는 기업이 작업을 시작해야 하는 중요한 영역이라고 생각합니다. 최고 경영진이 잘못된 이유로 두려워하면 성장이 저해될 수 있습니다.”

AI와 관련하여 확실히 개인 정보 보호 및 데이터 유출 문제가 있습니다. 또한 AI는 완벽하지 않습니다. 결과를 제공할 때 환각을 일으키거나 부정확하거나 편향된 정보를 제공할 수 있습니다.

즉, 경영진이 AI에 투자하도록 설득할 때 AI가 배를 조종하지 않을 것임을 강조하는 것이 중요합니다. 대신 팀의 신뢰할 수 있는 부조종사가 될 것입니다.

경영진이 AI에 투자하는 것이 위험하다고 생각한다면 AI에 투자 하지 않는 것의 위험도 고려해야 한다는 점에 유의해야 합니다.

Mishra가 말했듯이 "지금은 중요한 순간이며, 다른 신생 기업과 대기업이 제품 혁신 주기에서 더 빠르게 움직이기 시작하면 뒤처질 수 있습니다."