Jak sztuczna inteligencja zrewolucjonizuje rozwój produktów i jak się do tego przygotować [spostrzeżenia starszego doradcy AWS dla startupów]

Każdy właściciel firmy wie, że dopasowanie produktu do rynku jest jednym z najtrudniejszych aspektów zakładania firmy.

Przewidywanie odpowiedniego produktu do zbudowania – oraz inwestowanie w budowanie prototypów, eksperymentowanie i testowanie – to niezwykle długi i kosztowny proces, a właścicielom firm często kończą się pieniądze, zanim będą mogli przetestować swoje produkty.

Na szczęście, jak powiedział mi Deepam Mishra, starszy doradca AWS ds. startupów i ekspert ds. sztucznej inteligencji: „Ten proces wkrótce zostanie odwrócony do góry nogami dzięki najnowszym osiągnięciom w dziedzinie sztucznej inteligencji”.

Usiadłem z Mishrą, aby omówić, w jaki sposób sztuczna inteligencja zrewolucjonizuje każdy aspekt procesu rozwoju produktu oraz jak startupy i małe i średnie firmy powinny się do tego przygotować.

Jak sztuczna inteligencja zrewolucjonizuje rozwój produktów, według starszego doradcy AWS ds. startupów

1. Prognozy dopasowania produktu do rynku będą dokładniejsze.

Z doświadczenia Mishry wynika, że ​​wiele startupów upada z powodu złego dopasowania produktu do rynku.

Odpowiada to szerszym trendom. Aż 35% małych i średnich firm i start-upów upada z powodu braku potrzeby rynkowej.

Na szczęście sztuczna inteligencja może pomóc rozwiązać ten problem. Analiza danych oparta na sztucznej inteligencji może pomóc startupom w zebraniu dokładniejszego, bardziej wszechstronnego obrazu danych ilościowych i jakościowych, których będą potrzebować, aby określić, czy ich produkt rzeczywiście spełnia potrzeby klientów — lub czy w ogóle wybrali odpowiednią grupę odbiorców. pierwsze miejsce.

Wykorzystanie sztucznej inteligencji podczas gromadzenia i analizowania danych może również pomóc zespołom lepiej zrozumieć swoich klientów.

Jak powiedział mi Mishra: „AI może ułatwić zrozumienie prawdziwych potrzeb klientów, które kryją się za znanymi problemami. Często inżynierowie rozpoczynają budowę prototypów bez dogłębnego zrozumienia ilościowych i jakościowych potrzeb klientów. Przed generatywną sztuczną inteligencją istniały mniej wydajne narzędzia do analizowania takich informacji”.

2. Sztuczna inteligencja znacznie zwiększy szybkość iteracji i czas wprowadzania produktów na rynek.

Tworzenie makiet i prototypów produktu, który chcesz przetestować, jest jednym z najbardziej czasochłonnych aspektów cyklu życia produktu. Stworzenie prototypu elektronicznego zajmuje zwykle od czterech do 12 tygodni, a wydrukowanie makiety 3D od jednego do czterech tygodni.

„Czas potrzebny na wygenerowanie fizycznego wcielenia — a nawet trójwymiarowego lub wizualnego wcielenia produktu — wymaga prawdziwej fizyki”, wyjaśnia Mishra.

„To dość długi proces dla menedżerów produktu, projektantów i inżynierów oprogramowania, aby stworzyć trójwymiarowy model produktu”.

Innymi słowy: cały ten czas i pieniądze, które poświęcisz na stworzenie i przetestowanie prototypu, może skończyć się kosztem Twojej firmy.

Wyobraź sobie zatem potęgę świata, w którym sztuczna inteligencja może pomóc Ci stworzyć makiety i prototypy w zaledwie kilka godzin.

Ta prędkość jest czymś więcej niż tylko wygodą: może uratować życie małym i średnim firmom oraz start-upom, które nie mają czasu ani zasobów do marnowania na funkcje produktu, które nie przyniosą dużych zysków.

Dla Mishry jest to jeden z najbardziej ekscytujących obszarów możliwości w obszarze produktów.

Jak to ujął: „Fakt, że możesz tworzyć treści od zera z tak dużą szybkością i osiągać wyższy poziom dokładności, jest jednym z najbardziej ekscytujących elementów tego wszystkiego”.

3. Sztuczna inteligencja zmieni sposób, w jaki zbierasz opinie klientów.

Gdy masz prototyp, a nawet minimalny opłacalny produkt, nie możesz przestać tam iterować. Będziesz musiał przetestować go z potencjalnymi lub obecnymi klientami, aby dowiedzieć się, jak go ulepszyć lub powtórzyć w następnej kolejności.

Do tej pory analityka produktów była w dużej mierze ograniczona do danych strukturalnych lub liczbowych.

Dane strukturalne mają jednak swoje ograniczenia.

Mishra powiedział mi: „Większość informacji firmowych nie ma struktury, ponieważ znajdują się w formie dokumentów, e-maili i rozmów w mediach społecznościowych. Przypuszczam, że mniej niż 20% danych firmowych to dane strukturalne. Zatem nieprzeanalizowanie tych 70% do 80% informacji wiąże się z ogromnymi kosztami alternatywnymi”.

Innymi słowy, nie ma wielu skalowalnych rozwiązań do gromadzenia i analizowania danych ilościowych w celu przeanalizowania reakcji klientów na Twój produkt.

Na razie wiele zespołów produktowych polega na grupach fokusowych do zbierania opinii, ale grupy fokusowe nie zawsze dokładnie odzwierciedlają nastroje klientów, co naraża zespół produktowy na potencjalne stworzenie produktu, który w rzeczywistości nie służy klientom.

Na szczęście „Generative AI może pomóc przekształcić opinie klientów w dane dla Twojej firmy” — wyjaśnia Mishra. „Powiedzmy, że otrzymujesz wiele opinii w mediach społecznościowych, komentarzy na temat użytkowania produktów lub rozmów na forach klientów. Teraz możesz konwertować te informacje na wykresy i linie trendów i analizować je w taki sam sposób, jak zawsze analizowałeś dane strukturalne”.

Dodaje: „Zasadniczo możesz dowiedzieć się, o których funkcjach Twoi klienci mówią najwięcej. Albo jakie emocje mają klienci, jeśli chodzi o poszczególne cechy produktu. Pomaga to określić dopasowanie produktu do rynku, a nawet określić, które funkcje należy dodać lub usunąć z produktu”.

Potencjalny wpływ możliwości przekształcenia ilościowych informacji zwrotnych w praktyczne punkty danych jest ogromny.

Z pomocą sztucznej inteligencji Twój zespół może mieć większą pewność, że naprawdę inwestujesz czas i energię w funkcje produktu, które mają największe znaczenie dla Twoich klientów.

4. Sztuczna inteligencja na nowo zdefiniuje sposób interakcji inżynierów i menedżerów produktu z oprogramowaniem.

Oprócz opracowywania produktu sztuczna inteligencja może również wprowadzać innowacje w zespołach, które go opracowują.

Do tej pory mieliśmy zdefiniowane całe role związane z przeszkoleniem ludzi w zakresie określonego pakietu produktów. Stali się ekspertami w danym oprogramowaniu i rozumieją, jak działa każdy element.

W przyszłości zaczniemy sprawdzać, w jaki sposób sztuczna inteligencja może pomóc Twojemu zespołowi w pozyskiwaniu nowych pracowników bez konieczności zatrudniania tych ekspertów oprogramowania do prowadzenia szkoleń.

Być może masz w swoim zespole młodszego programistę z ograniczonym doświadczeniem. Aby upewnić się, że przestrzega określonej dyscypliny Twojej firmy, jaką jest kodowanie oprogramowania, możesz mieć wiele z nich wstępnie zaprogramowanych i usystematyzowanych za pomocą narzędzi do generowania kodu AI.

W przypadku bardziej intensywnych procesów, takich jak prototypowanie, Mishra wyjaśnia, że ​​niektóre obowiązki szkoleniowe można nawet zastąpić sztuczną inteligencją opartą na czacie. „Zdaliśmy sobie sprawę, że bardziej naturalne interfejsy typu czat mogą zastąpić bardzo złożone sposoby proszenia o pomoc z poziomu oprogramowania i narzędzi sprzętowych”.

Załóżmy, że Twoja firma musi zaprojektować widżet. Zamiast tracić czas i zasoby na makiety prototypu, możesz poprosić chatbota o stworzenie kilku przykładów projektów i przedstawienie ograniczeń.

„Nie musisz nawet wiedzieć, jakie narzędzia uczenia maszynowego są używane” — dodaje Mishra — „po prostu rozmawiasz z interfejsem czatu, a za czatem może kryć się pięć różnych produktów. Ale jako ludzie mniej dbamy o narzędzie, a bardziej o wyniki”.

5. Sztuczna inteligencja podniesie ludzką kreatywność w przestrzeni produktowej.

Uczenie maszynowe istnieje już od prawie dwóch dekad i jest już od dawna wykorzystywane w przestrzeni rozwoju produktu.

Ale ma się to diametralnie zmienić.

Jak wyjaśnił mi Mishra, stare algorytmy uczenia maszynowego mogły uczyć się wzorców przekształcania danych wejściowych w dane wyjściowe, a następnie stosować ten wzorzec do niewidocznych danych.

Ale nowe generatywne modele maszyn posuwają ten proces o krok dalej: nadal mogą stosować wzorce do niewidocznych danych, ale mogą też lepiej zrozumieć sposób myślenia stojący za procesem twórczym.

„Mogą zrozumieć, jak programista tworzy oprogramowanie, jak projektant tworzy projekt lub jak artysta tworzy sztukę” – powiedział mi Mishra.

Dodaje: „Te modele zaczynają rozumieć sposób myślenia stojący za tworzeniem, co jest jego ekscytującą i przerażającą częścią. Ale tam, gdzie odnosi się to do prawie wszystkich etapów rozwoju produktu, można teraz doładować komponent ludzkiej kreatywności”.

Innymi słowy: sztuczna inteligencja stanie się drugim pilotem każdego menedżera produktu, inżyniera lub projektanta podczas poruszania się po nowym terenie, w którym rutynowe, powtarzalne działania zostaną zastąpione czasem spędzonym na projektowaniu i iteracji lepszych, potężniejszych produktów.

W końcu sztuczna inteligencja całkowicie zmieni doświadczenie klienta

Istnieje osobna, głębsza rozmowa na temat długoterminowych konsekwencji sztucznej inteligencji i przestrzeni produktowej.

Na razie przywództwo produktowe w dużej mierze koncentruje się na tym, jak mogą skutecznie ulepszać swoje produkty, dodając sztuczną inteligencję do swoich istniejących funkcji.

Jak to ujął Mishra: „Większość liderów mówi teraz:„ Pozwól mi zamienić to, co miałem, na generatywną sztuczną inteligencję. Można więc pomyśleć o tych produktach jako o wersji 2.0 poprzedniego modelu”.

„Ale”, kontynuuje, „następna generacja rozwiązań, nad którymi zaczynają pracować niektórzy z bardziej ambitnych innowatorów, całkowicie zmienia podejście do klienta. Nie mówią po prostu: „Dodajemy sztuczną inteligencję do produktu”, ale zamiast tego mówią: „Wyobraźmy sobie na nowo cały produkt, którego podstawą jest sztuczna inteligencja”. Przemyślą interfejsy między człowiekiem a technologią”.

W tej chwili konsumenci wybierają między różnymi usługami przesyłania strumieniowego, takimi jak Netflix lub Amazon Prime, a następnie usługa przesyłania strumieniowego zapewnia rekomendacje oparte na sztucznej inteligencji na podstawie wcześniejszych zachowań użytkowników.

Jak wyjaśnia Mishra: „Pierwsza fala startupów powie:„ Dobra, poprawmy te prognozy ”. Ale druga fala startupów lub innowatorów powie: „Chwileczkę… Dlaczego w ogóle musisz się martwić tylko jedną platformą? Dlaczego nie myśleć szerzej?

„Będziemy więc mieć firmy, które powiedzą:„ Pozwól mi generować treści na różnych platformach w zależności od twojego nastroju i 10 000 innych zachowań, w porównaniu z trzema gatunkami, które lubisz”.

Jak to pasuje do obecnego procesu rozwoju produktu? To nie.

Zamiast tego odwraca go całkowicie do góry nogami. I to jest zarówno przerażające, jak i ekscytujące.

Mishra sugeruje: „Jak wyobrażasz sobie na nowo doświadczenie związane z produktem? Myślę, że właśnie tam zostanie zastosowana ludzka kreatywność”.

Jak rozpocząć pracę ze sztuczną inteligencją i rozwojem produktów

1. Zacznij eksperymentować.

Mishra przyznaje, że jest to ekscytujący czas w przestrzeni produktowej, ale także trudny czas, a wiele małych i średnich przedsiębiorstw oraz startupów zastanawia się, czy w ogóle powinny inwestować w sztuczną inteligencję.

Zmiany zachodzą szybko i może być trudno określić, w które aspekty sztucznej inteligencji należy zainwestować lub jak podejść do wdrażania jej w bieżących procesach.

Rada Mishry? „Zacznij eksperymentować, ponieważ gdy już zaczniesz, będzie ci o wiele łatwiej. Jest też kilka obszarów, które zapewnią Ci wartość niezależnie od tego, czy wprowadzisz sztuczną inteligencję do produkcji, czy nie, w tym analizowanie informacji i opinii klientów lub wykonywanie takich czynności, jak wyszukiwanie korporacyjne — zaczniesz dostrzegać otwierającą oczy wartość z tych eksperymentów który poprowadzi cię właściwą drogą”.

Na szczęście nie musisz zatrudniać własnego inżyniera uczenia maszynowego, aby stworzyć coś od podstaw. Zamiast tego możesz rozważyć narzędzia, takie jak niedawno wydany przez Amazon Bedrock, który zapewnia gotowe generatywne modele sztucznej inteligencji, które możesz dodać do istniejącej aplikacji za pomocą interfejsu API. Dzięki temu możesz zrezygnować ze szkolenia w zakresie sztucznej inteligencji i ograniczyć ryzyko naruszenia danych oraz rozpocząć pracę w ciągu kilku minut.

2. Określ, gdzie sztuczna inteligencja może pomóc Twojemu zespołowi.

Mishra zaleca znalezienie odpowiednich przypadków użycia, które będą miały pozytywny zwrot z inwestycji dla Twojej firmy.

Ostatecznie bardzo ważne jest, aby poświęcić czas na określenie, które obszary firmy mogą uzyskać największą wartość dzięki sztucznej inteligencji i zacząć od nich.

Na przykład sugeruje: „Widzę dużo pracy w obszarach działań skierowanych do klientów, ponieważ to zwiększa przychody, więc ma to potencjalnie dużą wartość”.

Jeśli nie masz pewności, od czego zacząć we własnym zespole, nie musisz wymyślać koła na nowo. Rozważ skontaktowanie się z ekspertami w dziedzinie chmury lub startupami, które mogą przeprowadzić Cię przez niektóre typowe rozwiązania, które są już badane przez inne firmy.

3. Uzyskaj poparcie interesariuszy.

Eksperymentowanie wymaga jeszcze jednego, równie ważnego wymagania: zaangażowania interesariuszy i przywództwa.

Mishra mówi: „Myślę, że zgodność kulturowa i zgodność interesariuszy to ważny obszar, nad którym firmy muszą zacząć pracować. Jeśli najwyższe kierownictwo obawia się z niewłaściwych powodów, może to zahamować ich rozwój”.

Z pewnością istnieją obawy dotyczące prywatności i wycieku danych, jeśli chodzi o sztuczną inteligencję. Ponadto sztuczna inteligencja nie jest doskonała: może mieć halucynacje lub dostarczać niedokładnych lub stronniczych informacji, gdy dostarcza wyniki.

Co oznacza, że ​​przekonując przywódców do inwestowania w sztuczną inteligencję, bardzo ważne jest podkreślenie, że sztuczna inteligencja nie będzie sterować statkiem. Zamiast tego będzie zaufanym drugim pilotem twojego zespołu.

Należy również zauważyć, że jeśli kierownictwo uważa, że ​​inwestowanie w sztuczną inteligencję jest ryzykowne, powinno również rozważyć ryzyko związane z nieinwestowaniem w tę sztuczną inteligencję.

Jak to ujął Mishra: „To przełomowy moment i możesz zostać w tyle, gdy inne startupy i przedsiębiorstwa zaczną szybciej poruszać się w swoich cyklach innowacji produktowych”.