Как искусственный интеллект произведет революцию в разработке продуктов и как к этому подготовиться [советы старшего консультанта AWS по стартапам]

Как известно любому владельцу бизнеса, соответствие продукта рынку — один из самых сложных аспектов начала бизнеса.

Прогнозирование правильного продукта для создания — и инвестирование в создание прототипов, экспериментирование и тестирование — это изнурительно долгий и дорогостоящий процесс, и часто у владельцев бизнеса заканчиваются деньги еще до того, как они успевают протестировать свои продукты.

К счастью, как сказал мне старший советник AWS по стартапам и эксперт по ИИ Дипам Мишра, «этот процесс вот-вот перевернется с ног на голову благодаря новейшим достижениям в области ИИ».

Я встретился с Мишрой, чтобы обсудить, как искусственный интеллект изменит каждый аспект процесса разработки продукта и как стартапы и предприятия малого и среднего бизнеса должны к этому подготовиться.

Как ИИ произведет революцию в разработке продуктов, по словам старшего консультанта AWS по стартапам

1. Прогнозы соответствия продукта рынку будут более точными.

По опыту Мишры, он видел, как многие стартапы терпят неудачу из-за несоответствия продукта рынку.

Это соответствует более широким тенденциям. Колоссальные 35% малых и средних предприятий и стартапов терпят неудачу из-за того, что не нужны рынку.

К счастью, ИИ может помочь решить эту проблему. Анализ данных с помощью ИИ может помочь стартапам получить более точное и всестороннее представление о количественных и качественных данных, которые им понадобятся, чтобы определить, действительно ли их продукт соответствует потребностям их клиентов — или они даже выбрали правильную аудиторию в первое место.

Использование ИИ при сборе и анализе данных также может помочь командам лучше понять своих клиентов.

Как сказал мне Мишра, «ИИ может облегчить понимание реальных потребностей клиентов, скрывающихся за известными проблемами. Часто инженеры приступают к созданию прототипов без глубокого понимания количественных и качественных потребностей клиентов. До генеративного ИИ были менее эффективные инструменты для анализа такой информации».

2. ИИ значительно повысит скорость итерации и время выхода на рынок.

Создание макетов и прототипов продукта, который вы хотите протестировать, — один из наиболее трудоемких аспектов жизненного цикла разработки продукта. Обычно на создание прототипа электроники уходит от четырех до двенадцати недель, а на 3D-печатный макет — от одной до четырех недель.

«Время, необходимое для создания физического воплощения — или даже трехмерного или визуального воплощения продукта — требует некоторой реальной физики», — объясняет Мишра.

«Для менеджеров по продуктам, дизайнеров и инженеров-программистов довольно длительный процесс заключается в том, чтобы встроить продукт в трехмерную модель».

Другими словами: все время и деньги, которые вы вкладываете в создание и тестирование прототипа, могут в конечном итоге стоить вам вашего бизнеса.

Представьте себе мощь мира, в котором ИИ может помочь вам создавать макеты и прототипы всего за несколько часов.

Эта скорость больше, чем просто удобна: она может спасти жизнь малым и средним предприятиям и стартапам, у которых нет времени или ресурсов, чтобы тратить их на функции продукта, которые не принесут значительной отдачи.

Для Мишры это одна из самых захватывающих областей возможностей в продуктовом пространстве.

По его словам, «тот факт, что вы можете создавать контент с нуля с такой высокой скоростью и достигать более высокого уровня точности, является одним из самых захватывающих компонентов всего этого».

3. ИИ изменит способ сбора отзывов клиентов.

Когда у вас есть прототип или хотя бы минимально жизнеспособный продукт, вы не можете остановиться. Вам нужно будет протестировать его с потенциальными или текущими клиентами, чтобы узнать, как улучшить или повторить его в следующий раз.

И до сих пор продуктовая аналитика в значительной степени ограничивалась структурированными или числовыми данными.

Но структурированные данные имеют свои ограничения.

Мишра сказал мне: «Большая часть корпоративной информации неструктурирована, так как она представлена ​​в виде документов, электронных писем и болтовни в социальных сетях. Я предполагаю, что менее 20% бизнес-данных являются структурированными данными. Таким образом, невыполнение анализа этих 70-80% информации сопряжено с огромными издержками».

Другими словами, существует не так много масштабируемых решений для сбора и анализа количественных данных, чтобы проанализировать, как клиенты реагируют на ваш продукт.

На данный момент многие продуктовые команды полагаются на фокус-группы для сбора отзывов, но фокус-группы не всегда точно отражают настроения клиентов, что делает вашу продуктовую команду уязвимой для потенциального создания продукта, который на самом деле не служит вашим клиентам.

К счастью, «генеративный ИИ может помочь преобразовать отзывы клиентов в данные для вашего бизнеса», — объясняет Мишра. «Допустим, вы получаете много отзывов в социальных сетях, комментариев об использовании продукта или болтовни на форумах клиентов. Теперь вы можете преобразовывать эту информацию в диаграммы и линии тренда и анализировать ее так же, как вы всегда анализировали структурированные данные».

Он добавляет: «По сути, вы можете выяснить, о каких функциях ваши клиенты говорят больше всего. Или какие эмоции испытывают покупатели, когда речь заходит о конкретных характеристиках продукта. Это поможет вам определить соответствие продукта рынку или даже определить, какие функции добавить или удалить из вашего продукта».

Потенциальное влияние возможности преобразовать количественную обратную связь в действенные данные огромно.

С помощью ИИ ваша команда может чувствовать себя более уверенно в том, что вы действительно вкладываете время и энергию в функции продукта, которые наиболее важны для ваших клиентов.

4. ИИ изменит то, как инженеры и продакт-менеджеры взаимодействуют с программным обеспечением.

Помимо разработки продукта, ИИ также может вводить новшества в команды, разрабатывающие его.

До сих пор у нас были целые роли, связанные с обучением людей работе с конкретным набором продуктов. Они стали экспертами в данном программном обеспечении и понимают, как работает каждая его часть.

В будущем мы увидим, как ИИ может помочь вашей команде набрать новых сотрудников, не обязательно прибегая к помощи этих экспертов по программному обеспечению для проведения тренингов.

Возможно, в вашей команде есть джуниор-программист с ограниченным опытом. Чтобы убедиться, что она придерживается особой дисциплины кодирования программного обеспечения вашей компании, вы можете предварительно запрограммировать и систематизировать многие из них с помощью инструментов генерации кода AI.

Для более интенсивных процессов, таких как прототипирование, Мишра объясняет, что некоторые обязанности по обучению можно даже заменить искусственным интеллектом на основе чата. «Мы пришли к пониманию того, что более естественные интерфейсы типа чата могут заменить очень сложные способы обращения за помощью к программным и аппаратным средствам».

Допустим, вашей компании нужно разработать виджет. Вместо того, чтобы тратить время и ресурсы на макет прототипа, вы можете попросить чат-бота создать несколько примеров дизайна и предоставить ограничения.

«Вам даже не нужно знать, какие инструменты машинного обучения используются, — добавляет Мишра, — вы просто общаетесь с интерфейсом чата, и, возможно, за чатом скрывается пять разных продуктов. Но, как люди, мы меньше заботимся об инструменте и больше о результатах».

5. ИИ поднимет творческий потенциал человека в продуктовом пространстве.

Машинное обучение существует уже почти два десятилетия и уже давно используется в сфере разработки продуктов.

Но вот-вот кардинально изменится.

Как объяснил мне Мишра, старые алгоритмы машинного обучения могли изучать шаблоны преобразования входных данных в выходные, а затем применять этот шаблон к невидимым данным.

Но новые модели генеративных машин продвигают этот процесс на шаг вперед: они по-прежнему могут применять шаблоны к невидимым данным, но они также могут получить более глубокое понимание мышления, лежащего в основе творческого процесса.

«Они могут понять, как программист создает программное обеспечение, или как дизайнер создает дизайн, или как художник создает искусство», — сказал мне Мишра.

Он добавляет: «Эти модели начинают понимать, что стоит за творением, что является одновременно захватывающей и пугающей его частью. Но это применимо практически ко всем этапам разработки продукта, так как теперь вы можете усилить творческую составляющую человека».

Другими словами: ИИ станет вторым пилотом любого менеджера по продукту, инженера или дизайнера, когда они окажутся на новой территории, где механические, повторяющиеся действия будут заменены временем, затрачиваемым на проектирование и итерацию более качественных и мощных продуктов.

В конце концов, ИИ полностью изменит качество обслуживания клиентов

Следует провести отдельный, более глубокий разговор о долгосрочных последствиях ИИ и продуктового пространства.

На данный момент лидерство в продуктах в основном сосредоточено на том, как они могут эффективно улучшить свои продукты, добавив ИИ в свои существующие функции.

Как говорит Мишра, «большинство лидеров прямо сейчас говорят: «Позвольте мне заменить то, что у меня было, на генеративный ИИ». Таким образом, вы можете думать об этих продуктах как о версии 2.0 предыдущей модели».

«Но, — продолжает он, — решения следующего поколения, над которыми начинают работать некоторые из наиболее амбициозных новаторов, полностью переосмысливают взаимодействие с клиентами. Они не просто говорят: «Мы добавляем ИИ в продукт», а вместо этого говорят: «Давайте переосмыслим весь продукт как таковой, взяв за основу ИИ». Они переосмыслят интерфейсы между человеком и технологией».

Прямо сейчас потребители выбирают между различными потоковыми сервисами, такими как Netflix или Amazon Prime, а затем потоковый сервис предоставляет рекомендации на основе искусственного интеллекта, основанные на предыдущем поведении пользователя.

Как объясняет Мишра, «первая волна стартапов скажет: «Хорошо, давайте сделаем эти прогнозы лучше». Но вторая волна стартапов или новаторов скажет: «Подождите секунду… Почему вам вообще нужно беспокоиться только об одной платформе? Почему бы не мыслить масштабнее?»

«Таким образом, у нас будут компании, которые скажут: «Позвольте мне создавать контент на различных платформах в зависимости от вашего настроения и 10 000 других поведений, а не три жанра, которые, как я знаю, вам нравятся».

Как это вписывается в текущий процесс разработки продукта? Это не так.

Вместо этого он переворачивает его полностью вверх дном. И это одновременно и страшно, и волнующе.

Мишра предлагает: «Как вы переосмысливаете опыт работы с продуктом? Я думаю, что именно здесь будет применено человеческое творчество».

Как начать работу с ИИ и разработкой продуктов

1. Начните экспериментировать.

Мишра признает, что это не только захватывающее время в сфере продуктов, но и сложное время, и многие малые и средние предприятия и стартапы задаются вопросом, стоит ли им вообще инвестировать в ИИ.

Изменения происходят быстро, и может быть сложно определить, в какие аспекты ИИ следует инвестировать или как следует подходить к его внедрению в текущие процессы.

Совет Мишры? «Начните экспериментировать, потому что вам будет намного легче, как только вы начнете. И есть несколько областей, которые принесут вам пользу независимо от того, внедряете ли вы ИИ в производство или нет, включая анализ информации и отзывов клиентов или выполнение таких действий, как корпоративный поиск — вы начнете видеть поразительную ценность этих экспериментов. , который направит вас по правильному пути».

К счастью, вам не нужно нанимать собственного инженера по машинному обучению, чтобы создать что-то с нуля. Вместо этого вы можете рассмотреть такие инструменты, как недавно выпущенный Amazon Bedrock, который предоставляет предварительно созданные модели генеративного ИИ, которые вы можете добавить в существующее приложение с помощью API. Это позволяет вам отказаться от любого обучения ИИ и ограничить риски утечки данных, а также приступить к работе за считанные минуты.

2. Определите, где ИИ может помочь вашей команде.

Мишра рекомендует определить правильные варианты использования, которые обеспечат положительную рентабельность инвестиций для вашего бизнеса.

В конечном счете, очень важно, чтобы вы нашли время, чтобы определить, какие области бизнеса могут получить наибольшую ценность от ИИ, и начать с них.

Например, он предлагает: «Я вижу много работы в области работы с клиентами, потому что это увеличивает доход, а значит, это потенциально ценно».

Если вы не знаете, с чего начать в своей команде, не нужно изобретать велосипед. Подумайте о том, чтобы обратиться к экспертам по облачным технологиям или к стартапам, которые могут рассказать вам о некоторых распространенных решениях, которые уже исследуются другими компаниями.

3. Заручитесь поддержкой заинтересованных сторон.

Есть еще одно не менее важное требование к экспериментам: участие заинтересованных сторон и руководства.

Мишра говорит: «Я думаю, что культурное соответствие и взаимодействие с заинтересованными сторонами — важная область, над которой компании должны начать работать. Если высшее руководство боится по неправильным причинам, это может затормозить их рост».

Когда дело доходит до ИИ, безусловно, возникают проблемы с конфиденциальностью и утечкой данных. Кроме того, ИИ не идеален: он может галлюцинировать или предоставлять неточную или предвзятую информацию, когда дает результаты.

Это означает, что, убеждая руководство инвестировать в ИИ, очень важно подчеркнуть, что ИИ не будет управлять кораблем. Вместо этого он будет надежным вторым пилотом вашей команды.

Также важно отметить: если руководство считает, что инвестировать в ИИ рискованно, оно также должно учитывать риски, связанные с тем, чтобы не инвестировать в него.

Как говорит Мишра: «Это поворотный момент, и вы можете остаться позади, поскольку другие стартапы и корпоративные компании начинают быстрее двигаться в своих циклах инноваций продуктов».