Yapay Zeka, Ürün Geliştirmede Nasıl Devrim Yaratacak ve Nasıl Hazırlanacak [AWS'nin Startup'lara Kıdemli Danışmanından İçgörüler]

Herhangi bir işletme sahibinin bildiği gibi, ürün-pazar uyumu, bir iş kurmanın en zorlu yönlerinden biridir.

İnşa edilecek doğru ürünü tahmin etmek - ve prototip oluşturmaya, denemeye ve test etmeye yatırım yapmak - yorucu derecede uzun ve pahalı bir süreçtir ve çoğu zaman işletme sahiplerinin parası, ürünlerini test edemeden tükenir.

Neyse ki, AWS Startup Kıdemli Danışmanı ve yapay zeka uzmanı Deepam Mishra'nın bana söylediği gibi, "Yapay zekadaki en yeni gelişmelerle bu süreç tepetaklak olmak üzere."

Yapay zekanın ürün geliştirme sürecinin her alanında nasıl devrim yaratacağını ve yeni başlayanların ve KOBİ'lerin buna nasıl hazırlanmaları gerektiğini tartışmak için Mishra ile oturdum.

AWS'nin Başlangıç ​​Kıdemli Danışmanına Göre Yapay Zeka Ürün Geliştirmede Nasıl Devrim Yaratacak?

1. Ürün-pazar uyum tahminleri daha doğru olacaktır.

Mishra'nın deneyimine göre, birçok girişimin zayıf ürün-pazar uyumu nedeniyle başarısız olduğunu gördü.

Bu, daha geniş eğilimlere karşılık gelir. KOBİ'lerin ve startup'ların %35'i, pazar ihtiyacı olmadığı için başarısız oluyor.

Neyse ki yapay zeka bunun çözülmesine yardımcı olabilir. Yapay zeka destekli veri analizi, yeni başlayanların, ürünlerinin müşterilerinin ihtiyaçlarını gerçekten karşılayıp karşılamadığını veya hatta doğru kitleyi seçip seçmediklerini belirlemek için ihtiyaç duyacakları niceliksel ve niteliksel verilerin daha doğru ve kapsamlı bir görünümünü toplamasına yardımcı olabilir. ilk yer

Verileri toplarken ve analiz ederken yapay zekadan yararlanmak, ekiplerin müşterilerini daha derinden anlamalarına da yardımcı olabilir.

Mishra'nın bana söylediği gibi, "Yapay zeka, bilinen sorunların arkasına saklanan gerçek müşteri ihtiyaçlarını anlamayı kolaylaştırabilir. Genellikle mühendisler, niceliksel ve niteliksel müşteri ihtiyaçlarını derinlemesine anlamadan prototipler oluşturmaya başlarlar. Üretken yapay zekadan önce, bu tür bilgileri analiz etmek için daha az yetenekli araçlar vardı.”

2. AI, yineleme hızını ve pazara sunma süresini büyük ölçüde artıracaktır.

Test etmek istediğiniz bir ürünün modellerini ve prototiplerini oluşturmak, ürün geliştirme yaşam döngüsünün en çok zaman alan yönlerinden biridir. Bir elektronik prototip oluşturmak genellikle dört ila 12 hafta ve 3D baskılı bir model oluşturmak için bir ila dört hafta sürer.

Mishra, "Fiziksel bir enkarnasyon - hatta bir ürünün 3D veya görsel enkarnasyonu - oluşturmak için gereken süre, arkasında bazı gerçek fizik gerektirir" diye açıklıyor.

"Bir ürünü üç boyutlu bir modele dönüştürmek, ürün yöneticileri, tasarımcılar ve yazılım mühendisleri için oldukça uzun bir süreç."

Başka bir deyişle: Bir prototip oluşturmak ve test etmek için harcadığınız tüm zaman ve para, işinize mal olabilir.

O halde yapay zekanın yalnızca birkaç saat içinde örnekler ve prototipler oluşturmanıza yardımcı olabileceği bir dünyanın gücünü hayal edin.

Bu hız, kullanışlı olmanın ötesinde: Güçlü getiri sağlamayan ürün özelliklerine harcayacak zamanı veya kaynakları olmayan KOBİ'ler ve yeni kurulan şirketler için hayat kurtarıcı olabilir.

Mishra için ürün alanındaki en heyecan verici fırsat alanlarından biri.

Kendi ifadesiyle, "Sıfırdan bu kadar yüksek bir hızla içerik oluşturabilmeniz ve daha yüksek bir doğruluk düzeyine ulaşabilmeniz, tüm bunların en heyecan verici bileşenlerinden biri."

3. AI, müşteri geri bildirimlerini toplama şeklinizi değiştirecek.

Bir prototipiniz olduğunda, hatta minimum uygulanabilir bir ürününüz olduğunda, orada yinelemeyi durduramazsınız. Daha sonra nasıl geliştireceğinizi veya üzerinde yineleme yapacağınızı öğrenmek için potansiyel veya mevcut müşterilerle test etmeniz gerekecek.

Ve şimdiye kadar, ürün analitiği büyük ölçüde yapılandırılmış veya sayısal verilerle sınırlıydı.

Ancak yapılandırılmış verilerin sınırlamaları vardır.

Mishra bana şunları söyledi: "Belgeler, e-postalar ve sosyal medya gevezelikleri biçiminde oturduğu için kurumsal bilgilerin çoğu yapılandırılmamış. Bir işletmenin verilerinin %20'sinden daha azının yapılandırılmış veri olduğunu tahmin ediyorum. Bu nedenle, bilgilerin %70 ila %80'ini analiz etmemenin büyük bir fırsat maliyeti var.”

Başka bir deyişle, müşterilerin ürününüze nasıl tepki verdiğini analiz etmek için nicel verileri toplamaya ve analiz etmeye yönelik pek çok ölçeklenebilir çözüm yoktur.

Şimdilik, birçok ürün ekibi geri bildirim toplamak için odak gruplarına güveniyor, ancak odak grupları her zaman müşteri duyarlılığını doğru temsil etmiyor ve bu da ürün ekibinizi potansiyel olarak müşterilerinize gerçekten hizmet etmeyen bir ürün oluşturmaya karşı savunmasız bırakıyor.

Neyse ki, "Üretken yapay zeka, müşteri geri bildirimlerini işletmeniz için verilere dönüştürmeye yardımcı olabilir" diye açıklıyor Mishra. “Diyelim ki çok sayıda sosyal medya geri bildirimi veya ürün kullanımı yorumu veya müşteri forumlarında gevezelik alıyorsunuz. Artık bu bilgileri grafiklere ve trend çizgilerine dönüştürebilir ve her zaman yapılandırılmış verileri analiz ettiğiniz şekilde analiz edebilirsiniz.”

"Aslında, müşterilerinizin en çok hangi özelliklerden bahsettiğini anlayabilirsiniz. Veya belirli ürün özellikleri söz konusu olduğunda müşterilerin sahip olduğu duygular. Bu, ürün-pazar uyumunu ve hatta ürününüze hangi özellikleri ekleyeceğinizi veya çıkaracağınızı belirlemenize yardımcı olur.”

Nicel geri bildirimi eyleme geçirilebilir veri noktalarına dönüştürebilmenin potansiyel etkisi çok büyüktür.

Yapay zekanın yardımıyla ekibiniz, müşterileriniz için en önemli olan ürün özelliklerine gerçekten zaman ve enerji harcadığınızdan emin olabilir.

4. AI, mühendislerin ve ürün yöneticilerinin yazılımla nasıl etkileşime girdiğini yeniden tanımlayacak.

Yapay zeka, bir ürün geliştirmenin ötesinde, onu geliştiren ekipleri de yenileyebilir.

Şimdiye kadar, insanları belirli bir ürün paketi konusunda eğitmek etrafında tanımlanmış tüm rollerimiz vardı. Belirli bir yazılımda uzman oldular ve her bir parçanın nasıl çalıştığını anladılar.

Gelecekte, AI'nın, eğitimleri barındırmak için bu yazılım uzmanlarına ihtiyaç duymadan, ekibinizin yeni çalışanları artırmasına nasıl yardımcı olabileceğini görmeye başlayacağız.

Belki de ekibinizde sınırlı deneyime sahip genç bir programcınız vardır. Şirketinize özgü yazılım kodlama disiplinine bağlı kalmasını sağlamak için, yapay zeka kod oluşturma araçları aracılığıyla birçoğunu önceden programlayabilir ve sistematik hale getirebilirsiniz.

Prototip oluşturma gibi daha yoğun süreçler için Mishra, bazı eğitim görevlerinin yerini sohbet tabanlı yapay zekanın bile alabileceğini açıklıyor. "Daha doğal sohbet tipi arayüzlerin, yazılım ve donanım araçlarından yardım istemenin çok karmaşık yollarının yerini alabileceğini fark ettik."

Diyelim ki şirketinizin bir widget tasarlaması gerekiyor. Bir prototip oluşturmak için zaman ve kaynak harcamak yerine, bir sohbet robotundan bazı tasarım örnekleri üretmesini ve kısıtlamalar sağlamasını isteyebilirsiniz.

Mishra, "Hangi makine öğrenimi araçlarının kullanıldığını bilmenize bile gerek yok," diye ekliyor, "sadece bir sohbet arabirimiyle konuşuyorsunuz ve belki de sohbetin arkasında beş farklı ürün var. Ancak insanlar olarak aracı daha az, çıktıları daha çok önemsiyoruz.”

5. AI, ürün alanında insan yaratıcılığını artıracak.

Makine öğrenimi neredeyse yirmi yıldır var ve ürün geliştirme alanında uzun süredir kullanılıyor.

Ama büyük ölçüde değişmek üzere.

Mishra'nın bana açıkladığı gibi, eski makine öğrenimi algoritmaları girdileri çıktılara dönüştürme kalıplarını öğrenebiliyor ve ardından bu modeli görünmeyen verilere uygulayabiliyordu.

Ancak yeni üretken makine modelleri bu süreci bir adım öteye taşıyor: Görünmeyen verilere kalıplar uygulayabiliyorlar ama aynı zamanda yaratıcı sürecin ardındaki düşünceyi daha derinden anlıyorlar.

Mishra, "Bir yazılım programcısının nasıl yazılım oluşturduğunu veya bir tasarımcının nasıl bir tasarım oluşturduğunu veya bir sanatçının nasıl sanat yarattığını anlayabilirler" dedi.

"Bu modeller, yaratımın hem heyecan verici hem de korkutucu bir parçası olan tasarımın ardındaki düşünceyi anlamaya başlıyor. Ancak bunun ürün geliştirmenin hemen hemen tüm aşamaları için geçerli olduğu nokta, artık insan yaratıcılığı bileşenini güçlendirebileceğinizdir."

Başka bir deyişle: AI, ezberci, tekrarlanabilir eylemlerin yerini daha iyi, daha güçlü ürünler tasarlamak ve yinelemek için harcanan zamanın alacağı yeni bir arazide gezinirken herhangi bir ürün yöneticisi, mühendis veya tasarımcının yardımcı pilotu olacak.

Yapay Zeka Sonunda Müşteri Deneyimini Tamamen Değiştirecek

Yapay zekanın ve ürün alanının uzun vadeli sonuçları hakkında yapılacak ayrı, daha derin bir konuşma var.

Şimdilik, ürün liderliği büyük ölçüde mevcut özelliklerine yapay zeka ekleyerek ürünlerini nasıl etkili bir şekilde geliştirebileceklerine odaklandı.

Mishra'nın belirttiği gibi, “Şu anda çoğu lider, 'Sahip olduğum şeyi üretken yapay zeka ile değiştireyim' diyor. Yani bu ürünleri bir önceki modelin 2.0 versiyonu gibi düşünebilirsiniz.”

"Ancak," diye devam ediyor, "daha hırslı yenilikçilerden bazılarının üzerinde çalışmaya başladığı yeni nesil çözümler, müşteri deneyimini tamamen yeniden tasarlıyor. Sadece "Bir ürüne yapay zeka ekliyoruz" demiyorlar, bunun yerine "Yapay zekanın temeli olacak şekilde tüm ürünü yeniden hayal edelim" diyorlar. İnsan ve teknoloji arasındaki arayüzleri yeniden tasarlayacaklar.”

Şu anda tüketiciler, Netflix veya Amazon Prime gibi çeşitli akış hizmetleri arasında seçim yapıyor ve ardından akış hizmeti, önceki kullanıcı davranışına dayalı yapay zeka tabanlı öneriler sunuyor.

Mishra'nın açıkladığı gibi, "İlk girişim dalgası, 'Tamam, hadi bu tahminleri daha iyi yapalım' diyecek. Ancak ikinci girişim dalgası veya yenilikçiler, "Bir saniye ... Neden sadece bir platform için endişelenmeniz gerekiyor?" Neden daha büyük düşünmüyorsun?'”

"Yani, 'Bırakın, sevdiğinizi bildiğim üç tür yerine, ruh halinize ve diğer 10.000 davranışa göre çeşitli platformlarda içerik üreteyim' diyen şirketlerimiz olacak."

Bu, mevcut ürün geliştirme sürecine nasıl uyuyor? öyle değil

Bunun yerine, tamamen baş aşağı çevirir. Ve bu hem ürkütücü hem de heyecan verici.

Mishra, "Ürün deneyimini nasıl yeniden tasarlıyorsunuz? Bence insan yaratıcılığının uygulanacağı yer burası.”

Yapay Zeka ve Ürün Geliştirmeye Nasıl Başlanır?

1. Denemeye başlayın.

Mishra, ürün alanında heyecan verici olduğu kadar zorlu bir dönem olduğunu kabul ediyor ve pek çok KOBİ ve yeni girişim yapay zekaya yatırım yapıp yapmamaları gerektiğini bile sorguluyor.

Değişim hızla gerçekleşiyor ve yapay zekanın hangi yönlerine yatırım yapmanız gerektiğini veya onu mevcut süreçlerinize uygulamaya nasıl yaklaşmanız gerektiğini belirlemek zor olabilir.

Mishra'nın tavsiyesi? "Denemeye başlayın, çünkü bir kez başlayınca çok daha kolay olduğunu göreceksiniz. Ayrıca, müşteri bilgilerini ve geri bildirimleri analiz etmek veya kurumsal arama gibi şeyler yapmak dahil olmak üzere yapay zekayı üretime soksanız da koymasanız da size değer katacak birkaç alan var — bu deneylerden ufuk açıcı değer görmeye başlayacaksınız. doğru yola iletecek olandır.”

Neyse ki sıfırdan bir şey oluşturmak için kendi makine öğrenimi mühendisinizi tutmanıza gerek yok. Bunun yerine, bir API ile mevcut bir uygulamaya ekleyebileceğiniz önceden oluşturulmuş üretken yapay zeka modelleri sağlayan Amazon'un yakın zamanda piyasaya sürdüğü Bedrock gibi araçları düşünebilirsiniz. Bu, herhangi bir yapay zeka eğitiminden vazgeçmenize ve veri ihlali risklerini sınırlamanıza ve dakikalar içinde çalışmaya başlamanıza olanak tanır.

2. AI'nın ekibinize nerede yardımcı olabileceğini belirleyin.

Mishra, işletmeniz için olumlu bir yatırım getirisi sağlayacak doğru kullanım örneklerini bulmanızı önerir.

Nihayetinde, işin hangi alanlarının yapay zekadan en yüksek değeri alabileceğini belirlemek için zaman ayırmanız ve oradan başlamanız çok önemlidir.

Örneğin, "Müşteri ile yüz yüze olunan faaliyetler alanında çok fazla iş görüyorum çünkü bu geliri artırıyor, dolayısıyla bu potansiyel olarak yüksek bir değer" diyor.

Kendi takımınızda nereden başlayacağınızdan emin değilseniz, tekerleği yeniden icat etmenize gerek yok. Halihazırda diğer şirketler tarafından araştırılmakta olan bazı yaygın çözümlerde size yol gösterebilecek bulut uzmanlarına veya yeni kurulan şirketlere ulaşmayı düşünün.

3. Paydaşların katılımını sağlayın.

Deney yapmak için eşit derecede hayati olan başka bir gereklilik daha vardır: Paydaşların ve liderliğin katılımı.

Mishra, "Kültürel uyum ve paydaş uyumu şirketlerin üzerinde çalışmaya başlaması gereken önemli bir alan olduğunu düşünüyorum. Üst düzey liderlik yanlış nedenlerle korkuyorsa, bu onların büyümesini engelleyebilir.”

Yapay zeka söz konusu olduğunda kesinlikle gizlilik ve veri sızıntısı endişeleri vardır. Artı, yapay zeka mükemmel değildir: Sonuç verirken halüsinasyon görebilir veya yanlış veya taraflı bilgiler sağlayabilir.

Bu da, liderliği yapay zekaya yatırım yapmaya ikna ederken, gemiyi yapay zekanın yönlendirmeyeceğini vurgulamanızın çok önemli olduğu anlamına gelir. Bunun yerine, ekibinizin güvenilir yardımcı pilotu olacaktır.

Şunu da not etmek önemlidir - liderlik yapay zekaya yatırım yapmanın riskli olduğunu düşünüyorsa, ona yatırım yapmamanın risklerini de göz önünde bulundurmalıdır.

Mishra'nın belirttiği gibi, "Bu ufuk açıcı bir an ve diğer startup'lar ve kurumsal şirketler ürün inovasyon döngülerinde daha hızlı hareket etmeye başladıkça geride kalabilirsiniz."