(для перевода на португальский язык, для клики aqui)
Hi!
Здесь я хочу немного поделиться своим опытом разработки ИИ-продуктов. Я попытался возобновить его на фреймворке. Моя цель здесь — поделиться некоторыми мыслями и представлениями, а также посмотреть, сталкиваются ли другие менеджеры по продуктам с ИИ с теми же проблемами и используют ли они те же или разные решения. Любое предложение, комментарий или обратная связь будут приветствоваться и, безусловно, мне очень помогут! Спасибо за совет!
Итак, почему новый фреймворк?
Потому что ИИ — это особый вид продукта.
Почему оно такое отчетливое?
Потому что включает в себя концепции, которые трудно передать, и их разработка требует больших затрат.
Почему концепции ИИ трудно передать?
Мат. Статистика. Линейная алгебра. Исчисление. Забудьте о фильмах, это и есть ИИ. За всем этим гламуром и причудливыми компаниями скрывается множество цифр и сложных концепций, пытающихся имитировать самую сложную систему на земле — человеческий мозг. Если вы не нейробиолог, вам придется столкнуться с трудностями при объяснении того, почему вы думаете так, как думаете, как взаимодействуют нейроны и так далее. То же самое с ИИ.
И поскольку менеджер по продукту занимается наведением мостов между людьми, областями, общением с людьми с разными навыками, ролями и опытом… Путь AI PM немного отличается от PM.
Почему это дорого?
Выделю 3 основных фактора:
· Люди — Альтернативная стоимость. Команда ИИ редка и дорога. У нас во всем мире нехватка специалистов по данным. Поэтому, если у вас есть команда, вы будете тратить свое время на лучшие проекты. Если вы тратите средства на проект с низкой потенциальной доходностью или столь высоким риском, вы можете потерять возможность получить больше денег для компании в других проектах.
· Данные — Получить данные непросто. Вам нужно сгенерировать или адаптировать системы, чтобы получить данные, очистить данные, проанализировать их, исключить любую предвзятость… много работы. И последнее, но не менее важное: вам нужны вычислительные мощности для обработки всех этих данных, а это стоит денег.
· Время — построить модель, обучить, протестировать, запустить в производство и проанализировать результаты. Это стоит времени. Кроме того, трудно сделать MVP. Бережливое производство здесь немного отличается, вы можете потратить немного больше времени на проверку гипотезы, и это напрямую влияет на стоимость, особенно на альтернативную стоимость.
Отдельный, сложный в общении и дорогой. Это влияет на то, как мы работаем с этими продуктами, и, следовательно, на стратегии, которые мы используем для их разработки.
Давайте начнем.
Мои три шага:
· Понимание потребностей
· Определить возможности
· Определить дорожную карту
И здесь я попытаюсь описать это немного лучше:
Понимание потребностей
Важно сказать, что мой опыт связан с работой в технологических компаниях, близких к тому, чтобы стать единорогами или декакорнами. Это может немного повлиять на проблемы, с которыми я столкнулся.
Вот три основных потребности, которые я пытался понять до (или во время) разработки продукта ИИ:
· Процесс
Помните о альтернативных издержках? Прежде чем протестировать свои яркие новые идеи, вы, вероятно, найдете большие возможности в существующем процессе, который уже протестировал соответствие продукта рынку. Итак, как с этим бороться?
Все начинается с людей. Поймите людей, отвечающих за эти процессы. Почему они делают то, что делают. Их боли, что может принести прибыль. Делайте интервью. Развивайте эмпатию по отношению к людям и процессам. В этой части я взял некоторые идеи из дизайн-мышления, точнее из Стэнфордского буткемпа Bootleg. Ссылкой поделюсь в конце статьи. Понимание процесса — это начало, а не конец.
· Компания
Если процесс уже существует, вероятно, это связано с потребностью компании. При картировании процесса важно определить, почему этот процесс существует. Возможно, ваш продукт искусственного интеллекта заменит этот процесс, поэтому многие отмеченные проблемы и достижения просто исчезнут. Однако для этого вам нужно будет создавать больше ценности, лучше удовлетворять потребности компании.
· Рынок
Ваш продукт должен повышать соответствие продукции компании рынку. Вам необходимо создавать ценность для компании с учетом рынка. Это может быть выражено во многих решениях, начиная с создания продукта с нуля собственными силами или покупки/адаптации существующего, чтобы инвестировать в лучший процесс, в тех, кто окажет наибольшее влияние на соответствие компании рынку и стратегию.
Определите возможности
Здесь я адаптирую дерево решений возможностей, разработанное Терезой Торрес, к потребностям, с которыми я столкнулся. В конце статьи я поделюсь ссылкой на ее сайт.
· Нуждаться
Здесь важно смоделировать потребность в общем языке между заинтересованными сторонами и специалистами по данным. Другими словами, важно перевести обозначенную вами проблему таким образом, чтобы ее можно было понять и получить представление, статистическое представление. Моделирование — это искусство, но не забывайте о главной идее: Переведите потребность на общий язык.
Совет: мне очень помог… мокап. Плохой и простой макет. Возможно, с помощью электронной таблицы для имитации концепции или образцов изображений для имитации результатов визуальной системы. Смысл в том, чтобы общаться и быть уверенным, что все говорят на одном языке, сталкиваются с одними и теми же потребностями.
· Возможность
Когда потребности должным образом обозначены и разделены, вы можете начать обдумывать (и проводить мозговые штурмы) возможные возможности удовлетворения этих потребностей, получения выгод и уменьшения проблем. Здесь чрезвычайно важно, чтобы специалисты по данным глубоко понимали потребности, поскольку они будут основным источником информации о возможностях, которые может решить ИИ.
· Решение
Здесь мы начинаем рисовать решения, которые могут использовать эти возможности. Обычно мы можем начать поиск контрольных показателей или теорий, учитывающих эти возможности на отдельных рынках, или провести исследование по теме.
Определить план
Вот где проект начинает становиться настолько серьезным. Мы говорим об инвестициях, доходности и риске. Я основывал свои решения в основном на концепциях, которые я изучил на Стэнфордском курсе стратегических решений, я поделюсь ссылкой в конце. Чтобы оценить жизнеспособность проекта, вам необходимо проанализировать инвестиции (с выделением альтернативных издержек) и ожидаемую прибыль. Поскольку обычно продукты ИИ включают в себя новые решения, они сопряжены с большим риском, поэтому вам нужно учитывать окупаемость риска.
Обычно, чтобы снизить общий риск проекта, я разделяю его на зависимые шаги, по возможности с доставляемой ценностью на каждом этапе.
Итак, сначала вы будете создавать ценность для бизнеса на каждом этапе, и даже если полный продукт не будет выпущен, следует использовать некоторые шаги или части.
И на каждом этапе мы будем проверять гипотезу, поэтому, если какая-либо гипотеза не сработает, мы остановимся, извлечем уроки и перенаправим рабочую силу на другой проект. Это тоже снижает риск.
Ну, это обзор того, что я делаю J
Я хочу поблагодарить вас очень, очень, очень, очень за то, что дочитали до этого момента, и буду очень признательна за любые комментарии, предложения или отзывы.
Использованная литература:
Стэнфордский бутлег — дизайн-мышление: https://dschool.stanford.edu/resources/design-thinking-bootleg
Деревья решений возможностей — Тереза Торрес
Стэнфордское стратегическое решение и управление рисками
https://online.stanford.edu/strategic-decision-and-risk-management
