Применение агентов ИИ для оптимизации

Сегодня в цифровом мире существует большая конкуренция. Преуспевают те компании, которые добавляют нужные функции в нужное время. Многие продуктовые команды до сих пор считают, что планирование дорожной карты и решение, над какими функциями работать в первую очередь, — это всего лишь точные предположения. У вас не так много ресурсов, ваши бизнес-цели меняются, ваши клиенты дают вам обратную связь, а у разных игроков разные точки зрения. Как вы решаете, что делать дальше в разработке?

Теперь агенты ИИ начинают менять правила игры. Команды, работающие над продуктами, теперь могут использовать мощные инструменты для обработки огромных объемов данных, поиска закономерностей и даже догадок о том, насколько хорошо будет работать тот или иной продукт. Потому что ИИ, способный учиться и предлагать новые идеи, прошел долгий путь. Инструменты на базе искусственного интеллекта помогают бизнес-лидерам принимать более качественные, быстрые и ориентированные на клиента решения. Однако то, как люди оценивают вещи, остается прежним.

В этой статье рассматривается, как агенты ИИ меняют работу по планированию дорожной карты и выбору функций, которым следует отдать приоритет. Вместо того чтобы руководствоваться своей интуицией, компании могли бы производить более качественные товары, быть менее предвзятыми и лучше удовлетворять потребности как пользователей, так и компаний, если они начнут использовать данные. ИИ помогает командам лучше, быстрее и детальнее составлять планы на ранних этапах процесса планирования.

Традиционный способ: вручную, необъективно, медленно

Раньше дорожные карты продуктов строились на основе опыта, инстинктов и встреч, которые основывались на:

• Чувства заинтересованных сторон и руководства

• Требование самой громкой заинтересованной стороны

• Запросы в службу поддержки клиентов

Хотя мы можем сказать, что эти методы работают, зачастую они приводят к субъективным решениям и рассогласованию приоритетов. Можно вложить ресурсы, время и деньги в функции с низким уровнем воздействия. А когда рынок изменится? Дорожная карта устаревает. Однако мы можем сделать вывод, что люди ограничены когнитивными предубеждениями, временем и меньшим количеством данных, и это представляет собой дорогостоящую ошибку в средах с высокими ставками.

Агенты искусственного интеллекта, особенно те, которые используют машинное обучение и обработку естественного языка (NLP), теперь обучены помогать продуктовым командам становиться более продуктивными за счет обработки данных, прогнозирования результатов и определения приоритетов функций более масштабируемым образом. Эти агенты можно настроить на основе данных о продуктах вашей организации, включая данные о поведении пользователей и телеметрии, показатели NPS и качественные отзывы, заявки в службу поддержки клиентов, аналитику внедрения функций и бизнес-цели. Эти агенты можно настроить, используя данные о продуктах вашей организации. Сюда входит поведение пользователей, качественная обратная связь и результаты Net Promoter Score (NPS), заявки в службу поддержки клиентов, аналитика внедрения функций и определенные OKR.

Различные способы, которыми агенты ИИ помогают оптимизировать приоритизацию функций

Уменьшение смещения: Опираясь на данные, а не на мнения заинтересованных сторон, ИИ помогает устранить влияние самого высокооплачиваемого человека в комнате (HiPPO) и сосредоточиться на том, что действительно важно.

Автоматизированное агрегирование данных: эти агенты могут извлекать данные из различных инструментов и источников, например, аналитических платформ, опросов, журналов поддержки клиентов, журналов социальных сетей, и объединять их в единое комплексное представление, тем самым создавая ценную информацию и уменьшая разрозненность информации. Например, модели ИИ могут выполнять анализ настроений на основе качественной обратной связи, чтобы количественно оценить спрос на функции. Анализ настроений, основанный на моделях искусственного интеллекта, позволяет количественно оценить спрос на конкретные функции на основе качественной обратной связи.

Динамическая смена приоритетов функций: По словам генерального директора Школы продуктов Карлоса Гонсалеса де Вильяумброзия, “с тех пор, как рынок развивался. Благодаря искусственному интеллекту мы можем сделать вывод, что приоритеты вашего отставания могут изменяться постоянно, в режиме реального времени, в зависимости от меняющихся рыночных тенденций или сигналов использования”. Вместо статических сеансов ежеквартальной оценки агенты ИИ могут постоянно корректировать приоритеты по мере поступления новых данных, например, как системы рекомендаций обновляют предложения на основе нового поведения пользователей. Вместо того, чтобы встречаться каждые три месяца для оценки, агенты ИИ могут постоянно менять цели по мере поступления новых данных. Это работает так же, как системы рекомендаций меняют свои идеи в зависимости от действий пользователей.

Планирование дорожной карты и одновременная интеграция ИИ: плюсы и минусы

Использование ИИ при планировании продукта очень полезно, поскольку оно расширяет как стратегические, так и практические знания. Это некоторые из его лучших особенностей. С,

• Более точные прогнозы: Агенты ИИ могут угадать, сколько людей будут использовать ту или иную функцию, сколько людей будут ее придерживаться и какие проблемы они могут вызвать лучше, чем обычная эвристика. Они делают это, просматривая как исторические данные, так и данные в реальном времени. Продуктовые команды могут сосредоточиться на проектах, которые принесут им больше всего денег, если они знают, что может произойти. Это обновляет план, чтобы он лучше соответствовал желаниям людей и возможному росту рынка.

• Сегментация и персонализацияn: Интеллектуальные системы могут находить небольшие группы пользователей и предоставлять им функции, этапы адаптации или ценовые модели, которые лучше всего подходят для того, как они используют систему. Внимание больше, а значит, вы продаете больше.

• Зеркальное отображение сценариев: инструменты искусственного интеллекта могут моделировать различные конфигурации дорожных карт и оценивать их влияние на ключевые показатели эффективности, помогая командам сравнивать стратегии перед их реализацией. Это снижает риски при принятии решений и способствует согласованию действий заинтересованных сторон, основывая обсуждения на прогнозах, основанных на данных.

В целом ИИ повышает наглядность, точность и адаптируемость при планировании продукта. Это позволяет менеджерам по продуктам перейти от догадок к управляемой стратегии, гарантируя, что каждое решение основано на фактических данных и соответствует измеримым бизнес-результатам.

Планирование продукта на основе искусственного интеллекта: риски и проблемы

Продукты искусственного интеллекта создают уникальные проблемы с точки зрения риска. Менеджеры по продуктам, дизайнеры и технические руководители должны тесно сотрудничать, чтобы найти эффективные решения. Хотя у менеджеров по продуктам ИИ может не быть специалистов по машинному обучению в качестве основных членов команды, особенно в контексте приложений, им приходится консультироваться с такими экспертами. Это сотрудничество имеет решающее значение для эффективного использования базовых технологий искусственного интеллекта.

Риск юзабилити

Благодаря искусственному интеллекту взаимодействие с пользователем становится еще более сложным при планировании продукта. Юзабилити-тестирование (UX-дизайн) для систем искусственного интеллекта должно прояснить, что может и чего не может технология, и как в целом работает процесс планирования продукта. Открытость заставляет людей больше верить вам и облегчает решение проблем, когда они возникают. Менеджеры по продуктам обычно полагаются на дизайнеров, чтобы завоевать доверие пользователей. Однако это добавляет больше ограничений и проблем, многие из которых связаны с тем, что ИИ дает неопределенные результаты.

Ошибочный позитив и слишком много подходящего

Системы искусственного интеллекта для планирования продукта могут совершать такие ошибки, как ложные срабатывания и переоснащение, что может испортить решения по графику и напрасно тратить ресурсы на разработку. Хотя переобучение означает, что модель хорошо работает с обучающими данными, но не так хорошо с новыми входными данными, ложное срабатывание — это когда модель ИИ ошибочно предполагает, что многим людям нужна функция, основанная на зашумленных или плохо интерпретированных данных.

Односторонность в моделях расчетов

Отрицательное смещение моделей анализа настроения — большая проблема для принятия решений о продуктах. Модели, которые используют комментарии пользователей, чтобы решить, какие функции включить в дорожную карту первыми, часто обучаются на неравномерных наборах данных, которые могут показывать предвзятость, специфичную для общества или платформы. Например, при рассмотрении различных языковых или культурных выражений классификаторы настроений, которые в основном изучаются в обзорах технологий на английском языке, могут оказаться неэффективными.

Этический риск

Важно подумать о моральных проблемах, возникающих при использовании ИИ при планировании продукта, особенно потому, что модели ИИ начинают оказывать большее влияние на то, что создается, для кого и почему. Этическое использование ИИ зависит от таких концепций, как справедливость, подотчетность, прозрачность и автономия пользователей, которые должны быть реализованы на практике посредством проектирования системы и правил управления. Искусственный интеллект (ИИ) должен помочь сделать выбор в отношении продуктов, который можно объяснить. Заинтересованные стороны должны знать, как модели вносят предложения, особенно когда дело касается таких вещей, как выяснение того, что означают отзывы пользователей или функции ранжирования.

Заключительные мысли

Агенты искусственного интеллекта фундаментально меняют подход продуктовых команд к планированию и приоритезации функций. Эта трансформация, изучаемая с помощью анализа данных, структурирования дорожной карты и согласования заинтересованных сторон, подчеркивает возможности ИИ в преобразовании обширных, неструктурированных данных обратной связи и использования в четкие, действенные идеи. Используя данные в реальном времени и прогнозное моделирование, агенты ИИ позволяют менеджерам по продуктам принимать более точные, своевременные и ориентированные на клиента решения, позволяя им сосредоточиться на важной задаче по созданию ценности для пользователей. Наибольший эффект достигается в сочетании с участием человека в процессе, суждением и сочувствием.

---

Автор: Айокунми Содамола, PMP, CSM, PLC

Айокунми Содамола — менеджер по продукту и соучредитель Vento с опытом работы в сфере финансовых технологий, страхования и финансов. Работая на стыке искусственного интеллекта, человеко-ориентированного проектирования и системной архитектуры, он руководил разработкой продуктов и инициативами, ориентированными на риски, создавая решения на базе искусственного интеллекта, которые улучшают взаимодействие с пользователем и улучшают результаты бизнеса. Имея опыт работы в бизнес-аналитике и новых технологиях, Айокунми предлагает системный и клиентоориентированный подход к инновациям в продуктах, согласовывая технологии с реальными потребностями пользователей. Его особенно интересуют ответственный искусственный интеллект и масштабируемые цифровые экосистемы.

Линкедин: https://www.linkedin.com/in/ayokunmis/