Информирование заинтересованных сторон об актуальном предложении ценности искусственного интеллекта

Информирование заинтересованных сторон об актуальном предложении ценности искусственного интеллекта

Теперь, когда вы понимаете, как работает весь этот искусственный интеллект, мы переходим к следующему пункту этой мини-серии статей о управлении продуктами для искусственного интеллекта: доведение ценностного предложения до заинтересованных сторон, включая клиентов, маркетинг, продажи. , менеджмент, руководители и, конечно же, инженерия.

Давайте начнем с предположения, что вы надлежащим образом проверили и проблему, и решение на своем потенциальном рынке, и что ваш продукт содержит важный компонент искусственного интеллекта. Теперь вам нужно составить план продукта и продавать его как внутри компании, так и за ее пределами, чтобы объединить всех ваших участников с общим видением. Это всегда сложная задача, но с ИИ задача становится еще более сложной, потому что ожидания выходят из-под контроля, и почти каждый вносит предвзятые мнения.

«Все из области фантастики и магии, а теперь ... только наука». - Трейлер Age of AI

Искусственный интеллект прекрасен, и это одна из причин, по которой мы любим этим заниматься, но он также серьезно раздувается; возможно, даже опасно переоценен. Когда Ironman ведет сериал на YouTube из восьми частей под названием Эпоха ИИ, первый эпизод которого набирает более 42 миллионов просмотров, у многих людей возникнут представления о том, что ИИ может, а что не может, а что должен и не должен. , делать.

Одновременно толкает и тянет

Одна из фундаментальных проблем управления продуктом при передаче видения продукта, независимо от того, включает ли он искусственный интеллект или нет, одновременно оптимистично и прагматично. Заинтересованные стороны должны быть взволнованы возможностью, но также реалистично оценивать ограничения и проблемы. Менеджеры по продукту должны пропагандировать потенциал получения поддержки, не выдвигая нереалистичных ожиданий, которые в конечном итоге приводят к разочарованию. Это не продажи, но для того, чтобы убедить разрозненные заинтересованные стороны разделить общее видение, требуется убеждение.

Однако добавьте в свой продукт привкус искусственного интеллекта, и ваша способность управлять повествованием может оказаться под угрозой. Заказчики могут слепо доверять результатам без какого-либо критического анализа, предполагать, что продукт быстро изучит все необходимое для безошибочного предоставления ценности или, возможно, даже с самого начала будет работать с идеальной точностью. Инженеры и специалисты по обработке данных, с другой стороны, понимают, что модели требуют и времени, и данных для схождения, и поэтому могут ожидать терпения, которое клиенты не могут себе позволить. Руководители и инвесторы, по понятным причинам воодушевленные передовыми технологиями, могут ожидать, что продукт сразу же завоюет рынок и начнет продавать себя. Маркетинг и продажи, стремящиеся извлечь выгоду из потенциала, могут опередить все возможное.

«Все будет автоматически, ведь ИИ быстро всему научится?» - много β клиентов повсюду

Когда Эндрю Нг, известный профессор и исследователь ИИ, называет ИИ новым электричеством, а Дженсен Хуанг, генеральный директор Nvidia, говорит: ИИ - самая мощная сила нашего времени, можно ожидать, что люди будут в восторге. Однако, вооружившись лучшим пониманием возможного и невозможного, вам нужно будет сдерживать чрезмерную уверенность, одновременно сохраняя энтузиазм по поводу продукта. Ваша задача - умерить ожидания, но при этом не выглядеть пессимистично. Это непростой баланс, но есть стратегии выживания.

Просто факты, мэм

Метрики помогают приобщить всех к одной истине, независимо от предубеждений или предвзятых мнений. «Приложение будет учиться и становиться более точным в ответ на действия пользователя», - можно интерпретировать по-разному. «Начальная точность составляет 65%, которая, как мы ожидаем, вырастет до более чем 90% после 500 часов использования», очевидно, более конкретна и помогает всем, как клиентам, так и руководителям, оценить, где продукт может быть сегодня и куда он может пойти.

Метрики также могут помочь в получении ответов на простые вопросы, например: «Это работает?» В случае программного обеспечения, не содержащего компонента ИИ, ответ обычно является тривиальным «да» или «нет» в зависимости от того, производит ли определенное событие эффект. При использовании вероятностных систем вопрос о том, правильно ли приложение идентифицирует кошку, может получить менее удовлетворительный результат: «85% по проверочной выборке». Вам и вашей команде нужно будет определить допустимые пороги, а затем, конечно же, измерить.

Дополнительной проблемой, естественно, является определение важных показателей, а затем возможность их точного измерения или оценки. Это верно для всех продуктов, но особенно сложно в случае систем прогнозирования или обучения. Сотрудничать с инженерами; они тоже хотят убедиться, что все ясно понимают, как это работает, и могут иметь инструменты, которые помогут вам сообщить об этом.

Даже если вам придется говорить о самой технологии, есть способы сделать это. Не нужно объяснять, как оптимизировать гиперпараметры или обучать LSTM, но основы ИИ доступны каждому. Недавно я выступал с докладом на ежегодной конференции Ассоциация профессионалов в области управления предложениями под названием Так как же все-таки работает этот искусственный интеллект?. Это была нетехническая аудитория, но все понимали основы.

Широкие заявления об общих возможностях обучающей системы увлекательны, но конкретные показатели того, как система будет работать с течением времени, будут держать всех в реальности.

Большие ожидания

В интервью с Лексом Фридманом Густав Седерстрём, директор по исследованиям и разработкам Spotify, сказал:

«[В Spotify] мы много думаем о том, как структурировать разработку продукта в эпоху машинного обучения, и мы обнаружили, что многое из этого на самом деле является ожидаемым».

Густав продолжает объяснять, что с такой функцией, как Discover Weekly, где ожиданием является исследование, пользователи часто удовлетворяются с точностью до 10%; если они находят одну «жемчужину» в 10 песнях, они считают это успехом. С другой стороны, для Daily Mix, где ожидается, что все песни будут приятными, точность должна быть намного выше.

Если ваши алгоритмы не оправдывают ожиданий ваших клиентов, вам следует попытаться изменить их ожидания посредством коммуникации, напрямую или через маркетинг, или найти механизмы взаимодействия людей с ИИ (искусственный интеллект с участием человека). ), чтобы исправить ошибки или внести коррективы. Скорее всего, вам следует сделать и то, и другое.

Однако важно отметить, что предложение механизмов взаимодействия пользователей с ИИ также предполагает установление ожиданий. Такое приложение, как Spotify, которое изучает музыкальные вкусы пользователей с помощью явной обратной связи (например, большие пальцы вверх / вниз, значок сердца, пропуск и т. Д.), По-прежнему должно информировать пользователей о том, что необходимо некоторое взаимодействие с приложением, прежде чем оно сможет для создания почти безупречных плейлистов.

Рекламируйте функции, не связанные с искусственным интеллектом

Механизмы взаимодействия человека и ИИ можно рассматривать как функции, не связанные с ИИ, но здесь я более конкретно говорю обо всем, что связано с этим продуктом, что на самом деле не связано с ИИ. Моя последняя статья в этой серии будет посвящена функциям, не связанным с ИИ, но здесь стоит кратко рассказать о ней.

Одна из «уловок», позволяющая тонко сообщить об ограничениях ИИ, без явного описания того, чего он еще не может достичь, - это, возможно, еще и привлечь внимание людей ко всем остальным функциям.

Если ваш продукт содержит алгоритм, который по прошествии определенного времени будет создавать великолепные плейлисты, это, безусловно, здорово. Тем временем, однако, вы можете сосредоточить внимание своих пользователей на том факте, что они имеют немедленный доступ к миллионам песен, которыми можно наслаждаться без рекламы. Эта функция не требует никакого искусственного интеллекта или обучения, поэтому будет работать сразу же.

Не верите мне? Вот верхняя часть главной страницы Spotify:

В качестве другого примера представьте, что ваше программное обеспечение классифицирует виды птиц для орнитологического приложения. Было бы здорово, если бы каждое изображение птицы сразу определялось со 100% точностью, но это может потребовать значительного обучения и данных от взаимодействия пользователя с приложением. Таким образом, вместо того, чтобы рекламировать приложение как идентификатор птиц на базе искусственного интеллекта, разместите его как карманное хранилище для ваших фотографий птиц. Если ИИ правильно определяет определенный процент этих изображений птиц, это является бонусом. Более того, ваши пользователи не будут так разочарованы, если ИИ иногда ошибается, особенно если есть механизм, позволяющий пользователям исправлять ошибки. (Не забудьте загрузить эти данные, чтобы постоянно улучшать модели для всех ваших пользователей.)

Держи перископ поднятым

Будьте вакуумом для информации.

В этой статье рассказывается о ценностном предложении вашего продукта, но общение - это улица с двусторонним движением; лучшим коммуникационным стратегиям всегда предшествует глубокое понимание потребностей всех ваших заинтересованных сторон. Однако сбор информации от всех, от клиентов до руководителей, не прекращается после подтверждения проблемы и решения.

Как люди реагируют на определенные вами показатели в вашем продукте с ИИ? Они находят отклик у клиентов или вы создаете разочарование и замешательство? Правильно ли вы установили пороги приемлемости? Понимают ли инженеры ограничения и согласны ли они с целями?

Ваши методы разработки программного обеспечения гибкие, а требования и приоритеты меняются в реальном времени по мере изменения условий. Так должна быть и ваша коммуникационная стратегия. Очевидно, вы не захотите постоянно говорить заинтересованным сторонам одно, а на следующий день другое, но поиск сообщения, которое одновременно находит отклик и выражает соответствующую информацию, часто является процессом проб и ошибок.

Сосредоточьтесь на результатах

Искусственный интеллект - это потрясающе и захватывающе. Ваши клиенты загипнотизированы, ваши руководители нетерпеливы, ваша инженерия и маркетинг накачаны, и вы измотали себя, изучая все, от регуляризации с использованием исключения до SWOT. Естественно, ИИ - это то, что вам нужно сделать в первую очередь. Напрашивающийся вывод из этой статьи состоит в том, чтобы сообщить, что делает продукт и какую ценность он приносит, а не как он туда попал.

Как и любая новая горячая технология, шумиха будет непреодолимой, и добавление нескольких модных слов в ваши сообщения неизбежно привлечет внимание. Однако потратите слишком много времени на разговоры о технологиях, а не о ценностном предложении для клиента, и вы рискуете получить ожоги.

AI - это молоток. Ваш продукт - это дом.

Ничто не уменьшит мою страсть к ИИ, но в конце концов это просто инструмент, как и многие другие инструменты, для выполнения работы. Хотя ваши клиенты могут быть взволнованы перспективой использования самых передовых технологий, они в конечном итоге будут заботиться только о том, эффективно ли она решит проблему, с которой они сталкиваются.

Это может быть облом, потому что ИИ захватывает; Кто бы не был рад говорить об этом весь день, каждый день? Тем не менее, наша работа в качестве менеджеров по продукту требует от нас сосредоточения внимания на результатах, а не на инструментах. Таким образом, всегда возвращайте разговор к тому, что имеет значение, каков пункт назначения, а не то, что скрывается под капотом.

Следующий

Спасибо, что зашли так далеко!

Моя следующая статья будет о том, что я считаю самым сложным аспектом работы любого менеджера по продукту: определение MVP. В дисциплине управления продуктом есть множество сложных аспектов, и многие могут возражать против моего утверждения, но есть множество причин, по которым определение MVP является проблемой номер один; добавление искусственного интеллекта только усугубляет ситуацию.

Первоначально опубликовано на https://www.linkedin.com.