В недавнем интервью Мастерам масштаба Рида Хоффмана Марисса Майер поделилась, что привело ее к созданию программы Google по найму и обучению менеджеров по продуктам (PM). По ее словам, по мере того, как Google становился все более сложным, им требовалось больше людей с достаточно проворным умом, чтобы охватить все аспекты быстро расширяющегося ассортимента продуктов компании. Однако нанять квалифицированных менеджеров по продукции оказалось труднее, чем ожидал Майер. Она подумала: Я могу нанять новых людей прямо после школы и научить их быть хорошими менеджерами по продуктам в Google быстрее, чем вы сможете нанять людей, которых вы предпочитаете, более опытных и старших. Программа Google APM (Associate Product Management) - всего лишь один из многих примеров, который устанавливает ключевую роль PM в интернет-компаниях и цифровом бизнесе.

«Великий вице-президент по продукту - это тот, у кого мозг инженера, сердце дизайнера и язык дипломата», - Дип Нишар

Менеджеры по продукту играют значительную, если не самую значительную роль в успехе продукта. Они заставляют работать инженерное дело, дизайн, стратегию, продажи, маркетинг, операции и другие специальности с минимальным трением. Они владеют (или, по крайней мере, сильно влияют) на решения о том, что и как строить. Знаменитая статья Бена Горовица резюмирует это лучше всего: Хорошие менеджеры по продукту знают рынок, продукт… и конкуренцию очень хорошо и работают на прочной основе знаний и уверенности… хороший менеджер по продукту знает контекст, в котором находится (компания , конкуренция,….), и они берут на себя ответственность за разработку и выполнение выигрышного плана (без оправданий) .

С другой стороны, в мире программного обеспечения происходят постоянные сдвиги и преобразования. От Интернета и мобильных устройств до самого последнего и важного: искусственного интеллекта (или, если быть более конкретным, машинного обучения). Кроме того, он вошел в отрасли, которые никогда не считались съеденными программным обеспечением. Например, в медицине и финансах цифровая трансформация (включая, помимо прочего, внедрение ИИ) происходит с огромной скоростью и масштабами. Появляются новые единороги, такие как Оскар, Babylon Health, Robinhood и Revolut, и это лишь некоторые из них. Крупные компании нанимают лидеров цифровых технологий и искусственного интеллекта для реализации своих амбициозных инициатив по трансформации. Такое постоянное изменение объемов и областей применения программных продуктов в сочетании с важностью ИИ в современном программном обеспечении означало, что быть хорошим менеджером по продукту - быстро меняющаяся цель. То, что несколько лет назад считалось отличным менеджером по маркетингу в одной отрасли, сегодня может даже не подходить для собеседования в другой - даже в той же отрасли.

«Программное обеспечение пожирает мир, но ИИ съест программное обеспечение», - Дженсен Хуанг (генеральный директор Nvidia)

Если предположить, что как традиционные операторы, поддерживающие цифровую трансформацию, так и стартапы, которые выходят на сцену с новыми цифровыми предложениями, видят в дизайне, ориентированном на искусственный интеллект, ключ к обеспечению перспективности своих продуктов и услуг, я думаю, что возникнет необходимость в найме квалифицированных специалистов. Менеджеры по работе с AI-first или хорошие менеджеры по продуктам для продуктов, ориентированных на AI. В результате такие вертикали, вероятно, столкнутся с проблемами, аналогичными той, с которой столкнулся Google: нехватка квалифицированных специалистов по PM для нового класса продуктов и проблем и, возможно, необходимость в такой программе, как APM, для формирования нужных им талантов. . Я рад видеть эволюцию менеджера по продукту в свете всего этого. Ниже я обрисовал в общих чертах ключевые навыки и стратегию практических талантов, которые необходимы, чтобы стать хорошим менеджером по продукту в мире искусственного интеллекта.

Основы: навыки, которыми должен обладать генеральный менеджер

Интернет-программное обеспечение за последние десятилетия многому научило нас об эффективных способах создания и поставки стабильного программного обеспечения, быстром цикле принятия решений и важности различных классов талантов в современных командах разработчиков программного обеспечения. И, что еще более важно, со стратегической точки зрения мы теперь знаем, что основная причина того, что продукты терпят неудачу, заключается в том, что они не удовлетворяют потребности клиентов лучше, чем другие альтернативы: отсутствие соответствия продукта рынку. Самые базовые навыки менеджеров по продукту должны позволить им установить соответствие продукта рынку и решить проблемы своих пользователей.

Пособие по экономичному продукту Дэна Олсена обязательно к прочтению, если вы работаете над выпуском отличных продуктов. В этой книге представлен обзор таких навыков, как:

  • Понимание клиента
  • Пространство проблемы vs мышление в пространстве решений
  • Выбор MVP, итераций и поворота
  • Аналитика для оптимизации продукта

Это лишь некоторые из навыков, которые необходимы PM для управления процессом бережливого продукта и постоянного обеспечения соответствия продукта рынку и коммерческого успеха. Кто-то, кто жил по этой книге (или испытал ее на работе, в качестве PM), наверняка будет обладать отличными общими навыками PM (и то, что я буду называть в этой статье генеральным PM).

Сила контекста и рынка

Понимание рынка имеет решающее значение для установления соответствия продукта рынку. Во многих потребительских приложениях такие знания могут быть (по крайней мере, частично) тривиальными благодаря личному опыту, друзьям и семье, быстрым онлайн-тестам и т. Д. Но в более сложных отраслях, таких как коммерческое страхование, медицина и управление активами, для этого потребуется уровень понимания, который обычно достигается в результате работы в отрасли в течение разумного периода времени и конструктивного взаимодействия с экспертами в предметной области. Кроме того, во многих отраслевых вертикалях, переживающих цифровую трансформацию, роль менеджера по управлению проектами заключается в переосмыслении и переосмыслении бизнеса - большая задача, требующая полного представления о цепочке создания стоимости и основных принципах соответствующего бизнеса.

Например, в страховании это требует определенного уровня знаний об андеррайтинге, ценообразовании, претензиях, управлении рисками, управлении активами и различных других внутренних механизмах страховой компании. Кроме того, существует огромная экосистема партнерств и соревнований (перестраховщиков, страховщиков, брокеров, регулирующих органов и т. Д.), Которая усложняет принятие решений. В здравоохранении экосистемы здоровья сильно различаются от страны к стране: разные формы взаимоотношений между плательщиками, поставщиками и регулирующими органами; многие болезни, методы лечения и технические термины; медицинская этика и конфиденциальные личные данные; быстро развивающаяся научная литература - список можно продолжить.

Глубокие знания отрасли / рынка могут помочь PM выйти за рамки простых запросов пользователей и представить нестандартные функции.

Глубокие знания рынка и отраслевой опыт могут помочь повысить доверие к PM при взаимодействии с различными заинтересованными сторонами и пользователями. Кроме того, это может помочь PM сопоставить общепринятое мнение, исходящее от их общих навыков PM, с текущей ситуацией и рынком. Например, представьте себе цифровое / продуктовое подразделение крупного управляющего активами, которое создает продукт для обозначения событий кредитного риска с помощью новостных сигналов для портфеля активов с фиксированным доходом на 100 миллиардов долларов. Количество пользователей и ключевых лиц, принимающих решения, здесь будет очень небольшим (может быть, менее 5 и 50 соответственно). Здесь смущающие MVP - возможно, из-за предотвратимой ошибки ИИ в поиске правильных сигналов и точном прогнозировании кредитного спреда - могут привести к огромным негативным финансовым последствиям для портфеля и потенциальной потере доверия к команде разработчиков.

Такая динамика противоречит общепринятому мнению в мире потребительского Интернета (иногда с миллиардами адресованных пользователей), что если вас не смущает первая версия вашего продукта, вы запустили его слишком поздно. В этом случае пользователи больше похожи на венчурных капиталистов, отзывы которых могут привести к принятию решений о финансировании продукта или отказе от него. Кроме того, их недостаточно, чтобы команда разработчиков могла рассчитывать на изучение основ посредством непрерывного тестирования. Уравновешивание общепринятых взглядов интернет-бизнеса и реалий данной отрасли - это тонкое искусство, которое менеджеры, обладающие контекстными знаниями, могут сделать с меньшим риском отказа всего продукта.

«Если вас не смущает первая версия продукта, значит, вы запустили слишком поздно», Рид Хоффман

Глубокое знание рынка может помочь PM выйти за рамки простых пользовательских запросов / отзывов и ввести нестандартные функции. В 2006 году Дэниел Эк из музыкального потокового сервиса Spotify должен был конкурировать с музыкальным пиратством - почти как бесплатный потоковый сервис, конкурирующий с платным потоковым сервисом. Его глубокое понимание рынка сделало очевидным, что скорость потоковой передачи (благодаря его знаниям в области нейробиологии слуха) и широта музыкальной библиотеки (благодаря его знанию рынка и пользователей) были ключом к завоеванию потенциальных пользователей. Дэниел сказал: «Я прочитал в этой книге, что человеческому мозгу требуется около 200 миллисекунд, чтобы что-либо воспринять. Я сказал команде инженеров, что нам нужно сократить время до 200 миллисекунд ». Он хотел, чтобы разрыв между пользователем, нажимающим кнопку воспроизведения, и музыкой, звучащей в барабанных перепонках пользователя, был незаметным, основываясь на глубоком понимании того, как продукт взаимодействует со своими пользователями. Он также хотел, чтобы пользователи чувствовали, что у них на жестком диске хранится вся музыка со всего мира. Он знал, что, создав такое чувство, Spotify создаст нечто гораздо лучшее, чем пиратство. Две безумные идеи того времени, которые привели к сегодняшнему успеху Spotify, обе исходили из глубокого знания рынка и контекстуального знания.

Ноу-хау в области машинного обучения

В последнее десятилетие мы стали свидетелями массового внедрения программного обеспечения во всех сферах нашей жизни: от поиска, покупок и путешествий до здравоохранения, финансов и не только. Цикл положительных отзывов о дополнительном программном обеспечении ›› больше удобства + больше данных ›› лучший AI ›› более массовое внедрение / финансирование и повторение, похоже, имеет достаточно топлива, чтобы помочь программному обеспечению, основанному на искусственном интеллекте, охватить практически все нашей жизни. Вот почему хороший менеджер по маркетингу неизбежно понимает, как совершенство алгоритма, который управляет или находится внутри программного обеспечения, может повлиять на успех пользователя.

Представьте, что вы позвонили в Alexa, и она работала только в 60% случаев. Вы были бы довольны продуктом в целом и продолжали бы его использовать? Насколько точным должен быть разговорный агент ИИ, чтобы клиенты увидели, что к этому опыту стоит вернуться? Как изменится этот ответ, если мы, например, перейдем от банковского дела к здравоохранению? Следует ли в больнице использовать модель прогнозирования неотложной повторной госпитализации с точностью 90% для определения приоритетности людей для раннего обследования, чтобы снизить риск повторной госпитализации? А как измерять точность? Это область под кривой ROC, точность / отзыв или что-то еще? Это всего лишь несколько примеров вопросов, которые должны возникнуть у PM при определении дорожной карты продукта и оценке качества модели для пользовательской проблемы. Конечно, это не означает, что менеджеры по работе с искусственным интеллектом должны иметь степень в области машинного обучения; это относится к их способности сопоставлять KPI UX с KPI машинного обучения.

Если продолжить, то при создании продуктов, ориентированных на ИИ, ИИ является отправной точкой процесса проектирования. Вместо добавления функций ИИ к продукту, предшествующему ИИ (который иногда называют продуктом ИИ внутри), речь идет о создании совершенно нового ориентированного на ИИ опыта, который просто не имел бы смысла без ИИ. Появление таких функций будет иметь последствия для использования гибкой структуры, с которой большинство менеджеров по менеджменту знакомы и отстаивают возможность доставки продукта (в соответствии с обычными навыками, которые есть у обычного менеджера по менеджменту). В отличие от продуктов до ИИ последних десятилетий, в которых было много мелких функций, которые можно было реализовать в течение серии многонедельных спринтов, продукты, ориентированные на ИИ, обычно имеют небольшое количество глубоких функций, для каждой из которых требуются месяцы, а иногда и годы исследований и разработок. . Кроме того, успех в реализации таких функций обычно связан с неопределенностью. Например, смогут ли компьютеры когда-либо предсказать время до болезни Альцгеймера с помощью 99% C-статистики? Это требует другого подхода к определению дорожной карты и основных этапов работы.

Как разработать идеальную программу управления продуктами

При приеме на работу менеджеров по вопросам ИИ компании, не относящиеся к технологическому сектору, сталкиваются с тремя ключевыми проблемами:

  • Нехватка хороших PM на рынке AI-first, как описано выше.
  • Отсутствие соответствующих программ внутреннего обучения и развития для менеджеров по маркетингу
  • Плохо определенные карьерные траектории PM

В целом, при приеме на работу в небольшом масштабе потребности таких компаний в формальных программах управления талантами будут намного меньше, если они разработают подход, который нанимает только менеджеров по продвижению, ориентированных на AI, или обычных менеджеров; для последнего, конечно же, у них должны быть сильные ИИ и эксперты рынка, работающие в тесном контакте с PM, чтобы помочь им превратиться в великих PM, ориентированных на AI.

«Когда вы не можете найти нужных сотрудников, вы должны их нанять», Марисса Майер

Из-за нехватки менеджеров по работе с искусственным интеллектом и обычных менеджеров (два сценария найма, упомянутых выше), хотя с ними легче справиться после найма, добиться успеха чрезвычайно сложно. Вот почему, активно занимаясь цифровой трансформацией и разработкой продуктов с использованием ИИ, компании должны быть открыты для найма более широкого круга специалистов, чтобы быстрее удовлетворить потребность в талантах для управления персоналом. Учитывая, что великие PM, ориентированные на AI, скорее всего, будут довольно старшими людьми, более инклюзивный подход к найму PM создаст органический путь для молодых талантов PM с различными базовыми наборами навыков, чтобы превратиться в отличные профили PM, ориентированные на AI. И это может быть только хорошо.

Независимо от уровня стажа, на котором нанимающие компании начинают принимать на работу менеджеров по продукту, управление продуктом в первую очередь требует обучения на рабочем месте. Вот почему таким организациям необходимо создать механизмы для поддержки такого обучения. Благодаря формальному и неформальному обучению, частым переходам между продуктами и предприятиями, а также знакомству с новыми талантами и тенденциями, формирующими отрасль, будут расти великие менеджеры по маркетингу. Хорошо продуманная программа управления продуктом будет ключом к найму, развитию и удержанию хороших менеджеров по маркетингу и предложению им полноценного профессионального опыта.