Благодаря шумихе вокруг ИИ вокруг chatGPT, я недавно услышал, как все больше и больше людей заявляют, что в будущем каждый менеджер продукта (PM) будет менеджером продукта ИИ.

Это правда? И если да, то что это означает для каждого PM, у которого сейчас нет степени в области компьютерных наук, скоро ли они останутся без работы?

Чтобы ответить на этот вопрос, давайте подробнее рассмотрим утверждение о том, что «каждый PM будет AI PM». В голове сразу всплывают три вопроса, которые хочу уточнить подробнее:

  1. Что понимается под ИИ в данном контексте?
  2. Что такое продукт ИИ?
  3. Что такое AI PM? И нужно ли вам иметь степень CS, чтобы стать одним из них?

Что такое ИИ в этом контексте?

Заинтересованный читатель, вероятно, уже знает, что ИИ — это сверхширокая концепция, описывающая способность компьютерной системы имитировать когнитивные функции человека, такие как обучение и решение проблем, и что ИИ имеет множество подполей, включая, например, машинное обучение. ML), компьютерное зрение, робототехника, экспертные системы, обработка речи, обработка естественного языка, …

В частности, термины AI и ML очень часто используются взаимозаменяемо в разговорах, но в контексте этого обсуждения разница имеет значение:

  • Продукты, основанные на более простых правилах, такие как экспертные системы, не так сложны и не так рискованны в создании и обслуживании.
    Какой-то человек определяет список правил, которые затем используются системой для принятия решений. Эти системы работают в детерминированной структуре, результат системы является определенным с учетом конкретных входных данных.
  • Продукты, основанные на машинном обучении, гораздо сложнее создавать и поддерживать.
    Правила, которые система использует для принятия решения, в этом случае не определяются человеком, вместо этого система изучает эти роли из данных (во время так называемого этапа обучения в процесс разработки). И в зависимости от конкретного используемого алгоритма машинного обучения, как и в случае с нейронными сетями, правила представляют собой черный ящик; мы, люди, не сможем понять правила, которые система усвоила из данных, которыми она питалась. Эти системы работают в вероятностной структуре: результат — это прогноз или решение, основанное на вероятности определенного результата.

Поэтому, когда люди говорят об управлении продуктами с ИИ, продуктах с ИИ или менеджерах по продуктам с ИИ, они чаще всего имеют в виду создание продуктов, в которых каким-то образом используется машинное обучение. Создание систем машинного обучения требует других навыков и знаний, специального управления рисками для запуска и хорошей работы для пользователей и бизнеса по сравнению с традиционной разработкой программного обеспечения, какой мы ее знали: по данным Gartner прибл. 85% проектов AI/ML терпят неудачу из-за неясных целей и непонятных процессов управления проектами; 87% проектов AI/ML никогда не доходят до стадии производства; в то время как 70% клиентов указали на минимальное или даже полное отсутствие влияния ИИ/МО.

Что такое продукт ИИ?

Здесь я хочу провести различие между несколькими возможными типами продуктов ИИ:

  1. Продукты, которые применяют искусственный интеллект для обеспечения (базовых/уникальных) новых пользовательских интерфейсов.
  2. Продукты (или, скорее, платформы), созданные для инженеров, которые создают технологии ИИ, то есть помогают им обучать, запускать и эксплуатировать модели машинного обучения.
  3. Продукты, предлагающие ИИ как услугу (готовые к продаже)
  4. Эта последняя категория не очень серьезная (пока ;)) Продукты, которые были созданы в основном ИИ, а не людьми.

Большинство людей ссылаются на продукты категории 1, когда говорят о «Продуктах ИИ» и упоминают в качестве типичных примеров:

  • Netflix: Возможности рекомендаций — ключевое ценностное предложение для пользователей.
  • Приложения для социальных сетей, такие как Instagram или LinkedIn, заставляют вас часами просматривать нашу персонализированную ленту.
  • YouTube не смог бы обрабатывать миллионы загруженных видео без, например, возможностей классификации (спам, нежелательный контент, функции, специфичные для контента для игр, новостей и т. д.).

Общим для всех этих примеров является то, что технология ИИ не только обеспечивает новый пользовательский опыт, но и добавляет основную и уникальную ценность для пользователя и бизнеса.
Я бы сказал, что продукты, в которых ИИ поддерживает только одну или несколько несущественных, некритичных для бизнеса функций, не являются продуктами ИИ. Но, конечно, если компания готова инвестировать в эти функции, они все равно могут нанять AI PM для их создания.

В первые дни создание продуктов AI/ML означало, что компании также должны были создавать все необходимые технологии и инфраструктуру AI/ML собственными силами. Например, они нанимали инженеров по машинному обучению, специалистов по данным и инженеров по данным и тратили месяцы и годы на создание и поддержку своих моделей машинного обучения.
Однако за последние несколько лет мы наблюдаем массовый рост числа продуктов "ИИ как услуга" (категория 3). С их помощью компании теперь могут внедрять и масштабировать методы искусственного интеллекта за долю стоимости полного внутреннего искусственного интеллекта. Любая команда, которая хочет использовать ИИ для решения ключевых проблем пользователей, должна будет провести обсуждение «создать или купить» (которому я могу посвятить отдельную запись в блоге в будущем). Вопрос о том, являются ли продукты, которые просто используют ИИ через API для действительно основного взаимодействия с пользователем, продуктами ИИ или нет, является предметом споров. ChatGPT только что сказал мне, что не будет классифицировать их как продукты ИИ — я бы сказал, что это так. Одна из ключевых причин для меня заключается в том, что независимо от того, кто разработал технологию искусственного интеллекта (собственные или внешние), эти продукты представляют одинаковые риски для пользователей, общества и окружающей среды и, следовательно, должны регулироваться в равной степени. Если мы не называем их продуктами ИИ, мы создаем ложное впечатление о более низком риске.

Небольшое примечание к вопросу "создать или купить":
не каждая компания, заявляющая, что она занимается ИИ (и, следовательно, создает продукт с ИИ), на самом деле использует ИИ — иногда это может быть просто желательным заявлением о том, что они смогут сделать в какой-то неопределенный момент в будущем. The Verge, например, в какой-то момент сообщила, что 40% ИИ-стартапов в Европе не используют ИИ.
С моральной точки зрения я не поддерживаю добавление модных словечек, связанных с ИИ, в презентацию, чтобы получить больше венчурного финансирования, если продукт действительно не нуждается в ИИ для хорошей работы. Хотя я очень одобряю быстрые эксперименты с закодированными вручную правилами или ИИ как услугу для проверки идей и создания MVP, но чтобы преуспеть в долгосрочной перспективе в качестве стартапа ИИ/с продуктом ИИ, вам, вероятно, потребуется владеть некоторыми важными ИП в доме.

Кто такой менеджер продукта ИИ?

По мере того, как в последние годы роль менеджера продукта росла, появились такие специализации, как Менеджер продукта платформы (например, https://www.svpg.com/platform-product-management/) , "менеджер по развитию" или "менеджер по техническим продуктам". Точно так же мы можем определить управление продуктами AI как специализацию PM, в основе которой лежат все основные навыки PM, но помимо этого добавляются дополнительные навыки и возможности, которыми PM должен овладеть, чтобы преуспеть в создании продуктов AI.

Давайте рассмотрим уникальные возможности, которыми должен обладать проектный менеджер для эффективного создания продуктов ИИ внутри компании из-за разного характера разработки продуктов ИИ (по сравнению с традиционной разработкой программного обеспечения).

  • Понимайте ключевые концепции машинного обучения и говорите на одном языке с вашими инженерами, учеными и инженерами данных.
  • Создайте реалистичную картину возможностей ИИ в вашей отрасли, чтобы оценить возможности и варианты использования. Является ли ML правильным решением для вашей проблемы или нет?
  • Примените новый подход к стратегии и планированию. Продукты ИИ требуют дополнительной предварительной работы и исследования данных для определения и подтверждения варианта использования/возможности.
  • Станьте исключительно грамотным и управляемым данными. Не бойтесь испачкать руки — любой продукт машинного обучения хорош настолько, насколько хороши данные, которыми он питается.
  • Применяйте основополагающее понимание практики обработки данных и жизненного цикла, чтобы управлять неопределенностью и недетерминированным характером этих продуктов.
  • Тесно и эффективно сотрудничайте с учеными и исследователями данных, чтобы создавать основные модели, которые улучшат взаимодействие с вашим продуктом.
  • Взаимодействуйте с различными ролями в нужное время в жизненном цикле разработки. Ценность добавляют многие роли, не только инженеры.
  • Управляйте рисками, связанными с искусственным интеллектом, и проектируйте их, чтобы убедиться, что ваш продукт заслуживает доверия (инклюзивность, безопасность, надежность, инклюзивность и т. д.).
  • Будьте агентом изменений, чтобы помочь организации понять проблемы, связанные с продуктами ИИ (подсказка: разрыв в ожиданиях), а также повысить квалификацию и изменить культуру вашей организации.

Вы, возможно, заметили, что я намеренно написал выше «создание продуктов ИИсобственными силами» — если вы не сделаете этого (или никогда не делали этого раньше), я не обязательно буду считать вас AI Product Manager.
Работать с вашей командой инженеров над добавлением AI как услуги для небольшой функции в существующий продукт относительно просто и не требует полного списка возможностей и навыков, которые я описал. выше.Создание моделей машинного обучения с нуля для опыта, лежащего в основе вашего продукта, — гораздо более сложная задача, и, безусловно, для успеха требуется полный спектр навыков и возможностей, перечисленных выше.

Я также намеренно написал о «создании продуктов ИИ». Обратите внимание: я не сказал, что AI PM — это тот, кто использует продукты AI, чтобы облегчить свою жизнь PM. Просто потому, что вы используете chatGPT для написания убедительного концептуального документа, вы не AI PM ;)

Подводя итог, AI Product Management — это новая специализация PM. Да, каждому продакт-менеджеру необходимо понимать основы ИИ и использовать инструменты ИИ, но не каждый продакт-менеджер станет продакт-менеджером ИИ.

Нужна ли мне степень CS, чтобы начать работу с ИИ в качестве менеджера по продукту?

Откровенно говоря, наличие степени CS даст вам большое преимущество по двум причинам: во-первых, вам будет намного легче изучить и понять эту новую технологию. У инженеров есть много ресурсов для работы с ИИ, которые вы также можете легко использовать. Во-вторых, вам легче завоевать доверие своих инженерных команд.

Тем не менее, я твердо верю, что любой, кто является отличным менеджером проектов, может изучить основы, чтобы помочь создавать лучшие продукты машинного обучения на благо нашего общества. ИИ, включая машинное обучение, сложен, но это не волшебство.

Вот несколько бесплатных рекомендуемых курсов, которые помогут вам начать работу:

  • ИИ для всех на Coursera — от Эндрю Нг, сооснователя Google Brain и DeepLearning.ai. предназначен для обучения нетехнических лиц основам ИИ и его приложений.
  • Подружиться с машинным обучением на YouTube, автор Кэсси Козырков (главный научный сотрудник Google). Этот курс предназначен для всех, кто хочет получить интуитивное представление о том, как работает машинное обучение, об основных используемых моделях или алгоритмах, а также о том, что нужно для перехода систем машинного обучения от планирования до развертывания. Она регулярно ведет блог на среде в действительно интересной и понятной форме.
  • Человеческий фактор в ИИ на Coursera — от Duke University. Этот курс является отличным дополнением для продакт-менеджеров к одному из двух других курсов, которые я рекомендовал выше. Он охватывает дизайн, ориентированный на человека, и уникальные элементы дизайна взаимодействия с пользователем для продуктов ИИ. Он также касается конфиденциальности данных, разработки этического ИИ и подходов к выявлению источников предвзятости и смягчению проблем со справедливостью.

Чтобы углубиться, я начал проводить курсы по AI ProductManagement — в прямом эфире (на Maven.com), а вскоре и с видео (запись в лист ожидания).

Понравилось то, что вы только что прочитали? Подпишитесь на меня в LinkedIn или Substack и загляните на мой веб-сайт. Я готов работать по контракту в качестве консультанта по продукту и тренера по лидерству!

Эта история была написана исключительно хорошим человеком без участия chatGPT или подобных инструментов.