A mostani AI hullám hatására mintha minden egyes nap egyre több új digitális termék és funkció jelenne meg. Más kérdés, hogy vélhetően ezek nagy része nem valódi felhasználói problémára, vagy igényre választ adó megoldás. Az eredmény pedig olyasmi, amit mintha láttunk volna már valahol: rengeteg AI-feature, amit senki sem használ.
Egyre többször úgy érzem, hogy elérkeztünk arra technológiai evolúciós szintre, amikor a szoftver történelem is elkezdte ismételni önmagát, és ahogyan a történelem során mindig lenni szokott: a hibákat is.
Az AI szoftvertenger esetében sem kifejezetten új jelenségről van most szó, hanem a régóta ismert úgynevezett Product Death Cycle lényegében AI-val felturbózott változatáról.
Funkció és szoftvergyárak halálos ciklusa: Product Death Cycle
Andrew Chen és David Bland írták le először azt a szerintem mindannyiunk által jól ismert jelenséget, amelyet Melissa Perri is bemutatott a productos körökben egyfajta bibliaként kezelt Escaping the Build Trap című könyvében.
A product death ciklus lényege, hogy a csapat/cég újabb és újabb funkciókat épít annak reményében, hogy megoldja a felhasználói elégedetlenséget vagy növeli az üzleti számokat, de ezek az új funkciók rendre nem oldják meg a valódi problémát, és így az üzleti hatás is elmarad.
David Bland főleg enterprise közegben figyelte meg a jelenséget – és talán ma is ott jellemzőbb – ahol eléggé nehéz ellenállni annak a kísértésnek, ha egy nagy ügyfél kér valamit, azt automatikusan lefeljesszük.
Ugyanakkor a B2C világ sem mentes a problémától, ott a product deadth cylcle legjobb esetben karácsonyfa szerű weboldalakat és mobil alkalmazásokat eredményez.
A klasszikus körforgás tehát így néz ki:
- Nincs elég user vagy elégedetlenség van.
- Új funkciót építünk.
- Az új funkció nem oldja meg a valódi problémát.
- Továbbra sincs elég user.
→ és a ciklus újra kezdődik az elejétől.
Ez az pedig az úgynevezett build trap jelensége is egyben: a csapat gyárt, de nem tanul, és persze nincs pozitív üzleti impact sem.
Az AI Product Death Cycle még veszélyesebb?
Melissa Perri és David Bland a napokban a Linkedinen egy ironikus/vicces – ki hogy éli meg – frissített változattal álltak elő:
Az új verzió így hangzik: senki nem használja az AI terméket, ezért megkérdezzük az AI-t, milyen funkció hiányzik. Megépítjük a funkciót, majd ismét senki nem használja. És kezdődik minden elölről.
Ez a ciklus meg még veszélyesebb lehet, mert látszólag adatvezérelt. Nem a mi megérzésünkre vagy egyetlen ügyfél véleményére építünk, hanem arra, hogy „az AI mondta”: ettől úgy tűnhet, mintha validált insightokra építenénk.
Ráadásul a fejlesztés gyorsabb és olcsóbb, így a haszontalan megoldások még hamarabb kerülnek ki a piacra.
Mindezt pedig könnyű „AI stratégiaként” becsomagolni a vezetésnek, miközben valójában semmi köze a stratégiához, de pláne a felhasználói igényekhez.
Az eredmény: egyre több AI-funkció, amit senki nem kér, senki nem használ, ezáltal az üzleti eredményesség sem javul, sőt romolhat.
Rossz példák a gyakorlatból: Bookline AI ajánló
Vegyük a szerző és a Bookline tanulságos esetét.
Az oldalon a fejlécben kiemelt helyen szerepel az „AI ajánló” funkció – vizuálisan hangsúlyosabb, mint maga a belső kereső. Ez rögtön jelzi: a Bookline az AI ajánlót nagyon fontosnak gondolja. De mi történik a valóságban?
Belépett felhasználóként, jelentős meglévő vásárlási és könyvjelző-történettel akartam kipróbálni a funkciót. Az AI ajánló azonban nem használta fel ezeket az adatokat, hanem engem kért meg, hogy írjam le az érdeklődési köreimet és kedvenc műfajaimat: vagyis egy olyan feladatra várt manuális inputot, amit egy AI-alapú ajánlórendszertől épp automatikusan várnánk.
Témánk szempontjából azért tanulságos az eset, mert jól példázza, hogy innen könnyű elindulni a product death cycle AI verziójának lejtőjén is: nem használják az AI ajánlót, a csapat új feature-ökkel próbálja „okosítani”, de a valódi probléma – a relevancia és perszonalizáció hiánya – továbbra sem oldódik meg.
Az eredmény: az AI „zászlóshajó” funkcióvá válik, miközben nem ad valós értéket.
Miért követjük el ezeket a hibákat?
Ami nagyon érdekes, hogy akár a „régi” product death ciklusról, akár az AI-al felpimpelt verziójáról beszélünk a probléma gyökerei azonosak.
A termékeket biztosító szervezet és a fogyasztó között egy értékcsere történik: pontosabban a cég kielégít egy valódi fogyasztói igényt valamely szolgáltatásával, és ezen értékcsere mentén általában pénzt tud kivenni a profittermelés érdekében. A kérdés mindig az, hogy ebbe az értékláncba hogyan tud a termék bekapcsolódni, vagyis hogyan tud fogyasztói igényt kielégíteni és üzleti célokat segíteni egyidejűleg.
Ennek megfelelően a fő kérdés, hogy a szolgáltatás összességében milyen eredményere vezet a felhasználó/ügyfél és az üzlet számára.
Az output, a funkciók szállítása jó érzéssel tölt el bennünket, meg egyszerű mérni is, „kilóra”. Azonban, ha azok nem eredményeznek kimutatható üzleti eredményt, akkor lényegében kudarcot vallottunk.
Az output mint végeredmény elfogadása az outcome helyett, valamint az üzleti impact elvárásának hiánya áll a product death cycle mögött.
Hogyan lehet kitörni a ciklusból?
A megoldás nem a „még több AI feature”, hanem a jobb customer/user discovery. Az AI nem váltja ki a useri kutatást, sőt: ha rosszul használjuk, még inkább eltávolít a valódi problémáktól.
Mit érdemes tenni?
- Beszéljünk a felhasználókkal.
Az AI-t ne kérdezzük meg arról, hogy mire van szükségük az embereknek. Ehelyett ténylegesen beszéljünk velük, kutassunk, interjúzzunk, teszteljünk. Ezen a blogon szerintem már ezerszer leírtam ezt, de az AI korszakban ezen elvet továbbra is esszenciálisnak gondolom. - Értsük meg a valódi problémát.
Mi a legnagyobb akadály, frusztráció vagy időrabló lépés az adott felhasználói folyamatban? Ezt csak a user kutatásból lehet megtudni, nincs más út. - Értékeljük, hogy tényleg AI kell-e.
Sok esetben egy egyszerűbb automatizáció, jobb UX, vagy tisztább információarchitektúra sokkal többet segít. Az AI legyen eszköz, ne öncél. - Validáljunk, mielőtt építünk.
Ne AI output alapján döntsünk, hanem felhasználói validációra alapozva. Ha az AI funkció valódi értéket ad, az tesztelés közben látszani fog.
+AI helyett AI+
Teljes mértében érthető, hogy mindenki, de különösen a cégek ki akarják használni a mostani AI momentum lehetőségeit. De ahhoz, hogy valóban tudjunk élni vele, meg kell változtatni a mentális modellünket, melyhez egy remek gondolatmenetet olvastam az AI Value Creators című könyvben.
Ahogyan a Bookline példájánál láttuk a legtöbb cég az eddigi megszokott technológiai stratégiával működik, azaz azt mondja „csináljunk egy kis AI-t is”. Az idézett könyv szerint ez az +AI világ, ami általában azt jelenti, hogy mesterséges intelligenciát varrnak rá a meglévő üzleti folyamataikra.
Pedig most egy váltás zajlik, az +AI világából az AI+ világába lépünk át. Az AI+ alapja, hogy a technológia miként tud hozzáadott értéket teremteni az felhasználó és az üzlet számára.
Egyszerűbben fogalmazva: a mesterséges csak akkor adhat valódi értéket, ha nem önmagáért építjük, hanem valós fogyasztói problémákra válaszul. A kérdés tehát nem az, hogy „milyen AI funkciót építsünk még?”, hanem sokkal inkább, hogy „milyen problémát oldunk meg – és egyáltalán az AI a legjobb eszköz erre?”.
További olvasnivalók
Boros Norbert
Strategic Thinker & Product Builder
Iratkozz fel a legfrissebb elemzésekért
Feliratkozásod esetén az új cikkek egyenesen az email címedre érkeznek.