Az AI színházon túl: Az értékteremtő termékfejlesztés három alapelve

A sikeres AI alapú termékek nem öncélúan mutogatják a technológiát, hanem belesimítják azt a felhasználói élménybe. Hogyan kerüljük el az AI színházat és teremtsünk valódi értéket?

Manapság abban már talán konszenzus van, hogy a mesterséges intelligencia korszakába léptünk. Ez azt is jelenti, hogy szinte bármilyen digitális terméket, bármilyen megoldást létrehozhatunk AI segítségével.

Az utóbbi időben viszont több cikkemben is rámutattam, hogy általánosságban a cégek többsége még azt sem tanulta meg, hogy kell jó terméket létrehozni és biztosítani.

A jó product hatékonyan ad választ mind a négy úgynevezett termék kockázatra:

Azonban még az AI sem tud feltétlenül garantálni sikeres terméket, azaz olyat, ami mind a négy kockázatra automatikusan választ adna. 

Ehelyett gyakran “AI színházat” látunk, lenyűgöző demókat ilyen-olyan AI toolokkal, amelyek talán látványosak, azonban csak csekély értéket nyújtanak a felhasználónak, és az üzleti értékük is kétséges lehet. 

Ezért is talált be Aakash Gupta product management blogjának nem is olyan régi bejegyzése, ami éppen ezt a jelenséget boncolgatja, de lényegében arról szól, hogy kellene AI alapú terméket jól csinálni. Az alábbiakhoz ez a cikk adta a fő forrást. 

A tényleges AI lehetőség

Az látjuk, hogy legjobb, mesterséges intelligencia által működő szolgáltatások nem feltétlenül a villogó AI plecsnivel hirdetik magukat:

• Zökkenőmentesen integrálódnak a digitális termékbe, természetes módon oldva meg a problémákat.
• Nem követelik meg a felhasználóktól, hogy új interakciós patternek tanuljanak meg, vagy új szokásokat alakítsanak ki.
• Gyorsabbá, egyszerűbbé és hatékonyabbá teszik a meglévő folyamatokat.

Ami egy mesterséges intelligencia funkciót vagy terméket igazán kiemelkedővé tesz, az nem a nyers technikai képesség, hanem éppen a láthatatlanság.

Magyarul a legjobb AI implementációkat azok, amelyeket a felhasználók alig – vagy egyáltalán nem – vesznek észre. Olyan természetesen integrálódnak a folyamatba, hogy inkább a felhasználó saját képességeinek kiterjesztéseiként, mintsem különálló eszközként érzékeli.

Három kritikus alapelv az AI termékek fejlesztéséhez

Aakash egy három layerből álló alapelv csomagot vázolt cikkében, amelyeket az AI által hajtott termékek fejlesztése során érdemes alkalmazni:

Vagyis:

1. Demokrarizálja a kísérletezést
2. “Süsd bele az AI-t a süteménybe”
3. Láthatatlan infrastruktúra építése

Nézzük meg mindhárom pillért.

A kísérletezés demokratizálása

Az első pillér egy termék kultúra layer, és értelemszerűen amúgy is fontos volna, de az AI esetében egyenesen esszenciális. 

Az a helyzet ugyanis, hogy az AI olyan gyorsan fejlődik, hogy a hagyományos termékfejlesztési megközelítések nem tudnak lépést tartani vele.

A leginnovatívabb AI implementációk egyelőre nem roadmapekből születnek. Ehelyett váratlan helyekről bukkannak fel, alkalmi kísérletekből, amelyek meglepő potenciált tárnak fel.

A lényeg az lenne, hogy ez a kísérletező gondolkodásmód ne korlátozódjon egy eldugott “AI teamre” – amivel mostanában old-school cégek próbálkoznak éppen. Ideális esetben az egész szervezetben fellelhető, vagyis az AI-al való kísérletezés hozzáférhető bármilyen kolléga számára.

Vagyis a fejlesztők, product designerek de a nem műszaki csapatok is hozzáférhetnek vállalati szintű AI fiókokhoz, és szabadon felfedezhetik a lehetőségeket. Ez egy olyan kultúrát teremt, ahol az emberek lelkesen kísérleteznek a szabadidejükben is. 

Ez a kísérletező megközelítés ellentétes azokkal a vállalatokkal, ahol az AI bevezetése:

• Elszigetelve a specializált csapatokon belül történik
• Top-down diktálva
• Inkább technikai kihívásként van kezelve, mint kreatív lehetőségként. 

Kis kísérletek → Nagy felismerések

Marty Cagan könyveit mostanában sokat forgatom, és ő is sokat ír arról, hogy az első ötleteink általában kudarcot vallanak. Ha az első öttel ez a helyzet, a hatodik lehet az, ami radikálisan megreformálhatja a termékünket. 

Ezért kell a sok kísérlet és teszt – user teszt például -, mert így derülhet ki mely funkciók működhetnek. 

Süsd bele a sütibe az AI-t

Van itt egy vicces analógia Aakash Gupta-tól, ami furcsa lehet, de egyből átadja szerintem ennek az elvnek a lényegét.

Azt mondja ki, hogy az “AI cukorszórás” és az “AI sütemény” közötti különbségtétel nagyon fontos.

Vagyis az AI kapcsán ne úgy gondoljunk az értékre, mint egy utolsó pillanatban feldobott réteg finomságra, hanem olyan valami, ami már a kezdetektől fogva ott van.

Kicsit olyan ez mint az animációk esete, figyelemfelkeltő kicsit öncélú díszítő elemek, de minimális érdemi értéket képviselnek.

A Spotify „E heti kaland” funkciója az egyik legjobb példája a „belesütött” AI-nak. A felhasználók nem látják a komplex gépi tanulási algoritmusokat, amelyek elemzik zenehallgatási szokásaikat. Ehelyett csak hetente kapnak egy személyre szabott lejátszási listát, amely gyakran olyan dalokat tartalmaz, amelyek tetszeni fognak nekik.

Az AI torta a termék architektúrájába és felhasználói élményébe integrált intelligenciát jelképezi. Nem arról szól tehát, hogy az AI-t mutogassuk, hanem inkább a valós problémák intuitív és zökkenőmentes módon történő megoldásáról.

A problémákkal kell kezdeni, nem a technológiával

Továbbra sem azt keressük elsődlegesen, hogy hol adhatunk hozzá technológiát – jelen esetben AI-t – a termékhez. Az első lépésben azt kell megértenünk, hogy mi a felhasználói és adott esetben az üzleti probléma: majd  probléma megismerése után kell mérlegelni, hogy AI kínálja-e a legjobb megoldást. 

Ez a problémaközpontú megközelítés azt jelenti, hogy a mesterséges intelligenciát csak ott alkalmazzuk, ahol valóban értéket teremt – nem pedig ott, ahol technikailag bepasszírozható. 

Láthatatlan infrastruktúra építése

A remek – akár AI-al megtámogatott – user experience mögött  robusztus infrastruktúra áll, amelyet a legtöbb felhasználó jó esetben soha nem fog látni. 

Ahogy korábbi cikkemben írtam ennek már eddig is így kellett volna lennie, azaz a jó deployment infra elengedhetetlen ahhoz, hogy könnyen és nagy gyakorisággal tudjunk kiadni apró kis releaseket.  

A jó infrastruktúra lehetővé teszi a csapatok számára azt is, hogy a felhasználói problémák megoldására összpontosítsanak a technikai részletekkel való birkózások helyett.

Emberi tényező a tesztelésében

A kifinomult technikai infrastruktúra ellenére – ami rendszeres, gyors deplyomentet tesz lehetővé – a legértékesebb tesztelés még mindig kvalitatív és emberközpontú.

Magyarán az embernek is részt kell vennie a folyamatban, miközben építjük és iteráljuk a terméket, azaz a kvalitatív tesztelés az AI termékfejlesztésekben is esszenciális volna.

Túl az AI feature factoryn

Azon kevesek, aki eddig is tudtak jól terméket csinálni elég jó esélyekkel indulnak az AI időszakában is, és az itt leírtak nem tartogatnak túl sok újat számukra.

A nagy többségének mégis jó emlékeztető az itt felsorolt alapelvek újbóli felidézése és alkalmazása az AI potenciáljának megfelelő felhasználásra a tényleges értékteremtésre, és az AI színház elkerülésére

Az öt legfontosabb alapelv, amire érdemes emlékezni:

1. Demokratizálád a tesztelést és a kísérletezést a tejes szervezetben, ne csak a fejlesztő vagy AI csapatban.
2. Kezdjük a felhasználói és üzleti problémákkal.
3. Törekedj a láthatatlanságra, vagyi az AI funkciók a termék természetes kiterjesztésének érződjenek, nem utólag hozzáadott extráknak.
4. Hozz létre rugalmas infrastruktúrát, amely elrejti a komplexitást
5. Helyezd előtérbe az emberi perspektívát a tisztán kvantitatív mutatókkal szemben az AI funkciók sikerének mérésekor.

Az AI is csak technológia és akkor teremti a legnagyobb értéket, amikor szinte láthatatlanná válik, és a felhasználói élmény természetes részévé válik. A sikeres AI termékek fejlesztése nem a legújabb technológiai trendek hajszolásáról szól, hanem a valódi felhasználói problémák megértéséről és megoldásáról.