Я давно слежу за Шайви Ши, которая сейчас занимает позицию руководителя продукта в Microsoft. Её карьерный путь меня впечатляет, начиная с работы консультантом по цифровым трансформациям в Гонконге и до перехода в продуктовые роли в LinkedIn. Особенно вдохновляет, как она, несмотря на отсутствие технического образования, смогла построить успешную карьеру в сфере управления продуктами, опираясь на навыки взаимодействия с пользователями и кросс-функциональными командами.
Шайви всегда делится ценными мыслями о том, как важно понимать технологии, быстро обучаться и адаптироваться к новым вызовам, особенно в таких областях, как искусственный интеллект и машинное обучение. Её подход к работе — от глубокого анализа данных до стратегического видения — помогает ей создавать продукты, которые влияют на миллионы пользователей.
Через серию постов на LinkedIn, посвящённую управлению продуктами (PM), она общается с ведущими специалистами в области технологий и продуктового менеджмента. Вместе с Кейтлин Кай и доктором Ивэном Ронгом, Ши написала книгу «Reimagined: Building Products with Generative AI», которая даёт читателям советы по интеграции генеративного ИИ в стратегию продукта и карьеру.
«Reimagined» охватывает широкий спектр тем: от обзора ландшафта генеративного ИИ до процесса разработки продуктов на его основе и навигации в мире продуктовых карьер в эпоху ИИ. Читая эту книгу, я вновь убедился, что ключевые навыки управления продуктами не исчезнут в эру генеративного ИИ. В книге представлены многие важные навыки, которые актуальны как для ИИ-продуктов, так и для обычных.
В книге приводится множество реальных примеров использования генеративных ИИ-продуктов, таких как copy.ai, Galileo AI и Redfin. Особенное внимание привлекла глава, посвящённая аспектам, которые стоит учитывать при работе с генеративным ИИ:
«Reimagined» предлагает несколько полезных продуктовых принципов для генеративных ИИ-продуктов:
На основе этих общих принципов «Reimagined» предлагает практические советы по проектированию и созданию генеративных ИИ-продуктов. Вот несколько ключевых аспектов:
Книга Reimagined: Building Products with Generative AI представляет собой не просто руководство по созданию продуктов с использованием генеративного ИИ, но и более широкий взгляд на будущее управления продуктами в эпоху технологий, которые меняют способы взаимодействия с пользователями. Главный вывод книги заключается в том, что несмотря на стремительное развитие ИИ, фундаментальные навыки продуктового менеджмента остаются критически важными.
Основной урок заключается в том, что успешное внедрение генеративного ИИ требует сочетания технологических инноваций и традиционных подходов к разработке продуктов. Книга подчёркивает, что, несмотря на мощь и потенциал ИИ, успешные продукты должны решать реальные задачи пользователей, обеспечивать прозрачность и контроль, а также быть этичными и инклюзивными.
Шайви всегда делится ценными мыслями о том, как важно понимать технологии, быстро обучаться и адаптироваться к новым вызовам, особенно в таких областях, как искусственный интеллект и машинное обучение. Её подход к работе — от глубокого анализа данных до стратегического видения — помогает ей создавать продукты, которые влияют на миллионы пользователей.
Через серию постов на LinkedIn, посвящённую управлению продуктами (PM), она общается с ведущими специалистами в области технологий и продуктового менеджмента. Вместе с Кейтлин Кай и доктором Ивэном Ронгом, Ши написала книгу «Reimagined: Building Products with Generative AI», которая даёт читателям советы по интеграции генеративного ИИ в стратегию продукта и карьеру.
«Reimagined» охватывает широкий спектр тем: от обзора ландшафта генеративного ИИ до процесса разработки продуктов на его основе и навигации в мире продуктовых карьер в эпоху ИИ. Читая эту книгу, я вновь убедился, что ключевые навыки управления продуктами не исчезнут в эру генеративного ИИ. В книге представлены многие важные навыки, которые актуальны как для ИИ-продуктов, так и для обычных.
В книге приводится множество реальных примеров использования генеративных ИИ-продуктов, таких как copy.ai, Galileo AI и Redfin. Особенное внимание привлекла глава, посвящённая аспектам, которые стоит учитывать при работе с генеративным ИИ:
- Создание связного текста: Генеративный ИИ испытывает трудности в овладении языковыми нюансами. Несмотря на прогресс, ИИ всё ещё не справляется с такими аспектами, как лексика, грамматика, контекст и тональность.
- Контроль и детерминизм: В отличие от людей, модели ИИ не обладают врождённым пониманием человеческих ценностей, что затрудняет настройку их выводов в соответствии с нашими субъективными предпочтениями, такими как юмор или этика.
- Качество вывода: Например, генеративно-состязательные сети (GANs) могут создавать визуально впечатляющие изображения, но они могут быть испорчены несовершенствами. Модели языка могут генерировать текст, который при детальном рассмотрении оказывается несвязным или непоследовательным.
- Объём данных для обучения: Несмотря на развитие методов «few-shot» и «transfer learning», сбор и подготовка больших объёмов данных остаются ресурсоёмкими. Также возникает необходимость обеспечить, чтобы эти данные были разнообразными и репрезентативными, чтобы избежать неявных предвзятостей в моделях ИИ.
- Ограничения памяти и контекста: Отсутствие памяти в технологиях генеративного ИИ или ограничение контекста затрудняет удержание предшествующих взаимодействий, что часто приводит к разорванности и несвязности диалога. Это контрастирует с человеческими коммуникаторами, которые легко ссылаются на предыдущие беседы для обогащения общения.
«Reimagined» предлагает несколько полезных продуктовых принципов для генеративных ИИ-продуктов:
- Инновации ради нужд людей: Генеративные ИИ-продукты должны создаваться для решения реальных нужд пользователей, приносить реальную пользу и способствовать общественному благу.
- Прозрачность и объяснимость: Пользователи должны доверять ИИ-продуктам, и прозрачность является ключом к тому, чтобы они могли понять и осмыслить опыт и результаты, сгенерированные ИИ.
- Непрерывная обратная связь: Модели генеративного ИИ сильно зависят от качества и количества входных данных.
- Баланс между автоматизацией и контролем: Важно найти правильный баланс между автоматизацией и пользовательским управлением, чтобы повысить креативность и продуктивность. Позволяя пользователям настраивать параметры работы ИИ, продуктовые команды могут создать ощущение контроля и избежать ситуации, когда система ИИ диктует результат.
- Безопасность и этика: Обеспечение мер безопасности, получение согласия пользователей и соблюдение этических норм и законов о конфиденциальности – обязательные аспекты разработки ИИ-продуктов.
- Инклюзивность и доступность: Дизайн продуктов с учётом разнообразия пользователей, включая различные языковые настройки и поддержку вспомогательных технологий, таких как экранные читалки, крайне важен.
- Усиление человеческих возможностей: Генеративный ИИ должен помогать пользователям достигать их целей быстрее и легче, не заменяя их навыки, а выступая вспомогательным инструментом.
На основе этих общих принципов «Reimagined» предлагает практические советы по проектированию и созданию генеративных ИИ-продуктов. Вот несколько ключевых аспектов:
- Разговорный ИИ: Он имитирует диалоги, делая взаимодействие естественным и интуитивным. Одной из главных задач здесь является создание пользовательского опыта, который учитывает различные контексты разговоров и поддерживает связность диалога. Хороший пример – чат-бот Pi.
- Генерация контента: ИИ может автономно создавать текст, изображения и музыку. Важные UX-шаблоны включают ограничения по запросам, создание контента в реальном времени и предложения автозаполнения. Пример – Canva Magic Studio.
- Поисковый ИИ: Поисковые системы на базе LLM способны предоставлять чёткие ответы на запросы с возможностью дальнейшего исследования. Пример – Consensus AI, который агрегирует научные статьи.
- Персонализированный ИИ: Предлагает индивидуальные рекомендации, адаптируя интерфейсы под предпочтения пользователей. Пример – Netflix, который адаптирует изображения предложенных шоу.
- Прогнозирующий ИИ: Предсказывает потребности пользователя и предлагает решения заранее. Пример – предсказательная система покупок Amazon с виртуальным помощником Rufus.
- Ассистирующий ИИ и продуктивность: ИИ помогает пользователям выполнять задачи эффективнее, предоставляя динамические подсказки и автоматизируя рабочие процессы. Пример – copy.ai с его генеративными инструментами продуктивности.
Книга Reimagined: Building Products with Generative AI представляет собой не просто руководство по созданию продуктов с использованием генеративного ИИ, но и более широкий взгляд на будущее управления продуктами в эпоху технологий, которые меняют способы взаимодействия с пользователями. Главный вывод книги заключается в том, что несмотря на стремительное развитие ИИ, фундаментальные навыки продуктового менеджмента остаются критически важными.
Основной урок заключается в том, что успешное внедрение генеративного ИИ требует сочетания технологических инноваций и традиционных подходов к разработке продуктов. Книга подчёркивает, что, несмотря на мощь и потенциал ИИ, успешные продукты должны решать реальные задачи пользователей, обеспечивать прозрачность и контроль, а также быть этичными и инклюзивными.