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:
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.