Воскресный лонгрид, сегодня про AI в работе продакт-менеджера

ИИ в деле: приручаем нейросети для работы продакта AI стремительно ворвался во многие сферы бизнеса, и профессия продакта не стала исключением. Поделюсь своими мыслями и паттернами использования AI-инструментов в своей работе.

Чем же новомодный ИИ может помочь продакту помимо составления карты компетенций и пути развития?

1. Упрощение обработки аналитических данных. Периодически обнаруживаются целые домены слабо структурированных данных, которые необходимо проанализировать.

Мой кейс: пока весь продукт обвешан метриками и результаты любых изменений видны как на ладони, данными о деятельности команды никто не интересовался. Встала необходимость улучшить планирование, рассчитать velocity и обеспечить прозрачность загрузки команды. Когда я сделал первые выгрузки из таск-трекеров — печали моей не было предела. Никаких ценных циферок, на которые я рассчитывал сходу, не было. Я прикинул, что с помощью "экселинга" я достану нужные мне цифры примерно за 6-8 часов. Много часов нудной работы работы ради подтверждения предположения. Не вариант. С правильным промптом, накиданным за 4 итерации (минут 15-20), генеративная модель по скормленному ей файлу выдала мне результат за несколько секунд во всех нужных мне разрезах. Это была победа.

Но никто не мешает отдавать на анализ нейросетке и подготовленные данные, ускорение производства аналитических выкладок тоже полезно.

2. Первичный анализ гипотез. Генеративные модели знают обо всех продуктах, которые были до момента её обучения. Большая часть того, что вы хотите сделать в продукте — уже была кем-то сделана.

Нечасто, но периодически я скармливаю свои идеи генеративным моделям, чтобы получить "быстрое мнение". И тут нужно быть крайне осторожным, потому что генеративные модели всегда скажут вам "да", что это важно, нужно и приведут десяток аргументов "почему". Будет ли этот ответ верным — нужно разбираться в каждом конкретном случае. Но мне в этой ситуации важен не прямой ответ нейросетки, а поле вариантов, которое она описывает при ответе. Ответ позволяет шире взглянуть на проблематику, и порой, помогает найти быстрые и более простые варианты решения проблематики, чем те, которые казались приемлемыми.

3. Критерии приёмки по user story. Экономим время, получаем альтернативное мнение, качественно документируем.

Так же как и в предыдущем пункте, при реализации функциональности иногда нужно "скинуть шоры" или "замыленность глаза". Я отдаю нейросети user story или широкую проблематику и прошу сформулировать критерии приёмки. Плюсы в том, что нейросеть не знает ничего конкретного о вашем продукте и предлагает принимать и тестировать всё: от кнопочки на фронте, до правил безопасности в сетевых маршрутах трафика. Опять же позволяет взглянуть шире и учесть некоторые нюансы. Логично и понятно, что 60% ответа будут нерелевантны для вас, но зёрна ценности можно извлечь.

Немного грущу от того, что доступные нейросети не умеют отрисовывать CJM'ки по туманным вводным. Я экспериментировал с форматом graphml, который вроде как заявлен поддерживаемым для одной популярной нейросети, но результаты не впечатлили: простейший процесс из 5 кубиков отрисовать не смогла. Текстом отдаёт просто шикарные результаты, а вот именно редактируемой схемой - не умеет.

ИИ позволяет автоматизировать рутину, упростить обработку данных и написание текстов. Но нужно всегда помнить, что ИИ — дополнительный инструмент, который не всегда выдает корректные и верные результаты. Ответственность принятия решения остаётся за продактом. Современному продакт-менеджеру необходимо понимать как работают AI-инструменты и их возможности, а ещё думать не только об "что", но и о "зачем": никакой алгоритм не заменит стратегическое видение.

P.S. Делитесь в комментариях о том как вы используете нейросети в своей работе 👇

автор: Игорь Михайлов