Чем чаще обсуждаем ситуацию на рынке с поиском работы, тем чаще натыкаюсь на требование, что у кандидата должна быть «развитая продуктовая чуйка». Сейчас сцену выходит AI Product Sense или ИИ-ориентированная продуктовая чуйка)) Разбираемся что за модное требование в вакансиях и почему это важно

В чем прикол Раньше мы строили детерминированные системы: нажал кнопку и получил результат. Всё предсказуемо, можно заранее предсказать как технология будет работать. А вот ИИ-продукты это вероятностные системы, то есть модель может выдать шедевр, а может галлюцинацию или очередной кейс для рассказа о твоих провалах. Умение строить продукт в условиях этой неопределенности это и есть ядро AI Product Sense

База по AI Product Sense ⬆️Понимание логики ИИ, без глубокого понимания кода Вы не обязаны писать на Python, но обязаны понимать почему модель тормозит (latency), что такое контекстное окно и почему RAG это не ругательство, а способ сделать вашу ИИ-фичу эффективнее На примере: когда вы на собесе, решая кейс предлагать фичу, которая потребует 60 сек онлайн ожидания пользователя ответа от модной, но офигеть какой тяжелой модели, вместо того, чтобы использовать легкую модель с быстрым ответом = расписаться в отсутствии AI Product Sense

⬆️Экономика токенов Моя любимая тема) В обычном продукте запрос к базе стоит копейки, ну там утилизация канала связи, серверов, может быть лицухи какие-то минимально. В ИИ-мире каждый чих юзера стоит реальных центов. Продакт с AI Product Sense сразу считает окупится ли ценность этого саммари те 5 центов, которые мы заплатим за токены и разработку? А если вы еще понимаете как отличить норм гипотезу об эффекте от фичи от просто ее потенциала… А если вы еще и сами посчитать можете🤑 На примере: если вы хотите делать обычное ранжирование по критериям, посмотрите, вам локально развернутый ML классический не подойдет? Точно ли вам нужен ИИ-космолет или вам просто хочется вкусную фичу в ваш продукт?

⬆️UX неопределенности Как сделать так, чтобы юзер не удалил приложение, когда ИИ ошибся? Как собрать фидбек, чтобы модель училась, а пользователь не выбесился? Это проектирование интерфейсов, которые помогают сгладить ошибки и делают вашу ИИ-фичу лучше На примере: самое сложное это поймать негатив пользака, если добавите хотя бы оценку 👍/👎🏻 - уже сигнал, оценку ответа от 1-5 - еще лучше. Не игнорируем потенциал обратной связи и работаем с ним

⬆️Data-центричность Ну, данные - это новая нефть. Откуда они берутся? Как они размечены? Как мы защищаем приватность? Продакт теперь должен думать о данных как о части продукта, а не просто как о логах На примере: если вы используете зарубежную модельку и отдаете в нее перс данные это нарушение, будет бо-бо и это ред флаг. Поэтому на собесах раскрываем какие мы умнички и что понимаем как работать с данными, чтобы анонимизировать их перед тем, как засылать в зарубежный сервис

Что делаем Перестаем бояться подкапотки, читаем и смотрим про ИИ-базу, а не только про «10 промптов для продуктивности»🤬 Даже 20-30 минут видосик с про ИИ в неделю - это уже прогресс. Любишь рилсики - подпишись на ИИ-амбассадоров, профильные паблики, накидывай полезный контекст. Не понял что-то в ролике или на встрече? Кинь запрос чат-боту, как будет время откроешь и прочтешь

Выводы просты: что конечно AI-база не нужна прям всем, не у всех есть такие фичи, которые требуют этих знаний, но те, у кого они есть более востребованы на рынке. Начать потихоньку разбираться в теме никогда не поздно, а вот догонять, если отстанешь бывает капец как тяжело💯

Ciao! 💚

@alice_product #этобаза #ИИ