Что такое управление ИИ продуктом?

Этот материал был переведен и отредактирован командой волонтеров ProductCamp. Источник

...lorem ipsum dolores sit amet...

В течение последних пяти-десяти лет в области управления продуктами наблюдается увеличение степени специализации. Это можно рассматривать как признак зрелости профессии, поскольку все более сложные системы требуют специализированных навыков - например, привлечение пользователей для специалистов по управлению ростом (Growth PM), сегментация клиентов и коммуникации для специалистов по управлению выхода на рынок (go-to-market PM) или практические технические знания для специалистов по управлению продуктами, которые ориентированы на разработчиков. Новая область, которая привлекает все больше внимания - и вызывает замешательство - это роль менеджера ИИ продукта (AI Product Management). Что вообще означает этот термин? И имеет ли он разное влияние на отдельных руководителей, команды и лидеров продуктов?

Определение новой специализации

В 2023 году управление ИИ продуктом означает специализацию в области разработки и управления продуктами, использующими технологии искусственного интеллекта (ИИ), в то время как современное внимание в области искусственного интеллекта в основном сосредоточено на системах машинного обучения с учителем. Основное различие между этими системами и традиционной разработкой программного обеспечения заключается в том, что в системах ИИ поведение продукта основано на закономерностях, найденных в данных, а не на компьютерных инструкциях и правилах. Если при разработке программного продукта основное внимание уделяется точному и надежному программному коду, то в проектах ИИ качество и количество данных - это главное. Конечно, надежные инженерные системы также являются важной составляющей, которая поддерживает разработку, развертывание, оценку и обслуживание моделей искусственного интеллекта.

Индивидуальные менеджеры ИИ продуктов

Существует множество профессиональных навыков, необходимых для менеджеров по продуктам (МП), причем требования варьируются в зависимости от отрасли и типа продуктов. Общие навыки включают в себя: технические знания, UX-дизайн, анализ данных, проведение экспериментов, исследования пользователей, методологии разработки продуктов, бизнес-моделирование и многое другое. Для упрощения мы можем сгруппировать основные навыки МП следующим образом:  

Исследование пользователей, анализ данных, бизнес-моделирование и отраслевой опыт - это области, которые фокусируются на способности правильно определить проблему. Технические знания, UX-дизайн, проведение экспериментов и методологии разработки продукта - это области, которые сосредоточены на способности спроектировать правильное решение.  Лучшие менеджеры продуктов специализируются на определенных типах проблем клиентов, которые они решают, и на определенных типах решений, которые они разрабатывают. Эти специалисты не являются универсальными.  

Менеджер ИИ продукта должен обладать набором навыков как из традиционной среды разработки программного обеспечения, так и из ориентированных на данные команд. Им также необходимо адаптироваться к работе с новыми типами заинтересованных сторон (специалистами в области науки о данных и инженерии данных) в своих межфункциональных командах. Коммуникация и перевод сложных технологических концепций для непрофессиональной аудитории является ключевым навыком, благодаря которому МП могут работать с отделами продаж и маркетинга над тем, как позиционировать и продвигать продукт. Наконец, управление рисками, включая соблюдение связанных с ИИ правил и этических норм, играет гораздо большую и более заметную роль в системах ИИ, где зачастую результаты, возвращаемые пользователям, не столь предсказуемы, как в традиционных системах, основанных на правилах.

Так или иначе, в первую очередь роль менеджера ИИ продукта по-прежнему остается ролью менеджера по продукту и лишь второстепенно специалиста по ИИ. Три фундаментальные области управления продуктом - знание и сопереживание пользователям, управление разработкой и созданием новых систем, а также стратегия и принятие решений на основе данных - являются более важными и часто недооцененными в командах по разработке ИИ продуктов.

Найм и развитие специалистов в области управления ИИ продуктами

Аналогично найму и развитию специалистов в области управления продуктом для любой специализации, вам необходимо установить приоритеты между обязательным и потенциальным навыками в трех основных областях: изучение пользователей, создание новых систем и принятие решений на основе данных. Приоритеты различаются в зависимости от стадии зрелости продукта.

Если продукт находится на стадии открытия и создания концепции, то навык изучения пользователей является обязательным условием для найма. Чем глубже опыт работы в отрасли и пользовательском сегменте, тем лучше. ETS AI Technology Labs успешно работает по этой модели, поскольку большая часть их работы сейчас - это эксперименты с различными концепциями и прототипами, которые используют возможности мультимодального ИИ, который разработали технические специалисты. Их лучшие менеджеры по продуктам имеют десятилетний опыт работы в сфере образования или EdTech. 

Развитие технических компетенций этих менеджеров по продуктам происходит путем объединения их со специалистом в сфере ИИ на этапе планирования, чтобы быстро получить ответ о целесообразности и затратах с точки зрения ИИ. Со временем менеджеры по продуктам становятся достаточно подкованными в возможностях ИИ, чтобы больше не нуждаться в поддержке специалиста-технолога. Высокоуровневые обзорные курсы по ИИ также могут сократить время внедрения менеджера в продукт.

Если же продукт находится на стадии оптимизации для повышения производительности или добавления новых сценариев использования, технический опыт и принятие решений на основе данных являются обязательными навыками для менеджера продукта. BNED DSS использует множество моделей ИИ для улучшения процесса Спроси Эксперта, используемого для помощи в выполнении домашних заданий и репетиторских услуг. Запущенные в производство модели и алгоритмы необходимо постоянно оптимизировать, чтобы улучшить общее время отклика и снизить количество ложных срабатываний. Технический менеджер по продукту проводит AB-тесты с множеством вариантов конфигурации, чтобы найти оптимальный. Поскольку объем и тематика вопросов постоянно меняются, равно как и доступность экспертов в данной области, это постоянная функция управления техническим продуктом. 

Лучший способ развить навыки изучения пользователей у менеджера по техническим продуктам - это начать с анализа данных о способах использования функциональных возможностей продукта. Когда они столкнутся с неожиданными закономерностями, поручите им работу с UX специалистом, чтобы выяснить, почему это происходит в разговоре с реальными пользователями. Вы также можете наставлять их, проводя мозговые штурмы для поиска проблемных областей, в которых можно принести пользу от 10-кратной оптимизации скорости или 10-кратного сокращения ручного труда. Это более простой способ для поиска проблемных областей, в которых решения, распознавания, рекомендации и предсказания ИИ могут принести пользу. Это может стать очень успешной моделью в развитии понимания пользователей менеджеров технических продуктов.

Ключевым критерием того, насколько успешно развивается ваш менеджер по продуктам ИИ, является тестирование созданного им ценностного предложения с вашим целевым клиентом.  Чем сильнее будет отклик, тем лучше ваш менеджер ИИ продукта соответствует той роли, в которой он развивается.

Навыки и знания ИИ для менеджеров по продуктам

Растет количество образовательных материалов в Интернете, направленных на заполнение пробелов в знаниях как отдельных менеджеров по продуктам, так и руководителей, чтобы они могли работать с исследователями данных и инженерными командами над проектами ИИ.

Навыки и знания ИИ для руководителей и топ-менеджеров 

Руководители и топ-менеджеры, независимо от их функциональной области, принимают решения о стратегии, плане действий и приоритетности ресурсов. Чтобы эффективно включить ИИ в эти решения, необходимо понимать возможности ИИ и ценностные предложения, относящиеся к вашей отрасли, категории продуктов и технологическому стеку. Основными ценностными предложениями для бизнеса являются: автоматизация, персонализация и прогнозирование. Основные возможности ИИ, определяющие эти ценностные предложения, можно разделить на обнаружение закономерностей и генерирование данных, текста, языка, аудио, изображений и видео. Определите, к каким типам данных вы имеете доступ в изобилии, и определите лучшее ценностное предложение для вашей сферы деятельности, которой вы хотите заниматься. Исходя из этого, вы можете обратиться к своим командам ИИ и менеджерам по продуктам с просьбой предоставить вам предложения по потенциальным проектам. Чтобы получить более глубокие знания об ИИ, попробуйте воспользоваться рекомендациями, приведенными выше, или курсами "ИИ для руководителей", чтобы получить высокоуровневый обзор. Еще более актуальным будет чтение о конкретных случаях использования ИИ и посещение демонстраций новых продуктов и ИИ решений в вашей или смежных отраслях.

Руководители компаний с техническим образованием будут иметь здесь больше преимуществ и должны стать внутренними инициаторами стратегий и инвестиций компании в ИИ. Вовлечение таких руководителей на этапе открытия продукта и проверки концепции может стать ключом к успешному внедрению новых ИИ-инноваций в компании.

То, что не меняется: Основные навыки управления, актуальные как никогда

Когда технология быстро набирает популярность, у специалистов по продуктам появляется соблазн (однако и опасность) рассматривать каждую проблему разработки продукта через призму этой технологии, в соответствии с пословицей "если у вас есть только молоток, все выглядит как гвоздь".  Компании просто хотят иметь возможность добавить в описание своих продуктов ключевое слово "технология", чтобы выглядеть инновационными. У них также возникает соблазн передать бизнес-функции техническим специалистам - возможно, нанимая руководителей с опытом работы в области технологий или науки о данных, игнорируя основные компетенции по продуктам. Область искусственного интеллекта существует в этом поле слишком долго, с чрезмерными инвестициями в технологические стартапы, которые не смогли решить значимые проблемы клиентов. Истинная ценность для конечного пользователя от внедрения технологии в коммерческую эксплуатацию часто наступает через 10-20 лет после появления возможностей.  Область ИИ, связанная с принятием решений, прогнозов и рекомендаций на основе данных и естественного языка с помощью машинного обучения, только что вошла в эту эпоху - наряду с нынешними звездами СМИ ChatGPT и когортой конкурентоспособных больших языковых моделей.  Учитывая расстояние между технологическими возможностями и зрелостью продукта - никогда еще не было более важного времени для организаций для инвестирования в развитие их функции управления продуктами, чтобы полностью использовать потенциал этих захватывающих технологических достижений.

ВЫВОДЫ ИЗ СТАТЬИ