ИИ для менеджеров по продукту: исследования, спецификации и профессиональное суждение

Как использовать ИИ в управлении продуктом?

Для менеджера продукта ИИ особенно полезен как быстрый, неутомимый читатель и автор первых черновиков. Он может за несколько минут обработать множество заметок, сгруппировать обратную связь и подготовить каркас спецификации. Но он слабее всего в том, что делает менеджера продукта ценным: в понимании того, какие данные репрезентативны, какой клиент важен для стратегии и с каким компромиссом бизнес готов мириться.

Вот задачи, с которыми может помочь универсальный помощник, если использовать материалы, которыми ваша компания разрешает делиться:

Какие ошибки возникают, когда ИИ обобщает интервью с клиентами?

Обычная проблема — чрезмерные обобщения. Модель, которую попросили выделить 'ключевые темы', выдаёт мнение двух человек за то, чего 'хотят пользователи', сглаживает разногласия и может привести цитату, которой никто не произносил. Продуктовое решение, принятое на основе такой сводки, опирается на несуществующие доказательства.

Вымышленный пример. Ledgerly — небольшое приложение для выставления счетов. У менеджера продукта есть заметки по шести интервью с клиентами. Два клиента попросили добавить автоматические напоминания об оплате. Один сказал, что напоминания будут раздражать его клиентов и он их отключит. Трое не упомянули напоминания и говорили в основном о медленной сверке банковских операций.

Расплывчатый запрос 'Кратко изложи основные темы этих интервью' дал такой результат: 'Пользователям очень нужны автоматические напоминания об оплате. Как сказал один из клиентов: «Я бы доплачивал за напоминания». Сверка платежей — второстепенная проблема.' Никто не произносил приведённую цитату. Тема сверки платежей, которую подтверждало больше всего данных, отошла на второй план. Возражение исчезло.

Более качественный запрос: 'Для каждой темы укажи число интервью, в которых она упоминается, идентификаторы этих интервью и одну точную цитату из заметок. Перечисли все интервью, которые противоречат этой теме. Не ранжируй темы по важности.' После проверки сводка выглядела так: сверка расчётов — упоминается в 3 из 6 интервью (I2, I4, I6); напоминания об оплате — запрошены в 2 из 6 (I1, I3), при одном возражении (I5). Менеджер продукта сверил каждую цитату с заметками, прежде чем поделиться сводкой.

Как улучшить техническое задание с помощью ИИ?

Используйте ИИ, чтобы находить пробелы в спецификации, а не писать её за вас. Менеджер продукта, который сам формулирует проблему и цели, понимает их; тот, кто принимает сгенерированный вариант, часто не может обосновать его при обсуждении.

Продолжим пример с «Леджерли» и предположим, что команда всё же разрабатывает напоминания. Менеджер продукта пишет описание из одного абзаца и просит: 'Перечислите нестандартные ситуации, которые должна учитывать эта функция. Сгруппируйте их по выставлению счетов, времени отправки и опыту клиента.' Полезный список включает частично оплаченные счета, счета, оспариваемые клиентом, клиентов в другом часовом поясе, напоминание, запланированное на праздничный день, клиента, который попросил с ним не связываться, и счёт, изменённый после отправки напоминания.

Затем менеджер продукта решает, какие пограничные случаи войдут в первый выпуск, какие явно не входят в задачи продукта, а по каким нужно мнение разработчиков. Это решение и его обоснование — самая важная часть спецификации, и делегировать её не следует.

Может ли ИИ заниматься проектированием продукта или выполнять работу менеджера продукта?

ИИ может помочь с отдельными задачами в обоих случаях. Он может подготовить тексты для интерфейса, предложить варианты компоновки, создать черновые прототипы в некоторых инструментах и быстро сгенерировать много вариантов. Это полезно для поиска решений, но дизайнеру или менеджеру продукта всё равно нужно оценить, какой вариант соответствует потребностям пользователей, бренду и ограничениям.

Основная работа менеджера продукта — делать выбор: какую проблему решать, для каких клиентов, на какой компромисс пойти и что не создавать. Эти решения зависят от контекста, которого у модели нет: стратегии компании, обязательств перед конкретными клиентами и того, что команда разработки способна поддерживать. Мы не прогнозируем, какие роли изменятся и как быстро.

Менеджер ИИ-продукта и менеджер продукта, использующий ИИ, — это одно и то же?

Нет. Под менеджером ИИ-продукта обычно понимают специалиста, который создаёт функции на основе ИИ: определяет поведение модели, разрабатывает способы оценки, разбирает случаи сбоев и управляет затратами на выполнение запросов к модели. Это специализированная область со своими курсами и рынком найма.

Это руководство предназначено для гораздо более многочисленной группы менеджеров по продукту, которые используют инструменты ИИ, чтобы лучше выполнять свою текущую работу. Если вы создаёте функции ИИ, вам нужны и повседневные навыки с этой страницы, и отдельная база знаний об оценке и поведении моделей, которая здесь не рассматривается.

Какие подтверждающие сведения о продукте нельзя передавать в инструменты ИИ?

Всё, что ваша компания не разрешила использовать в выбранном вами инструменте. Заметки по интервью часто содержат имена, названия работодателей и другие сведения, позволяющие установить личность человека. Удалите их перед вставкой и замените идентификаторами интервью. На неопубликованные пункты плана развития продукта, планы по ценообразованию и условия договоров могут распространяться ограничения внутренних правил.

Используйте утверждённое компанией рабочее пространство, а не личный аккаунт, и ознакомьтесь с политикой вашей организации по использованию ИИ, прежде чем загружать записи исследовательских интервью или их расшифровки. Если затрагиваются персональные данные, у организации есть обязанности по их защите независимо от используемого инструмента.

Как продуктовой команде практиковаться в работе с ИИ?

Практикуйтесь на решении из прошлого, по которому вам уже известны исходные данные и результат.

Когда этот подход не подходит?

Если ваше исследование состоит из нескольких интервью, прочитайте их сами. Обобщение с помощью ИИ сэкономит немного времени, а чтение записей даст контекст, которого не будет в сводке. ИИ полезен, когда материалов больше, чем один человек может внимательно прочитать, но даже тогда он должен указывать, что прочитать, а не заменять чтение.

Tosheo.ai — не курс по управлению продуктами на базе ИИ или оценке моделей. Он создаётся, чтобы учить людей использовать универсальные инструменты ИИ в повседневной работе. Запланированы программа для продуктовых ролей, короткие уроки и практические задания с оценкой по доступным учащемуся критериям. Если вам нужна программа профессиональной подготовки по созданию продуктов на базе ИИ, лучше выбрать специализированный курс.