Wdrażanie sztucznej inteligencji w całym procesie rozwoju produktu w celu zwiększenia efektywności

Powszechnym błędnym przekonaniem na temat wdrażania generatywnej AI jest to, że narzędzie jest przydatne tylko wtedy, gdy generuje doskonałe wyniki. Jednak takie podejście nie docenia wartości częściowego rozwiązania. Obecnie GenAI najlepiej nadaje się do zastąpienia części procesu roboczego, a nie całego przepływu pracy.

Byłoby idealnie, gdyby sztuczna inteligencja zastąpiła czasochłonne, ręczne części Twojego procesu pracy. Jeśli AI potrafi ukończyć zadanie do nawet 60%, zaczynając od zera, zespół zyskuje czas na ważniejsze części projektu. Ważne, co możesz zrobić, gdy masz wizualizację wygenerowaną przez AI. Wówczas zespół może wykorzystać swoją unikalną wiedzę, aby wykonać pozostałe 40% zadania. A jeśli skutecznie wdrożysz AI do regularnych prac zespołu lub w całej organizacji, oszczędność czasu stanie się wykładnicza. 

Ważne: Według ankiety przeprowadzonej przez Bain, otwiera się w nowej karcie, „ponad 60% ankietowanych firm postrzega generatywną AI jako jeden z trzech najważniejszych priorytetów w ciągu najbliższych dwóch lat, ale tylko około 35% ma jasno określoną wizję tego, w jaki sposób wytworzy wartość biznesową dzięki generatywnej AI”.

W tym poście przedstawiam sugestie wynikające z mojego doświadczenia w kierowaniu zespołami ds. zarządzania produktu w Lucid: jak celowo wdrożyć sztuczną inteligencję w całym procesie rozwoju produktu, aby zbudować wartość biznesową.

Kto powinien odpowiadać za wdrażanie AI w całej organizacji?

Po pierwsze: Czyim zadaniem jest przemyślane wdrażanie sztucznej inteligencji?

W wielu organizacjach wyznacza się jedną osobę do oceny i wdrażania narzędzi AI, co jest skuteczne w analizie wpływu na dane i prywatność, ocenie dostawców i podejmowaniu innych ogólnych decyzji dotyczących strategii. Problem polega na tym, że lepiej jest mieć konkretne cele, które można zmierzyć dla poszczególnych zespołów, niż niejasny cel organizacyjny, taki jak „wdrożenie sztucznej inteligencji”. Wdrożenie jest często bardziej skuteczne, jeśli kilku liderów biznesowych ma wpływ na to, w jaki sposób rozwiązania AI wpłyną na cele, które monitorują dla swoich zespołów lub działów. 

Pomyśl o tym jak o współpracy partnerskiej. Na przykład kierownik ds. sprzedaży i kierownik ds. obsługi klienta mogą oceniać narzędzia AI pod kątem tego, czy pomogą one przedstawicielom handlowym zwiększyć efektywność, podczas gdy kierownik ds. IT może przyjrzeć się danym i zagrożeniom dla bezpieczeństwa związanych z ocenianymi narzędziami. Aby stworzyć wartość biznesową, narzędzia AI, w które inwestujesz, muszą mieć pozytywny wpływ na cele całej organizacji.

Wdrażanie AI w całym procesie rozwoju produktu, od powstania pomysłu po monitorowanie.

Jednym ze sposobów, aby AI była warta inwestycji, jest wdrożenie jej w całym procesie rozwoju produktu – od powstania pomysłu po monitorowanie – a nie jako jednorazowe narzędzie. Przyjrzyjmy się, co to konkretnie oznacza.

Pomysły

Pomysły na rozwój nowego produktu

Jednym z najbardziej znanych zastosowań AI jest generowanie pomysłów. Dzięki generatywnej AI możesz wpisać prompt, aby wywołać pomysły i dać zespołowi punkt wyjścia do każdego projektu. To pomaga zwalczać „syndrom pustego obszaru roboczego” i zachęca do kreatywnego myślenia.

Przykład: załóżmy, że potrzebuję potencjalnych integracji dla Lucidchart. Mogę użyć Collaborative AI Lucid do generowania pomysłów.

Oczywiście nie mogę po prostu wziąć tych danych i przekształcić ich w mapę drogową dla produktu – musielibyśmy przeanalizować wiele źródeł informacji, od opinii klientów po informacje zwrotne z rynku – ale podoba mi się, że tak mogą powstać nowe pomysły lub można zainspirować kogoś do nawiązania kontaktów, do których w innym przypadku by nie doszło. To pomaga wzmocnić pozycję zespołu, a nie zastąpić jego wiedzę specjalistyczną.

Planowanie

Sortuj pomysły według tematów i podsumowuj sesje robocze

Generatywna AI może być też przydatna na etapie planowania pracy, automatycznie sortując pomysły według tematów i tworząc podsumowania pomysłów lub sesji roboczych. To jeden z moich ulubionych sposobów użycia AI. 

Jeśli Twój zespół będzie zbierał wyniki badań użytkowników na wirtualnej tablicy, takiej jak Lucidspark, możesz użyć AI do sortowania pomysłów według tematów, oszczędzając pracownikom mnóstwo czasu. W razie potrzeby możesz przeprowadzić dalszą analizę. Następnie możesz użyć AI do podsumowania badań dla interesariuszy, aby mogli szybko przejrzeć wyniki.

Projektowanie

Automatyczne generowanie diagramów

Po przejściu do fazy projektowania procesu roboczego automatyczne generowanie diagramów, otwiera się w nowej karcie może być dobrym początkiem na potrzeby dokumentowania procesów i systemów technicznych. W Lucidchart można wpisać prompt o wygenerowanie flowchartów, diagramów sekwencji, diagramów klas i diagramów związków encji. Kiedy AI utworzy pierwszą wersję, możesz poświęcić więcej czasu na edycję i poprawki, by dostosować diagram do swoich konkretnych potrzeb.

Jest to szczególnie przydatne, gdy zaczynasz od już posiadanych treści, takich jak standardowe procedury operacyjne, pisemna dokumentacja, notatki ze spotkania czy transkrypcja odpowiedniej części spotkania.

Wyszukiwanie odpowiedniej dokumentacji

Innym sposobem wykorzystania AI na etapie projektowania jest wyszukiwanie semantyczne, które przegląda bazę danych pod kątem dokumentacji i szybko ją wyświetla. Ta funkcja oszczędza czas na znalezienie potrzebnych dokumentów i pomaga uniknąć problemów z wiedzą organizacji. Nawet jeśli nie wiesz dokładnie, czego szukasz, wyszukiwanie semantyczne wyświetli dokumenty powiązane z tym, co wpisujesz w pasku wyszukiwania.

Przykładem wyszukiwania semantycznego jest wtyczka Microsoft 365 Copilot dla Lucid, która wkrótce zostanie wdrożona. Użytkownicy będą mogli pobierać dokumenty Lucid bez opuszczania Copilot, a także otrzymać generowane przez AI streszczenia dokumentów.

Ocena projektów

Wykorzystanie AI do oceny projektów może być również bardzo pomocne i mieści się w fazach projektowania i budowania procesu roboczego. Niektóre narzędzia AI mogą oceniać projekty i architekturę pod kątem znanych problemów, najlepszych praktyk, zagrożeń bezpieczeństwa i nie tylko. Jednak musisz mieć świadomość niedokładnych wyników, które mogą pojawić się przy użyciu AI do oceny projektów. Mimo to AI może pomóc w zdefiniowaniu ryzyk, które mogłyby Ci umknąć.

Budowanie

Asystenci kodowania AI

Sztuczna inteligencja może nie tylko pomóc w tworzeniu pomysłów, planowaniu i projektowaniu, ale także w budowaniu rzeczywistych produktów, nad którymi pracuje zespół.

Asystenci kodowania AI, na przykład GitHub Copilot, mogą pomóc programistom w czystszym i szybszym kodowaniu. Asystent kodowania AI może:

• Automatyzować uzupełnianie kodu 

• Przedstawiać sugestie dotyczące linii kodu 

• Generować fragmenty kodu

Premiera

Automatyzować wejście na rynek

Gdy nowy produkt będzie gotowy do wprowadzenia na rynek, zespół może wdrożyć AI, aby zwiększyć efektywność premiery.

Marketerzy mogą używać dużych modeli językowych (LLM), takich jak ChatGPT, do generowania konspektu treści promocyjnych, takich jak e-maile. Następnie copywriterzy mają czas, aby przekształcić ten konspekt w dopracowany szkic. Z kolei przedstawiciele handlowi mogą używać LLM, aby dowiedzieć się więcej o firmie przed rozmowami z klientami.

Monitorowanie

Syntetyzuj badania jakościowe

Generatywna AI może być wykorzystana na końcowym etapie procesu rozwoju produktu: monitoringu. Po tym, jak zespół wprowadzi na rynek nowy produkt, można monitorować jego sukces, przeprowadzając badania jakościowe i wykorzystując AI do syntezy tych badań. 

Jeśli istnieją spójne elementy, których zawsze używasz w badaniach jakościowych, możesz skonfigurować je w narzędziu AI, aby powstał format wyjściowy. Spójne elementy mogą obejmować:

• Kluczowe motywy opinii

• Standardowy format podsumowań połączeń klientów

• Kohorty grup dyskusyjnych

Po skonfigurowaniu AI do tworzenia żądanych formatów wyjściowych zespół nie będzie musiał poświęcać czasu na sortowanie każdej odpowiedzi, aby sprawdzić, czy ma ona zastosowanie, czy nie. To AI może tu pomóc: przygotować wstępnie ukończoną jakościową syntezę badań, a następnie zespół może wykorzystać swoje umiejętności, aby wdrożyć wyniki. 

Ta jakościowa synteza badań prowadzi nas z powrotem do etapów tworzenia pomysłów i planowania procesu rozwoju produktu. Gdy już wiesz, jak przyjęto nowy produkt, możesz zacząć tworzyć pomysły i planować przyszłe iteracje! 

Skuteczność AI leży w celowości organizacji. Wdrożenie AI w całym procesie pracy, mające na celu usprawnienie rozwoju produktu, będzie lepszą inwestycją dla firmy niż szereg jednorazowych narzędzi AI, z których niektórzy pracownicy korzystają, a inni nie.