Внедрение ИИ в разработку продуктов

Распространенное заблуждение относительно внедрения генеративного ИИ заключается в том, что он полезен только в том случае, если дает идеальные результаты, но такой подход недооценивает ценность частичных решений. Сегодня генеративный ИИ лучше всего подходит для решения отдельных задач в рабочем процессе, а не всего рабочего процесса целиком.

В идеале ИИ заменяет трудоемкие части рабочего процесса, которые выполняются вручную. Если ИИ способен выполнить задачу от 0 до хотя бы 60 %, это позволяет команде уделять внимание более значимым частям проекта. Важно то, что вы можете сделать на основе визуальных материалов, сгенерированных ИИ. На этом этапе членам команды останется применить свой уникальный опыт для завершения оставшихся 40 % работы. А если эффективно применять ИИ к работе команды или организации в целом, экономия времени станет расти по экспоненте.

Согласно опросу, проведенному компанией Bain, открывается в новой вкладке, «более 60 % опрошенных компаний считают генеративный ИИ одним из трех главных приоритетов на ближайшие два года, но только около 35 % имеют четкое видение того, как они будут создавать бизнес-ценность с помощью генеративного ИИ».

В этой статье я поделюсь своим опытом руководства командами по управлению программными продуктами в Lucid и предложу рекомендации по целенаправленному внедрению ИИ в процесс разработки продуктов для создания бизнес-ценности.

Кто должен отвечать за внедрение ИИ в организации?

Сначала о главном: кто должен заниматься организованным внедрением ИИ?

Во многих компаниях за оценку и внедрение инструментов ИИ ответственным назначается один специалист, открывается в новой вкладке, что является эффективным для анализа данных и конфиденциальности, оценки поставщиков и принятия других общих решений по стратегии ИИ. Проблема в том, что лучше поставить конкретную задачу перед конкретной командой и отслеживать ее выполнение, чем иметь расплывчатую цель масштаба всей организации — «развернуть ИИ». Реализация часто оказывается более успешной, если несколько руководителей имеют право голоса в том, как решения на основе ИИ повлияют на цели, стоящие перед их командой или отделом.

Рассматривайте это как партнерство. Например, руководитель отдела продаж и руководитель службы поддержки могут оценивать инструменты ИИ с точки зрения повышения продуктивности специалистов, а руководитель IT-отдела — с точки зрения рисков, связанных с хранением и безопасностью данных. Для создания бизнес-ценности инструменты ИИ, в которые вы инвестируете, должны положительно влиять на цели всей организации.

Внедрение ИИ в рабочий процесс разработки продукта, от генерации идей до мониторинга

Один из способов оправдать инвестиции в ИИ — это внедрить его на всех этапах разработки продукта, от генерации идей до мониторинга, а не использовать в качестве разового инструмента. Давайте рассмотрим, что это означает на конкретных примерах.

Генерация идей

Толчок к развитию идей для новых продуктов

Пожалуй, одним из самых известных примеров применения ИИ является генерация идей. Можно дать генеративному ИИ запрос, попросив его предоставить варианты идей, и тем самым дать команде отправную точку для старта нового проекта. Это помогает бороться со «страхом белого листа» и поощряет дивергентное мышление.

Предположим, вам необходимо проработать возможные интеграции для Lucidchart. Можно использовать возможности коллективного ИИ Lucid для генерации идей.

Пример использования коллективного ИИ для генерации идей в Lucidspark

Конечно, нельзя просто взять ответ ИИ-помощника и превратить его в дорожную карту продукта. Необходимо учесть множество аспектов, от исходных данных клиентов до отзывов на рынке. Тем не менее, так можно прийти к новым идеям или вдохновить на создание связей, которые раньше даже не рассматривались. Это помогает укрепить команду, а не заменить ее опыт.

Планирование

Тематическая организация и подведение итогов рабочих собраний

Генеративный ИИ также бывает полезен на этапе планирования рабочего процесса: к примеру, он может автоматически отсортировать идеи по темам, сгенерировать краткие описания идей или подытожить результаты рабочих собраний. К слову, это один из моих любимых вариантов использования ИИ.

Если собрать результаты исследований аудитории на виртуальной доске, такой как Lucidspark, можно использовать ИИ для сортировки идей по темам, что сэкономит команде много времени. Затем, если потребуется, можно провести дополнительный анализ. Далее можно использовать ИИ для обобщения данных исследований для заинтересованных сторон, чтобы они могли быстро ознакомиться с результатами.

Пример сортировки по темам с использованием коллективного ИИ в Lucidspark

Пример обобщения пользовательских исследований с использованием коллективного ИИ в Lucidspark

Проектирование

Автоматическое создание схем

При переходе на этап проектирования рабочего процесса автоматическое создание схем, открывается в новой вкладке может стать хорошим началом для документирования процессов и технических систем. Например, в Lucidchart можно ввести запрос для создания блок-схем, диаграмм последовательностей, классов или сущностей-связей. После того, как ИИ создаст макет схемы, можно ее редактировать и дорабатывать для обеспечения соответствия конкретным потребностям.

Это особенно полезно, если вы используете уже существующее содержимое, такое как стандартные рабочие процедуры, письменная документация, протоколы совещаний или даже стенограммы соответствующей части совещания.

Поиск необходимой документации

Еще один способ использования ИИ на этапе проектирования — семантический поиск документации в вашей базе данных с ее быстрым отображением. Это экономит время на поиске необходимых документов и помогает избежать проблемы «институциональных знаний». Даже если вы точно не знаете, что ищете, семантический поиск выдаст документы, имеющие отношение к вашему запросу.

Примером системы семантического поиска является плагин Microsoft 365 Copilot для Lucid, который будет доступен уже скоро. Пользователи смогут искать документы Lucid, не покидая Copilot, а также получать сгенерированные ИИ краткие описания документов.

Оценка проектов

Использование ИИ для оценки проектов между этапами проектирования и создания также может быть полезно. Некоторые инструменты ИИ могут проводить оценку проектов и архитектуры по таким параметрам, как известные проблемы, передовые методы, риски безопасности и многое другое. Нельзя забывать о возможных искажениях и ошибках, которые могут возникнуть при использовании ИИ, однако это может помочь выявить риски, которые иначе вы могли бы пропустить.

Разработка

ИИ-помощники по программированию

Искусственный интеллект может помочь не только в генерации идей, планировании и проектировании, но и в создании самих продуктов.

ИИ-помощники по программированию, такие как GitHub Copilot, могут помочь разработчикам ускорить работу и избежать ошибок в коде. Такой помощник может:

Автоматически дописать код
Предложить варианты строк кода
Генерировать фрагменты кода

Выполнить запуск

Автоматизировать процессы выхода на рынок

После завершения работы команды, занимающиеся выводом продукта на рынок, также могут использовать ИИ для повышения эффективности запуска.

Маркетологи могут использовать большие языковые модели (LLM), такие как ChatGPT, для создания проекта рекламного контента — например, текстов электронных писем для рассылки. Затем копирайтеры могут доработать полученный контент от проекта до готового черновика. Торговые представители могут использовать LLM для получения дополнительной информации о компании перед совершением звонков клиентам.

Мониторинг

Обобщение результатов качественных исследований

Генеративный ИИ можно использовать на заключительном этапе процесса разработки продукта, а именно на этапе мониторинга. После запуска нового продукта можно следить за его показателями, проводя качественные исследования и применяя ИИ для обобщения результатов этих исследований.

Если качественные исследования содержат неизменные элементы, инструмент ИИ можно настроить для создания необходимого формата выходных данных. К таким неизменным элементам могут относиться:

Основные темы отзывов
Стандартный формат для составления кратких отчетов о звонках клиентам
Фокус-группы

После того как ИИ будет настроен на создание необходимых форматов выходных данных, команде не придется тратить время на обработку каждого отклика для определения его соответствия. С помощью ИИ можно провести обобщение основных данных качественных исследований, а затем команда сможет применить результаты исследования на практике.

Обобщение результатов качественных исследований также возвращает нас к этапам генерации идей и планирования в процессе разработки продукта. Как только вы узнаете, как был воспринят новый продукт, можно начать генерировать идеи и планировать будущие итерации!

Эффективность ИИ зависит от целенаправленности вашей организации. Внедрение ИИ в рабочий процесс на всех этапах с целью повышения эффективности разработки продукта будет более выгодным вложением в бизнес, чем набор разовых инструментов ИИ, которыми пользуются отдельные сотрудники.