Как искусственный интеллект влияет на управление продуктом
Co-founder нового сервиса (NDA) в Yango (международный бренд Яндекса), сопродюсер программы СКОЛКОВО «Управление бизнесом на данных» Екатерина Борисоглебская рассказала, как искусственный интеллект влияет на управление продуктом, какие тренды ИИ существуют сегодня и какие технологии будут использовать компании в ближайшем будущем.
Как ИИ используется в продуктах
В последнее время под искусственным интеллектом (ИИ) часто понимают продукты, связанные с генерацией текстов и изображений: к ним относятся нашумевший ChatGPT и его продвинутые аналоги от Google, Yandex, Microsoft, инструменты по генерации визуального контента: DALL-E, Midjourney, Kandinsky 2.2, Yandex Art, NightCafe. Помимо них, в понятие ИИ входит более широкий набор технологий: машинное обучение, нейросети и базирующиеся на них компьютерное зрение и deep learning (глубокое обучение).
Вот некоторые примеры, где такие решения используются на практике:
- Продвинутая исследовательская аналитика, в том числе на базе алгоритмов машинного обучения для определения корреляций и повышения эффективности бизнеса в коммерции и маркетинге.
- Разметка и кластеризация информации по множественными признакам, например, при работе с пользовательскими аудиториями, в рекомендательных системах. Такие алгоритмы помогают подобрать для вас любимую музыку или ленту товаров в маркетплейсах.
- Выявление аномалий, выделение трендов и оценка рисков, часто применяемые в банках и FinTech-решениях для обеспечения безопасности пользователей, оптимизации кредитных и страховых продуктов.
- Автоматизация рутинных операций: роботизированные алгоритмы поддержки, речевые ассистенты, системы управления процессами на производстве.
- Прескриптивные модели в ценообразовании, дифференциации клиентских приложений с использованием нейросетей и ML.
- Распознавание объектов: поиск картинок, разметка изображений, OCR (optical character recognition) для работы с документами и перевода изображения в текст.
Лингвистические модели или технологии трансформеров (GPT), появившиеся еще несколько лет назад, вызвали такой широкий резонанс, потому что позволили на качественно новом уровне выполнять задачи генерации текста, обработки поисковых запросов, суммаризации информации. Обученные на широком массиве текстов, они фактически предсказывают каждое следующее слово в ответе, при этом по сути никак «не осмысляя» его содержание. Базирующееся на этой технологии продукты типа Copilot помогают выполнять несложные операции на языке программирования, писать код для простых приложений и web-страниц. Это позволяет кратно ускорить процессы разработки и уйти от рутинных задач в написании кода.
Главное изменение — демократизация доступа к этим решениям через боты и API. Если раньше пользоваться такими решениями могли только крупные компании, теперь каждый человек решает с помощью ИИ личные задачи: составляет план публикаций в своих социальных сетях, заполняет календарь и выполняет другие повседневные функции.
Как создавать продукты с учетом ИИ
Развитие ИИ позволяет разрабатывать решения нового порядка и поэтому создает определенный челлендж в формировании подхода к проектированию продукта. Теперь вместо того, чтобы «вести» клиента по некой «карте» действий для совершения покупки или удовлетворения потребности, компании будут чаще заменять шаги на готовые решения. Другими словами, организации начнут отвечать на вопросы клиентов, не задавая их. Это обязывает заранее собирать информацию по всем доступным источникам о своих пользователях и о том, что для них важно в использовании продукта.
Также колоссальные сдвиги происходят в сфере UI — user interface. Эта индустрия связана с экранами, которых мы касаемся при использовании продукта. Решения в этой индустрии, с одной стороны, могут быть максимально нативными и интуитивно понятными, с другой — сохранять функциональность, Для этого сценарии нахождения пользователей на сайтах компаний должны быть максимально короткими, так как конкуренция, возникающая из-за увеличивающиеся потоков информации, слишком высока. Миллиметры в дизайне теперь влияют на конверсию в целевое действие, сложность сценариев растет: делая покупку онлайн вы можете получить рассрочку, кредит, скидку при оплате картой определенного банка и заказать доставку пятью разными способами. Задачей руководителя продукта становится снижение когнитивной нагрузки и предвыбор оптимального решения. Например, когда человек оформляет способ доставки, компания автоматически может определить лучший из всех и показать его пользователю.
Кроме того, растет запрос на добавленную ценность продукта — автоматизацией, платформенностью или переносом услуги из оффлайна в онлайн уже никого не удивишь. Зачастую, чтобы быть конкурентным среди цифровых продуктов, компании необходимо сформировать свое УТП за счет оригинальной бизнес-модели, продвинутых дополнительных опций, как, например, «Тинькофф» развернул целую экосистему сервисов вокруг клиента: город, покупки, путешествия.
При всей привлекательности современных фишек, большой пласт работы для продуктологов все еще лежит в «гигиене»: скорости и производительности приложений, борьбе с багами, тупиковыми сценариями. Растущая насмотренность и обилие вариантов делает пользователя непримиримым, миллисекунды загрузки влияют на переход в продукт конкурента, а непродуманный ответ поддержки служит поводом для его потери навсегда.
Тренды ИИ
В использовании искусственного интеллекта есть несколько трендов, которые стоит учитывать компаниям.
- Сильная демократизация доступа к инструментам. У многих компаний, например, «Яндекса» и «Сбербанка», сильно снизилась стоимость доступа к продуктам. Соответственно, понизился порог входа для пользователей.
- Открытый API. Большинство продуктов имеют общий программный интерфейс. Это означает, что с решениями больших компаний очень легко интегрироваться.
- Понятная терминология. Терминология и лексика технологических инструментов стали понятны практически каждому пользователю.
- Экономия времени и ресурсов. Процесс по созданию контента и выполнению других функций автоматизируется, исполняется за несколько секунд и стоит в разы дешевле, чем раньше.
- Высокий уровень исполнения. Технологические продукты, во-первых, перестали быть полностью роботизированными и «пиксельными». Во-вторых, теперь качество этих продуктов выросло в разы. Например, сегодня не всегда легко отличить голосового ассистента от реального.
Примеры внедрения ИИ в компаниях
Некоторое время назад команда маркетинга международного подразделения «Яндекс Такси» заменила организацию съемок для бренд-изображений. Вместо того, чтобы ехать в другую страну, можно создать промты — задания на языке, который подходит генеративным моделям, и разработать креативы с учетом локализации, культурных особенностей и визуального вкуса страны. Для того, чтобы получить хороший результат, в нейросеть можно добавить массив фотографий со съемок в бренд-айдентике, чтобы она определила стиль изображений, цвет, подобрала тональность и другие детали. Использование фотографий, сгенерированных нейросетью, в рекламе показало сопоставимые результаты с оригинальными, снятыми человеком.
Инструменты ИИ хорошо замещают работу дизайнеров. Так, на площадках E-com технологии заменили специалистов «Яндекс Маркета» и обработали фотографии товаров.
Еще одна важная сфера влияния ИИ — генерация текстов. Например, в пользовательском интерфейсе партнера «Яндекс Маркета» есть кнопка «сгенерировать описание с помощью Яндекс GPT». Она позволяет создать копирайт текста для своего товара с учетом нужного стиля коммуникации (tone of voice), структурирования информации в виде списков и даже степени «приукрашивания» информации. Главное — на начальном этапе создания промта ограничить фантазии нейросети с помощью просьбы ссылаться только на подтвержденную информацию. Как результат, GPT «Яндекса» поменял 560 тысяч описаний товаров, и 86% продавцов не вносили в полученные тексты никаких изменений.
Наконец, технологии машинного обучения автоматизируют пользовательские операции. Как пример, финансовый инструмент «Яндекса» «006» позволяет разделить платеж за покупку на шесть месяцев без первоначального взноса и не требует от клиентов заполнения большого объема информации о себе. На основе использования других сервисов «Яндекса» ИИ определяет количество средств, которое можно выдать пользователю, и другие лимиты.
О чем важно думать продуктологу будущего
Есть несколько вещей, которые должен делать продуктолог, чтобы быть востребованным:
- Уметь измерять эффекты. Нужно понимать, как технологические решения помогают пользователям больше покупать, и оценивать их возможный результат. Для этого подходит А/В-тестирование. Оно измеряет, насколько продукт нужен клиенту, и что случится, если его у пользователя не будет. Также обосновать необходимость внедрения конкретного инструмента можно с помощью «вечных» обратных экспериментов. Это когда в продукте есть одна выборка, которая постоянно меняется, но ей не доступны новые решения.
- Понимать пользователя с полуслова. Во всех сферах компании должны анализировать запросы своих клиентов, а не создавать сложную и долгую коммуникацию. Если пользователь задает вопрос, система должна понять, о чем он, кто на него может ответить и в какой области знаний нужно искать решение. Компании, которые не предоставляют аудитории возможность решать проблему быстро, в будущем окажутся за бортом.
- Предлагать скидки и другие персональные предложения в зависимости от предпочтений аудитории. Важно делать скидки пользователям на те товары, которые они покупают больше и чаще всего. Это с наибольшей вероятностью положительно повлияет на экономический результат.
Что делать сегодня
В сегодняшних реалиях специалистам по продуктам следует помнить, что ИИ больше не роскошь для крупных и продвинутых компаний по типу Amazon, Google и Ozon. Любому бизнесу следует:
— Думать, как внедрить ИИ в своей компании и искать готовые подходящие решения.
— Быстрее развивать собственные продукты.
— Использовать алгоритмы везде, где это возможно.
— Создавать инфраструктуру для роста продукта.
— Понимать, что ИИ — не панацея, и технологии пока не могут решать креативные и другие задачи.