Ti trovi in una posizione ideale per trovare opportunità di alto valore per l'AI. Puoi valutare sia la fattibilità tecnica di un'idea sia il suo impatto sull'esperienza utente, due prospettive che devono unirsi per il successo delle funzionalità AI. Non dovresti creare funzionalità di AI perché sono nuove o impressionanti, ma perché rendono davvero la vita più facile, veloce o piacevole per gli utenti.
Questo modulo descrive un metodo strutturato e iterativo per ideare, specificare e prototipare i casi d'uso dell'AI nel tuo prodotto.
Comprendere il valore dell'AI
Il seguente albero delle opportunità di AI definisce le grandi categorie di valore che l'AI può fornire:
Abbiamo elencato le categorie di valore per inquadrare le tue soluzioni. Man mano che scorri l'elenco, la complessità, il rischio e il potenziale impatto sugli utenti tendono ad aumentare:
- Approfondimenti: migliora il processo decisionale.
- Comodità: elimina gli ostacoli.
- Automazione: sostituisci il lavoro ripetitivo.
- Potenziamento: aiuta gli utenti con attività complesse o creative.
- Personalizzazione: adatta il prodotto alle esigenze e alle preferenze di un individuo.
Inizia a risolvere i casi d'uso con un impatto minore. Ad esempio, raccogli informazioni migliori sui prodotti con un sistema di AI interno, in modo da poter migliorare il prodotto dall'interno. Quindi, esamina il debito UX esistente e utilizza l'AI per ridurre l'attrito e il carico cognitivo per gli utenti. Man mano che acquisisci sicurezza ed esperienza, puoi passare a casi d'uso più complessi e aumentare l'esposizione all'AI.
Detto questo, potresti scoprire opportunità di grande impatto, come piccoli tocchi di personalizzazione, che sono sorprendentemente accessibili, a basso rischio e significativi.
Identificare le opportunità nel tuo prodotto
Per determinare l'idea giusta, devi avere una buona conoscenza dei tuoi utenti. Collabora con il tuo team UX o migliora le tue buyer persona per definire chi sono questi utenti. Adotta un approccio incentrato sull'utente (o sulle persone) e mappa le opportunità di AI che trovi in casi d'uso concreti per il tuo prodotto.
Ad esempio:
- Motivati da esigenze o punti critici espliciti degli utenti.
- Suggeriti dai membri del tuo team o da te. In questo caso, la convalida rapida con gli utenti è essenziale per evitare la trappola dell'AI fine a se stessa.
- Ispirati alla concorrenza, ma con cautela. Il pubblico e il contesto dei tuoi concorrenti possono essere diversi dai tuoi. Esegui la convalida in anticipo per verificare se le iniziative della concorrenza hanno successo anche per il tuo prodotto.
Ad esempio, la seguente tabella contiene idee per un sito web di prenotazione di voli:
In ogni fase del percorso dell'utente, puoi identificare diverse opportunità per aggiungere valore con l'AI.
Dai forma alla tua soluzione
A questo punto, hai mappato diverse idee di AI lungo il percorso dell'utente. Il passaggio successivo è dare loro una forma e acquisire abbastanza sicurezza per decidere quali sviluppare per primi. Si tratta di un lavoro di squadra, solitamente guidato dal product manager. In qualità di sviluppatore, la tua responsabilità principale è stimare il costo, l'impegno e i rischi della soluzione di AI pianificata.
Specifica le tue idee
Innanzitutto, acquisisci ogni idea in una specifica rapida e olistica. Puoi utilizzare il progetto del sistema di AI della nostra introduzione. In genere, gli sviluppatori si concentrano sulla parte della soluzione, mentre l'opportunità è specificata dal product manager. Questo esercizio offre a tutti una base comune per l'allineamento e la discussione prima di andare avanti.
Valutare l'impegno e i costi
Poi, valuta la difficoltà di implementazione della tua idea. Ad esempio, l'aggiunta di filtri intelligenti potrebbe richiedere solo l'analisi basata su prompt con un'API LLM, che è veloce da prototipare ed eseguire e più facile da modificare. Al contrario, un assistente di prenotazione personalizzato richiederebbe pipeline di dati personalizzate, API di prenotazione e meccanismi di human-in-the-loop accurati, il che è molto più complesso.
Esamina l'impegno e i costi in più dimensioni:
- Preparazione dei dati: hai già i dati di cui hai bisogno? Quanta pulizia, preelaborazione o etichettatura deve essere eseguita per renderlo pronto per l'AI?
- Maturità del modello: esiste già un modello preaddestrato adatto o devi addestrarne uno da zero?
- Latenza: quanto velocemente deve rispondere il modello affinché la funzionalità sia fluida e utile?
- Complessità dell'integrazione: quanti sistemi devono connettersi? Esistono backend, API, UI o strumenti di terze parti? Più punti di contatto ci sono, maggiori sono i costi e i rischi.
- Costo operativo: quanto costa ogni chiamata o inferenza del modello? Stima l'utilizzo e il budget mensili per lo scaling. Una funzionalità "economica" nella fase di prototipo può diventare costosa una volta che migliaia di utenti sono online.
Considera i costi nascosti per l'utente. L'AI può introdurre incertezza ed errori regolari nel tuo prodotto. Con l'AI lato client, le funzionalità vengono eseguite sul dispositivo di un utente, il che consuma larghezza di banda, spazio di archiviazione ed energia. La funzionalità deve essere abbastanza preziosa da giustificare il costo per gli utenti.
Valutando l'impegno in anticipo, puoi concentrarti su risultati di alto valore e a basso attrito e rimandare le idee più complesse fino a quando i dati, l'infrastruttura e l'esperienza non saranno maturi.
Stima delle modalità di errore
A volte, il modello commette errori e le funzionalità non funzionano come previsto. Devi comunicare ai tuoi utenti cosa sta succedendo e dove si è verificato l'errore, in modo che sappiano se possono modificare l'input per ottenere i risultati che cercano.
Ad esempio, supponiamo che tu gestisca un'agenzia di viaggi. La tua azienda vuole offrire ispirazione personalizzata per i viaggiatori. I tuoi utenti hanno chiesto uno strumento per farlo in autonomia e il tuo team di prodotto si impegna a implementarlo. Tuttavia, sai che la personalizzazione richiede molti indicatori degli utenti sui loro interessi e non hai configurato un database che raccolga questi indicatori. Ciò comporta una personalizzazione non riuscita che offre ispirazioni irrilevanti, il che porta gli utenti ad abbandonare la funzionalità. La tua comprensione della disponibilità dei dati personalizzati avrebbe dovuto informare la stima del valore del tuo team.
Ecco altre modalità di errore critiche dell'AI da considerare:
- Allucinazione: il modello genera output che sembrano plausibili, ma non sono reali (ad esempio, inventa un volo che non esiste).
- Bias: il modello mostra o amplifica generalizzazioni ingiuste basate sui dati di addestramento, portando a risultati discriminatori o iniqui. Ad esempio, il modello potrebbe presumere che gli utenti vogliano voli in prima classe e altri in classe economica in base al genere o alla razza percepiti.
- Problema di avvio a freddo: il sistema non può fornire un valore per nuovi utenti o elementi a causa della mancanza di dati iniziali, come indicato nell'esempio dello strumento di pianificazione di viaggi personalizzati.
- Degrado delle prestazioni: l'accuratezza del modello peggiora nel tempo man mano che i dati reali si evolvono e si allontanano dalla distribuzione originale, un fenomeno noto anche come deriva del modello.
Prototipo
I tuoi input su costi, impegno e modalità di errore inizialmente avranno una bassa fedeltà. Per acquisire sicurezza, la migliore convalida per una funzionalità di AI specifica è creare un prototipo. La prototipazione ti consente di testare rapidamente i presupposti tecnici di base (preparazione dei dati, latenza, accuratezza) prima di eseguire una build completa. Soprattutto con una tecnologia nuova e non completamente esplorata come l'AI, si impara più velocemente costruendo che ricercando e analizzando.
Con strumenti di generazione di codice basati sull'AI, come Vertex AI e Replit, puoi accelerare e ridurre i rischi del processo di prototipazione.
Adotta questo approccio: rilascia qualcosa di piccolo, osserva il suo comportamento e perfezionalo continuamente.
Applica le seguenti best practice:
- Crea l'intera campagna in anticipo. Testa l'intero flusso definito nel progetto del sistema di AI (dati, intelligence, esperienza utente), non solo l'accuratezza del modello. Questa compilazione deve riflettere ogni parte dell'esperienza dell'utente con l'AI, ma non deve rappresentare ogni funzionalità dell'applicazione.
- Inizia con le scorciatoie. Utilizza API e modelli preaddestrati per convalidare rapidamente il valore.
- Registra tutto. Tieni traccia di input, output e modifiche degli utenti per visualizzare le modalità di errore comuni e valutare i potenziali problemi.
- Esegui test con dati reali. I primi test devono acquisire il comportamento naturale e disordinato degli utenti.
- Aggiungere meccanismi di feedback e controllo. Consenti agli utenti di segnalare più facilmente errori o modificare gli output e di confermare o correggere i risultati.
Nella maggior parte dei casi, la prototipazione avviene parallelamente alla valutazione e al lavoro di specifica.
I tuoi concetti principali
Hai imparato a trasformare il potenziale astratto dell'AI in idee concrete e di alto valore per i prodotti. In qualità di sviluppatore, il tuo vantaggio consiste nel collegare la fattibilità tecnica all'esperienza utente. Hai esplorato il modo in cui l'AI può creare valore in diverse categorie, hai mappato queste opportunità nel percorso dell'utente del tuo prodotto e hai imparato a specificarle, valutarle e assegnare loro la priorità utilizzando framework strutturati.
Ricorda che l'AI ha successo grazie a un'iterazione incessante. Pubblica in anteprima, ascolta i tuoi utenti e osservali, poi perfeziona rapidamente. Ogni prototipo è un passo avanti per capire come l'AI può aumentare il valore e la soddisfazione del tuo prodotto.
Risorse
- Getting AI Discovery Right, una guida per ideare, convalidare e dare priorità ai tuoi casi d'uso dell'AI.
- AI Radar, uno strumento di scoperta e supporto decisionale per identificare e dare la priorità ai casi d'uso in tutti i settori.
Verifica la tua comprensione
Quale categoria di opportunità di AI prevede di assistere gli utenti in attività complesse o creative?
Quando valuti l'impegno e il costo di un'idea di AI, a cosa si riferisce la "complessità dell'integrazione"?
Che cos'è il problema di avvio a freddo nel contesto delle modalità di errore dell'AI?
Qual è l'approccio consigliato per la prototipazione delle funzionalità di AI?
Perché è importante tenere un registro durante la prototipazione?