Вы находитесь в отличной позиции, чтобы найти ценные возможности для ИИ. Вы можете оценить как техническую осуществимость идеи, так и ее влияние на пользовательский опыт – две перспективы, которые должны объединиться для успеха ИИ-функций. Не стоит создавать ИИ-функции только потому, что они новые или впечатляющие. Они должны действительно делать жизнь пользователей проще, быстрее или приятнее.
В этом модуле описывается структурированный итеративный метод генерации идей, спецификации и прототипирования вариантов использования ИИ в вашем продукте.
Преимущества ИИ
На следующей схеме показаны основные категории ценности, которую может обеспечить ИИ:
Ниже перечислены категории ценности, которые помогут вам сформулировать решения. По мере продвижения по списку сложность, риск и потенциальное воздействие на пользователей, как правило, возрастают:
- Статистика. Принимайте более обоснованные решения.
- Удобство. Устраните препятствия.
- Автоматизация. Замените повторяющуюся работу.
- Дополнение. Помощь пользователям в решении сложных или творческих задач.
- Персонализация. Адаптируйте продукт к потребностям и предпочтениям отдельных пользователей.
Сначала попробуйте решить менее важные задачи. Например, вы можете использовать внутреннюю систему ИИ, чтобы собирать более точные данные о товарах и улучшать их. Затем проведите аудит существующего UX-долга и используйте ИИ, чтобы уменьшить трение и когнитивную нагрузку для пользователей. По мере того как вы будете приобретать уверенность и опыт, вы сможете переходить к более сложным сценариям использования и расширять применение ИИ.
Тем не менее, вы можете обнаружить высокоэффективные возможности, такие как легкие штрихи персонализации, которые удивительно доступны, имеют низкий риск и значимы.
Определите возможности для вашего продукта
Чтобы определить правильную идею, вы должны хорошо понимать, кто ваши пользователи. Чтобы определить, кто эти пользователи, обратитесь к команде UX или освежите в памяти информацию о персонажах. Применяйте ориентированный на пользователя подход и сопоставляйте возможности ИИ с конкретными сценариями использования вашего продукта.
Это может быть:
- Ориентируйтесь на явные потребности или проблемы пользователей.
- Предложенные вами или участниками вашей команды. В этом случае быстрая проверка с пользователями необходима, чтобы избежать ловушки "ИИ ради ИИ".
- Вдохновляйтесь конкурентами, но будьте осторожны. Аудитория и контекст ваших конкурентов могут отличаться от ваших. Проведите раннюю проверку, чтобы узнать, будут ли успешные инициативы конкурентов работать для вашего продукта.
Например, в таблице ниже приведены идеи для сайта бронирования авиабилетов.
На каждом этапе пути пользователя вы можете определить разные возможности для добавления ценности с помощью ИИ.
Создайте свое решение
Вы уже нанесли на карту пути пользователя несколько идей по применению ИИ. Следующий шаг – придать им форму и обрести достаточную уверенность, чтобы решить, какие из них развивать в первую очередь. Это командная работа, которой обычно руководит менеджер по продукту. Как разработчик, вы в первую очередь отвечаете за оценку стоимости, усилий и рисков, связанных с планируемым ИИ-решением.
Уточните свои идеи
Сначала запишите каждую идею в виде краткой, целостной спецификации. Вы можете использовать схему системы ИИ из нашего введения. Обычно разработчики сосредотачиваются на решении, а возможность определяет менеджер по продукту. Это упражнение даёт всем общую основу для согласования и обсуждения, прежде чем двигаться дальше.
Оценка усилий и затрат
Затем оцените, насколько сложно реализовать вашу идею. Например, для добавления умных фильтров может потребоваться только синтаксический анализ на основе запросов с помощью LLM API, который позволяет быстро создавать прототипы и запускать их, а также упрощает настройку. А вот для персонализированного помощника по бронированию потребуются настраиваемые конвейеры данных, API бронирования и механизмы с участием человека в контуре, что гораздо сложнее.
Оцените усилия и затраты по нескольким параметрам:
- Готовность данных. Есть ли у вас нужные данные? Сколько очистки, предварительной обработки или маркировки необходимо сделать, чтобы подготовить его к ИИ?
- Зрелость модели. Существует ли уже подходящая предварительно обученная модель или вам нужно обучить ее с нуля?
- Задержка. Насколько быстро модель должна отвечать, чтобы функция была удобной и полезной?
- Сложность интеграции. Сколько систем нужно подключить? Есть ли у него серверная часть, API, пользовательский интерфейс или сторонние инструменты? Чем больше точек соприкосновения, тем выше стоимость и риск.
- Эксплуатационные затраты: Сколько стоит каждый вызов модели или инференс? Оцените ежемесячное использование и бюджет для масштабирования. Функция, которая кажется "дешевой" на этапе прототипа, может стать дорогостоящей, когда у вас появятся тысячи пользователей.
Учитывайте скрытые расходы для пользователя. ИИ может привнести в ваш продукт неопределенность и регулярные ошибки. При использовании клиентского ИИ функции выполняются на устройстве пользователя, что расходует пропускную способность, хранилище и энергию. Функция должна быть достаточно ценной, чтобы пользователи были согласны с ее стоимостью.
Оценив трудозатраты на раннем этапе, вы сможете сосредоточиться на ценных и простых в реализации идеях, а более сложные отложить до тех пор, пока у вас не будет больше данных, опыта и более развитой инфраструктуры.
Оценка видов отказов
Иногда модель ошибается, и функции работают не так, как ожидалось. Вы должны сообщить пользователям, что происходит и где произошел сбой, чтобы они знали, могут ли они изменить свои входные данные, чтобы получить желаемые результаты.
Предположим, вы владелец туристического агентства. Ваша компания хочет предложить персонализированное вдохновение для путешественников. Пользователи просят добавить инструмент, который позволит им делать это самостоятельно, и команда продукта настаивает на его внедрении. Однако вы знаете, что для персонализации требуется множество сигналов от пользователей об их интересах, а у вас нет базы данных, в которой собираются такие сигналы. Это приводит к неудачной персонализации, которая предлагает нерелевантные идеи, что приводит к тому, что пользователи отказываются от этой функции. Ваше понимание доступности персонализированных данных должно было повлиять на оценку ценности вашей команды.
Вот ещё несколько критических режимов отказа ИИ, которые следует учитывать:
- Галлюцинации. Модель генерирует правдоподобные, но не соответствующие действительности результаты (например, выдумывает несуществующий рейс).
- Предвзятость. Модель демонстрирует или усиливает несправедливые обобщения на основе данных для обучения, что приводит к дискриминационным или несправедливым результатам. Например, модель может предположить, что пользователи хотят летать первым классом, а другие хотят летать эконом-классом, исходя из их предполагаемого пола или расы.
- Проблема холодного старта. Система не может предоставить ценность новым пользователям или элементам из-за отсутствия исходных данных, как показано в примере с персонализированным инструментом для путешествий.
- Снижение эффективности. Точность модели со временем снижается, поскольку реальные данные меняются и начинают отличаться от исходного распределения. Это явление также называется дрейфом модели.
Прототип
Ваши входные данные о затратах, усилиях и режимах отказа поначалу будут иметь низкую точность. Чтобы убедиться в правильности выбора, лучше всего создать прототип функции. Прототипирование позволяет быстро проверить основные технические предположения (готовность данных, задержка, точность) перед созданием полной сборки. Особенно это касается новых, не до конца изученных технологий, таких как ИИ. В этом случае вы быстрее научитесь, если будете создавать, а не исследовать и анализировать.
Инструменты генерации кода на основе ИИ, такие как Vertex AI и Replit, позволяют значительно ускорить создание прототипов и снизить риски.
Придерживайтесь такого подхода: выпускайте небольшие обновления, наблюдайте за их работой и постоянно улучшайте их.
Следуйте приведенным ниже рекомендациям.
- Создайте сквозную систему как можно раньше. Протестируйте весь процесс, определенный в схеме ИИ-системы (данные, интеллект, пользовательский опыт), а не только точность модели. Эта сборка должна отражать все аспекты взаимодействия пользователя с ИИ, но не обязательно должна представлять все функции приложения.
- Начните с ярлыков. Используйте API и предварительно обученные модели, чтобы быстро оценить ценность.
- Регистрируйте все. Отслеживайте входные и выходные данные, а также правки пользователей, чтобы выявлять распространенные ошибки и оценивать потенциальные проблемы.
- Тестируйте на реальных данных. Ранние тесты должны фиксировать естественное, неорганизованное поведение пользователей.
- Добавьте механизмы обратной связи и контроля. Предоставьте пользователям возможность сообщать об ошибках, корректировать результаты и подтверждать или исправлять их.
В большинстве случаев прототипирование происходит параллельно с оценкой и работой со спецификациями.
Выводы
Вы узнали, как превратить абстрактный потенциал ИИ в конкретные, ценные идеи продуктов. Как разработчик, вы можете связать техническую осуществимость с пользовательским опытом. Вы узнали, как ИИ может создавать ценность в различных категориях, сопоставили эти возможности с путем пользователя вашего продукта и научились определять, оценивать и приоритизировать их с помощью структурированных фреймворков.
Помните, что ИИ совершенствуется за счет непрерывных итераций. Выпускайте продукт раньше, слушайте своих пользователей и наблюдайте за ними, и быстро дорабатывайте. Каждый прототип – это шаг к пониманию того, как ИИ может повысить ценность и привлекательность вашего продукта.
Ресурсы
- Getting AI Discovery Right – руководство по поиску, проверке и приоритизации вариантов использования ИИ.
- AI Radar – инструмент для поиска и поддержки принятия решений, который позволяет выявлять и приоритизировать варианты использования в разных отраслях.
Проверьте себя
К какой категории возможностей ИИ относится помощь пользователям в решении сложных или творческих задач?
Что означает "сложность интеграции" при оценке усилий и затрат на реализацию идеи с использованием ИИ?
Что такое проблема холодного запуска в контексте режимов отказа ИИ?
Какое мышление рекомендуется для прототипирования ИИ-функций?
Почему важно вести журнал при создании прототипов?