«Искусственный интеллект вытеснит менеджеров по продуктам»
«Каждый менеджер по продукту должен стать экспертом в области искусственного интеллекта»
«Если вы не используете искусственный интеллект, вы отстаете»
Это лишь некоторые из заголовков в лентах LinkedIn и отраслевых рассылках. Как менеджер по продукту, вы, вероятно, сталкивались с похожими заявлениями, каждое из которых словно еще больше нагружает и без того ответственную роль. Однако во время общения с командами по продукту я часто слышу совсем другое: замешательство, скептицизм, а иногда даже чувство вины за то, что искусственный интеллект не используется в повседневной работе в полной мере.
А что на самом деле?
В исследовании, проведенном Массачусетским технологическим институтом с участием более 1000 ученых, применяющих инструменты с искусственным интеллектом, обнаружилось кое-что неожиданное: несмотря на значительно возросшую производительность, удовлетворенность работой снизилась: 82 % ученых сообщили о снижении удовлетворенности своей работой.
Этот парадокс повышения производительности в сочетании со снижением удовлетворенности говорит о важном человеческом аспекте внедрения искусственного интеллекта.
«Меня не покидало ощущение, что большая часть моего образования теперь бесполезна», — отметил один ученый.
Это мнение, вероятно, найдет отклик у многих менеджеров по продуктам, наблюдающих за развитием искусственного интеллекта с восхищением и беспокойством.
Несмотря на эти проблемы, потенциальное влияние искусственного интеллекта на нашу работу слишком велико, чтобы его игнорировать.
Последнее исследование, проведенное лабораторией Atlassian Teamwork Lab, показывает, что для получения максимальной отдачи от работы с искусственным интеллектом недостаточно просто внедрить его. Правильный образ мышления — вот ключевой фактор готовности.
Результаты очевидны: будущее — за сотрудничеством человека с искусственным интеллектом. Наши данные показывают, что люди, которые методичнее всего сотрудничают с искусственным интеллектом:
- в 2 раза повышают окупаемость своих усилий с его помощью;
- экономят 105 минут в день — это дополнительный рабочий день каждую неделю;
- в 1,5 раза чаще вкладывают сэкономленное время в получение новых навыков;
- в 1,8 раза чаще считаются инновационными участниками команды.
Мы выявили закономерности в том, как инструменты с искусственным интеллектом могут улучшать или же наоборот затруднять работу по управлению продуктами. В этой статье мы рассмотрим модель, которая направлена на сохранение человеческого суждения и творческих способностей и одновременное применение аналитических возможностей искусственного интеллекта. Исследования показывают, что этот баланс крайне важен для успешного внедрения.
Чтобы успешно работать с новыми возможностями, которые открывает искусственный интеллект, рекомендуем выполнить следующие шаги:
- Изучить, принципы работы и ограничения искусственного интеллекта.
- Совместно работать с ИИ-коллегами и постепенно наращивать потенциал для такого взаимодействия.
- И, наконец, предугадывать, на каком участке вашей работы искусственный интеллект может принести наибольшую пользу.
Изучение возможностей ИИ-коллег
Прежде чем приступить к формированию привычек с помощью искусственного интеллекта, необходимо понять, как они работают.
Представьте, что вы на вечеринке и слушаете, о чем разговаривают люди вокруг. Вы пытаетесь следить за отдельной беседой. Для этого нужно обращать внимание на различные элементы: произносимые слова, тон голоса, предыдущие комментарии и общий контекст. Примерно так обрабатывают информацию модели на архитектуре трансформера, которая легла в основу современного искусственного интеллекта.
Трансформеры, представленные в 2017 году, произвели революцию в области искусственного интеллекта, поскольку они одновременно направляют внимание на разные части входных данных, подобно тому, как вы можете одновременно учитывать различные аспекты разговора. Именно эта способность обрабатывать контекст и взаимосвязи между различными фрагментами информации делает современные инструменты с искусственным интеллектом такими мощными.
На этой основе строятся большие языковые модели (LLM). Можно сказать, что они прочитали практически все, что есть в Интернете — книги, статьи, код, беседы. Они изучили закономерности в этом огромном массиве данных, что научило их понимать контекст и нюансы, генерировать текст, похожий на написанный человеком, распознавать особенности и взаимосвязи, а также адаптировать ответы по ходу разговора.
В этой статье мы уделим особое внимание ИИ-агентам — одному из наиболее распространенных интерфейсов взаимодействия с LLM. Эти агенты выступают в качестве диалоговых интерфейсов, через которые с LLM можно взаимодействовать привычным нам образом — в виде беседы. LLM можно интегрировать в продукты и рабочие процессы различными способами (например, для автодополнения кода, генерации контента или автоматического анализа), однако агенты представляют собой особую парадигму, в которой искусственный интеллект играет скорее роль помощника, способствующего совместной работе. Именно так большинство менеджеров по продуктам будут вести свою повседневную работу либо через универсальные инструменты, такие как ChatGPT и Claude, либо через специализированных агентов на рабочем месте, таких как Rovo.
Возможности и ограничения
ИИ-агенты прекрасно распознают закономерности, тенденции и взаимосвязи в больших объемах данных, которые могут ускользнуть от внимания человека. Они замечательно умеют обрабатывать язык, понимать и генерировать текст, похожий на созданный человеком, в различных стилях и форматах. Их способность следить за контекстом во время длительных бесед и одновременно рассматривать несколько аспектов проблемы делает их особенно ценными для сложных задач, таких как управление продуктами.
При этом крайне важно понимать их ограничения. Каким бы уверенным тоном они ни говорили, информация, которую они предоставляют может оказаться неверной. Они не улавливают причинно-следственные связи и полагаются лишь на совпадение с шаблоном, а не на подлинное понимание. Их знания часто ограничиваются учебными данными, а это значит, что они не могут помочь в отслеживании рыночных изменений или новых тенденций в реальном времени, особенно если у них нет доступа к Интернету и возможностей поиска.
Понимание этих сильных и слабых сторон помогает рассматривать искусственный интеллект как мощное дополнение к работе, а не замену основных навыков. С учетом этих знаний давайте рассмотрим, как наладить продуктивные рабочие отношения с инструментами на основе искусственного интеллекта.
Неочевидные последствия
Задумайтесь: в течение пятнадцати лет Google не было равных в отношении поиска в Интернете. Это уже стало рефлексом: если нужна информация, открываем новую вкладку и вводим «google.com». Эта глубоко укоренившаяся привычка казалась непоколебимой. Однако буквально за последний год наше поведение, которое мы вырабатывали больше десятилетия, полностью изменилось. Сначала появилось приложение Arc Search с функцией Browse for me (Поискать за меня), от которого мы быстро перешли к ChatGPT, Claude, Perplexity, а теперь и к DeepSeek R1, чтобы искать информацию по работе.
Эта трансформация иллюстрирует важную особенность внедрения искусственного интеллекта: когда инструменты на его основе действительно помогают работать быстрее, эффективнее, проницательнее, они могут изменить даже самые устоявшиеся модели поведения за очень короткий промежуток времени. Мы меняем наши инструменты не потому, что нам так сказали или что-то вошло в моду, а потому, что эти новые решения на базе искусственного интеллекта гораздо лучше отвечают нашим потребностям.
Нам следует рассматривать искусственный интеллект не как угрозу и не как панацею, а как новый тип участника команды. Как и у любого хорошего коллеги, у искусственного интеллекта есть свои сильные и слабые стороны. Главное — научиться сотрудничать.
Сотрудничество с ИИ-коллегами
Нынешний ландшафт использования искусственного интеллекта показывает важную закономерность: большинство людей используют универсальных ИИ-агентов, обученных на данных общего назначения, но которым задают специфические вопросы о работе. Такое несоответствие часто ведет к досаде и разочарованию.
Будущее успешного сотрудничества с искусственным интеллектом — за специализированными агентами, обученными на специализированных данных. Возьмем, к примеру, Rovo от Atlassian. Этот ИИ-помощник имеет доступ ко всему вашему рабочему контексту: базе знаний Confluence с документами по стратегии и требованиями к продуктам; проектам Jira, отражающим текущую командную работу и прогресс; целям компании и материалам по ежеквартальному планированию. Задайте вопрос по работе, и вы получите ответ в контексте именно вашей организации.
Это фундаментальный сдвиг в способе поддержки работы искусственным интеллектом. Вместо общих ответов на основе обучающих данных из Интернета эти ИИ-коллеги могут предоставить информацию, напрямую связанную с конкретными задачами, приоритетами и методами работы вашей организации. Компании, которые понимают и учитывают это различие, инвестируя в ИИ-системы, глубоко интегрированные с их базами знаний и рабочими процессами, получат значительные конкурентные преимущества в работе своих команд и принятии решений.
Несмотря на все большее распространение специализированных инструментов с искусственным интеллектом, в реальности большинство команд по продукту не используют искусственный интеллект в своей повседневной работе.
Ключом к преодолению этого разрыва станет развитие «мышления, ориентированного на искусственный интеллект». Этот подход подразумевает, что при решении любой задачи или проблемы сначала необходимо подумать, как искусственный интеллект может помочь решить ее еще эффективнее.
Речь идет не о том, чтобы использовать искусственный интеллект везде и всюду, но о том, чтобы выработать критическое мышление и понимать, как и когда он может действительно улучшить вашу работу.
Устойчивая привычка использовать искусственный интеллект
Переводя сотрудников от базового использования искусственного интеллекта к стратегическому сотрудничеству, компании могут полностью использовать его потенциал и обеспечить значительную окупаемость инвестиций. Однако изменение образа мышления в области искусственного интеллекта — это не только экономия времени, но и нечто большее. Сотрудничество с искусственным интеллектом может дать компаниям дополнительное конкурентное преимущество благодаря непрерывному совершенствованию, повышению качества работы и стимулированию значимых инноваций.
Ключ к полноценному внедрению искусственного интеллекта — формирование устойчивых привычек.
В течение дня вы можете использовать его в качестве слушателя-критика, чтобы изучить различные подходы к решению проблем пользователей или наладить коммуникацию с заинтересованными сторонами.
Предлагаем несколько практических советов и примеров, которые помогут сформировать такие привычки.
На этапе исследования продуктов
Используйте искусственный интеллект для поиска в расшифровках разговоров тех закономерностей, которые вы могли упустить, генерируйте свежие гипотезы для тестирования и выявляйте новые темы в обратной связи от пользователей.
Например, такой инструмент, как Sauce AI, способен собирать отзывы из нескольких источников и анализировать их, чтобы помочь принимать обоснованные решения, выявлять темы обсуждений и частые сложности в группах сообщества.
На этапе разработки стратегии для продукта
Изучайте различные рыночные сценарии, анализируйте конкурентную среду в необычных ракурсах и создавайте альтернативное стратегическое видение с помощью искусственного интеллекта.
Такие инструменты, как Perplexity Pro, позволяют невероятно быстро проводить исследования на основе множества источников. Это решение не делает работу за вас, а дает отправную точку. За вами остается решить, куда двигаться дальше.
Коллеги, в которых заложен искусственный интеллект, зачастую лучше всего справляются с задачами в начале или в конце процесса: сначала генерируют оригинальные идеи, а потом предлагают более меткие формулировки для уже написанного текста. Всегда проверяйте источники любых исследований, которые вы выполняете с помощью агентов ИИ.
На этапе разработки продукта
Как менеджер по продукту, вы можете делегировать искусственному интеллекту целый ряд повседневных рабочих процессов.
- Написание требований к продукту
Благодаря специализированным агентам можно сэкономить время и выделить его на работу по критически важным направлениям.
- Подготовка примечаний к выпуску
Искусственный интеллект способен создавать примечания на основе задач Jira, определяя их общие темы, а также представляя описание и список задач в выпуске по формату «проблема — решение».
Главное — относиться к искусственному интеллекту в этих процессах как к партнеру, а не замене. Такой подход с гораздо большей вероятностью будет поощрять, а не подавлять творчество. Кроме того, вам будет проще решать проблемы удовлетворенности работой, описанные в исследовании Массачусетского технологического института.
Предполагайте дальнейшие направления развития коллег, работающих на базе искусственного интеллекта
В исследовании Массачусетского технологического института даны ценные предположения о том, к чему может привести наше сотрудничество с искусственным интеллектом. Вот на что следует обратить внимание менеджерам по продуктам.
Развитие специализированных решений на базе искусственного интеллекта
Скорее всего, мы станем свидетелями все большей коммерциализации базовых моделей, при этом значительная часть обработки будет осуществляться на стороне клиента. Чтобы сохранить конкурентоспособность, разработчики решений на базе искусственного интеллекта будут делать их все более специализированными и стараться вывести на первое место в своей области, а также будут предлагать возможности настройки и персонализации функций как разработчикам, так и конечным пользователям. Мы уже видели, как это происходит, на примере Cursor. Этот инструмент демонстрирует, каким преобразующим потенциалом обладает специализированный искусственный интеллект: контекстно-зависимую модель можно внедрять непосредственно в процессы разработчиков, превращая общее решение в специализированного помощника, который понимает как код, так и намерение.
Победителями станут не те, у кого самые мощные модели, а кто лучше всех интегрирует искусственный интеллект в существующие рабочие процессы и пользовательские интерфейсы.
Модели Mixture of Experts (MoE)
Модель Mixture of Experts похожа на компанию с профильными отделами.
Вместо отправки каждого вопроса всей системе, как это принято в традиционных больших языковых моделях (LLM), здесь предусмотрен «маршрутизатор», который быстро решает, каким «экспертным» компонентам модели поручить то или иное задание. Иными словами, для каждой конкретной работы активируются только соответствующие компоненты, подобно тому, как мы задаем научные вопросы экспертам по физике и просим лингвистов написать текст.
В чем преимущество такого подхода? Значительный рост эффективности при меньших расходах позволяет создавать более специализированные и результативные продукты, которые способны решать разнообразные задачи без больших финансовых затрат.
Человеческий фактор в управлении продуктами
Возможно, важнее всего то, что по мере повсеместного распространения искусственного интеллекта люди будут все больше стремиться к подлинности, качеству и осмысленности. Скорее всего, мы увидим:
- возрождение ремесел и неавтоматизированного обслуживания клиентов;
- больший акцент на высочайшего уровня сторителлинге и эмоциональном взаимодействии;
- возрождение малого бизнеса, предлагающего уникальные персонализированные услуги;
- новые сферы для применения возможностей, присущих только человеку.
В новой эпохе победят те, кто поймет: в науке бизнеса главное — это масштаб; но искусство бизнеса зачастую кроется в том, что не масштабируется — в человеческом отношении, которое искусственный интеллект не может воспроизвести.
Что это означает для менеджеров по продуктам?
Мы обсудили, как менеджеры по продуктам могут использовать искусственный интеллект в своей работе. Тем не менее остается вопрос, как им лучше внедрить ИИ в выпускаемые продукты. Скорее всего, для успеха потребуется:
- умение организовать слаженную работу целого набора возможностей искусственного интеллекта, а не использование отдельных моделей;
- фокус на дизайне интерфейса и удобстве для пользователей как ключевых отличительных особенностях продукта;
- персонализация, встроенная в основные сценарии взаимодействия с продуктом;
- сохранение человеческого элемента, который делает продукты значимыми и вызывает эмоциональный отклик;
- создание рабочих процессов, которые расширяют, а не заменяют человеческие возможности.
Нам еще многое предстоит изучить. Более того, технологии, помогающие нам, постоянно совершенствуется и поэтому похожи на движущуюся мишень. Мы все еще в начале пути, хотя уже есть ощутимые результаты.
Но самое главное — теперь мы лучше понимаем, какие вопросы следует задавать и как искать на них ответы.
Предстоящее путешествие не сводится к тому, чтобы превратиться в ненужное дополнение к машине или стать экспертом по искусственному интеллекту. Цель состоит в том, чтобы научиться быть хорошим менеджером по продуктам в мире, где ИИ — лишь один из многих доступных нам инструментов. И хотя такое путешествие может страшить, в него все же стоит отправиться.
