Что это за канал?
Всем привет, меня зовут Влад и я AI-продакт менеджер. Тематика AI и продакт менеджмента - это то, чем я буквально дышу и в чем стремлюсь прокачиваться каждый день. Продакт-менеджментом я занимаюсь с 2019 года, когда совместно с одногруппниками основал небольшое консалтинговое агентство NEXT G-Innovation (NGI), параллельно с учебой в магистратуре ЭФ МГУ им. М.В.Ломоносова. Сейчас хочется развивать NGI не только как консалтинг, но как и место, через которое можно будет осущесвлять обмен знаниями. Идея создать канал, где я смогу делиться своим опытом и мыслями с другими продактами, развивающимися в этом направлении родилась в октябре 2022 и, наконец, в мае 2024 это происходит!

Тематикой AI начал интересоваться в 2017, в 2020 году защитил магистерскую диссертацию по применению ИИ в менеджменте. С тех пор успел поработать продактом как в стартапах, так и в крупных компаниях, среди которых КРОК, Skyeng и британская Pearson. В начале 2022 года решил перенаправить вектор своей карьеры на работу исключительно с AI, так как тематика была очень интересна и я видел огромный потенциал в развитии этой технологии.

В период с января 2022 по апрель вместе Женей Литвиненко мы построили команду R&D в Skyeng, где я выступал в роли Lead R&D-продакта. В команде я отвечал за дизайн процессов, ресерч, лидировал разработку инноваций на базе AI, а также участвовал в создании стратегии R&D 2025. За время моей работы в компании мы с командой разработали 11 технологий на базе AI, 5 из которых успели внедрить.

Вот некоторые из них:
- инструмент для автоматической оценки audio-CV учителей, сокративший teacher aqusition cost (TAC) на 4% ежемесячно
- собственная версия генератора иллюстраций для учебных материалов на базе Stable Diffusion
- симулятор для отработки разговорных ситуаций - Kesha
- собственная система распознавания и оценки качества речи ASR, использующаяся в ряде проектов, например, в недавно вышедшем Skyeng Avatar, который за 15 минут определит ваш уровень владения английским и разложит на метрики

В 2023 наши со Skyeng пути разошлись и я перешел на контрактной основе в подразделение ELL Accelerator британской Pearson, где работал над проектами компании на основе AI и VR. В Pearson я руководил разработкой VR-игры для изучения английского языка с NPС с интегрированным Gen AI. Если у вас есть очки Meta Quest - результаты моей работы можно посмотреть в Mondly VR. Главным же моим проектом был инструмент, помогающий частным и университетским преподавателям генерировать с нуля персонализированные уроки. В период с апреля по декабрь я довел продукт от идеи до готовности к реализации, сформировав первоначальный PMF и проведя ряд экспериментов, которые помогли создать POC. Продукт удалость пропитчить перед менеджментом для запуска в 2024.

В декабре 2023 мой контракт с Pearson закончился, в компанию пришел новый СOE и найм на 2024 заморозили. С тех пор я преимущественно занимаюсь консалтинговой деятельностью и готовлюсь к переезду в США в июне этого года.

Здесь я буду делиться своим опытом как AI PM, описывать кейсы и лучшие практики, рассказывать о своем карьерном пути в консалтинге и попытках построить карьеру AI-продакта в США.

Планирую в ближайшее время нагонять трафик в этот канал, где-то через нетворк, а где-то возьму рекламу. Пока же, хочется заняться наполнением. И где-то в течении недели буду постить здесь переводы своих постов которые делал для LinkedIn с дополнительным контекстом.

Сегодня хотелось бы поделиться своими мыслями о том, каким должен быть процесс созания ИИ-продуктов. Впервые этот вопрос встал передо мной в период работы в R&D-команде Skyeng. Довольно быстро я понял, что здесь есть несколько подводных камней:
1) Цена ошибки очень высока, так как машинное время и время инженеров стоит существенно дороже
2) Работа традиционными спринтами из разработки здесь не работает, так как в ряде экспериментов сложно спрогнозировать сроки их реализации
3) Здесь нужно больше рефлексии и постоянного планирования

Я проанализировал множество подходов к разработке ИИ-продуктов, смотрел в сторону Lean DS, DDS Agile, STX Next и ряда других. Однако нас они не устраивали, ввиду того, что были слишком линейны и в них было мало “продуктовости”. Пришлось разработать свой процесс, основанный на логике Stage-Gate.

Основной принцип здесь заключается в том, что наш продукт проходит через несколько этапов его развития - стадии (Stages), а для перехода на следующую стадию нам необходимо выполнить ряд требований (преодолеть Stage-gate).

Более детальным процессом со всеми шаблонами я буду делиться в своем тренинге по AI-продакт-менеджменту, который планирую презентовать в конце мая - начале июня. Здесь делюсь упрощенной его версией

🔍 Стадия 1: Сбор идей
Наше приключение начинается с идеи, в которой сеется семя инноваций. Речь идет о сборе первоначальных идей, которые потенциально могут превратиться в решения на базе ИИ. Идеи могут исходить от вас, от инженеров, родиться в результате брейнсторма. Суть данного этапа состоит в том, чтобы собрать идеи, которые не просто очаровывают нас как создателей, но и обещают решить реальные проблемы пользователей с помощью ИИ. Чтобы пройти стейдж-гейт здесь - нужно иметь на выходе проработанный список идей

🚀 Стадия 2: Инициация
Стадия инициации превращает эти идеи из простых мыслей в концепции, в которые стоит вложить нашу энергию. В идеале это нужно делать так: собираем нашу продуктовую команду, включае ресерчеров, аналитиков и инженеров и отбираем самые классные, на наш взгляд, идеи. Сделать это можно любым способом, который вам нравится. После того, как мы отобрали несколько топовых идей, с которыми мы готовы работать - нам нужно проанализировать их несколько глубже, определив их потенциальную ценность для пользователя, ценность для бизнеса, соответствие текущей стратегии компании. Чтобы пройти стейдж-гейт - для каждой отобранной идеи должна быть сформирована оценка.

🔬 Стадия 3: Дискавери
На этапе дискавери начинают формироваться общие контуры нашего продукта. В зависимости от идеи нам нужно определить список исследований, которые мы будем проводить. Обычно это технический ресерч, анализ трендов, конкурентов, патентный анализ. Этот этап имеет решающее значение для детального понимания рынка, определения портрета пользователя и формулирования целей ИИ. Здесь мы проводим пользовательские интервью по результатам которых обрисовываем первоначальную концепцию соответствия продукта рынку (PMF), подготавливая почву для ее проверки. Также критически важно понять, есть ли технический потенциал на реализацию нашей идеи.Чтобы пройти стейдж-гейт здесь нам важно иметь оформленные результаты всех исследований с выводами инженеров о потенциале технического решения.

🛠 Стадия 4: Валидация
Валидация вдыхает жизнь в наши концепции посредством создания претотипов и прототипов, здесь мы также создаем POC. На данной стадии инженеры проводят эксперименты с ИИ. А мы, как продакт - менеджеры занимаемся тщательным пользовательским тестированием и обратной связью. Этот этап имеет решающее значение для обеспечения того, чтобы наш продукт не просто существовал, но и процветал в руках наших пользователей. Если упростить, то чтобы пройти на следующий этап нам нужно ответить на 2 вопроса: нужен ли пользователям наш продукт и можем ли мы технически его реализовать. Если хотя бы один ответ отрицательный - идею нужно будет отложить до лучших времен

🤝 Стадия 5: Передача в релиз
Финалом нашего процесса является передача, знаменующая переход нашего уже проверенного и готового к выходу на рынок продукта ИИ. Здесь мы уже имеем MVP, описанный бизнес-кейс, обратную связь от пользователей. Этот этап означает, что наш продукт не просто готов встретиться с миром, но и готов изменить его.

В предыдущем посте я уже затронул тему вовлечения команды в процесс работы с идеями. Сегодня хочется поговорить об этом подробнее, раскрыв тему того, какой должна быть продуктовая культура в команде, которая занимается ИИ-продуктами.

Здесь нам необходимо сделать все, чтобы получить больше от объединения талантов инженеров, дизайнеров и менеджеров по продукту.

Вот несколько принципов, которых я как продакт придерживаюсь в каждой своей команде:

1) Поощрение инноваций
Каждый в команде должен иметь свой голос. Мне нравится практика «FedEx дней», которые есть в FedEx, где 1 день в неделю сотрудники могут заниматься любым проектом, в котором видит потенциал. Мы должны культивировать среду, где каждый может свободно предлагать инновации. Выделение времени на то, чтобы члены команды могли исследовать свои собственные инициативы, способствует формированию культуры, в которой ценится каждая идея и каждый голос имеет значение.

2) Согласование целей с помощью OKR
Проясняйте и связывайте цели: внедрение системы целей и ключевых результатов (OKR) может значительно улучшить взаимодействие в команде. Понимание того, как работа каждого отдельного человека способствует достижению общих целей, от задач коллег до видения генерального директора, культивирует чувство единства и целеустремленности.

3) Культивирование открытости и мониторинг “здоровья команды”
Поощряйте прозрачность и оценивайте динамику команды: создание открытой среды, в которой есть регулярная обратная связь, и применение таки фреймворков, как Spotify Squad Health Check, помогают поддерживать среду, в которой благополучие команды является приоритетом. Регулярная оценка показателей здоровья команды гарантирует, что мы можем проактивно решать проблемы, способствуя созданию устойчивой и адаптивной команды.

4) Эмпатия во главе угла
Уже многое было сказано про эмоциональный интеллект и все такое. И это правда не пустые слова. Никогда нельзя воспринимать свою команду как какой-то инструмент. Мы люди и работаем с людьми. Если у кого-то что-то не получается - поговорите с ним, возможно у человека не лучший период в жизни. Регулярные F2F должны выглядеть как встреча двух друзей, а не отчетная встреча по проекту. Интересуйтесь теми, с кем работаете и 100% увидите, насколько лучше работает такая команда.

Применяли ли вы какие-либо из этих стратегий в своих командах? Какой получили результат? Может пробовали что-то другое?

Посмотрел анонс новой версии GPT от OpenAI - GPT-4o (омни)

Главное:
1. Модель будет доступна даже в бесплатной версии ChatGPT с лимитами.
2. Основное улучение - работа в режиме реального времени. Задержка ответов сопоставима с ответом реального человека.
3. Может распознавать аудио, видео, а еще умеет петь
4. Модель дешевле и быстрее GPT-4 Turbo, для русского языка разница будет в 3.5 раза.
5. Выпустили приложение ChatGPT на мак (уже иду скачивать).
6. И ряд более продвинутых возможностей для ограниченного числа пользователей

Пост в блоге OpenAI (там видосики)

Интересно попробовать, а еще интереснее, чем ответит завтра Google. С выходом Gemini я перешел на него и применяю версию 1.5 PRO через Google AI Studio практически каждый день.