Интересный отчёт по причинам неудач ИИ-стартапов от RAND

Основные причины:

– непонимание потребностей пользователей;
– фокус на технологии вместо проблем;
– частая смена приоритетов;
– недостаточное качество или количество данных

– Применение ИИ к слишком сложным задачам, не соответствующим текущему уровню развития технологий.

"80% ИИ — это грязная работа по инженерии данных. Вам нужны хорошие люди, выполняющие грязную работу, иначе их ошибки отравятся в алгоритмы ИИ

Рекомендации для индустрии:

– Фокусироваться на решении проблем, а не на технологиях.

– Выбирать долгосрочные проблемы (мин. год).

– Обеспечить командное понимание целей и бизнес-контекста продукта и ограничений ИИ.

Role: Product Manager
Responsibilities: To Cook

Вкус пожирает Кремниевую Долину

В мире дефицита ценятся инструменты.
В мире изобилия ценится Вкус.
Вкус — это новое оружие

Будь то дизайн, брендинг или пользовательский опыт, вкус теперь определяет то, как продукт воспринимается, ощущается и принимается.

Технология же стала тесно переплетена с культурой. Теперь люди взаимодействуют с технологиями как с частью своей жизни, независимо от их местоположения, карьеры или статуса.

Код нынче стоит очень дёшево

Рынки сейчас — это культурные рынки, а "деньги" теперь гонятся за полезностью, обёрнутой во Вкус и Функции, вылепленные в красивой форме и обрамлённые в артистизм.

4 уровня понимания пользователей:

L1 – Что они говорят.
L2 – Что они ощущают.
L3 – Что они делают.
L4 – Почему они это делают.

Четыре простых вопроса, помогающих выявлять первопричины и мотивы поведения пользователей.

Как подойти к редизайну продукта: советы и наглядные примеры

Главное при редизайне:

1) Определите ключевые проблемные области.

2) Поймите ценность/усилия.

3) Сформируйте чёткое понимание того, почему вы хотите сделать редизайн.

Change is not an event; it’s a process

11 врагов продакта 🔪

– Рыночная глухота.
– Бизнесовая слепота.
– Бомбические идеи.
– Страх размышлений.
– Откладывание решений.
– Растягивание действий.
– Быстрый найм.
– Жонглирование цифрами.
– Распил результатов.
– Надежда на удачу.
– Отрицание истин.

Три специфичных типа навыков и знаний для продакта помимо хард и софт-скиллов

1. Навыки, специфичные для категории продукта

Это компетенции по типу продуктов, с которым работает продакт. Пример: продакт, работающий в e-commerce.

2. Навыки, специфичные для предметной области

Это компетенция, связанная со способностью понимать продакт-менеджером конкретную область знаний.

Пример: продакт, работающий над B2B-сервисом аналитики маркетинговых активностей в e-commerce.

3. Навыки, специфичные для компании

Эта компетенция относится к способности продакта эффективно работать в конкретной фирме с учётом её особенностей.

Пример: продакт, работающий в Apple, который знает всё о видении компании, стиле руководства, вовлеченных людях, корп. культуре и т.п.

Некоторые продакты ошибочно полагают, что:

а) развитите профессиональных навыков и знаний(!) возможно только в релевантных продуктах;

б) навыки и знания получаются только путём рискованных экспериментов;

в) навыки и знания получаются только через наставников;

г) поэтому самостоятельно развивают только личные hard и soft-скиллы (навыки), совершенно забывая про специфичные знания.

По факту, обладание продактом даже базовой насмотренности типа №3, которыми, например, наделяют всех джунов в том же Эпл, со временем, сделает из него МЕНЕДЖЕРА гораздо более высокого ранга даже в смежных продуктах в той же отрасли 🤫

Интернет Интеллекта (IOI) - это Новая Форма Интернета

Степан Гершуни рассуждает о новой концепции взаимодействия "пользователь-Интернет-ИИ":

В отличие от существующих фреймворк-агентов, IOI является по-настоящему децентрализованной системой, в которой каждый узел или агент в сети может работать на разном оборудовании, использовать разные базовые модели или классы моделей, являясь компонуемыми и обнаруживаемыми без централизованного реестра.

IOI состоит из следующих компонентов:

– Распределённые, универсальные средства для вычислений, обучения, вывода и запуска ИИ-приложений.

– Специализированные, высококачественные и прозрачные данные для обучения ИИ.

– Разнообразные версии ML.

– Автономные агенты, способные конкурировать между собой, взаимодействуя с другими сущностями (люди или ИИ).

– Оценки и контрольные показатели.

– Многоагентные рабочие процессы (оркестрация) и комбинации агентов, инструментов, сервисов в едином рабочем пространстве.

– Экономика ИИ – способность ИИ-агентов вступать в контрактные отношения другом с другом, пользователями и управлять своим капиталом в виде ресурсов, энергии, данных, кол-вом задействованных Операторов, доступа к внешним API и иным возможностям.

👁️ https://cyber.fund/content/ioi
👀 Frontiers of Decentralized AI

От ИИ-Doom к ИИ-GTA: GameGen-O катят свой ИИ-генератор игровых миров на основе тысяч часов видео из GTA, RDR и других игр.

"Миры". Генерятся. В режиме "live".

https://www.gamegen-ai.com

PS. Наконец-то пофиксят проблемы с памятью в играх. Oh, wait...

Предел сложности или Правило Лапидуса

Ценность продукта может быть описана функцией от количества фичей

Точка перегиба (функция начинает монотонно убывать) — это некоторое предельное количество фичей (для данной предметной области), при котором сложность продукта начинает преобладать над ценностью.

Допустим, игра в крестики нолики. Если засунуть в игру больше 5-7 фичей — ценность такого продукта начнет падать.

Для CRM такое количество вполне может быть 100-150.

Задача продакта – найти такое количество фич, при котором продукт будем максимально ценным для пользователя

Похожий закон есть в экономике: убывание предельной полезности и эффективность по Парето.

Пусть и в продакт-менеджменте будет свой закон 👩‍⚖️

🚪 Hold The Door Не занижайте цену!

Большинство B2B-стартапов занижают цену на свой продукт, потому что:

❌ Они не знают реальной ценности своего продукта и никогда не определяли её количественно и качественно.

❌ Они считают, что дешевизна помогает привлекать больше клиентов (часто, случается наоборот).

❌ Они не думают о цене стратегически и после её внедрения практически к ней не прикасаются.

Чтобы эффективно работать с ценообразованием, необходимо собирать негативную обратную связь с рынка (отток клиентов)

– какой % сделок в $ упускается (revenue debt);
– на какие продукты уходят пользователи;
– какие минусы они готовы принять у конкурентов к которым уходят (возможные будущие плюсы, чтобы их вернуть).

– Как спрашивать за готовность платить
– Оптимизация цен
– Ошибки в ценообразовании

🌀 4 бесконечно масштабируемых Петли Смерти продукта

«Отрицательный цикл разработки» (negative build loop) — это контрпродуктивный процесс в продукте, вызванный негативными привычками, отсутствием процессов, корп. культуры и полномочий у продакта/команды/руководства

4 Петли Смерти любого продукта:

🌀 Go-To-Market-Gap Death Loop

Создаётся, когда возникает рассинхрон между командой, которая разрабатывает продукт/функции, и командой, отвечающей за их вывод и доставку до пользователей/рынка.

Может быть связана с разными причинами: от неправильного сегмента клиентов до кривых внутреннних коммуникаций/Сообщения/неправильного канала доставки и т.п.

Так или иначе, глядя на печальные метрики плохо доставленной фичи, команда может ошибочно сделать вывод, что их причина... в отсутствии ценности продукта/фичи, а значит, надо "идти дальше" и набивать «ценность», ища и создавая... новые плохо доставляемые фичи.

🌀 Copy Death Loop

Частый случай на перегретых рынках, где каждый продукт работает по коротким циклам релизов-апдейтов, создавая иллюзию своего «прогресса».

Вот как это часто бывает:

1) Конкурент выпускает и расхваливает свою новую фичу.

2) Неуверенные в себе/продукте команды/руководители/борда/овнеры чувствуют необходимость «отреагировать».

3) Их реакция – реверс-интеграция фичи конкурента у себя.

4) Но чтобы "дифференцироваться", они добавляют немного своей "изюминки" (тех. долга), что съедает ещё больше времени/сил/$.

5) А это время конкурент уже релизит и анонсит новую фичу...

🌀Hippo Death Loop

Эта петля смерти встречается в оргах, где существует иерархическая культура и где мнение главного начальника 🦛 претендует быть единственным.

Такое "мнение" возникает рандомно и часто базируется на прочитанном отрывке из "умной книги" или "инсайтами от инсайдеров", по которым он "быстро понимает, что нужно дальше".

Команды получают "зелёный свет", не проверяют идеи/гипотезы/варианты, а сразу придумывают решения на основе желаний одого человека, которые в 99% берутся... из Dead Copy Loop.

🌀 Metric Greedy Death Loop

В петлю жадности легко попасть, когда продакт и команда начинают искать фичи с самой плохой статистикой (или искать плохую статистику в самой главной фиче) и пытаются жадно её исправить через тесты, UX/UI, "усиление фичи", вместо того, чтобы... сделать шаг в сторону от цифр.

Пример: в продукте по подбору IT-персонала сократилось количество размещённых рекрутерами вакансий, но продакт с командой продолжают упрощать UX/UI размещения вакансий.

Тогда как настоящей причиной спада может быть то, что большинство компаний не нанимают сотрудников из-за рецессии на рынке труда.

Как разорвать порочные петли:

1) Относитесь к цифрам как к части доказательств, а не как к единственной движущей силе и источнику информации.

2) Объединяйте "цифры" и "отзывы" в Информацию.

3) Копируйте либо ОЧЕНЬ быстро, либо не копируйте ВООБЩЕ (это ещё быстрее).

4) Поощряйте и развивайте в командах умение задавать правильные вопросы.