🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
Стратегия.ai
Я тут не раз писала о продуктовой стратегии: подходах к ее составлению, особенностях и фреймворках. В последнее время контекст значимо изменился: как на использование этого инструмента повлиял AI?
Он привнес как минимум 3 новых измерения:
❤️ Вероятностные ответы
Не-AI продукты предсказуемы: одно и то же действие пользователя всегда приводит к одному результату. AI-продукт устроен иначе: при одинаковом вводе система может сформулировать ответ по-разному, допустить неточность или серьезно ошибиться. Задача здесь не в том, чтобы добиться стопроцентной точности, а в том, чтобы спроектировать продукт, в котором пользователь может безопасно жить с неопределённостью.
❤️ Накопительный эффект
В традиционных продуктах использование почти не меняет сам продукт. AI же продукт постоянно обучается, и если петли обучения спроектированы неправильно, рост пользователей ускоряет деградацию, а не прогресс.
❤️ Другая юнит-экономика
В классических продуктах рост аудитории почти всегда улучшает экономику: основные расходы фиксированы, а дополнительный пользователь стоит дёшево. В AI-продуктах каждый запрос потребляет вычислительные ресурсы, имеет реальную себестоимость и делает самого активного пользователя самым дорогим.
Об AI продуктовой стратегии много полезного у Микдада Яффера, Product Lead из Open AI. Он предлагает посмотреть на продукт через три «линзы»:
✔️ Линза рынка
— Определить арену конкуренции
➡️Новатор (AI-Native): создание совершенно нового рынка, которого до AI не существовало. Основной челлендж — формирование самой категории. Это, например, Eleven Labs, Synthesia, Devin AI.
➡️Дизраптор: переосмысление существующего процесса выполнения работы пользователя и кратное улучшение его за счет AI. Атака устоявшегося понятного рынка новым оружием. К примеру, Krisp, Descript, Gamma.
➡️Усилитель: применение AI для усиления существующего продукта и защиты от дизрапторов. Из примеров: GitHub Copilot, Notion AI, Figma AI, Duolingo Max.
— Решить, как взаимодействовать с гигантами рынка
С ними можно конкурировать напрямую, но это экстра-сложно, так как у них куча данных, огромная пользовательская база и возможностей субсидировать AI. Альтернативный путь — дополнять их в тех сценариях и джобах, которые они не закрывают.
✔️ Линза ценности
— Понять, в чем AI фундаментально изменит пользовательский опыт
Нужно убедиться, что AI-фича помогает полностью переосмыслить опыт пользователя. Не добавить кнопку «суммировать» или «сгенерировать» (такие фичи легко копируются), а понять, как пересобрать весь путь.
— Выстроить входной барьер
Если продукт построен на публичном API и модель обучена на публичных данных, устойчивого преимущества нет. Есть 3 типа возможных «защитных рвов»:
➡️Данные: каждый новый пользователь делает продукт лучше (Duolingo, Spotify). У конкурентов нет такого накопленного объема знаний о поведении пользователей;
➡️Дистрибуция: AI становится частью устовяшегося пути существующей пользовательской базы (Notion AI, Canva AI, Apple AI). Продукт уже встроен в привычки пользователя, и это проще, чем вовлекать с нуля;
➡️Доверие: так как результаты модели могут быть ошибочными и даже опасными и для ее обучения могут использоваться чувствительные данные, для клиентов важно обеспечение безопасности.
✔️ Линза реализации
— Выбрать, в чем будет лидировать модель
Есть трейд-офф среди затрат, возможностей и скорости: модель может быть самой умной, самой быстрой или самой дешевой, и нужно выбрать что-то ключевое.
— Рассчитать юнит-экономику
Также важен баланс между вовлеченностью пользователей и издержками: нужно правильно монетизировать самых активных пользователей, так как они являются самыми дорогими.
Источники:
— How to create an AI Product strategy;
— How Open AI builds amazing products.
🔥, если было интересно — продолжу разбор в одном из следующих постов.