هوش مصنوعی ۱۰۰ برابر کد میده، نه مشتری
هوش مصنوعیخلاصهٔ کاملتر
نویسنده یه سال پیش پیشبینی کرده بود هوش مصنوعی گلوگاه توسعهی محصول رو از وسط چرخه (نوشتن کد) به دو سرش جابهجا میکنه: به انتها، جایی که به مشتری کمک میکنی بفهمه چی ساختی و ازش ارزش بکشه، و به ابتدا، جایی که تصمیم میگیری چی ارزش ساختن داره. حالا میگه چیزی که میبینه از یه جابهجایی گلوگاه حادتره: یه آشفتگیِ بازارمحور بین ساختن کد و ساختن محصول.
اون اسم این رو «مشکل ۱۰۰ برابری» میذاره. هوش مصنوعی داره ممکن میکنه ۱۰۰ برابر بیشتر محصول و فیچر شیپ کنی، و همین شده توجیه اخراجهای گستردهی تیمهای مهندسی و محصول و دیزاین. ولی چیزی که مقیاس نمیخوره، توجه مشتریه. مشتریهای شما ۱۰۰ برابر ظرفیت بیشتر برای ارزیابی محصول جدید ندارن، فرآیند خریدشون سریعتر نشده، و بودجهشون هم بالا نرفته.
از نگاه نویسنده، این یه مشکل positioning (جایگاهیابی)ه. توی دنیایی با ۱۰۰ برابر محصول بیشتر، اون چند کلمهای که محصولت رو باهاش توصیف میکنی از همیشه مهمتره و تعیین میکنه اصلاً کسی صدای محصولت رو میشنوه یا نه. و جایگاهیابیِ خوب از زبونی ساخته میشه که کاربرهای واقعی برای توصیف مشکلِ درکشدهشون به کار میبرن، نه زبون مهندسها. یعنی باید واقعاً با مشتری حرف زد، نه با کاربرهای مصنوعی.
نویسنده ترند شدن «مهندسهای مستقرشده در محل مشتری» (forward-deployed engineers) رو یه نشونهی هشداردهنده میدونه. اگه مشتریها به یه مهندس تماموقت کنار دستشون نیاز دارن تا بفهمن محصول قراره چیکار کنه و چطور موفقیت رو اندازه بگیرن، اینا مشکلات محصولن نه مشکلات استقرار. کارِ کشف و تصمیمی که باید قبل از عرضه انجام میشد، حالا بعد از امضای قرارداد و با هزینهی مشتری یا خودت داره انجام میشه.
مدل دیگهای که الان حسابی تبلیغ میشه، product-engineerهای تکنفرهان که سرتاپا رو خودشون و ۵۰ برابر سریعتر میسازن. نویسنده این رو با «سندرم نیمکت بغلی» (next bench syndrome) در HP مقایسه میکنه: وقتی کاربرت اساساً خودتی، میتونی به سلیقهی خودت اعتماد کنی. ولی حالت عمومی مشکلسازه، چون مهندسها معمولاً بلد نیستن نیاز یه دامپزشک یا معلم یا آتشنشان رو دربیارن. این کاربرها مشکلات، زبون، معیارهای موفقیت و رفتار خریدِ کاملاً متفاوتی دارن.
نویسنده پیشبینی میکنه دو تا چهار فصل آینده برای آدمهای محصول دردناکتر بشه. اکثر این محصولات نمیمونن، نه چون کدشون بده، بلکه چون کشف رد شده، جایگاهیابی غلط بوده و قیمتگذاری سرسری بوده. وقتی این حسابرسی بیاد، دو چیز دوباره ارزشمند میشن: تفکر استراتژیک محصول در ابتدای چرخه، و بازاریابی درخشان محصول در انتها. جملهی کلیدیش اینه: «هوش مصنوعی ۱۰۰ برابر کد بهمون میده. هیچکس ۱۰۰ برابر مشتری یا درآمد بهمون نمیده.»
نکات کلیدی:
- هوش مصنوعی خروجی کد رو ۱۰۰ برابر کرده، ولی توجه و بودجهی مشتری مقیاس نمیخوره
- ساختن کد با ساختن محصول فرق داره؛ جایگاهیابی (positioning) از همیشه مهمتره
- ترند مهندسهای مستقر در محل مشتری، نشونهی رد شدن کارِ کشف قبل از عرضهست
- مدل product-engineer تکنفره فقط وقتی جواب میده که کاربر اساساً خودِ سازنده باشه
