‏پایان دوران «کشف فیچر» با هوش مصنوعی

النا ورنا که الان تو Lovable کار می‌کنه، تو این مقاله از یه دردسر قدیمی تیم‌های محصول می‌گه: feature discovery یعنی اینکه کاربر بفهمه یه فیچر جدید وجود داره، پیداش کنه و یاد بگیره باهاش کار کنه. به گفته‌ی نویسنده بعد از رسیدن به Product-Market Fit (یعنی وقتی محصول بازار خودش رو پیدا کرده)، بیشتر کار تیم‌ها اضافه کردن فیچر جدیده، ولی معمولاً فقط درصد خیلی کمی از کاربرها سراغشون می‌رن.

نویسنده می‌گه اینجا یه تناقض هست: برای رشد باید محصول قابلیت بیشتری داشته باشه، ولی برای رسیدن به کاربرهای عادی‌تر باید ساده‌تر باشه. هر فیچر جدید پیچیدگی اضافه می‌کنه و همون کاربرهای کم‌انگیزه‌ای که می‌خوای جذبشون کنی، کمتر از همه حوصله‌ی یاد گرفتنش رو دارن. تیم‌ها هم هی منو رو بازطراحی کردن، فیچر قایم کردن و سراغ personalization (یعنی نشون دادن فیچر مناسب به هر کاربر در زمان درست) رفتن که پیاده‌سازیش تو مقیاس بالا خیلی سخته.

حرف اصلی مقاله اینه که با هوش مصنوعی کاربر فقط می‌گه چی می‌خواد و نرم‌افزار خودش قابلیت مناسب رو صدا می‌زنه. نویسنده تأکید می‌کنه این فقط عوض شدن دکمه‌ها با یه جعبه‌ی prompt نیست؛ اون کسی که نرم‌افزار رو اداره می‌کنه داره عوض می‌شه. وقتی agentها از طریق API و MCP با محصولات دیگه کار کنن، شاید کاربر اصلاً نیازی به باز کردن خود نرم‌افزار نداشته باشه. ورنا می‌گه خودش تو Lovable دیگه تقریباً به feature adoption فکر نمی‌کنه و فقط حواسش هست agent از همه‌ی فیچرها خبر داشته باشه.

به گفته‌ی نویسنده مشکل جدید، اعتماده. وقتی نرم‌افزار جای کاربر تصمیم می‌گیره و یه چیزی خراب می‌شه، کاربر نمی‌فهمه چی شده و ول می‌کنه می‌ره. پس باید نشون داد AI چه تصمیمی گرفته و چرا، و کارها برگشت‌پذیر باشن. نتیجه‌ی جالبش اینه که شاید معیارهای engagement پایین بیان در حالی که ارزش واقعی برای مشتری بالا رفته.

نویسنده یه هشدار هم می‌ده: AI مشکل کشف فیچر رو حل می‌کنه ولی مشکل کشف use case سر جاشه. یه محصول مینیمال با یه جعبه‌ی prompt که می‌پرسه «چی کار می‌خوای بکنی؟» هیچ سرنخی نمی‌ده که اصلاً چه کارهایی ازش برمیاد. اشتباه رایج شرکت‌ها هم اینه که AI رو مثل یه فیچر دیگه با یه آیکون ✨ به محصول می‌چسبونن، در حالی که AI باید خود محصول باشه.

نکات کلیدی:

• به گفته‌ی نویسنده فقط درصد خیلی کمی از کاربرها از فیچرهای جدید استفاده می‌کنن
• با AI کاربر هدفش رو می‌گه و نرم‌افزار خودش قابلیت مناسب رو انتخاب می‌کنه
• agentها از طریق API و MCP می‌تونن بدون باز کردن نرم‌افزار ازش استفاده کنن
• اهرم رشد جدید، اعتماد کاربر برای سپردن کارهای مهم به نرم‌افزاره
• معیارهای engagement ممکنه پایین بیان در حالی که ارزش واقعی بالا رفته
• کشف use case هنوز یه مشکل حل‌نشده‌ست، مخصوصاً تو رابط‌های مینیمال مبتنی بر prompt