Kuinka päästä tuotepäälliköksi vuonna 2025 (Mariana Antaya, Microsoftin tuotepäällikkö)
Tässä jaksossa palaamme Microsoftin tuotepäällikön Mariana Antayan kanssa, joka vieraili ohjelmassa ensimmäisen kerran helmikuussa 2024. Sen jälkeen tekoälystä on tullut valtavirtaa, teknologia-alan työmarkkinat ovat muuttuneet ja hänen uransa on kehittynyt merkittävästi. Viimeksi Mariana jakoi käytännön neuvoja aloitteleville tuotepäälliköille, ja jaksosta tuli kaikkien aikojen ladatuin jaksomme. Nyt perehdymme siihen, mikä on muuttunut ja mitä aloittelevat tuotepäälliköt tarvitsevat menestyäkseen vuonna 2025.
Juontaja Hannah Clark keskustelee jälleen Marianan kanssa tekoälyn nopeasta kehityksestä ja teknologia-alan muuttuvasta tilanteesta. He keskustelevat siitä, miten aloittelevat tuotepäälliköt voivat sopeutua tähän uuteen ympäristöön ja menestyä siinä. Keskustelu tarjoaa näkemyksiä, jotka auttavat kuulijoita pysymään kehityksen kärjessä.
Haastattelun kohokohdat
- Marianan uran ja sisällön kehitys [02:08]
- Marianan ura Microsoftilla kukoistaa, ja painopiste on siirtynyt vahvasti tekoälyyn keskittyviin tuotteisiin ja strategiaan.
- Hänen sosiaalisen median sisältönsä käsittelee nykyään myös tekoälyn sovelluksia, erityisesti liiketoiminnassa ja arjen käyttötapauksissa.
- Hän jakaa tekoälypohjaisia projekteja, kuten Formula 1 -kilpailujen tulosten ennustamista, mikä on kiinnostanut hänen yleisöään.
- Kaiken kaikkiaan hänen sisältönsä ja uransa ovat linjassa tekoälyä kohtaan kasvavan kiinnostuksen kanssa.
- Tekoälyn vaikutus tuotepäällikkötyöhön [03:54]
- Tekoäly ja teknologia ovat kehittyneet merkittävästi sen jälkeen, kun Mariana aloitti uransa.
- ChatGPT:n kaltaiset työkalut, joita ei aiemmin ollut olemassa, ovat nyt osa päivittäisiä työnkulkuja.
- Yritykset keskittyvät löytämään käytännöllisiä tekoälyn käyttötapauksia, joista asiakkaat ovat valmiita maksamaan.
- Kulttuurissa on tapahtunut siirtymä kokonaisvaltaisesta lähestymistavasta kokeellisempaan ja nopeatempoisempaan iterointiprosessiin.
- Alalla edetään nykyään nopeammin, ja etusijalle asetetaan nopea testaaminen ja mukautuminen.
- Teknologia-alan työmarkkinoiden ja osaamisvaatimusten muutos [05:15]
- Teknologia-alan markkinat ovat epävakaat, ja irtisanomiset sekä kilpailu jatkuvat.
- Yritykset siirtävät painopistettä kohti kapean alan erityisosaamista.
- Toimiala-asiantuntemuksesta on tulossa entistä arvokkaampaa tällä aikakaudella.
- Menestyminen tuotepäällikkötyössä (PM) riippuu nykyään tiettyjen käyttötapausten ja kohdemarkkinoiden syvällisestä tuntemuksesta.
Jos pystyt todella keskittymään erityisalueeseen, jolla sinulla on toimiala-asiantuntemusta tai käytännön kokemusta, juuri se tekee sinusta erittäin menestyvän PM:n kyseisillä markkinoilla.
Mariana Antaya
- Tekoälyn käyttö päivittäisessä työssä [06:25]
- Mariana käyttää tekoälyä markkinatutkimukseen ja kilpailija-analyysiin, mikä säästää aikaa ja vaivaa.
- Tekoäly auttaa tunnistamaan tuotteiden puutteita ja mahdollisuuksia, jotta kilpailijoiden edellä voidaan pysyä.
- Hän hyödyntää tekoälyä tuotevaatimusten luomiseen, mutta korostaa ihmisen panoksen tarvetta.
- Tekoälyn kyvykkyyksistä huolimatta vuorovaikutus asiakkaiden kanssa on edelleen välttämätöntä.
- Mariana käyttää tekoälyagentteja käyttäjämittareita koskevien koontinäyttöjen luomisen automatisointiin.
- Tämä säästää tuntikausia manuaalista työtä ja parantaa tietoon perustuvaa päätöksentekoa.
- Toistuvien tehtävien automatisointi tekoälyn avulla on muuttanut hänen työskentelyään merkittävästi.
- Tuleville tuotepäälliköille tärkeät taidot [09:07]
- Tulevien tuotepäälliköiden tulisi opetella kehotteiden suunnittelua ja kokeilla erilaisia LLM-malleja.
- Mariana käyttää mieluiten Claudea koodaamiseen ja ChatGPT:tä kilpailija-analyysiin sekä tuotekarttojen laatimiseen.
- Tekoälyn käyttäminen muiden LLM-mallien kehotteiden optimointiin on arvokas taito.
- Tuotteen rakentaminen tekoälyn avulla (”fiiliskoodaus”) auttaa kehittämään käytännön kokemusta tuotepäällikön työstä.
- Tekoälyn avulla rakennetun tuotteen testaaminen, markkinointi ja käyttäjäpalautteen kerääminen tarjoavat käytännön oppia, jota kouluissa ei opeteta.
- Tekoälytuotteiden rakentaminen [11:20]
- Tekoälytuotteiden rakentaminen on kehittyvä prosessi, jossa kaikki kokeilevat edelleen.
- Arvokkaiden tekoälyn käyttötapausten ja niiden hinnoittelun määrittäminen on edelleen haastavaa.
- Tuotepäälliköiden on työskenneltävä tiiviisti insinöörien kanssa tasapainottaakseen tarkkuutta, viivettä ja käyttäjäkokemusta.
- Riskien ja hyötyjen ymmärtäminen – kuinka kauan käyttäjät odottavat tekoälyn tuottamia oivalluksia – on ratkaisevan tärkeää.
- Tiiviin yhteydenpidon säilyttäminen asiakkaisiin auttaa varmistamaan, että tekoälyominaisuudet sopivat heidän työnkulkuunsa.
- Kehotetekniikan hallinta [13:16]
- Anna kehotteissa yksityiskohtainen asiayhteys saadaksesi täsmällisiä vastauksia.
- Jaa pyynnöt vaiheittaiseen päättelyyn parempien tulosten saavuttamiseksi.
- Valitse tehtävään sopiva tekoälymalli ja säädä kehotteita sen mukaisesti.
- Anna tekoälylle palautetta – korjaa sitä ja hio kehotteita toistuvasti.
- Käytä muita LLM-malleja kehotteiden rakenteen optimointiin.
- Liitä mukaan asiakirjoja, kuvia ja viitteitä tekoälyn ymmärryksen parantamiseksi.
- Anna tekoälylle identiteetti (esimerkiksi ”Ajattele kuin data-analyytikko”), jotta saat asiaankuuluvampia vastauksia.
Mitä enemmän tietoa annat ja mitä enemmän asiayhteyttä sisällytät kehotteeseen, sitä parempi lopputulos on. Jos kehotteesi on hyvin epämääräinen, saat todennäköisesti vastineeksi hyvin epämääräisen vastauksen. Siksi oman päättelyn tarkka esittäminen vaihe vaiheelta on erinomainen tapa parantaa kehotteita.
Mariana Antaya
- LLM-mallien tulosten parantaminen [15:40]
- Mariana opettelee edelleen kehotetekniikkaa ja kehittää sitä iteratiivisesti.
- Hän suosittelee lisäämään kehotteisiin enemmän asiayhteyttä ja kehittämään vastauksia iteratiivisesti.
- Useiden LLM-mallien käyttäminen ja niiden tulosten vertaileminen auttaa hiomaan lopputuloksia.
- Leikkikentät ja GitHubin kaltaiset työkalut mahdollistavat erilaisten vaihtoehtojen rinnakkaisen vertailun.
- LLM-mallien vertailu: ChatGPT vastaan Claude [17:07]
- Mariana käyttää mieluiten Claudea koodin kirjoittamiseen, koska sen tuottama koodi on selkeämpää ja tiiviimpää.
- ChatGPT:llä on vaikeuksia koodausvirheiden korjaamisessa ensimmäisellä yrityksellä, joten se vaatii useita yrityksiä.
- LLM-mallien välinen valinta riippuu kokeilusta ja tietyn käyttötapauksen erityispiirteistä.
- Marianan mielestä LLM-mallien tuottamat tutkimustulokset ovat perusteellisia ja tarkkoja.
- Tuloksia voidaan mukauttaa huomattavasti, esimerkiksi luomalla kaavioita tai artikkeleita.
- Henkilökohtaisilla mieltymyksillä on merkittävä rooli valittaessa oikeaa työkalua tiettyihin käyttötapauksiin ja tehtäviin.
Tutustu vieraaseemme
Mariana Antaya toimii tuotepäällikkönä Microsoft Teamsissa, jossa hän osallistuu yhteistyötyökalujen kehittämiseen miljoonille käyttäjille ympäri maailmaa. Vuonna 2023 Fairfield Universitystä valmistunut Mariana opiskeli tietojenkäsittelytiedettä ja matematiikkaa. Hän oli yksi quantifAI:n perustajista. Kyseessä on finanssiteknologia-alan startup-yritys, joka keskittyy kryptostrategioiden salkkujen optimointiin talousneuvojille ja itsenäisille kaupankävijöille. Hän mentoroi aktiivisesti tulevia tuotepäälliköitä ja yrittäjiä TikTokin ja verkkoyhteisönsä Product Housen kaltaisten alustojen kautta.
Yksi parhaista ja arvokkaimmista taidoista, joita aloitteleva tuotepäällikkö voi oppia, on kehotteiden suunnittelu sekä oman tuotteen tutkiminen ja jopa rakentaminen.
Mariana Antaya
Tämän jakson resurssit:
- Tilaa The CPO Clubin uutiskirje
- Verkostoidu Marianan kanssa palveluissa LinkedIn, Instagram ja TikTok
- Tutustu Microsoftiin
Aiheeseen liittyvät artikkelit ja podcastit:
- Tietoa The CPO Club -podcastista
- Ammattilaisten vinkit tekoälyyn liittyvän tuotepäällikön osaamisen kehittämiseen
- Näin erotut tekoälyyn keskittyvänä tuotepäällikkönä
- Näin sinusta tulee tekoälyyn keskittyvä tuotepäällikkö ilman aiempaa kokemusta
- 6 nerokasta ChatGPT-vinkkiä tuotepäälliköille
- Näin käytän tekoälyä tuoteominaisuuksien ideointiin (ei kokouksia, vain tuloksia)
- 11 ChatGPT-kehotetta unelmiesi tuotepäällikön työpaikan löytämiseen ja saamiseen
Lue litterointi:
Kokeilemme podcastiemme litterointia ohjelmiston avulla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole sataprosenttisen tarkka.
Hannah Clark: Tiedätkö sen tunteen, kun törmäät ihmiseen, jota et ole nähnyt todella pitkään aikaan, ja toinen teistä kysyy: ”Mitä sinulle kuuluu?” Siitä on ollut niin kauan, kun viimeksi näitte, ettet edes tiedä, mistä aloittaisit. Juuri siltä minusta tuntui, kun keskustelin Mariana Antayan kanssa. Hän oli vieraamme vuoden 2024 helmikuussa.
Kun Mariana oli ohjelmassamme silloin, hänen uransa tuotepäällikkönä oli vasta alkanut, hän oli juuri perustanut TikTok-tilinsä ja hän oli aloittamassa kolmatta vuottaan quantifAI:n perustajana. quantifAI on kryptostrategioiden optimointityökalu. Hän toi ohjelmaan kuitenkin erittäin käytännöllisiä vinkkejä alalle pyrkiville tuotepäälliköille, ja tähän päivään mennessä kyseessä on kaikkien aikojen ladatuin jaksojemme.
Enkä voi juuri nyt uskoa, että siitä on vasta vuosi. Sen jälkeen tekoälystä on tullut valtavirtaa, teknologia-alan työmarkkinat näyttävät täysin erilaisilta ja meidän molempien alustat ovat kasvaneet merkittävästi. Niinpä ajattelimme, että oli korkea aika kutsua Mariana takaisin ohjelmaan kuulumisia vaihtamaan ja ennen kaikkea kertomaan tämän päivän aloitteleville tuotepäälliköille, mitä heidän pitää nykyään tietää menestyäkseen tuotepäällikkönä vuonna 2025. Aloitetaan.
Ai niin, keskustelemme tällaisista aiheista joka viikko, joten jos tämä kuulostaa kiinnostavalta, mikset tilaisi ohjelmaa? Hyvä, aloitetaan.
Tervetuloa takaisin Tuotepäällikkö-podcastiin. Tänään meillä on erityinen jakso. Seurassamme on Mariana Antaya, joka oli itse asiassa vieraana podcastissamme hieman yli vuosi sitten. Niille, jotka eivät ole olleet kanssamme niin kauan, kuulostan varmaan äidiltä, joka kertoo ylpeänä lapsestaan. Mariana ei ole tyttäreni, mutta olen silti hyvin ylpeä, koska tapasimme hänen otettuaan meihin yhteyttä LinkedInissä. Hän kommentoi erästä jaksoamme koskevaa julkaisua ohimennen: ”Olisi mahtavaa päästä joskus podcastiin.”
Tuottajamme Becca ja minä keskustelimme ja ajattelimme: ”Kutsutaan hänet mukaan ja katsotaan, mitä hänestä löytyy.” Lopulta jaksosta tuli ylivoimaisesti kaikkien aikojen suosituin jaksomme. Mariana on siis nykyään tuotepäällikkö Microsoftilla, ja puhun hänestä kuin hän ei olisi juuri tässä. Kiitos, että tulit mukaan.
Mariana Antaya: Tietenkin. Ehdottomasti. Olen todella innoissani, että tapaamme uudelleen ja voimme puhua tekoälyn ja tuotteiden uusimmista ja parhaista asioista. Matka on ollut pitkä. Olemme molemmat kasvaneet niin paljon, joten olen todella ylpeä.
Hannah Clark: Niin minäkin. Voi hyvänen aika.
Kun puhuimme viimeksi, olimme vasta aloittamassa tätä ohjelmaa. Sinä olit vasta käynnistämässä uraasi. Olit aloittanut TikTokin tekemisen melko hiljattain. Me olimme vasta aloittaneet jaksojen nauhoittamisen ja julkaisemisen. Molempien elämässä on tapahtunut valtava muutos. Joten tarpeeksi meistä. Kerro sinusta. Mitä urallasi on tapahtunut? Entä sosiaalisen median sisältösi? Kerro kaikki.
Mariana Antaya: Kyllä, hienosti. Urani on sujunut todella hyvin. Olen yhä Microsoftilla, ja olemme ehdottomasti siirtyneet enemmän tekoälytuotteisiin keskittyvään painotukseen ja strategiaan, kuten useimmat yritykset ovat tehneet. On ollut todella kiehtovaa nähdä, kuinka tämä muutos toteutuu ja kasvaa yrityskulttuurin sisällä.
Sisällön osalta tuotan paljon tuotesisältöä, mutta myös paljon tekoälyaiheista sisältöä. Nostan esiin tekoälyn käyttötapauksia yrityksille tai sellaisia käyttötapauksia, joista yleisöni voisi olla päivittäin erityisen kiinnostunut. Yksi viimeisimmistä oli Formula 1 -kilpailun tulosten ennustaminen. Se on harrastus, jota itsekin harjoitan.
Ajattelin, että miksei sitä vain julkaistaisi ja katsottaisi, kiinnostaisiko se ihmisiä. Näyttää siltä, että ihmiset todella innostuvat kaikista koodausprojekteista ja niistä todella hienoista ja upeista käyttötapauksista, joita tekoäly on tuonut esiin.
Hannah Clark: Kyllä, ehdottomasti. Olen todella innoissani, että pääsemme pureutumaan tähän, koska puhumme paljon alansa huipulla olevien ihmisten kanssa: tuotepäälliköistä ja varatoimitusjohtajista, jotka tarkastelevat tekoälyn käyttöönottoa organisaatiossa johtamisen näkökulmasta. Nyt keskustelemme kanssasi, joka todella käytät sitä ja työskentelet sen parissa käytännön tekijänä päivästä toiseen.
Puhutaan siis hieman kulttuurin muutoksesta ja tekoälystä. Käsittelemme tekoälyä vielä paljon, mutta yleisesti ottaen: kun ajattelet, millainen tuotetyön kulttuuri oli urasi alussa ja millaisia ovat nyt sinua nuoremmat alalle tulevat ihmiset, mikä on muuttunut?
Mariana Antaya: Teknologian kehityksessä on ehdottomasti tapahtunut suuri harppaus. Ensinnäkin, kun olin aloittamassa, en usko, että ChatGPT:tä oli edes olemassa.
Nyt käytämme sitä joka päivä työnkulussamme. Yksi muutos on siis se, että teknologia itsessään on kehittynyt valtavasti hyvin lyhyessä ajassa. Sen myötä on opittava, miten suuri yritys voi ottaa sen osaksi työnkulkujaan ja tarjota käyttötapauksia ja ratkaisuja, joita asiakkaat haluavat käyttää.
Kulttuuri on muuttunut kokonaisvaltaisemmasta lähestymistavasta hieman kokeilevampaan suuntaan. Yritämme myös edetä nopeammin, jotta ymmärtäisimme paremmin, mistä käyttötapauksista asiakkaat ovat valmiita maksamaan ja mitä he oikeasti ostavat, tai mitkä käyttötapaukset todella toimivat tässä uudessa toimintaympäristössä.
Nykyään työ on ehdottomasti kokeilevampaa ja nopeampaa kuin silloin, kun aloitin.
Hannah Clark: Puhumme paljon kulttuurina, emmekä ainoastaan ohjelmassa, irtisanomisista ja teknologia-alan markkinoiden epävakaudesta. Haluaisin tietää näkemyksesi: onko tämä mielestäsi aikaa, jolloin alalle pyrkivillä on enemmän kilpailua, vai etsivätkö ihmiset yksinkertaisesti erilaisia taitoja?
Mariana Antaya: Uskon, että ihmiset alkavat etsiä erilaisia ja erikoistuneempia taitoja kyseisiin käyttötapauksiin. Jos olet jonkin alan asiantuntija, se tulee mielestäni tässä ajassa todella esiin, koska tietyn kohdemarkkinan erityiset kehotteet tai käyttötapaukset tulevat todella vetoamaan ihmisiin.
Jos pystyt keskittymään erikoisalaan, josta sinulla on toimialatuntemusta tai käytännön kokemusta, se tekee sinusta näkemykseni mukaan erittäin menestyvän tuotepäällikön kyseisillä markkinoilla.
Hannah Clark: Tuo käy järkeen. Siirrytään tekoälyaiheisiin. Tiedän, että me molemmat haluamme puhua niistä. Jaetaan aihe muutamaan osaan. Keskitytään ensin arkeesi. Puhumme tekoälyn avulla rakentamisesta hetken kuluttua.
Mainitsit, että ChatGPT kuuluu päivittäiseen työnkulkuusi, ja olen varma, että se on tullut mukaan moniin eri toimintoihin. Millä eri tavoilla käytät tekoälyä päivittäisen työsi tekemiseen?
Mariana Antaya: Suurimmat käyttötapaukset ovat markkinatutkimus ja kilpailija-analyysi. Minun ei enää tarvitse odottaa, että tutkija toimittaa tiedot, palkata suurta yritystä tekemään markkina- ja kilpailija-analyysiä tai tehdä kaikkea itse. Voin käyttää vähemmän aikaa asiakkaiden tai kilpailijoiden tutkimiseen ja uusien ominaisuuksien tarkasteluun.
Voin yksinkertaisesti pyytää suurta kielimallia laatimaan minulle markkinatutkimusraportin, joka kertoo, mitä puutteita tuotteessani on kilpailijoihin verrattuna, ja auttaa ymmärtämään, miten tuotteemme voi pysyä kehityksen kärjessä. Tämä on yksi käytännöllisimmistä käyttötapauksista. Myös tuotemäärittelyjen laatimisessa tekoäly on hyödyllinen. Tekoäly ei vie uraamme tuotepäällikköinä vain siksi, että se osaa kirjoittaa tuotemäärittelyn.
Jopa suurten kielimallien kanssa tarvitaan edelleen ihmisen vuorovaikutusta ja panosta, koska me olemme niitä, jotka todella keskustelemme asiakkaiden kanssa koko päivän, joka päivä. Ihmiskosketuksen säilyttäminen on siis tärkeää, mutta tekoäly antaa minulle erittäin hyvän lähtökohdan kirjoittamilleni tuotemäärittelyille, olipa kyseessä uusi ominaisuus tai useita ominaisuuksia.
Se on toinen erittäin hyödyllinen käyttötapaus, johon rakastan tekoälyn hyödyntämistä.
Hannah Clark: Kyllä. Löydämme varmasti joka päivä uusia tapoja käyttää sitä. Vierainamme on ollut ihmisiä, jotka käyttävät tekoälyä käyttäjähaastattelujen tietojen tehokkaampaan jäsentämiseen, sekä eri tapoja opettaa sitä vastaamaan käyttäjäpersoonan tavoin.
On todella innovatiivista nähdä, millä eri tavoilla se tukee työnkulkua tavoilla, jotka eivät aiemmin olleet mahdollisia.
Mariana Antaya: Myös agenttien luominen on mahtavaa. Pystyin luomaan agentin, joka rakentaa monia ominaisuuksiani koskevia koontinäyttöjä. Enää minun ei tarvitse käyttää tunteja koontinäyttöjen rakentamiseen nähdäkseni kaikki käyttäjämittarit. Tuotepäällikkönä nojaamme vahvasti myös dataan hypoteesiemme tukena.
Agenttien rakentaminen asioihin, joita teet todella toistuvasti, on ollut mullistavaa.
Hannah Clark: Teimme vähän aikaa sitten Tal Ravivin kanssa hienon jakson siitä, kuinka tuotepäälliköille rakennetaan tekoälyavustaja. Hän vei meidät prosessin läpi, ja jo hänen kuuntelemisensa sai ajattelemaan: tämän voi todella tehdä. Se oli todella hienoa.
Siirrytään taitoihin. Kun olemme alalla, käytämme tekoälyä ilmeisesti koko ajan. Mutta miten valmistaudumme, jos puhumme tällä hetkellä tuleville tuotepäälliköille? Kuuntelijoissa on varmasti useita, jotka haluavat tietää, mitä heidän pitäisi osata tai mihin heidän pitäisi perehtyä ennen työpaikkojen hakemista, joissa tekoälyä käytetään jatkuvasti.
Mariana Antaya: Yksi tärkeimmistä taidoista, joita tuleva tuotepäällikkö voi oppia, on mielestäni kehotetekniikka ja erilaisten suurten kielimallien kokeileminen. Mitkä käyttötapaukset sopivat millekin mallille? Kun esimerkiksi kirjoitan koodia, käytän mielelläni Claudea. Claude Sonnet 3.7 on erinomainen.
Koodin kirjoittamiseen käytän sitä mieluummin, kun taas kilpailija-analyysiin, tiekarttojen laatimiseen tai muiden kielimallien kehotteiden jäsentämiseen käytän mieluummin ChatGPT:tä. Saatan pyytää ChatGPT:tä: ”Miten minun pitäisi muodostaa tämän kielimallin kehote, jotta saan optimaalisen tuloksen tehtävässä X, Y tai Z?”
Yksi parhaista ja arvokkaimmista taidoista, joita tuleva tuotepäällikkö voi oppia, on siis kehotetekniikka, kokeileminen ja jopa oman tuotteen rakentaminen.
Nyt puhutaan paljon myös tunnelmakoodauksesta. Se on hämmästyttävä tapa, jolla myös ei-tekninen tuotepäällikkö voi todella panna tuotetaitonsa koetukselle. Voit yksinkertaisesti pyytää kielimallia luomaan tuotteen, rakentaa tuotteelle markkinoillevientistrategian ja yrittää myydä tuotetta.
Voit mennä asiakkaiden luo ja kysyä heidän kokemuksistaan tuotteen käytössä. Saat todellista kokemusta tuotetyöstä, jota ei oikeastaan opeteta kouluissa. Se on todella arvokasta kokemusta, joka siirtyy myös tosielämään. Tämä on ehdottomasti yksi tärkeimmistä asioista, jonka halusin nostaa esiin.
Hannah Clark: Kyllä, ehdottomasti. Olen todella innoissani tästä uudesta tunnelmakoodauksen suuntauksesta. Osallistun myöhemmin tällä viikolla sitä käsittelevään työpajaan, enkä malta odottaa, että pääsen perehtymään siihen. Palaamme siis pian kehotetekniikkaan.
Haluan puhua hieman tekoälytuotteiden rakentamisesta. Se on toinen puoli, enemmän asiakkaisiin suuntautuva asia. Mainitsit tunnelmakoodauksen tapana aloittaa tuotteiden rakentaminen asiakkaille. Tekoälytuotteiden rakentaminen on kuitenkin aivan oma kokonaisuutensa, joka on muuttanut tekoälyn ja tuotehallinnan toimintaympäristöä. Rakennat parhaillasi tällaisia tuotteita, joten millaista se on? Miten tekoälytuotteiden rakentamiseen voi valmistautua?
Mariana Antaya: Suuri osa siitä on sen ymmärtämistä, että kaikki kulkevat tällä hetkellä samaa matkaa. Kokeilemme kaikki. Emme vielä täysin tiedä, mitkä ovat niitä suuria käyttötapauksia, joihin ihmiset todella tarttuvat, mistä asiakkaat ovat valmiita maksamaan ja millä katteella he ovat valmiita maksamaan kyseisestä ominaisuudesta tai tuotteesta.
Olemme siis kaikki tässä yhdessä. Toiseksi on tärkeää kokeilla erilaisia malleja. Tuotepäälliköillä on käytössään niin monia erilaisia malleja, ja on tärkeää tehdä tiivistä yhteistyötä teknisen tiimin kanssa, jotta varmistetaan esimerkiksi tarkkuuden tai viiveen merkitys.
Ohjelmistojen monimutkaisuuden lisääntyessä asioiden ilmestyminen näytölle kestää esimerkiksi kauemmin. On siis todella tärkeää ymmärtää hyötyjen ja riskien suhde: kuinka kauan käyttäjä on valmis odottamaan saadakseen lisähyödyn?
Tuotepäällikön tehtävänä on astua esiin ja analysoida myös tätä. Tiivis yhteys asiakkaaseen on erittäin tärkeä. On ymmärrettävä asiakkaan työnkulku. Ehkä neljän tai viiden sekunnin viive ylimääräisen tekoälyn luoman yhteenvedon näkemisessä ei sovi hänen työnkulkuunsa. On siis pystyttävä ymmärtämään nämä haasteet.
Hannah Clark: Hyvä huomio.
Siirrytään kehotetekniikkaan. Mainitsit, että se on tärkeä taito. Se ei ole tärkeä taito ainoastaan tuotepäälliköille tai tuotepäälliköiksi pyrkiville, vaan uusi taito kaikille. En usko, että kukaan voi olla siinä liian hyvä.
Millainen olisi siis kehotetekniikan perusteiden oppituntisi? Kun rakennat laadukasta kehotetta, mikä on tärkein asia, joka kannattaa pitää mielessä?
Mariana Antaya: Mitä enemmän tietoa ja taustaa pystyt kirjoittamaan kehotteeseen, sitä parempi. Jos kehote on hyvin epämääräinen, saat todennäköisesti vastineeksi hyvin epämääräisen vastauksen.
Paremman kehotteen voi muodostaa esimerkiksi näyttämällä päättelyn vaihe vaiheelta. Sano: ”Analysoi X, Y ja Z vaiheissa yksi, kaksi ja kolme.” Myös kehotteen muotoilu voi auttaa. Saatavilla on lisäksi uudempia päättelykehotteita, joten on tärkeää ymmärtää, millaista mallia haluat kehotteessasi käyttää. Voit myös pyytää mallilta lisätietoja.
Älä pelkää kertoa kielimallille, että se suoriutui huonosti. Korjaa kielimallia saadaksesi haluamasi kehotteen. Kuten aiemmin mainitsin, voit kysyä toiselta kielimallilta: ”Miten saan tältä kielimallilta tehokkaimman tuloksen?” Aiheesta on kirjoitettu myös tutkimuksia.
On tärkeää osata selittää ja jäsentää kehote sekä antaa sille mahdollisimman paljon taustatietoa: kaikki tarvittavat asiakirjat, kuvat ja kirjat. Anna mallille kaikki, mitä se tarvitsee ymmärtääkseen näkökulmasi ja tarvitsemasi kontekstin. Tämä on ollut yksi tehokkaimmista tavoista, joilla olen kehittänyt kehotetekniikan taitojani. On myös ymmärrettävä, että kielimallille on annettava rooli.
Sano ChatGPT:lle: ”Ajattele olevasi datatieteilijä” tai ”Ajattele olevasi yrityksen X, Y tai Z kokenut tuotepäällikkö.” Identiteetin antaminen on toinen hyvä tapa jäsentää kehotteita. Silloin malli alkaa ajatella enemmän kyseisestä näkökulmasta.
Hannah Clark: Siirrytään asioiden iterointiin, koska mainitsit kielimallien korjaamisen. Olen alkanut tehdä jotakin, joka on ollut todella hyödyllistä: suljen niiden kanssa palautesilmukan. Jos malli antaa minulle vastauksen ja muokkaan sitä ennen käyttöä, annan muokatun version takaisin ja sanon: ”Tässä on, mitä tein edelliselle vastauksellesi. Muista tämä, jotta voit antaa myöhemmin tehokkaamman tai tarkemman vastauksen.”
Se ohjaa mallia oikeaan suuntaan, ja olen kokenut sen todella hyödylliseksi ja helpoksi tavaksi toimia. Millaisia vinkkejä tai pieniä niksejä sinä olet oppinut, joiden avulla saat joka kerta parempia tuloksia?
Mariana Antaya: Olen itsekin vielä sillä matkalla. Sen lisäksi, että annan sille enemmän taustatietoa, opettelen edelleen vinkkejä, joita jaoin. En ole itse kehotetekniikan asiantuntija. Yritän ehdottomasti iteroida vastausta tai joskus lisään saman kehotteen toiseen kielimalliin ja katson, millaisen vastauksen saan.
Leikkikentät ovat tässä erityisen hyödyllisiä. Käytän työkalua, jossa voi verrata kahden eri mallin vastauksia rinnakkain. Myös GitHubissa ja NES:ssä on tällainen toiminto. Se on erinomainen tapa analysoida paremmin, mikä kielimalli antaa tarkemman tai paremmin tarpeisiisi sopivan vastauksen.
Hannah Clark: Todella hyvä vinkki. Näin voi ilmeisesti selvittää, sopiiko Claude vai ChatGPT paremmin tiettyyn tehtävään. Mietin itse asiassa, oliko sinulla jokin erityinen syy käyttää ChatGPT:tä analyysiin ja Claudea koodin kirjoittamiseen? Huomasitko näissä käyttötapauksissa jotakin erityistä eroa?
Mariana Antaya: Kyllä. Jos esimerkiksi yritän koodata ChatGPT:n avulla ja saan virheilmoituksen tai koodi antaa virheen suorituksen jälkeen, syötän virheen ChatGPT:hen. Joskus se ei kuitenkaan korjaa virhettä.
Kielimallilta voi kestää useita yrityksiä virheen korjaamiseen, kun taas Clauden kanssa onnistumisprosenttini on paljon suurempi. Minusta se kirjoittaa paljon siistimpää ja tiiviimpää koodia. Siksi pidän Claudesta. Nämä ovat pieniä vivahteita, joita ei huomaa, ellei todella kokeile eri kielimalleja.
Hannah Clark: Mielenkiintoista, sillä huomaan saman. Minusta Claude vaikuttaa luovemmalta ajattelijalta, jos niin voi sanoa. Luovuuden käyttäminen kielimalleista puhuttaessa tuntuu hieman oudolta, koska kyseessä on niin epämukava alue. Olen kuitenkin huomannut, että siinä, mihin olen sitä käyttänyt, se toimii tehokkaammin markkinointimateriaalien luomisessa. ChatGPT:n kanssa olen samaa mieltä siitä, että se on hieman tehokkaampi tai tuottaa parempia vastauksia tutkimuksessa ja analyyttisemmässä työssä.
Miksi pidät ChatGPT:tä parempana juuri tässä mielessä? Miksi se on mielestäsi parempi analyyttisissä tehtävissä?
Mariana Antaya: Sen tekemä tutkimus on erittäin syvällistä. Se on tarkempaa, ja tutkimuksen esitystapa on hyvin muokattavissa. Voin sanoa sille: ”Haluan kaavion” tai ”Anna minulle raportti.” Se pystyy paremmin päättelemään, mitä pyydän sitä tekemään. Kyse on siis myös henkilökohtaisista mieltymyksistä, käyttötapauksesta ja omasta roolista.
Siinä on ehdottomasti mukana henkilökohtainen mieltymys.
Hannah Clark: Olen ehdottomasti samaa mieltä. Keskustelimme tästä hiljattain sisäisesti, ja monet meistä pitivät siitä, kuinka Claude käyttää seepiansävyjä. Niinkin yksinkertainen asia kuin pieni muutos käyttöliittymässä on silmille miellyttävämpi, joten sillä on merkitystä.
En pidättele sinua tämän pidempään. Kiitos paljon, että irrotit aikaa kiireisestä elämästäsi ja keskustelit kanssamme sekä vaihdoit kuulumisia. Jos joku haluaa kuulla sinusta lisää tai seurata tekemisiäsi, mistä sinut löytää verkossa?
Mariana Antaya: Löydät minut LinkedInistä nimellä Mariana Antaya tai aina TikTokista ja Instagramista tunnuksella @mar_antaya. Julkaisen siellä paljon koodaus-, tuote- ja tekoälyvideoita.
Hannah Clark: Hienoa. Kiitos, että tulit mukaan.
Mariana Antaya: Keskustelen ja teen mielelläni yhteistyötä kanssasi aina. Jos haluat jutella kahvikupin äärellä, keskustelen mielelläni. Ota rohkeasti yhteyttä LinkedInissä.
Hannah Clark: Kiitos paljon. Kiitos.
Kiitos, kun kuuntelit. Saat lisää hyviä näkemyksiä, käyttöoppaita ja työkalujen arvioita tilaamalla uutiskirjeemme osoitteessa theproductmanager.com/subscribe. Voit kuunnella lisää tämänkaltaisia keskusteluja tilaamalla Tuotepäällikön sieltä, mistä kuuntelet podcasteja.
