Kuinka tulla tekoälyn tuotepäälliköksi ilman kokemusta (tohtori Nancy Li:n kanssa)

Lue litterointi:

Kokeilemme podcastiemme litterointia ohjelmistolla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole aina sataprosenttisen tarkka.

Hannah Clark: Varoituksen sana: tämä on jälleen yksi tekoälyä käsittelevä jakso. Epäilen, että kuulijamme jakautuvat tällä hetkellä kahteen leiriin: niihin, jotka janoavat tietoa kaikesta tekoälyyn liittyvästä, ja niihin, jotka ajattelevat: ”Tekoäly? Pikemminkin T-kirjain, olen kuullut tästä jo tarpeeksi.” Jos kuuntelet yhä tämän hirvittävän sanaleikin jälkeenkin, oletan, että kuulut ensimmäiseen leiriin — mikä tarkoittaa, että saatat olla täydellinen ehdokas erikoistumaan tekoälyn tuotepäälliköksi.

Tänään seurassani on jälleen tohtori Nancy Li. Sen lisäksi, että hän on vaikuttava ammattilainen, hän on Product Manager Acceleratorin perustaja, Product Insider -podcastin juontaja, Forbesissa esitelty asiantuntija ja tekoälyn tuotepäällikkyyden veteraani. Tohtori Li:llä on ainutlaatuinen näkökulma sekä tekoälytuotteiden maailmaan että tuotepäälliköiden urakehitykseen, jota hän on seurannut läheltä viime vuosien ajan. Hän on täällä jakamassa sisäpiirin tietoa siitä, kuinka voit muuttaa kiinnostuksesi tekoälyyn elämän mullistavaksi uraksi. Aloitetaan.

Tervetuloa takaisin The CPO Club -podcastiin. Nancy, kiitos paljon, että liityit seuraamme jälleen tänään.

Nancy Li: Kiitos, että kutsuitte minut ohjelmaanne. Minulla oli viimeksi todella hauskaa näitä jaksoja kuvatessamme, joten on hienoa palata ja jakaa lisää näkemyksiä tekoälystä.

Hannah Clark: Kyllä, ehdottomasti.

Niille, jotka eivät kuulleet sinua viime kerralla, voisitko kertoa lyhyesti taustastasi ja siitä, miten päädyit nykyiseen asemaasi?

Nancy Li: Totta kai. Olen tohtori Nancy Li, ja Forbes on nimennyt minut tuotepäälliköksi. Olen auttanut tuhansia ihmisiä saamaan unelmiensa tuotepäällikön työpaikan suurissa yrityksissä ja yksisarvisyrityksissä sekä etenemään tuotepäälliköinä johtotehtäviin. Tällä hetkellä johdan omaa yritystäni PM Acceleratoria, joka auttaa ihmisiä kehittämään uraansa tuotepäälliköinä. Minulla on myös oma podcastini, Product Insider. Haastattelemme siinä tuotepäälliköitä, kuten Googlen tuotepäälliköiden varapresidenttejä, ja kerromme kaiken menestyvien tuotteiden rakentamisen sisäpiirin salaisuuksista.

Olen itse maahanmuuttaja. Muutin Yhdysvaltoihin 800 dollaria taskussani ja nousin tuotepäälliköksi neljässä vuodessa. Tavoitteeni on tuoda tuotepäällikkyyden koulutusta, erityisesti yrittäjyyteen liittyvää koulutusta, keskituloisista perheistä tulevien ihmisten saataville. Siksi olen jakanut YouTubessa paljon maksuttomia materiaaleja ja salaisuuksia.

YouTube-kanavallani on nyt yli miljoona katselukertaa. Viime vuonna meillä oli myös onnea, sillä perustimme menestyksekkäästi oman voittoa tavoittelemattoman järjestömme PMA Kidsin, joka tarjoaa maksutonta tuotepäällikkyyden koulutusta pienituloisten perheiden lapsille. Olen hyvin iloinen nähdessäni, kuinka ihmiset ovat kasvaneet kanssani ja kehittyneet henkilökohtaisesti.

Myös yhteisömme on kasvanut yli 100 000 tuotepäällikköön sosiaalisen median toimintamme kautta.

Hannah Clark: ansioluettelosi on todella vaikuttava. Sen lisäksi olet rakentanut erittäin menestyksekkään ja palkintoja voittaneen tekoälytuotteen, eikö niin?

Nancy Li: Kyllä.

Hannah Clark: Voisitko kertoa siitä hieman lisää?

Nancy Li: Toki. Tämä tapahtui ennen kuin tekoälystä tuli erittäin suosittua.

Rakentamani tuote oli nimeltään Smart Cities. Se hyödynsi tekoälyä, erityisesti konenäköä, auto-onnettomuuksien vähentämiseen. Vuonna 2016 eri kaupungeissa oli käynnissä kuuluisa Vision Zero -liike, jonka tavoitteena oli vähentää liikennekuolemat nollaan.

Siksi annoin tuotteelle nimen Vision Zero. Tuolloin yritimme selvittää, kuinka voisimme auttaa kaupunkeja vähentämään auto-onnettomuuksia mahdollisimman tehokkaasti ja skaalautuvasti. Kuten mainitsin, kukaan ei vielä edellyttänyt tekoälyn käyttöä. Tarkastelimme vain erilaisia teknologioita ja pohdimme, voisiko ratkaisu olla tekoäly, esineiden internet tai data-analytiikka.

Lopulta päätimme käyttää tekoälyä yhtenä keskeisenä teknologiana tällaisen tuotteen luomisessa, ja tuote sai myöhemmin kaupunginjohtajan parhaan käytännön palkinnon. Se otettiin nopeasti käyttöön Yhdysvaltojen kymmenessä suurimmassa kaupungissa. Olen erittäin iloinen nähdessäni, kuinka tekoäly muutti ihmisten elämää jo vuosia sitten, ennen kuin siitä tuli nykyisen kaltainen megatrendi.

Hannah Clark: Tämä johdattaa täydellisesti siihen, kuinka tekoäly muuttaa ihmisten elämää nykyään — meidän tapauksessamme erikoistumalla tekoälyn tuotepäällikkyyteen. Aloitetaan siis peruskysymyksestä: millaisia konkreettisia hyötyjä tuotepäälliköt voivat odottaa, jos he erikoistuvat tekoälyyn?

Nancy Li: Erinomainen kysymys.

Tekoälyyn erikoistuminen avaa ehdottomasti paljon uusia ovia nykyisille tuotepäälliköille ja kaikille niille, jotka haluavat siirtyä tuotepäällikkyyteen. Ensimmäinen hyöty on korkeampi palkka. Tekoälyn tuotepäälliköille maksetaan yleensä noin 10–20 prosenttia enemmän kuin tuotepäälliköille keskimäärin.

Toiseksi se antaa uralle vauhtia. Minulla on esimerkiksi opiskelija, joka aloitti Amazonilla generatiivisen tekoälyn tuotepäällikkönä. Hän vei uransa kirjaimellisesti seuraavalle tasolle. Hän ei ainoastaan päässyt suureen teknologiayritykseen, vaan pystyi myös rakentamaan Amazonille vaikuttavan tuotteen, jota monet ihmiset voivat käyttää.

Kolmanneksi tekoäly voi nopeuttaa merkittävästi pääsyä tuotepäälliköiden työmarkkinoille. Minulla on opiskelijoita, jotka päättivät erikoistua tekoälyyn. Kun he lisäsivät ansioluetteloonsa tekoälyyn liittyviä avainsanoja ja projekteja, he saivat kirjaimellisesti paljon enemmän haastattelumahdollisuuksia kuin muut hakijat.

Kaikki yritykset haluavat nyt lisätä tekoälyn tuotekartalleen. Voimme myöhemmin keskustella siitä, pitäisikö niiden tehdä niin, mutta kyseessä on vallitseva trendi, joka vie ihmisiä ehdottomasti eteenpäin. Tätä voisi verrata amerikkalaiseen sanontaan ”ampua kalat tynnyrissä”.

Jos siirryt tekoälyn pariin nyt, se tuntuu siltä kuin ampuisit kaloja tynnyrissä, koska seuraavien viiden — ehkä kymmenen tai jopa kahden — vuoden aikana tekoälyn läpimurto tulee tapahtumaan. Kun tekoäly todella lähtee nousuun, riippumatta siitä, teetkö hyvää vai erinomaista työtä, koko ala kasvaa raketin tavoin.

Sinä olet silloin mukana raketissa. Urasi kasvaa koko alan mukana. Suosittelen siksi kaikkia todella harkitsemaan tekoälyä seuraavana urasiirtona.

Hannah Clark: Voisitko käydä kanssamme läpi tekoälyn tuotepäällikön elinkaaren?

Nancy Li: Toki. Käytän esimerkkinä omaa tuotettani.

Tekoälyn tuotepäällikkyyden elinkaarella on neljä vaihetta. Ensimmäinen on ideointi ja sen ymmärtäminen, voiko tekoäly todella ratkaista ongelman. Toinen on sen selvittäminen, millaista dataa tarvitaan ja mistä dataa löydetään, koska data on tekoälyn uuden aikakauden uusi toimintakenttä. Kolmas vaihe on pienimmän toimivan tuotteen rakentaminen, ja neljäs tuotteen julkaiseminen. Käytän nyt tosielämän esimerkkiä osoittaakseni, kuinka tämän viitekehyksen avulla voidaan rakentaa erinomainen, omassa tapauksessani palkittu, tekoälytuote.

Ensimmäisessä vaiheessa on todella ymmärrettävä, onko asiakkaalla todellinen ongelma vai luommeko tekoälyn avulla ongelman asiakkaalle. Tämä on käänteistä suunnittelua. Siksi markkinaa on arvioitava perusteellisesti. On ymmärrettävä, mitkä ongelmat tekoäly voi ratkaista ja mitä ongelmia se ei voi ratkaista. Kerron konkreettisen esimerkin PM Acceleratorissa opiskelijoideni kanssa tekemästäni tapaustutkimuksesta.

Pidimme aivoriihen. Kysyimme esimerkiksi, mitä Deltan toimitusjohtajana tekisit seuraavien kymmenen vuoden aikana. Opiskelijani, minä mukaan lukien, vastasivat tietenkin, että tekoälyä voisi hyödyntää. Yksi opiskelijoiden ehdottama ratkaisu oli käyttää tekoälyä lentojen navigointiin.

Vastasin, että se olisi väärä käyttökohde. Nykyisillä tekoälyjärjestelmillä, erityisesti generatiivisella tekoälyllä, on aina jonkinlainen epäonnistumisen mahdollisuus — esimerkiksi yksi prosentti tai 0,001 prosenttia. Jos järjestelmä epäonnistuu lentokoneen navigoinnissa, seurauksena voi olla ihmishenkien menetys. Se on liian suuri riski otettavaksi heti käyttöön kriittisessä ohjaussovelluksessa.

Siksi meidän on tutkittava perusteellisesti, tarvitsemmeko tekoälyä todella ja kuinka paljon se parantaa sovellusta. Kun rakensin Smart Cities -tuotettani vuonna 2016, kukaan ei painostanut meitä käyttämään tekoälyä. Kukaan ei edes ajatellut tekoälyä. Teimme aidosti asiakaslähtöistä tutkimusta ja havaitsimme sen perusteella, että tekoäly oli paras menetelmä ja työkalu. Siksi löytämiseen on käytettävä paljon aikaa.

Tekoälytuotteen tuotepäällikkyyden elinkaaren toinen vaihe on datan kerääminen ja datamallin kouluttaminen. Data on tekoälyalan uusi toimintakenttä. Siksi Scale AI:n kaltaiset yritykset ovat nykyään suosittuja ja tekoälyn aikakaudella on perustettu monia uusia yrityksiä.

Kun koulutat mallia, on tärkeää löytää oikeanlaista dataa. Joskus voit hyödyntää muiden valmiita malleja. Esimerkiksi ChatGPT on erittäin hyvä tekoälymalli, mutta tarjolla on monia muitakin malleja.

Gemini-mallilla on omat mallinsa, ja myös muilla yrityksillä on omansa. Sinun on päätettävä, mikä malli sopii sinulle parhaiten ja millä perusteilla teet päätöksen. Voit ehkä integroida rajapinnan. Jos näin teet, sinun on arvioitava, kuinka paljon se maksaa, jos suoritat sovelluksesi suoraan jonkun toisen mallin päällä. Voit myös hyödyntää muiden malleja ja rakentaa niiden päälle jotakin pientä kokonaiskustannusten vähentämiseksi.

Mallin kouluttamiseen, datan keräämiseen ja valmiiden mallien hyödyntämiseen liittyy siis monia erilaisia päätöksiä. Kolmas vaihe on pienimmän toimivan tuotteen rakentaminen. Tämä on tekoälytuotteen tuotepäällikkyydessä suoraviivaista ja hyvin samanlaista kuin perinteisessä tuotepäällikkyydessä. Kun rakennat pienimmän toimivan tuotteen, sinun on testattava se markkinoilla. Tekoälytuotteissa on kuitenkin ajateltava erityisesti turvallisuutta ja luottamusta. Kaikki eivät halua ottaa tekoälyä käyttöön, ja järjestelmiin voi päätyä erilaisia vinoumia. Tekoälyn hallintamalli on otettava huomioon tuotetta rakennettaessa.

Ihannetapauksessa nämä asiat huomioidaan mahdollisimman aikaisin tuotteen kehityksen elinkaarella. Kun rakensimme Smart Cities -tuotteen, pienimmän toimivan tuotteen rakentaminen oli erittäin kiinnostavaa. Työskentelimme ensin yhden kaupungin, Bostonin, kanssa. Tavoitteena oli käyttää konenäköä auto-onnettomuuksien vähentämiseen. Datan kouluttaminen oli kuitenkin vaikeaa, koska käytettävissä oli rajallinen määrä onnettomuusdataa.

Ajattele tätä: tekoälymallin kouluttamiseen tarvitaan valtava määrä dataa. Kuinka paljon auto-onnettomuuksista on olemassa dataa? Ensinnäkin niiden täytyy olla tallennettavissa, minkä jälkeen data on puhdistettava. Lisäksi halusimme testata, pystyykö mallimme havaitsemaan onnettomuuksia lumisissa olosuhteissa, koska Bostonissa sataa lunta kuuden kuukauden ajan vuodessa.

Kuinka onnettomuudet voidaan havaita Bostonin lumikauden aikana? Tällaisissa tilanteissa dataa on hyvin vaikea kerätä. Emme myöskään halunneet kerätä tällaista dataa, koska toivoimme, ettei sitä olisi koskaan olemassa. Niinpä lähestyimme pienimmän toimivan tuotteen rakentamista eri tavoin. Ensinnäkin ostimme dataa. Tuolloin yrityksen nimi oli Mint AI, ja pystyimme hankkimaan sieltä erilaista koulutusdataa.

Toiseksi loimme erilaisia simuloituja ympäristöjä. Saatavilla oli esimerkiksi pysäköintialue, jossa ihmiset teeskentelivät törmäävänsä autoihin. Loimme myös leluihin perustuvia tilanteita. Meillä oli pieniä leluautoja, jotka törmäsivät lelusykliin ja muihin leluihin. Kaikki perustui leluihin.

Tekoälymallissa muutimme tietenkin parametreja ymmärtääksemme oikean auton koon. Pystyimme tutkimaan, havaitsiko tekoäly yhden lelun törmäämisen toiseen leluun ja pystyikö se ennustamaan törmäyksen ennen sen tapahtumista.

Teimme pienintä toimivaa tuotetta rakentaessamme monia erilaisia asioita. Haluan myös antaa tunnustusta NVIDIAn Jensen Huangille. Olimme tuolloin NVIDIAn koulutusmallien varhaisia käyttäjiä. Jo vuonna 2016 hänen tiiminsä oli rakentanut hämmästyttävän mallin kohteiden tunnistamista varten, ja pystyimme rakentamaan oman ratkaisumme sen päälle.

Kaikki nämä yksityiskohdat liittyvät pienimmän toimivan tuotteen rakentamiseen. Kyse on paljon muustakin kuin siitä, että vain koulutetaan jokin malli. Pienimmän toimivan tuotteen rakentamisessa on oltava älykäs ja luova.

Viimeinen vaihe on tietenkin markkinoillemenostrategia. Tekoälytuotteen markkinoillemenostrategiassa on perinteinen markkinoillemenoprosessi, joka on sinulle jo tuttu. Olen tehnyt YouTubeen erillisen videon markkinoillemenostrategioista, joten voit tutustua siihen myöhemmin kanavallani.

Perinteisen markkinoillemenoprosessin lisäksi on huomioitava asiakkaiden ja sisäisten sidosryhmien hyväksyntä. Asiakkaiden hyväksyntä riippuu riskinsietokyvystä. Jotkut eivät halua kokeilla tekoälytuotetta. Jotkut ovat saaneet kerran huonon kokemuksen eivätkä palaa enää koskaan. Jotkut pelkäävät, että tekoäly ottaa heidän datansa pysyvästi käyttöön. Toiset pelkäävät, että tekoäly vie heidän työnsä.

Loppukäyttäjien hyväksyntää on hallittava tarkasti. Toinen näkökulma liittyy sisäisiin sidosryhmiin. Kaikki yrityksen työntekijät eivät halua käyttää tekoälyä. He voivat olla johtajia, muita insinööritiimin jäseniä tai lakitiimin edustajia. Vastustusta tulee varmasti.

Siksi sinun on opittava puolustamaan ja edistämään tekoälytuotetta erilaisissa tilanteissa. Tässä ovat siis tekoälyn tuotepäällikön elinkaaren neljä vaihetta.

Hannah Clark: Tämä oli erittäin kattavaa ja kuulostaa myös todella kiinnostavalta alueelta.

Mitä askelia tuotepäälliköt voivat siis ottaa pätevöityäkseen näihin kiinnostaviin tekoälyn tuotepäällikön tehtäviin?

Nancy Li: Kyllä, ala on todella kiinnostava. Olen puhunut neljästä tavasta tulla tekoälyn tuotepäälliköksi.

Ensimmäinen koskee henkilöitä, jotka ovat juuri valmistuneet koulusta. Heillä on itse asiassa helpoin reitti. Jos olet vastavalmistunut, tee jotakin tekoälyyn liittyvää ja hanki ensin kokemusta. Voit tehdä tekoälyaiheisen lopputyön tai aloittaa harjoittelun.

Sen ei tarvitse olla tekoälyn tuotepäällikön tehtävä, koska olet vasta valmistunut. Voit toimia ohjelmistoinsinöörinä tekoäly-yrityksessä tai tehdä mitä tahansa muuta tekoälyyn liittyvää.

Meillä on esimerkiksi opiskelijoita, joista yksi työskenteli jo toisena opiskeluvuotenaan ensimmäisessä tuotepäällikön harjoittelussaan NVIDIAlla rakentamassa perustavanlaatuisia malleja. Voit siis hakea suoraan tekoälyalan tai tekoälyn tuotepäällikön harjoitteluun.

Toinen reitti koskee nykyisiä tuotepäälliköitä. Jos olet aiemmin työskennellyt esineiden internetin tai finanssiteknologian parissa, eikä työsi ole liittynyt tekoälyyn, helpoin tapa on opetella tekoälyn perusteet. Saatavilla on valtavasti erilaisia tekoälykursseja. Myös Google on julkaissut tekoälykursseja.

Jos olet jo tuotepäällikkö, opettele tekoälyn taidot etukäteen. Opettele erilaisia suuria kielimalleja ja vertaile niitä ymmärtääksesi, mikä niistä on hyvä ja kuinka niiden ympärillä tehdään teknisiä päätöksiä. Näiden taitojen kartuttaminen on nykyään tärkeää kaikille tuotepäälliköille.

Kolmas tapa koskee ihmisiä, joilla on insinööritausta ja kokemusta tekoäly-yrityksistä. PM Acceleratorissa on paljon tekoälyinsinöörejä ja datatieteilijöitä. He eivät välttämättä tunne tuotepäällikkyyttä lainkaan, mutta heillä on ainutlaatuinen etu: he ovat rakentaneet tekoälymalleja aiemmin.

He voivat tietää, kuinka tekoälymalleja koulutetaan ja kuinka pienin toimiva tuote rakennetaan, koska he ovat osallistuneet koko prosessiin. He eivät ehkä ole kirjoittaneet vaatimusmäärittelyjä, mutta tuotepäällikkyyden oppiminen on heille helpompaa kuin suurten kielimallien tai tekoälymallien kouluttamisen oppiminen olisi muille.

Suosittelen näille insinööreille, että he opettelevat välittömästi tuotepäällikkyyden perusteet, markkinoillemenostrategian ja asiakashaastattelujen tekemisen. Tämä nopeuttaa heidän etenemistään merkittävästi.

Neljäs ryhmä koostuu henkilöistä, joilla ei ole insinööri- eikä tuotepäällikkökokemusta. Heille suosittelen seuraavaa lähestymistapaa. Ensinnäkin opiskele, mitä tekoäly on. Se on perusta. Toiseksi opiskele, mitä tuotepäällikkyys on. Kolmanneksi rakenna oma käytännön projekti.

Oman projektin rakentaminen on paras tapa osoittaa intohimosi tekoälyalaa kohtaan ja näyttää osaamisesi riippumatta siitä, onko sinulla aiempaa tekoälykokemusta. Voit osoittaa, ettet vain puhu asiasta, vaan olet todella rakentanut useita tekoälysovelluksia tuotepäällikkönä.

Haluan kuitenkin korostaa yhtä asiaa: tuotepäällikön ei tarvitse oppia ohjelmoimaan. Voit silti oppia yksinkertaisia tapoja rakentaa sovelluksia. Rakennan itse parhaillani sovellusta ChatGPT:n päälle, vaikka en osaa koodata lainkaan. Minulla on materiaalitieteen tohtorintutkinto, enkä vieläkään osaa ohjelmoida.

Rajapintojen, lisäosien ja ChatGPT:n sovellusten rakentamiseen tarkoitettujen ohjeiden avulla voit kuitenkin saada käytännön kokemusta. Voit muuttaa sen tuoteportfolioksi, jolloin on paljon helpompi vakuuttaa rekrytoiva esihenkilö siitä, että pystyt tehtävään.

Hannah Clark: Nuo ovat todella hyödyllisiä salaisuuksia.

Palataan itseopiskeluna suoritettaviin kursseihin, materiaaleihin ja muihin koulutuksiin, joiden avulla ihmiset voivat kehittää taitojaan. Onko sinulla erityisiä suosituksia materiaaleista tai kursseista?

Nancy Li: Kyllä, olen itse suorittanut useita kursseja, joista pidän.

Lähestymistapani ei perustu pelkästään kursseihin. Luen myös artikkeleita, hankin käytännön kokemusta ja kokeilen erilaisia työkaluja. Annan muutaman hyvän vaihtoehdon, joilla kaikki voivat aloittaa heti.

Ensimmäinen materiaali on DeepLearning.AI. Se on Andrew Ng:n perustama ensisijainen lähde. Sivustolla on useita maksuttomia materiaaleja. Suosittelen erityisesti yhtä kurssia, joka kestää vain tunnin ja kasvattaa merkittävästi ymmärrystäsi tekoälystä sekä käytännön kokemustasi. Se käsittelee kehotetekniikkaa.

Toiseksi voit mennä Courseraan ja suorittaa koneoppimisen kursseja. Coursera tekee yhteistyötä eri yritysten, kuten IBM:n ja DeepLearning.AI:n, kanssa. DeepLearning.AI:lla on myös koneoppimisen kursseja, joiden avulla saat kokonaisvaltaisemman käsityksen koneoppimisesta. Sinun kannattaa opiskella myös syväoppimista ja selvittää, mitä se tarkoittaa.

Suosittelen lisäksi tutustumaan NVIDIAn julkaisemiin artikkeleihin. Olen suuri NVIDIAn fani. Tunnen toimitusjohtajan jo noin kahdeksan vuoden ajalta. Hän on erittäin älykäs. NVIDIA julkaisee paljon artikkeleita rakentamiensa perustavanlaatuisten mallien pohjalta. Muut, kuten minä ja tiimini, voivat rakentaa sovelluksia näiden olemassa olevien viitekehysten päälle.

NVIDIAn verkkosivuilta voi oppia koulutussisältöjä ja olemassa olevia viitekehyksiä, joita voi hyödyntää. Myös Google on julkaissut tekoälytuotteen nimeltä BlackRock ja lisännyt erilaisia sovelluksia AWS:n päälle.

Google tarjoaa yksinkertaisia kuvauksia tekoälyviitekehyksistä ja siitä, millaisia käyttötapauksia niiden päälle voi rakentaa. Materiaalit ovat lyhyitä ja joskus saatavilla myös videoina.

Olen koonnut täydellisen luettelon tekoälykursseista verkkosivulleni drnancyli.com/aicourses. Siellä on kaikki tekoälykurssit, jotka olen itse suorittanut ja arvioinut. Kaikkien kannattaa tutustua siihen ja aloittaa opiskelu omaksi ilokseen.

PM Acceleratorissa minulla on lisäksi oma tekoälyn tuotepäällikkyyden kurssini. Se keskittyy siihen, mitä tuotepäälliköiden on tehtävä päivittäin, millainen tuotepäällikkyyden kokonaiselinkaari on ja kuinka tehdään tärkeitä teknisiä päätöksiä sekä valitaan erilaisia malleja.

Kurssilla käsittelemme tekoälytuotteiden tuotepäällikkyyden koko elinkaaren, hankimme käytännön kokemusta ja rakennamme yhdessä todellisen tekoälytuotteen, jonka voit esitellä tuoteportfoliossasi. Saat myös tiivistetyn katsauksen tekoälyn tekniseen tietoon, jotta oppimisprosessisi nopeutuu.

Hannah Clark: Tämä kattaa valtavan määrän kursseja ja materiaaleja ihmisille, jotka haluavat oppia lisää tekoälystä.

Puhutaan nyt hieman työnantajista. Tiedätkö yrityksiä, jotka todella pyrkivät palkkaamaan tekoälyyn erikoistuneita tuotepäälliköitä?

Nancy Li: Kyllä, niitä on paljon. Joka viikko tarjolle tulee uusia työnantajia ja työpaikkoja. Amazon palkkaa aktiivisesti tekoälyn tuotepäälliköitä, erityisesti generatiivisen tekoälyn tuotepäälliköitä.

Amazonin joissakin osastoissa johtaminen on muuttunut. Aiempi johto vastusti tekoälyä ja halusi käyttää perinteisiä menetelmiä selvittääkseen, tarvitaanko tekoälyä todella. Uusi johto suhtautuu tekoälyyn myönteisesti ja haluaa panostaa siihen.

Siksi yritys on vaihtanut tuotepäälliköitä, joilla ei ole riittävästi tekoälyosaamista, uusiin tekoälyn tuotepäälliköihin. Tämä on surullista nähdä, mutta se kertoo Amazonin nopeasti kasvavasta kulttuurista. Se tarkoittaa myös, että Amazon palkkaa tällä hetkellä paljon tekoälyn tuotepäälliköitä.

Netflix on toinen esimerkki. Se palkkaa jatkuvasti tekoälyn tuotepäälliköitä. Viime vuonna uutisoitiin, että Netflix maksaa 900 000 dollarin vuosipalkkaa kokeneelle tekoälyn tuotepäällikölle tekoälyn tuottaman sisällön kehittämisestä.

On myös monia muita nopeasti kasvavia tekoäly-yrityksiä. Yksi henkilökohtaisesti kiinnostava yritys on Inkitt. Sen idea on vallankumouksellinen: se on kuin Netflix lukijoille. Ihmiset voivat lukea romaaneja ja olla tekoälyn avulla vuorovaikutuksessa kirjojen hahmojen kanssa.

Voit esimerkiksi kuvitella katsovasi Game of Thronesia tai lukevasi siitä ja kysyväsi Daenerysilta kysymyksiä reaaliajassa tekoälyn avulla. Hahmot luodaan aidosti tekoälyllä. Yritys on kerännyt paljon rahoitusta, kasvanut nopeasti ja saanut paljon käyttäjiä.

Tekoäly-yrityksiä on siis valtavasti. Suosittelen seuraamaan TechCrunchia, jossa kerrotaan uusista teknologiayrityksistä, liikeideoista ja rahoituskierroksista. Kaikki nämä tarjoavat hienoja mahdollisuuksia löytää uusia tekoälyalan työpaikkoja.

Hannah Clark: Kun alamme päättää jaksoa, mainitsit, että tekoälyyn erikoistumisesta voi saada selkeitä palkkaetuja. Onko muita palkkaukseen tai korvaukseen liittyviä näkökulmia, joiden pitäisi kannustaa ihmisiä suhtautumaan tekoälytaitojen kehittämiseen vakavasti seuraavana urasiirtona?

Nancy Li: Kuten alussa mainitsin, tekoälyn tuotepäälliköille maksetaan enemmän. Haluan kuitenkin tarkastella palkkaa myös toisesta näkökulmasta. On totta, että tekoälyn tuotepäällikkö ansaitsee enemmän, mutta haluan korostaa myös tekoälyn avulla saavutettavaa vaikutusta, arjen tehokkuutta ja mahdollisuutta rakentaa sovelluksia, joista itse pitää.

Jos liityt pörssiyhtiöön, kokonaiskorvaus voi olla hyvin suuri. Minulla on opiskelijoita, jotka ovat saaneet tekoälyn tuotepäällikköinä yli 400 000 dollarin vuosikorvauksen esimerkiksi Snowflaken kaltaisissa yrityksissä.

Startupit eivät ehkä pysty tarjoamaan 450 000 dollarin käteispalkkaa. Ne voivat tarjota esimerkiksi 160 000 dollarin peruspalkan ja paljon osakkeita. Etukäteen ei voi tietää, kuinka arvokkaiksi osakkeet lopulta muuttuvat.

Siksi startup kannattaa valita viisaasti. Sinun on sovittava yrityksen tehtävään ja varmistettava, että voit luoda oikeanlaista vaikutusta. Sinun on myös valittava oikea hevonen. Ehkä liityt seuraavaan Googleen. Silloin voit olla seuraavan podcast-jakson vieraana ja kertoa, minkä tekoälytuotteen ihmiset kannattaa valita.

Ole siis viisas seuraavan urasiirtosi suhteen. Älä hyppää tekoälyalalle vain trendin vuoksi. Valitse oikea hevonen.

Hannah Clark: Kiitos vielä kerran, että liityit seuraamme, tohtori Nancy Li. Mainitsit useita materiaaleja, joita ihmiset voivat löytää verkkosivustoltasi.

Onko muita paikkoja, joissa ihmiset voivat seurata työtäsi verkossa?

Nancy Li: Voitte kuunnella podcastiani, tohtori Nancy Li:n Product Insider -podcastia. YouTube-kanavani löytyy hakemalla nimellä Dr. Nancy Li, director of product. Voitte myös lähettää minulle viestin LinkedInissä. Olen siellä hyvin aktiivinen ja vastaan kaikkiin viesteihin. Voitte etsiä LinkedInistä nimellä Dr. Nancy Li. Lisäksi verkkosivustoltani, drnancyli.com/aicourses, löytyy kokoamani maksuttomat materiaalit.

Hannah Clark: Hienoa. Kiitos vielä kerran, että liityit seuraamme. Tästä oli todella kiinnostavaa oppia, ja kyseessä on ehdottomasti alue, josta ihmisten kannattaa olla tietoisia.

Nancy Li: Kiitos, että kutsuitte minut ohjelmaan, Hannah. Pidetään yhteyttä. Hypätään kaikki yhdessä tekoälyn aikakauteen.

Hannah Clark: Kiitos kuuntelusta. Lisää kiinnostavia näkemyksiä, käytännön oppaita ja työkalujen arvioita saat tilaamalla uutiskirjeemme osoitteessa theproductmanager.com/subscribe. Voit kuunnella lisää tämän kaltaisia keskusteluja tilaamalla The CPO Clubin podcast-palvelusta, jota käytätkin.