Tekoälyn tuottavuus- ja kehotesuunnitteluvinkit, joita tarvitset vuonna 2025
Vieraani tänään on Tal Raviv, suositun kurssin "Rakenna henkilökohtainen PM-tuottavuusjärjestelmäsi ja tekoälyavustajasi" nero, ja kurssilla on melko hienolta kuulostava nimi. Se on myös melko merkittävä saavutus henkilölle, joka aiemmin kuvaili itseään tekoälyskeptikoksi. Talille ratkaisevaa oli kuitenkin ymmärtää, miksi niin monilla PM:illä on vaikeuksia saada LLM-työkaluistaan kaikkea hyötyä irti, sekä selvittää taktiikat, joilla on todellista voimaa mullistaa tuottavuutesi.
Ja kyllä, käymme nämä taktiikat läpi tässä jaksossa. Perehdymme siihen, miten tekoälyn käyttöönotto muistuttaa paljon uuden tiimin jäsenen perehdyttämistä, miksi iteratiivinen promptien suunnittelu on avainasemassa sekä saamme käytännön neuvoja siihen, miten tekoälytyökalujen kokeilemisen voi aloittaa ja kehittää luottamusta omiin taitoihinsa.
Haastattelun kohokohdat
- Tutustu Tal Raviviin [01:00]
- Tal opiskeli kemiantekniikkaa, mutta siirtyi SaaS-yrittäjyyteen.
- Perusti yliopistoystäviensä kanssa SaaS-yrityksen ja johti sitä neljän vuoden ajan.
- Siirtyi tuotepäälliköksi aikana, jolloin ala oli uusi, yhdistäen kiinnostuksen kohteensa tukeen, markkinointiin, ohjelmointiin ja suunnitteluun.
- Matka kohti AI-tuottavuutta [01:59]
- Tal vetää kurssia, jossa opetetaan AI:n käyttöä tuottavuuden parantamiseen tuotepäällikön työssä.
- Aluksi epäileväinen Tal vältteli AI:n käyttöä päivittäisessä työssään, vaikka hyödynsi sitä Riversiden tuotehankkeissa.
- Käännekohta koitti, kun hän kohtasi haasteen, joka edellytti ChatGPT:n käyttöä tekniikasta vastaavan johtajan ohjauksessa.
- Hän oivalsi, että tehokkaan AI:n käytön avain on kontekstin tarjoaminen samalla tavalla kuin uutta työntekijää perehdytettäessä.
- Hän kehitti AI:lle uuden ajattelumallin, jossa sitä kohdeltaisiin tiimin jäsenenä tai yhteistyökumppanina.
- Hän sisällytti nämä opit kurssille keskittyen tuottavuusjärjestelmiin ja PM AI -apurin rakentamiseen.
- Käytännön vaiheet AI:n perehdyttämiseen [04:29]
- Alkuperäinen epäluulo AI:ta kohtaan johtui sen aiemmista rajoituksista, joiden vuoksi tekstiä piti muokata laajasti ja sen käyttö vaati paljon vaivaa.
- AI:n kehittyneet ominaisuudet, kuten suuremmat konteksti-ikkunat ja parempi älykkyys, ovat vähentäneet näitä esteitä.
- Nykyisiä pullonkauloja ovat esikoulutus, konteksti ja AI-malleille annettavan syötteen laatu.
- Yhden lauseen kehotteet tuottavat yleisluontoisia tuloksia; yksityiskohtaisten ja kontekstuaalisten tietojen antaminen parantaa AI:n hyödyllisyyttä.
- Ihmisillä on ainutlaatuista tietoa ja yhdistelykykyä, jotka ylittävät "internetin keskiarvon" ja joita AI voi hyödyntää oikeanlaisen syötteen avulla.
- Ihmiset usein odottavat AI:n antavan täydellisiä vastauksia tarjoamatta sille tarvittavaa kontekstia.
- AI:n rajoituksia voi verrata siihen, että pyydät tuntemattomalta apua erikoistehtävään antamatta hänelle mitään kontekstia.
- Tal käyttää esimerkkinä työskentelyä ravitsemusterapeutin kanssa ja korostaa syötteen antamisen sekä kaksisuuntaiseen prosessiin osallistumisen tärkeyttä.
- AI:n tehokas käyttö, kuten työskentely ammattilaisen kanssa, edellyttää yhteistyötä ja yksityiskohtaisten tietojen jakamista.
- Yleiskatsaus AI-apuriin [07:13]
- AI-apuri käyttää työkaluja, kuten ChatGPT:tä tai Claudea (jota suositellaan sen Projects-ominaisuuden vuoksi), tuotepäälliköiden tukemiseen.
- Käyttöönottoon kuuluu sen persoonallisuuden määrittäminen (esimerkiksi haastavaksi ja arvolähtöiseksi) mukautettujen ohjeiden avulla.
- Perehdytys kannattaa toteuttaa uuden työntekijän tavoin: kerro tehtävästä, strategiasta, palautteesta, tiimin dynamiikasta ja organisaation tiedoista.
- Ota AI mukaan ajattelukumppaniksi hankkeissa ja anna sille päivityksiä, rajoitteita sekä jatkuvaa kontekstia.
- Se auttaa esimerkiksi asiakirjojen laatimisessa, päätöksenteossa, simuloinneissa ja sidosryhmien hallinnassa.
- Päivitä AI:lle säännöllisesti uusia oivalluksia, tuloksia ja jälkiarviointeja sen tietämyksen kehittämiseksi.
- Claude on erinomainen saumattomissa kontekstipäivityksissä, mikä mahdollistaa älykkäämmän ja tehokkaamman avun ajan mittaan.
- Tal koki läpimurtohetken, kun kollega ehdotti kontekstin sanelemista ChatGPT:lle täsmällisten käyttäjätarinoiden luomiseksi.
- OpenAI:n Whisper-mallin kaltaisten työkalujen avulla tehty sanelu parantaa tarkkuutta ja käytettävyyttä verrattuna natiiveihin saneluominaisuuksiin.
- ChatGPT pystyy päättelemään yksityiskohtia, muotoilemaan tietoja ja täydentämään puutteita vähäisellä muokkauksella ja usein odotukset ylittäen.
- Keskeinen oivallus oli yksityiskohtaisen kontekstin tarjoaminen, joka yhdistettynä AI:n yleiseen tietämykseen tuottaa parempia tuloksia.
- Tal testaa jatkuvasti, kuinka paljon konteksti voi parantaa AI:n tuotoksia.
- LLM:n perehdyttämisen keskeiset vaiheet [14:52]
- Aloita yksinkertaisesti: luo yksi keskusteluketju ja määrittele AI:n toivottu toimintatapa.
- Panosta hyviin sanelutyökaluihin, kuten Better Dictationiin tai Wispr Flow’hun, syötteen antamisen tehostamiseksi.
- Ohjaa AI:ta järjestelmäkehotteen avulla; suurin osa hyödystä saadaan, vaikka kehote olisi perustasoinen.
- Jaa lyhyt konteksti, kuten tuotteen kuvaus tai tietoja hankkeesta.
- Jätä aluksi väliin syvälliset perehdytysvaiheet, kuten organisaatiokaaviot tai suoritusarvioinnit.
- Anna mahdollisimman vähän kontekstia (esimerkiksi tunnettuja signaaleja tai tukipyyntöjä) ja testaa tuotosta.
- Beetaryhmät ja yhteisö edistävät kokeiluja ja innovointia.
- Oivalluksen hetkiä ovat täsmällisten prototyyppien luominen yksityiskohtaisen kontekstin avulla.
- Tuotepäälliköt käyttävät sitä uusien toimialojen oppimiseen tai neljännesvuosittaiseen suunnitteluun.
- Monet käyttävät sitä ajattelukumppanina parempien oivallusten ja ideoiden saamiseksi.
- PRD-dokumenttien kirjoittaminen paranee, kun AI esittää ensin tarkentavia kysymyksiä.
- Yhteisö tutkii käyttötapoja, jotka ylittävät alkuperäiset odotukset.
- Kehotetekniikan parhaat käytännöt [17:53]
- Kehotetekniikka kehittyy pois "taikaloitsuista" kohti selkeää viestintää.
- Parhaita käytäntöjä ovat sanelun käyttäminen kontekstin helpompaan antamiseen ja sen täsmällinen ilmaiseminen, mitä haluat.
- Jos tuotos ei vastaa odotuksiasi, pohdi asiaa, muokkaa ja täsmennä edellistä viestiä.
- Chat-alustojen kynätyökalu on keskeinen kehotteiden säätämisessä ja kehittämisessä.
- Iterointi ja kokeileminen ovat tärkeämpiä kuin erityisten ilmausten tai monimutkaisten menetelmien käyttäminen.
Oikea taito on näpertely – uppoutuminen, toistaminen ja se, ettei sitä pelkää. Kyse on ajattelutavan muutoksesta.
Tal Raviv
- Ajattelutavan muutos: tekoälyn omaksuminen osaksi työnkulkua [20:32]
- Tal valitsi työpajan tuotteen rakentamisen sijaan, koska suurin haaste on ajattelutavan muutos, ei toiminnallisuus.
- Arvo syntyy reaaliaikaisesta ohjauksesta, jossa Tal auttaa ihmisiä suoraan ja varmistaa näin korkeamman käyttöönottoprosentin.
- Tuotteen rakentaminen edellyttäisi monimutkaista perehdytystä, johon voidaan vastata paremmin henkilökohtaisen vuorovaikutuksen avulla.
- Prosessiin on jo mahdollista tehdä monia parannuksia olemassa olevilla tekoälytyökaluilla, kuten OpenAI:lla ja Claudella.
- Tal uskoo, että ihmisten auttaminen tekoälyn oikeanlaisessa käytössä ja ajattelutavan sekä käyttäytymisen kaltaisten esteiden voittamisessa on arvokkaampaa.
- Tekoälyn aiheuttaman epävarmuuden voittaminen ja alkuun pääseminen [22:57]
- Monet kokevat jääneensä tekoälyn kehityksestä jälkeen, mutta tämä käsitys on yleinen kaikilla tasoilla.
- Tal vakuuttaa, ettei kukaan ole edellä; kaikki ovat samassa tilanteessa.
- Epävarmuuden voittamiseksi kannattaa aloittaa pienistä, tarkoin määritellyistä tehtävistä ja keskittyä kontekstiin sekä toistamiseen.
- Näpertely kasvattaa itseluottamusta ja johtaa lopulta muiden opettamiseen.
- Tunne jälkeen jäämisestä on yleinen, ja on tärkeää vain aloittaa pelkäämättä tekevänsä sitä "väärin".
Konteksti ja toistaminen – varaa vain kymmenen minuuttia keskittyäksesi niihin. Harjoita näpertelylihastasi, niin näet sen kasvavan kierteen tavoin. Se vetää sinut mukaansa ja saa sinut haluamaan toistaa enemmän.
Tal Raviv
- Menestystarinat ja loppupäätelmät [24:54]
- Talin "Voi luoja" -hetki syntyi, kun hän käytti tekoälyä hinnoittelukeskusteluissa ja tekoäly toimi harkitsevana kumppanina.
- Tekoäly ei antanut täydellisiä vastauksia, mutta synnytti oivalluksia saamalla Talin pohtimaan, miksi tietyt vastaukset tuntuivat vääriltä.
- Sitä verrattiin älykkääseen kumiankkaan, joka auttoi hiomaan ajatuksia.
- Tekoäly sai Talin tuntemaan itsensä älykkäämmäksi, aivan kuin hänellä olisi keskusteluja varten käytettävissään älykkäämpiä ihmisiä.
- Kokemus tuntui tuottavalta ja oivalluksia herättävältä keskustelulta, joka johti parempaan päätöksentekoon.
Tutustu vieraaseemme
Tal Raviv on generatiivisen tekoälyn tuotepäällikkö, joka on työskennellyt varhaisessa vaiheessa Patreonilla, Riversidella, Wixillä ja AppsFlyerilla. Hän aloitti uransa perustamalla yhdessä muiden kanssa kannattavan SaaS-yrityksen ja toimii myös vapaaehtoisena surffausopettajana vammaisille.
Tekoälyn kanssa työskenneltäessä oikea termi tälle on ”ajattelukumppani”. Se on kuin vierelläni istuisi älykäs ihminen, joka auttaa minua ajattelemaan jotakin asiaa ja vaihtamaan ajatuksia kanssani.
Tal Raviv
Tämän jakson resurssit:
- Tilaa CPO Clubin uutiskirje
- Tutustu tämän jakson sponsoriin: Wix Studioon
- Ota yhteyttä Taliin LinkedInissä ja Twitterissä/X:ssä
- Katso Talin pikakurssi ”Rakenna oma PM-tekoälyapulaisesi” Mavenissa (sisältää live-esittelyn).
- Lataa Talin käyttämä Notionin PM-tekoälyapulaisen kehotteiden käsikirja.
- Tutustu Mavenin kurssiin ”Rakenna oma PM-tuottavuusjärjestelmäsi ja tekoälyapulaisesi”.
Aiheeseen liittyvät artikkelit ja podcastit:
- Tietoa CPO Clubin podcastista
- Näin erotut tekoälytuotepäällikkönä
- Asiantuntijavinkkejä tekoälytuotehallinnan osaamisen kehittämiseen
- 11 ChatGPT-kehotetta unelmiesi tuotehallintatyön löytämiseen ja saamiseen
- Älä lopeta päivätyötäsi tekoälyideasi vuoksi
- 6 nerokasta ChatGPT-kikkaa tuotepäälliköille
- Taidot, joita tuotepäälliköt tarvitsevat tekoälypohjaisten tuotteiden rakentamiseen
Lue litterointi:
Kokeilemme podcastiemme litterointia ohjelmiston avulla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole sataprosenttisen tarkka.
Hannah Clark: Kun tarkastelen kaikkia aiheita, joita olemme käsitelleet ohjelmassa tänä vuonna, olemme ehdottomasti puhuneet paljon tekoälystä. Toivottavasti teitä ei haittaa, jos lisäämme vielä yhden aiheen listalle, sillä tämä on luultavasti tähän mennessä käytännönläheisin tekoälyjakso, jonka olemme tehneet.
Vieraana on tänään Tal Raviv, suositun “Rakenna henkilökohtainen PM-tuottavuusjärjestelmäsi ja tekoälykopilottisi” -kurssin nerokas tekijä. Se on melko hieno nimi. Se on myös melko merkittävä saavutus ihmiselle, joka kuvaili aiemmin itseään tekoälyskeptikoksi. Talille käänteentekevää oli selvittää, miksi niin monilla tuotepäälliköillä on vaikeuksia saada täyttä hyötyä suurista kielimalleista ja löytää taktiikoita, joilla voi todella muuttaa omaa tuottavuuttaan.
Tässä jaksossa käymme nuo taktiikat läpi. Keskustelemme siitä, miten tekoälyn perehdyttäminen muistuttaa uuden tiimin jäsenen perehdyttämistä, miksi iteratiivinen kehotesuunnittelu on tärkeää sekä käytännön neuvoista, joiden avulla voit alkaa kokeilla tekoälytyökaluja ja kasvattaa luottamustasi omiin taitoihisi. Aloitetaan.
Tervetuloa takaisin The CPO Club -podcastiin. Seurassani on tänään Tal Raviv.
Tal, kiitos paljon, että liityit seuraamme. Tämä on todella kiinnostavaa. Voisitko kertoa hieman taustastasi ja siitä, miten päädyit tähän tilanteeseen?
Tal Raviv: Toki. Aloitin opiskelemalla kemiantekniikkaa, jolla ei ole käytännössä mitään tekemistä sen kanssa, missä olen tänään.
Tai oikeastaan on siinä mielessä, että se teki minusta hyvän oppimaan vaikeita asioita ja sukeltamaan uusiin aiheisiin. Perustin muutaman opiskelukaverini kanssa SaaS-yrityksen ja työskentelimme sen parissa neljä vuotta. Kun sitten tuli aika hankkia oikea työpaikka, katselin ympärilleni ja ajattelin, että tein käytännössä asiakastukea, markkinointia, koodausta ja suunnittelua.
Miltä tällaisen työn oikea työpaikkaversio näyttää? Tuolloin oli olemassa uusi asia nimeltä tuotehallinta. Hain paikkaa, enkä todennäköisesti pystyisi murtautumaan alalle nykyään, mutta silloin se onnistui.
Hannah Clark: Hienoa. Tänään puhumme jostain muusta, johon kaikki yrittävät päästä käsiksi: tekoälyn tehokkaasta hyödyntämisestä. Luulen, että me kaikki yritämme ymmärtää, miten teknologiaa voisi käyttää tehokkaammin ja käytännöllisemmin. Keskitymme siis siihen, miten voimme käyttää tekoälyä päivittäisissä työnkuluissamme.
Mutta ennen kuin menemme asiaan, pysähdytään hetkeksi puhumaan siitä, mitä elämässäsi tapahtuu. Vedät siis kurssiryhmää, joka auttaa tuotepäälliköitä hyödyntämään tekoälyä tehokkaammin. Millainen matka johti sinut tälle polulle?
Tal Raviv: Aloitin tämän kurssin kehittämisen yhdessä Mavenin kanssa. Samalla johdin Riversiden generatiivisen tekoälyn hankkeita ja työskentelin niiden parissa. En kuitenkaan käyttänyt tekoälyä lainkaan päivittäisessä työssäni. Ajattelin, että tämä on hienoa tuotteelle, mutta sillä ei ole mitään tekemistä arkeni kanssa eikä se voisi koskaan auttaa minua niissä asioissa, joissa tarvitsin apua.
Kurssista tuli lopulta kokonaisuus, joka käsittelee tuottavuutta ja omien tuottavuusjärjestelmien rakentamista. Tuotepäällikkönä oma tiimi on erittäin tehokas vipu tuottavuuden parantamiseen.
Tarkastelet organisaatiotasi, hallitset tunteita ja käsittelet kaikkea tällaista matalan teknologian tekemistä. Tätä kurssia opetan. Samalla leikittelin paljon tekoälyn kanssa. Käännekohta, joka sai minut tarkastelemaan sitä asiana, jota voisin käyttää henkilökohtaisesti, tapahtui Riversidella, kun olin puun ja kuoren välissä.
Minulla ei ollut mitään mahdollisuutta saada tarvitsemaani aikaan ilman ChatGPT:n hyödyntämistä. Silloinkin vastustelin, valitin ja protestoin, kunnes tekniikkatiimini vetäjä sanoi: “Anna minun näyttää. Lopeta jo.” Hän avasi silmäni hyvin yksinkertaiselle periaatteelle: syy siihen, etten käyttänyt työkalua oikein, oli se, etten antanut sille tarpeeksi kontekstia – aivan kuten ihmiselle.
Se oli minulle henkinen muutos. Aloin kysyä, kuinka paljon kontekstia voisin antaa sille. Entä jos antaisin sille saman määrän tietoa kuin uudelle työntekijälle, jota perehdytän? Entä jos keskustelisin sen kanssa samalla tavalla kuin uuden työntekijän kanssa?
Entä jos ottaisin sen mukaan tiettyyn hankkeeseen samalla tavalla kuin uuden työntekijän? Muutin ajattelumalliani ja aloin pohtia, mikä auttaisi ihmistä onnistumaan. Tein tätä vapaa-ajallani ja opetin kurssia, minkä jälkeen aloin ymmärtää, että tästä voisi todella olla hyötyä työssä.
Kesti pitkään, koko vuoden 2024, ennen kuin tämä valkeni minulle. Ajan myötä lisäsin sen osaksi kurssia. Nyt kurssin kaksi ensimmäistä viikkoa käsittelevät perusasioiden kuntoon laittamista ja kaikkea sitä, millä on edelleen merkitystä myös tekoälyn aikakaudella. Viimeinen viikko on intensiivinen kolmen tapaamisen kokonaisuus, jossa rakennetaan oma tekoälykopilotti tuotepäällikön työhön.
Hannah Clark: Mahtavaa. Olen innostunut käymään nämä asiat pian yksityiskohtaisemmin läpi, erityisesti perehdyttämisen. Ajatus tekoälyn perehdyttämisestä on todella kiinnostava.
Mutta ennen sitä kuvailit omaa alkuperäistä skeptisyyttäsi tekoälyn käytössä. Tämä on mielestäni yleistä tuotehallinnassa ja monilla muillakin aloilla. Miksi luulet sen johtuvan? Miksi ihmiset suhtautuvat epäilevästi tai epäröivät siirtyä tietoisuudesta käytäntöön?
Tal Raviv: Suurimman osan ChatGPT:n julkaisun jälkeisestä kahdesta tai kahdesta ja puolesta vuodesta se ei ole ollut kovin hyvä monissa asioissa. Tai sen tuotoksia olisi pitänyt muokata ja ajatella niin paljon, että tilanne muistutti uuden, hyvin junioritason työntekijän palkkaamista: työstä olisi syntynyt enemmän vaivaa kuin hyötyä.
Ensinnäkin tekoäly kehittyi valtavasti. Konteksti-ikkunat kasvoivat, persoonallisuudet paranivat ja mallit muuttuivat älykkäämmiksi. Äskettäin Anthropic- ja OpenAI-yhtiöiden tuotepäälliköt olivat samassa keskustelussa ja sanoivat, että älykkyys ei enää ole pullonkaula.
Mallista voidaan tehdä älykkäämpi, mutta se ei ole pullonkaula. Pullonkaula on esikoulutus, konteksti tai yksinkertaisesti se, mitä malli tietää ja mille se on altistunut. Jos menemme suuren kielimallin luo yhden lauseen kehotteella, vaikka maailman paras kehotesuunnittelun asiantuntija vannoisi sen nimeen, hienosäätäisi ja viimeistelisi sen, kyseessä on silti vain yksi lause.
Se antaa meille pohjimmiltaan internetin keskiarvon. Jos haluat tehdä sellaista työtä, jota itse teet, et ole yksilönä internetin keskiarvo. Tuot mukanasi tietoa, yhdistät sitä ja teet synteesiä. Lähtökohta on siis tämä: annetaan mallille se tieto ja katsotaan, mitä se osaa tehdä.
Hannah Clark: Tämä on todella hyvä huomio. Joskus menemme keskusteluun ja odotamme, että se tietää kaiken ja antaa täydellisen vastauksen. Jos pysäyttäisit jonkun kadulla matkalla ruokakauppaan ja pyytäisit häntä kirjoittamaan PRD:n, hän antaisi parhaansa ilman kaikkea sitä kontekstia ja omakohtaista tietoa, joka sinulla on.
Tal Raviv: Annan toisen esimerkin. Kun puhun ihmisille, jotka eivät työskentele tuotehallinnassa, selitän asian ravitsemusterapeutin avulla. Olen kokeillut tekoälyn käyttämistä ravitsemusterapeuttinani ja apunani tavoitteiden saavuttamisessa.
Jos työskentelisin oikean ravitsemusterapeutin kanssa, en menisi paikalle ja sanoisi: “Kerro minulle mitä, kuinka paljon ja milloin syön.” Ravitsemusterapeutti kysyisi ensin minulta kysymyksiä. Tekoälyn kanssa toimimme kuitenkin usein juuri päinvastoin.
Hannah Clark: Juuri näin. Toivottavasti kokeilu toimii.
Haluan puhua tästä tekoälykopilotista. Tässä on monia kiinnostavia näkökulmia tehokkaaseen tekoälyn käyttöön. Aloitetaan työkalusta. Kerro tästä työkalusta. Mikä siinä muuttaa peliä?
Tal Raviv: Kerron komponenteista. Tekoälykopilotin ensimmäinen osa on sopivan työkalun valitseminen: ChatGPT, Claude tai jokin muu. Itse pidän tässä erityisesti Claudesta. Käytännössä projektitoiminto, joka on maksullinen, on hintansa arvoinen.
Kaiken voi toteuttaa millä tahansa suurella kielimallilla hieman soveltaen ja tekemällä jonkin verran käsityötä. Ensin käytät mukautettuja ohjeita tai järjestelmäkehotetta kertoaksesi, miten työkalun pitäisi toimia.
Haluat sen haastavan sinua, kysyvän paljon kysymyksiä eikä hyväksyvän oletuksiasi automaattisesti. Ajattele ihanteellista työtoveria, joka istuu vieressäsi ja työskentelee kanssasi parina. Hänen pitäisi haastaa sinua tiettyjen käyttäytymismallien tai arvojen suhteen.
Minulle tärkeitä toimintaperiaatteita ovat toimintaan suuntautuminen ja arvon tuottaminen asiakkaille nopeasti. Yritän tehdä päätöksiä ilman täydellisiä tietoja, mutta toisilla aloilla tai yrityksissä periaatteet voivat olla täysin erilaisia.
Kun persoonallisuus on määritelty, seuraava vaihe on perehdytys. Jos uusi tuotepäällikkö liittyisi tiimiin, antaisimme hänelle todennäköisesti asiakirjan, jossa kerrotaan missio, visio ja strategia, sekä esityksen asiakaspersoonasta.
Kertoisin myös aiemmista suoritusarvioinneistani, asioista joiden kanssa kamppailen ja palautteesta, jota esimieheni antaa minulle. Kertoisin sidosryhmistä, heidän vahvuuksistaan, asioista joissa heidän täytyy tehdä yhteistyötä kanssasi sekä mahdollisista sudenkuopista. Mukaan voi liittää organisaatiokaavion, tiimin tiedot ja paljon muuta.
Kun kopilotti on palkattu ja perehdytetty, se täytyy laittaa töihin. Aloitat keskusteluketjun ja kerrot, että sinut on juuri määrätty uuden hankkeen pariin ja että tiedät siitä vasta vähän. Kerrot, mitä tiedät ja mitä ajattelet.
Koko hanketta koskevan keskustelun aikana voit pyytää siltä erilaisia tuotoksia. Se voi kirjoittaa asiakirjoja, toimia ajattelukumppanina, simuloida vaikeaa keskustelua tai auttaa päättämään, mikä on tärkeintä tehdä seuraavaksi.
Tässä taika tapahtuu. Se viittaa organisaation oikeisiin ihmisiin, aiemmissa suoritusarvioinneissa annettuun palautteeseen ja oikea-aikaisiin mahdollisuuksiin ottaa sidosryhmiä mukaan.
Hankkeen aikana kannattaa lisätä kontekstia jatkuvasti. Jos esimerkiksi keskustelet kahden viikon jälkeen myyntijohtajan kanssa ja saat uuden rajoitteen, kerro se kopilotille aivan kuten kertoisit vieressä istuvalle työtoverille.
Lopuksi kannattaa sulkea palautesilmukka ja kertoa, mitä tapahtui, sekä jakaa retrospektiivin tulokset. Voit kysyä: “Tämä on tarinan loppu. Julkaisimme sen ja se onnistui – tai ei onnistunut. Kerro minulle kaikki uusi tieto, jonka opit tästä keskusteluketjusta. Mitä uuden tuotepäällikön pitäisi tietää ja oppia tästä hankkeesta?”
Tämä tieto voidaan lisätä projektin tietopohjaan ja hyödyntää seuraavassa keskustelussa. Konteksti kasvaa koko ajan, ja kopilotti muuttuu viisaammaksi, oppii muista hankkeista ja soveltaa oppeja välittömästi.
Hannah Clark: Olen hieman häkeltynyt. Tämä on paljon kattavampi ja vaikuttavampi kokonaisuus kuin odotin.
Tal Raviv: En tiennyt aluksi, että tämä olisi mahdollista. Kaikki alkoi siitä, että minun piti kirjoittaa nopeasti paljon käyttäjätarinoita. Ne veivät paljon aikaa ja vaativat tarkkuutta. Työtoverini ehdotti, että antaisin ChatGPT:lle mallin ja kaiken tarvittavan tiedon käyttäjätarinasta.
Ajattelin, että kirjoittaminen veisi paljon aikaa. Hän sanoi: “Älä kirjoita, sanele. Puhu.” Puheentunnistus on kehittynyt viime vuosina valtavasti. OpenAI julkaisi Whisper-mallin, jonka monet sovelluskehittäjät ovat ottaneet käyttöön tietokoneilla ja puhelimissa.
Kun sitä verrataan Applen tai Windowsin natiiviin saneluun, se on paljon tarkempi. Voin painaa painiketta ja puhua pitkään, ja tulos on erittäin tarkka. Prosessi muistuttaa keskustelua uuden insinöörin kanssa hankkeen alussa. ChatGPT osaa ottaa vastaan kontekstia, jäsentää sitä ja päätellä puuttuvia asioita.
Käyttäjätarinoissa se täytti aukkoja, joita en ollut itse ajatellut, ja tarvitsin vain vähän muokkauksia. Silloin ymmärsin kontekstin merkityksen. Kun mukaan lisätään internetin keskiarvoon perustuva tieto, malli voi yhdistää asioita ja tuottaa hyödyllisiä oivalluksia.
Hannah Clark: Uskomatonta. Siirrytään käytännön ohjeisiin. Monet tuotepäälliköt kuuntelevat varmasti innokkaina. Jos haluaa aloittaa heti, mitkä ovat tärkeimmät vaiheet kielimallin perehdyttämiseen?
Tal Raviv: Aloittaisin yksinkertaisesti. Lataa ensin tietokoneellesi hyvä sanelutyökalu, kuten Superwhisper, Better Dictation tai Wispr Flow, ja harjoittele puhumista.
Avaa uusi keskustelu ja kerro, miten haluat sen toimivan. Tämä on järjestelmäkehote. Sen jälkeen anna hieman tietoa tuotteestasi: voit kopioida verkkosivusi tai kuvailla tuotetta niin kuin kuvailisit sitä cocktail-tilaisuudessa.
Anna sitten konteksti hankkeesta, jonka parissa haluat työskennellä. Kerro esimerkiksi, mitä tiedät, millaista palautetta olet saanut ja mitä signaaleja olet havainnut. Lähetä viesti ja katso, mitä tapahtuu.
Hannah Clark: Ovatko muut kurssisi osallistujat noudattaneet tätä prosessia? Oletko nähnyt heidän saavan siitä arvoa?
Tal Raviv: Järjestimme muutaman betaryhmän ja rakensimme yhteisön. Osallistujat ovat tehneet vaikuttavia prototyyppejä, opetelleet uusia toimialoja, käyttäneet työkalua neljännesvuosisuunnittelussa ja hyödyntäneet sitä ajattelukumppanina.
Yksi osallistuja kertoi, että PRD:iden kirjoittaminen parani erityisesti siksi, että tekoäly kysyy ensin paljon kysymyksiä. Se osaa tunnistaa, mitä se ei tiedä, ja pyytää tarvittavat tiedot ennen asiakirjan kirjoittamista.
Hannah Clark: Tämä on todella kiinnostavaa. Yleiset periaatteet vaikuttavat soveltuvan moniin eri käyttötarkoituksiin.
Puhutaan hieman kehotesuunnittelusta. Mitkä ovat parhaat käytännöt, joiden avulla ihmiset voivat luoda parempia kehotteita ja tarjota kielimallille laadukkaampaa kontekstia?
Tal Raviv: Kehotesuunnitteluun liittyi vaihe, jolloin LinkedIn oli täynnä kehotesuunnittelun esityksiä ja ihmiset vaihtoivat tittelikseen kehotesuunnittelijan. Kehotteja käsiteltiin kuin taikaloitsuja, mutta tämä ei tuntunut oikealta.
Kehotesuunnittelussa on kaksi tärkeää asiaa. Ensimmäinen on konteksti. Kohtele mallia kuin ihmistä ja käytä sanelua. Toinen on se, että kerrot selkeästi, mitä haluat.
Jos vastaus ei ole haluamasi, mieti miksi ja palaa edelliseen viestiin tarkentamaan sitä. Keskustelussa on yleensä kynäkuvake, jonka avulla voit muokata aiempaa viestiä ja lisätä lauseen tai täsmennyksen. Työkalu luo vastauksen uudelleen ja käsittelee kaiken muokatun viestin alapuolella olevan sisällön uudestaan.
Kynä on mielestäni kehotesuunnittelun tärkein työkalu. Kokeilet jotain, arvioit toimiko se, muutat sitä ja kokeilet uudelleen. Erityisiä taikasanoja tai monimutkaisia ohjeita ei tarvita. Oikea taito on kokeileminen, sukeltaminen ja iterointi.
Hannah Clark: Verkkosuunnittelijat, tämä on teille. Minulla on 30 sekuntia aikaa kertoa Wix Studiosta, verkkoplatformista toimistoille ja yrityksille. Studio tarjoaa muun muassa responsiivista tekoälyä, jolla voit mukauttaa suunnitelmasi eri laitteille, sekä malleja, pienoisohjelmia, osioita ja suunnittelukirjastoja, joita voit käyttää uudelleen eri sivustoilla ja jakaa tiimisi kanssa. Voit lisätä koodittomia animaatioita ja liukuvärillisiä taustoja suoraan editorissa sekä viedä suunnitelmasi Figmasta Wix Studioon yhdellä napsautuksella. Aika loppui, mutta lista jatkuu. Tutustu Wix Studioon ja kokeile itse.
Tämä on käytännöllistä, mutta ei välttämättä intuitiivista. On kiinnostavaa miettiä, miten omien kehotteiden suunnittelua voisi lähestyä eri tavalla.
Haluaisin puhua siitä, miten olet lähestynyt tätä. Ehkä emme ole tehneet selväksi, että kyse ei ole myymästäsi työkalusta vaan enemmänkin taitokokonaisuudesta. Miksi päätit keskittyä työpajaan sen sijaan, että rakentaisit skaalautuvan tekoälyn, joka tekisi kaiken tämän valmiiksi?
Tal Raviv: Tuoteihmisenä ja koodarina minua houkutti rakentaa tuote. Kun perehdyin siihen, mikä estää älykkäitä ihmisiä tekemästä tätä, ymmärsin, ettei puuttuva asia ole toiminnallisuus, käyttöliittymä tai verkostovaikutus.
Kyse on luvasta, ohjauksesta ja ajattelutavan muutoksesta. Tuotteen rakentamisen sijaan voin olla hyödyllisempi työskentelemällä ihmisten kanssa reaaliajassa, vastaamalla kysymyksiin ja auttamalla heitä rakentamaan kokonaisuuden yhdessä.
Hannah Clark: Se käy järkeen. Tekoälytuotteen rakentaminen silloin, kun tietää ketä vastaan kilpailee, on suuri riski. Käytettävissä olevien työkalujen tehokkaampi hyödyntäminen on alue, jossa monien täytyy kehittyä.
Monet kokevat olevansa jäljessä ja pelkäävät aloittamista. Mitä sanoisit heille, jotta he voisivat rakentaa näitä taitoja helposti lähestyttävällä tavalla?
Tal Raviv: Puhuimme tänään tuotejohtajan kanssa, joka sanoi organisaationsa jääneen tekoälyn ja tuottavuuden kehityksestä jälkeen. Sanoin hänelle, ettei näin ole. Ei ole olemassa mitään ohi mennyttä venettä. Kaikki kokevat olevansa samassa tilanteessa.
Tämä tuntuu siltä, koska kaikki puhuvat aiheesta. Jos tunnet jääneesi jälkeen, aloita kokeilemalla jotain pientä ja tarkasti rajattua. Muista konteksti ja iterointi. Varaa siihen kymmenen minuuttia.
Kun harjoittelet kokeilemista, taito kasvaa ja alkaa vetää sinua mukaansa. Pian saatat olla itse se henkilö, joka opettaa muita. Kyse on usein pelottelusta ja tunteesta, että olet liian myöhässä. Todellisuudessa kaikki tuntevat samoin.
Hannah Clark: Olen iloinen, että sanoit tuon. On helppo ajatella, että hetki meni jo ja kaikki muut ovat edellä. Mutta tekoäly ei ole vene, joka menee ohi. Se on taksi tai kimppakyyti, joka on käytettävissäsi. Kerrot sille, minne haluat mennä.
Mainitsit muutamia onnistumisia ja läpimurtoja. Mikä on vaikuttavin asia, jonka olet itse nähnyt tekoälyn käytössä?
Tal Raviv: Minulle suurin oivallus liittyi hinnoittelukeskusteluihin. Tekoäly ei antanut aina täydellistä vastausta, mutta se kävi kanssani erittäin hyvän keskustelun.
Kun se oli väärässä, se sai minut pohtimaan, miksi vastaus tuntui väärältä. Oikea ilmaus on ajattelukumppani. Se oli kuin älykäs ihminen vieressäni auttamassa asian pohtimisessa ja ideoiden kehittämisessä. Sen avulla pääsin parempaan vastaukseen siitä, miten jokin kannattaa paketoida ja hinnoitella.
Se on älykäs kumiankka – kumiankan seuraava taso. Ehkä emme kuvitelleet tekoälyn oivalluksen näyttävän tältä. Kuvittelimme jotain tieteiselokuvamaista supertietokonetta. Jotkut kysyvät, onko ajattelun ulkoistaminen tekoälylle väärin. Minusta se tekee minusta älykkäämmän, aivan kuten älykkäiden ihmisten kanssa keskusteleminen tekee.
Hannah Clark: Tämä on hyvä esimerkki, koska kyseessä on niin vivahteikas keskustelu. Hinnoittelusta puhuttaessa on oltava tarkka siitä, mihin rajat asetetaan. On varmasti hyödyllistä, että käytössä on työkalu, joka auttaa päätöksenteon harjoittelussa ja soveltaa oppeja tulevissa tilanteissa.
Tämä on ollut erittäin kiinnostavaa, Tal. Kiitos paljon osallistumisesta. Olen oppinut tänään paljon. Mistä ihmiset löytävät sinut verkossa, jos he haluavat osallistua kurssillesi tai kuulla lisää ajatuksistasi?
Tal Raviv: LinkedIn on ensimmäinen vastaus. Kurssi löytyy Mavenista. Siellä on myös tekemäni esittely, josta voi nähdä kaiken, mitä tein. Käytän Notion-opasta, jossa kaikki kehotteet ja vaiheet ovat jäsenneltyinä. Oppaan voi ostaa ilman koko kurssille osallistumista.
Kurssi sopii ihmisille, jotka haluavat avoimia kysymys- ja vastaustilaisuuksia, vastaanottoaikoja, suoran yhteyden minuun ja mahdollisuuden tehdä enemmän yhdessä.
Hannah Clark: Mahtavaa. Kiitos paljon, että liityit seuraamme. On ollut suuri ilo.
Tal Raviv: Kiitos.
Hannah Clark: Kiitos kuuntelusta. Saat lisää oivalluksia, käytännön oppaita ja työkaluarvosteluja tilaamalla uutiskirjeemme osoitteessa theproductmanager.com/subscribe. Voit kuunnella lisää tämän kaltaisia keskusteluja tilaamalla The CPO Clubin sieltä, missä kuuntelet podcasteja.
