I det siste har jeg stadig tydd til ChatGPT for alle mulige ting.
«Jeg har tre poteter, en gulrot og to hvitløksfedd i kjøleskapet. Hva kan jeg lage til middag?» (Hint: ikke stort.)
«Jeg har en idé til en oppstartsbedrift med disse kriteriene. Kan vi bygge videre på dette?» (Spoiler: ja. Det kan vi.)
Grunnen til dette er ikke at jeg har tenkt å ta det første forslaget ChatGPT kommer med og si meg fornøyd. Snarere handler det om at jeg, som en ekstern prosessor, ikke kan begynne problemløsningsprosessen uten å få ideene mine ut i verden – helst i hendene på en villig deltaker.
En idédugnad med bare én hjerne er bare småregn.
Men i en tid med fjernarbeid er det ikke fullt så enkelt å finne noen å utvikle ideer sammen med på kort varsel. Når jeg har bestemt meg for hvem jeg bør snakke med, sjekket kalenderen deres og avtalt en samtale neste tirsdag … er ideen jeg ville diskutere, allerede et fjernt minne.
For å løse dette problemet har jeg ofte tydd til Notion og idédugnadsverktøy som Miro for å hjelpe meg med å gi tankene mine form helt på egen hånd. Jeg har blitt ganske dyktig til dette, men jeg savner fortsatt en diskusjonspartner som kan hjelpe meg med å videreutvikle tankene, selv om det bare er gjennom utdypende spørsmål og gjennomtenkt oppmuntring.
Jeg visste ikke at ChatGPT skulle vise seg å være en akseptabel erstatning. ChatGPT er nesten like overbevisende som LLM-ens samtaleegenskaper, er aldri i et annet møte, kan brukes i alle tidssoner og blir aldri frustrert når jeg stiller det samme spørsmålet på tre forskjellige måter for å få et litt annerledes svar.
Det tok ikke lang tid før jeg begynte å bruke ChatGPT til å hjelpe meg med å utvikle produktfunksjonalitet. Før jeg visste ordet av det, hadde jeg identifisert noen tips og triks for å få mest mulig ut av dette verktøyet.
Have an account? Log In
Slik bruker du KI til idédugnad om produktfunksjoner
For å illustrere min KI-drevne idédugnadsteknikk har jeg laget en eksempelsamtale med ChatGPT om å utvikle funksjoner for en fiktiv helse- og treningsapplikasjon.
For å hindre LLM-en i å hente data fra alle de tidligere samtalene våre gjennomførte jeg denne samtalen mens jeg var logget ut.
Det er verdt å merke seg at ChatGPT er verktøyet jeg foretrekker, men den samme metoden bør fungere godt med alle lignende LLM-er. Du kan også bruke KI i backlogstyring og prioritering etter at du har gjennomført idédugnad om produktfunksjoner.
Trinn 1: Gi kontekst
Nøkkelen til en produktiv interaksjon med ChatGPT er den første instruksjonen. Jo mer kontekst du kan gi i den første meldingen, desto mer givende blir interaksjonen.
I dette eksempelet skrev jeg et scenario for en produktsjef som forsøker å utvikle ideer til funksjoner for et SaaS-verktøy innen trening som skal hjelpe brukerne med å tilpasse treningsrutinen sin.
LLM-en var enkelt i stand til, basert på en begrenset mengde informasjon, å utforme en lang liste med ideer til funksjoner for produktet jeg beskrev. Denne prosessen handler ikke om å ta denne listen og sette i gang med den. Den handler om å komme raskere til den første fasen av idédugnaden enn jeg ville ha klart på egen hånd.
Det kan være en diskusjonspartner. Det kan simulere en vanskelig samtale. Hva er det viktigste du bør gjøre videre? Svarene på det er virkelig fantastiske.
Steg 2: Gå i dybden
Nå som jeg har en liste å arbeide med, er det på tide å vurdere og videreutvikle ideene jeg er interessert i. Da jeg leste gjennom listen, var det særlig én idé som fanget interessen min.
«Smart planlegging og tilgjengelighetsstyring» appellerer til meg som et potensielt unikt tilbud i treningsverdenen i dag.
Et raskt Google-søk bekrefter at produkter som tilbyr denne tjenesten i treningskategorien, er tilgjengelige, men ganske sjeldne. Det virket som om det var en mulighet til å tilføre noe nytt til dette problemområdet. I tillegg er drømmen min om å trene på samme tidspunkt hver dag, som travel yrkesaktiv mor til et barn på 14 måneder, et fjernt minne.
Jeg ber ChatGPT gå nærmere inn på ideen for å se hvordan et utvidet tilbud kan se ut.
Jeg ble imponert over den utvidede funksjonaliteten som LLM-en sendte tilbake. Mitt neste steg var å be ChatGPT lage en brukerreise for meg, inkludert funksjonaliteten ovenfor. Jeg oppga noen parametere for å gjøre svaret mer presist.
Det er viktig å huske på at ChatGPT henter data fra nettet, så det er mest sannsynlig at den henter ideer fra produkter som allerede har en tilstedeværelse på nettet. Likevel er det en flott måte å finne ideer på og sette i gang idémyldringsprosessen.
Et annet alternativ på dette stadiet i idéutviklingsprosessen ville være å be ChatGPT undersøke produktene på markedet i dag og identifisere et markedsgap. Dette vil få LLM-en til å analysere produktene som allerede har en tilstedeværelse på nettet, og komme med forslag til mindre mettede ideer. Alle forslag krever selvfølgelig menneskelig verifisering, men dette kan være en flott måte å snevre inn alternativene på.
Steg 3: Videreutvikle ideen
På dette stadiet har vi valgt ideen vi skal utforske videre, og vi har bekreftet gjennom litt overordnet research at ideen er noe unik. Nå er det på tide å videreutvikle denne ideen til en konkret brukerreise.
I dette trinnet ga jeg i stedet for å gi ChatGPT en scenariobeskrivelse et sett med instruksjoner. Konkret ba jeg ChatGPT om å inkludere «alle eller noen» av funksjonene som er beskrevet ovenfor, for å hindre at den forsøkte å inkludere hver enkelt funksjonalitet, uavhengig av om den logisk kunne plasseres i brukerreisen.
Videre ba jeg ChatGPT om å angi forskjellen mellom brukerstyrte handlinger og applikasjonsstyrte handlinger i beskrivelsen. Til slutt ba jeg språkmodellen om å kartlegge reisen fra innlogging til utlogging.
I tillegg til å følge instruksjonene mine ved å skille mellom brukerhandlinger og applikasjonshandlinger, gikk ChatGPT til og med så langt som å opprette en overordnet brukerpersona som brukerreisen skulle utformes rundt, noe jeg ikke ba den om å gjøre.
Lesbarheten til brukerreisen ble til en viss grad begrenset av begrensningene i ChatGPTs muligheter for å generere innhold (det vil si at ChatGPT i gratisversjonen bare kan svare ved hjelp av tekst, i motsetning til diagrammer og andre visuelle kommunikasjonsverktøy).
Likevel opplevde jeg at dette delvis ble oppveid av at ChatGPT inkluderte et sammendrag på slutten av denne delen, som ga en overordnet oversikt over alle brukerhandlinger sammenlignet med maskinhandlinger.
Noen bemerkelsesverdige utelatelser ble tydelige etter at jeg hadde lest gjennom brukerreisen. Den første var fraværet av en prosess for å integrere brukerens personlige kalender med applikasjonskalenderen, som skulle levere dataene til funksjonen for dynamisk planlegging.
Den andre var fraværet av en varslingsfunksjon som kunne minne brukeren på når en treningsøkt nærmet seg. Jeg dokumenterte disse justeringene og la dem til i samtalen. Hver gang sendte språkmodellen tilbake oppdaterte brukerreiser som tok hensyn til endringene jeg ba om.
More Articles
Trinn 4: Fra ideer til gjennomføring
Det siste trinnet i dette eksperimentet var å omforme disse funksjonsideene og brukerreisene til et konkret veikart på overordnet nivå, med kategoriene «Nå, neste, senere», som i teorien kunne gjennomføres. Her er forespørselen jeg brukte for å starte prosessen.
ChatGPT returnerte en omfattende liste over krav, inndelt i brukerhistorier og akseptansekriterier, kategorisert som veikartelementer under «Nå, neste og senere».
Jeg ga ingen definisjoner av hva som utgjør et «nå-, neste- eller senere»-element i veikartet mitt. Uten disse definisjonene fastsatte ChatGPT sine egne basert på forklaringer den fant på nettet. Jeg var fornøyd med disse definisjonene, så jeg ba ikke om justeringer.
Det er imidlertid viktig å påpeke at jo flere parametere du gir ChatGPT, desto mer vil resultatet bli tilpasset preferansene dine.
Øk kapasiteten og kreativiteten din
Avslutningsvis kan ChatGPT og andre språkmodeller fungere som et verdifullt diskusjonsgrunnlag når du skal arbeide med produktideene dine.
Personlig synes jeg at den første fasen av produktidéutviklingen er den mest krevende, og den fasen der jeg trenger mest ekstern tilbakemelding. Det er her jeg foretrekker å bruke ChatGPT for å hjelpe meg med å komme meg over kneika i idémyldringen på et tidlig stadium. Jeg bruker det også ofte til å gi en overordnet validering av hvor unik en bestemt idé er, eller hvordan den er posisjonert.
Hvis du ønsker det, kan ChatGPT og andre LLM-er imidlertid ta deg langt nok i prosessen til at du kommer frem til et overordnet veikart som enkelt kan bygges om til en mer konkret plan. Når de brukes riktig, har disse verktøyene potensial til å øke kapasiteten og kreativiteten til ethvert produktteam betydelig.
Ikke glem å abonnere på nyhetsbrevet vårt for flere ressurser og veiledninger om produktledelse, samt de nyeste podkastene, intervjuene og annen innsikt fra bransjeledere og eksperter.
