Najbardziej mylące zagrania w produkcie — zdemaskowane

Hannah Clark: Rzeczy nie zawsze są tym, czym się wydają. Od cen subskrypcji opartych na zasadzie wabika i podmiany po ludzi, którzy przysięgają, że kukurydziane cukierki naprawdę dobrze smakują — nie brakuje nam powodów, by podchodzić sceptycznie do wszystkiego, szczególnie teraz, w świecie produktów. Tempo zmian w tej branży jest tak szybkie, że trendy mogą zacząć wyglądać jak najlepsze praktyki, a prawdziwe najlepsze praktyki mogą zacząć wydawać się przestarzałe. Kiedy jednak celem jest zbudowanie produktu, który będzie się skalował w czasie, to od nas zależy, czy powstrzymamy się przed wciągnięciem w hipnotyczny pociąg trendów.

Moim dzisiejszym gościem jest Matt Graney, dyrektor ds. produktu w Celigo. Matt od ponad 20 lat zajmuje się produktami B2B, a prawie dziewięć z nich poświęcił skalowaniu zespołu produktowego w Celigo — z czterech do ponad 45 osób. I choć AI okazało się dla firmy niezwykłą szansą, zauważył lukę między oczekiwaniami a rzeczywistością, jeśli chodzi o niektóre efektowne nowe taktyki, które zalewają nasze kanały na LinkedInie. Od prototypów udających kod gotowy do wdrożenia produkcyjnego po narzędzia zbyt piękne, by mogły być prawdziwe — poznacie jego zdanie na temat tego, gdzie należy zachować ostrożność, oraz sprawdzonej przez czas mądrości, na której polega, by przetrwać tę transformację AI. Zaczynajmy.

A tak przy okazji — co tydzień prowadzimy takie rozmowy. Jeśli więc brzmi to dla was interesująco, dlaczego nie zasubskrybować? Dobrze, zaczynajmy.

Witajcie ponownie w podcaście Menedżera Produktu. Jest dziś ze mną Matt Graney. Jest dyrektorem ds. produktu w Celigo.

Matt, bardzo dziękuję, że znalazłeś czas w swoim harmonogramie, żeby z nami porozmawiać.

Matt Graney: Dziękuję, Hannah. Miło dziś z tobą porozmawiać.

Hannah Clark: Czy możesz opowiedzieć nam trochę o swoim doświadczeniu i drodze do objęcia stanowiska dyrektora ds. produktu w Celigo?

Matt Graney: Tak, od długiego czasu zajmuję się produktami B2B — mniej więcej od 20 lat. Celigo to platforma integracyjna, więc z Celigo jestem związany od ośmiu i pół roku; dołączyłem niedługo po finansowaniu serii A.

A przez wcześniejsze pięć i pół roku również pracowałem w obszarze integracji. Nie było to zamierzone — po prostu tak się ułożyło. Wcześniej zajmowałem się produktami związanymi z cyklem życia oprogramowania, w tym narzędziami do modelowania UML. Dla tych z was, którzy mogą pamiętać, czym one były. Początkowo byłem inżynierem oprogramowania w Australii, gdzie pracowałem w telekomunikacji i sektorze obronnym.

Po raz pierwszy przyjechałem do Stanów Zjednoczonych, żeby pracować jako inżynier sprzedaży — właściwie przy produkcie, którego byłem zaawansowanym użytkownikiem, gdy pracowałem w Motoroli. Mam więc dość różnorodne doświadczenie. Później zająłem się marketingiem produktu, a w końcu przeszedłem do pracy nad produktem.

Hannah Clark: „Zająłem się”. Nigdy nie słyszałam, żeby ktoś tak to określił.

To zabawne. Dzisiejszy odcinek będzie trochę nietypowy i luźno nawiąże do Halloween. Skupimy się na temacie złych zagrań produktowych w przebraniu. Zaczniemy od zagłębienia się w programowanie intuicyjne. W społeczności produktowej wokół programowania intuicyjnego pojawia się mnóstwo opinii.

Jako pierwsza przyznam, że platformy niewymagające pisania kodu są niesamowitymi narzędziami. Cały czas z nich korzystam, ale mogą też prowadzić do chwil rodem ze Scooby-Doo — momentów zdjęcia maski, kiedy przyglądamy się czemuś bliżej i okazuje się, że nie jest tym, czym się wydawało. Jakie masz doświadczenia, Matt, z programowaniem intuicyjnym w zespołach produktowych?

Opowiedz mi o dobrych, złych i brzydkich stronach.

Matt Graney: Tak. Udałoby nam się, gdyby nie te wścibskie dzieciaki. No właśnie. Myślę, że chodzi tu o demokratyzację, co jest niezwykłe. Musimy jednak pamiętać również o złudzeniu — o tym, że możliwość sprawienia, by coś wyglądało dobrze, nie oznacza, że zostało to właściwie zbudowane.

Uważam, że pod powierzchnią musi wydarzyć się bardzo dużo. Nie powinniśmy mylić szybkich prototypów z kodem gotowym do wdrożenia produkcyjnego. Owszem, twórcy obywatelscy, ale potrzebni są również architekci obywatelscy. W kontekście naszej działalności, na przykład B2B, mamy do czynienia z oprogramowaniem infrastrukturalnym — mówimy o miliardach transakcji miesięcznie.

Prawdopodobnie tylko w niektórych częściach aplikacji, być może na samym interfejsie, czulibyśmy się komfortowo, programując intuicyjnie cokolwiek. Myślę więc, że zawsze musi chodzić o właściwe narzędzie do danego zadania. Jednocześnie trzeba dbać o kulturę eksperymentowania, zachęcać zespół do podejmowania ryzyka, testowania nowych narzędzi i pozostawania na bieżąco z najnowszymi rozwiązaniami — to naprawdę przełomowy czas dla całej branży.

Hannah Clark: Zejdźmy więc nieco głębiej. Kiedy myślimy o różnych poziomach zrozumienia technologii w całej organizacji, bardzo kuszące może być dla osób mniej doświadczonych technologicznie albo dla samych nowych założycieli, żeby zobaczyć coś, co wygląda jak działający kod, i po prostu z tym ruszyć. Wywiera to dużą presję na zespoły inżynieryjne, które muszą dorównać temu tempu albo być w stanie tak szybko tworzyć na tym poziomie, sprawiając, że wszystko wygląda atrakcyjnie i nowocześnie.

Jak pomóc interesariuszom zrozumieć rzeczywiste ograniczenia i uwarunkowania dzielące prototyp tworzony za pomocą narzędzi do programowania intuicyjnego od oprogramowania gotowego do wdrożenia produkcyjnego?

Matt Graney: To bardzo trafna uwaga, ponieważ szybkość przygotowania demonstracji nie jest tym samym co szybkość wdrożenia produkcyjnego. Szczególnie gdy mówimy o 5000 klientów i obciążeniach charakterystycznych dla B2B. Czasami opisujemy to, co robimy, jako hydraulikę infrastruktury.

AI może więc pomalować dom, ale niekoniecznie go wyposaży w instalację hydrauliczną. Prawda? Warto mieć pewność co do takich rzeczy. Pojawiają się pewne wyzwania — niezależnie od tego, czy chodzi o presję wywieraną na zespoły inżynieryjne, czy nawet przez kadrę kierowniczą. Niedawno widziałem wewnątrz firmy, jak dość senioralni pracownicy nietechniczni intuicyjnie programowali weryfikacje koncepcji, aby pokazać nowe możliwości, których bardzo potrzebowali ich klienci.

Z pewnością pobudziło to wyobraźnię, ale stworzyło również niewypowiedzianą presję, że może jest to dostępne dla każdego i że możemy szybko wprowadzić takie rozwiązania na produkcję. Jeśli nadal będziemy posługiwać się analogią budynków, malowania czy hydrauliki, to nie są przecież ściany nośne, prawda?

To fasada. Może wyglądać dobrze. Nie znaczy to oczywiście, że nie ma dla niej miejsca, bo szybkość przygotowania weryfikacji koncepcji jest niewiarygodna. Powinniśmy wykorzystywać ją na każdym kroku — czy to po to, by pomóc menedżerowi produktu lepiej wyjaśnić wymagania, czy też projektantowi pokazać alternatywne przepływy.

Wcześniej projektant mógł przechodzić przez proces tworzenia wielu różnych ekranów w swoim ulubionym narzędziu projektowym. Siła działającego kodu jest niezaprzeczalna i powinniśmy wykorzystywać ją przy każdej możliwej okazji, pamiętając jednak, że nie jest to tym samym co kod gotowy do wdrożenia produkcyjnego.

Hannah Clark: Myślę też o tym, że narzędzia te nieuchronnie będą stawały się znacznie bardziej zaawansowane, a my jako użytkownicy również będziemy coraz sprawniej z nich korzystać. Oznacza to oczywiście, że zmierzamy w kierunku sytuacji, w której koszt tworzenia będzie zbliżał się do zera.

Jako lider produktu, jakie masz obawy związane z tym trendem i co robisz, aby ograniczyć te obawy w Celigo?

Matt Graney: Hannah, to świetny model mentalny i znakomity eksperyment myślowy. Co się stanie, jeśli koszt tworzenia będzie zmierzał do zera?

Może szybko zbliżamy się do tego poziomu dzięki kolejnym generacjom tych narzędzi i rosnącym umiejętnościom użytkowników — podobnie jak widzimy ulepszenia w typowych doświadczeniach z ChatGPT. Możemy spodziewać się gwałtownego spadku kosztów tworzenia. Paradoksalnie wywiera to jeszcze większą presję na menedżerów produktu, aby upewnić się, że budujemy właściwą rzecz.

Nie zwalnia nas to z wykonywania wszystkich właściwych działań: analizowania danych produktowych, prowadzenia ilościowych i jakościowych badań użytkowników, rozmów z klientami, pracy rad doradczych klientów — wszystkich tych rzeczy.

Weryfikacje koncepcji, testy A/B, ścisła współpraca w triadzie menedżera produktu, projektanta i zespołu inżynieryjnego — nic z tego nie znika. Musimy się przed tym bronić, bo, nawiązując do tematu Halloween, moglibyśmy mieć do czynienia z grupą krążących zombie — projektów zombie, czyli rzeczy, które były tak łatwe do zbudowania, że zaśmiecają produkt pomysłami, które nigdy naprawdę nie zostały ukończone.

Dlatego starsze dyscypliny zarządzania produktem ponownie wysuwają się na pierwszy plan, ponieważ mamy teraz jeszcze większy wybór. Umiejętność podejmowania decyzji i osiągania właściwych rezultatów musi pozostać niezmienna.

Hannah Clark: Zgadzam się. Jeśli chodzi o być może źle przemyślane pomysły, z pewnością obserwuję eksplozję narzędzi zalewających rynek. Wydają się oferować, powiedzmy, czarujące korzyści, jednocześnie ukrywając — albo nawet nie ukrywając, tylko po prostu oferując — bardzo poważne ryzyko.

Widzę, jak krążą dość rażące koncepcje, w których wyraźnie dostrzegam możliwość manipulacji przez nieuczciwe podmioty w sposób, którego naprawdę nie chcemy. Co w tej przestrzeni budzi twoje wątpliwości i jaką rolę nadal odgrywa osąd produktowy — rolę, której po prostu nie da się zautomatyzować?

Matt Graney: Zawsze szukaliśmy być może magicznej kuli do zarządzania produktem, czy to w postaci metod oceniania, takich jak RICE, czy innych rozwiązań.

Widziałem, jak były nadużywane, ponieważ nadal pozostawiają menedżerom produktu dużo swobody w manipulowaniu wynikami. Nie potrzeba wielu rund, by zorientować się, jak przesunąć wskazówkę i przechylić szalę na swoją korzyść. Sądzę więc, że tutaj zobaczymy podobne rodzaje ryzyka.

Niektóre narzędzia obiecują, że wciągną wszystkie informacje: dane telemetryczne produktu, każdą rozmowę, jaka kiedykolwiek się odbyła. Wszyscy wiemy jednak, że wiele rzeczy dzieje się poza oficjalnym obiegiem — są to obserwacje, które mogą pochodzić z narzędzia do odtwarzania sesji, ale nie są zapisane w formie zrozumiałej dla dużego modelu językowego.

Nie ma więc substytutu dla trafnego osądu produktowego. Nawet jeśli mamy więcej danych niż kiedykolwiek wcześniej, ostatecznie są to dane niepełne. Nadal potrzebne są wizja i strategia, a zarządzanie produktem obejmuje podejmowanie zakładów. Podejmujemy je, wiedząc, że będziemy mogli zmierzyć rezultaty — miejmy nadzieję, jeśli dobrze wykonamy swoją pracę.

Nadal musi to być jednak proces iteracyjny. Nie sądzę, by AI dawało nam magiczną odpowiedź pozwalającą nagle stworzyć niezawodną mapę drogową.

Hannah Clark: Tak, mam podobne zdanie. Rozmawiałam z gościem, który nie pojawił się jeszcze w programie — wkrótce się pojawi — i dyskutowaliśmy o koncepcji, według której AI jest technologią niejednorodną: są rzeczy, w których jest bardzo dobre i które możemy wykorzystać, ale są też takie, w których nie jest zbyt dobre, choć sprawia wrażenie, że jest.

Chodzi więc nie tylko o wyczucie produktu, lecz także o dostateczne zrozumienie technologii, aby móc kontrolować, na ile naprawdę polegamy na dużych modelach językowych.

Matt Graney: Nawet w przypadku podstawowych interfejsów rozmowy widzieliśmy wiele przykładów AI zachowującej się dość pochlebczo. Jeśli nie jesteś na to wyczulony, możesz zacząć myśleć, że zawsze masz świetne pomysły.

Osobiście lubię trochę to urozmaicać i prosić o alternatywny punkt widzenia oraz bardzo krytyczną ocenę moich pomysłów. W przeciwnym razie, rozmawiając z AI, zawsze brzmiałbym jak geniusz.

Hannah Clark: Oni nas uwielbiają, prawda? Przejdźmy więc dalej i porozmawiajmy o innych, powiedzmy, atrakcyjnych, ale ostatecznie niemożliwych do utrzymania na dłuższą metę skrótach, po które obecnie sięgają zespoły produktowe.

Jakie są największe przewinienia, które widziałeś?

Matt Graney: Jednym z moich ulubionych przykładów są OKR-y. Mam wrażenie, że łączy nas z nimi trudna relacja. Na poziomie firmy nie jest może najgorzej, ale w produkcie potrafią być nieco problematyczne. Tak się dzieje, gdy próbujesz importować coś z firmy z grupy największych gigantów, nie mając jednocześnie całej kultury, która powinna temu towarzyszyć.

Ogólnie nie da się po prostu przeszczepić pojedynczego elementu. Teraz przechodzimy do potworów Frankensteina. Jeśli coś nie jest częścią kultury, te elementy nigdy właściwie się ze sobą nie połączą.

To jeden przykład. Wszyscy widzieliśmy też teatr metryk — mnóstwo metryk próżności, które niewiele nam mówią albo nie prowadzą do lepszych decyzji. To pułapka obecna od dawna. Możemy mówić o fabrykach funkcji albo farmach funkcji, a teraz być może mamy możliwość uprawiania ich całymi hektarami, prawda?

Nasza zdolność do tworzenia rośnie dzięki skali. Jak upewnić się, że tworzymy właściwe rzeczy? Wszystkie te przykłady są zasadniczo skrótami — poszukiwaniem magicznych rozwiązań, które podobno działają gdzieś indziej, bo ktoś przeczytał o nich na X albo LinkedInie. Bez rygoru, który powinien za nimi stać, będą po prostu podkopywać zaufanie.

Hannah Clark: Zgadzam się, szczególnie jeśli chodzi o podkopywanie zaufania. Jednym z przykładów, który przychodzi mi do głowy, jest wpływ AI na społeczność badaczy doświadczeń użytkownika. Wydaje mi się, że badacze UX od dawna cierpią z powodu niedoceniania ich roli w procesie produktowym. Teraz duże modele językowe jeszcze bardziej zaciemniają obraz tego, jak prawidłowo prowadzić badania i jaka powinna być rola AI we wspieraniu tego procesu.

Chciałabym móc wykrzyczeć to z dachów: badań użytkowników po prostu nie da się zastąpić dużym modelem językowym.

Matt Graney: Nasza szefowa badań użytkowników mówiła mi niedawno dokładnie to samo: transkrypcje tworzone przez AI są świetne. Dobrze — dosłownie pokazują, co zostało powiedziane. Jednak wnioski często pomijają subtelności, przynajmniej na obecnym etapie. Być może się to zmieni.

Wraz z kolejnymi generacjami tej technologii możemy patrzeć w przyszłość z optymizmem. Na razie najważniejsze jest jednak rozumienie ograniczeń i przeciwdziałanie im poprzez rzetelne prowadzenie dobrych badań użytkowników.

Hannah Clark: Zmieńmy nieco temat i porozmawiajmy o twoich doświadczeniach ze skalowaniem zespołów. Robisz to już od pewnego czasu. Rozwinąłeś zespół w Celigo z dwóch menedżerów produktu do dziesięciokrotnie większego. Masz więc duże doświadczenie w tworzeniu procesów. Z pewnością po drodze zdarzały się pomyłki.

Czy możesz opowiedzieć o kilku najważniejszych wnioskach dotyczących skalowania zespołów — od małych organizacji aż po kolejne etapy ich dojrzałości? Czego się nauczyłeś i co, twoim zdaniem, nadal jest prawdziwe w tym szybko zmieniającym się czasie AI?

Matt Graney: Tak, to była podróż, jak mówisz, Hannah.

Dołączyłem do firmy, gdy miała dwóch menedżerów produktu i dwóch autorów dokumentacji technicznej — zespół liczył więc cztery osoby. Teraz jest nas około 45, prawie 50. To sporo. Zespół tworzą menedżerowie produktu, projektanci, badacze, autorzy dokumentacji technicznej i osoby zajmujące się operacjami produktowymi. Myślę, że nauczyłem się przede wszystkim właściwej kolejności działań.

Na samym początku życie było proste. Po stronie platformy pracowałem bezpośrednio z naszym dyrektorem technicznym. We trzech siedzieliśmy w pokoju i ustalaliśmy priorytety dla całego rejestru zadań. To naprawdę było takie proste. Oczywiście na dłuższą metę nie da się tego skalować. Współpraca z zespołami offshore — zarówno menedżerami produktu, jak i inżynierami — komplikuje sprawy.

Stopniowo dodawaliśmy procesy. Na początku projektowanie wyglądało tak, jak potrafiliśmy najlepiej, przy użyciu dostępnych narzędzi. Menedżerowie produktu robili, co mogli. Zawsze wydawało mi się, że przypominało to zszywanie zrzutów ekranu niczym listu z żądaniem okupu — było tak nieporadne, że niemal zawstydzające. Później po raz pierwszy spróbowaliśmy skorzystać z usług profesjonalnych projektantów i nie poszło nam najlepiej.

Miałem wrażenie, że traktowaliśmy projektowanie bardziej jak model agencji: „Hej, spraw, żeby to wyglądało ładnie”, zamiast myśleć o nim jako o doświadczeniu użytkownika, a nie tylko o samym wyglądzie. Z dokumentacją techniczną zawsze radziliśmy sobie całkiem dobrze i ten obszar nadal się rozwija. Dodawaliśmy procesy wtedy, gdy były nam potrzebne. Nie twierdzę, że jesteśmy idealni, ale to podejście całkiem dobrze się u nas sprawdzało.

Być może nie zawsze mieliśmy wszystkie właściwe ceremonie, ale kierunkowo zmierzaliśmy we właściwą stronę. Chodziło o wystarczającą ilość procesu, reagowanie na potrzeby firmy i zapewnianie wszystkim członkom zespołu przestrzeni do rozwoju. To była jednak podróż. Nigdy wcześniej nie kierowałem tak dużym zespołem. Wiele rzeczy wydarzyło się po raz pierwszy.

Mam na to blizny po bitwach i siwe włosy.

Hannah Clark: Naprawdę? Gdzie?

Matt Graney: No tak. Może zrzucę winę na dzieci.

Hannah Clark: Możesz zrzucać wszystko na swoje dzieci. Ja robię to cały czas. Rozwińmy ten temat i połączmy go z naszą wcześniejszą rozmową. Ciekawi mnie, które sprawdzone praktyki zarządzania produktem są, twoim zdaniem, ważniejsze niż kiedykolwiek, nawet jeśli wydają się nieco staroświeckie.

Czy są jakieś koncepcje, ramy albo praktyki, do których wracasz częściej niż wcześniej albo które szczególnie podkreślasz w swoich zespołach w erze AI?

Matt Graney: Jak mówiłem, gdy koszt tworzenia być może zbliża się do zera, większy nacisk spoczywa na nas, abyśmy ustalali priorytety. Myślę więc przede wszystkim o narzędziach do ustalania priorytetów.

Część z nich musi opierać się na zgodności co do wizji i strategii, tak aby każdy członek zespołu miał wystarczająco jasny obraz sytuacji i mógł podejmować decyzje lokalnie. Nic nie zastąpi bezpośredniego kontaktu z użytkownikami i klientami. Wydaje mi się, że początki mojej kariery przypominały negocjacje z zakładnikami — niezadowoleni klienci, których trzeba było uspokajać i odciągać od krawędzi.

Nie ma niczego, co mogłoby zastąpić takie doświadczenie, ponieważ pomaga ono zrozumieć pełny obraz produktu i daje menedżerom produktu narzędzia potrzebne do właściwego ustalania priorytetów. Nie ma więc alternatywy dla bezkompromisowego ustalania priorytetów. W pewnym momencie zabraknie ci możliwości przerobowych.

Czasami z zazdrością patrzę na znacznie większe firmy, ale wiem, że gdzieś tam zmagają się dokładnie z tymi samymi problemami. Każdy menedżer produktu je ma — nigdy nie ma wystarczającej przepustowości. Wszystko sprowadza się do ustalania priorytetów i działają tu wszystkie zwykłe narzędzia.

Jeśli chodzi o AI, może pomóc w zrozumieniu całości i przetrawieniu dużej ilości informacji, co jest nieocenione w badaniach. A gdy mówimy o programowaniu intuicyjnym, może służyć do szybkiego prototypowania, o ile wykorzystuje się je we właściwym miejscu.

Wiele osób zapomina, że pierwotna idea prototypów zakłada, iż powinny zostać wyrzucone. Nie mają stanowić podstawy tego, co trafi na produkcję. Jeśli potrafimy robić wszystkie te rzeczy, narzędzia naprawdę mogą przyspieszyć sposób naszej pracy i pomóc w ustalaniu priorytetów.

Hannah Clark: Dobrze powiedziane. Na zakończenie, w optymistycznym tonie: gdzie widzisz najbardziej uzasadnione i wartościowe możliwości wykorzystania AI do usprawnienia pracy menedżerów produktu? Jaką radę dałbyś liderom produktu, którzy chcą świadomie korzystać z AI, nie wpadając w żadną z omawianych pułapek ani nie doświadczając momentów zdjęcia maski?

Matt Graney: Myślę, że jedną z największych możliwości są badania. Możliwość prowadzenia badań konkurencji przez menedżera produktu jest dziś narzędziem, którego bardzo chciałbym mieć w przeszłości. Oczywiście dostawcy są teraz znacznie bardziej otwarci — większość dokumentacji produktów jest dostępna — ale trzeba naprawdę to robić.

To ogromna szansa. Oczywiście AI pozwala też szybko przygotowywać dokumentację. Wiele osób mówi o rozpoczynaniu od pisania komunikatów prasowych albo sekcji FAQ. To świetna możliwość. Wcześniej mogło się to wydawać pracochłonne, ale dziś jest doskonałym sposobem na rozpoczęcie pracy.

Chodzi o używanie takich narzędzi do poszerzania wyobraźni. O czym nie pomyślałem? AI, odpowiednio pokierowane, może bardzo dobrze identyfikować pewne martwe punkty. Czasami może halucynować, ale nawet wtedy może dostarczyć spostrzeżeń albo pobudzić myślenie lateralne, które wcześniej nie przyszło nam do głowy.

AI może jednak działać jak krzywe zwierciadło. Jeśli coś jest od początku nieprawidłowe i nie masz właściwej dyscypliny, narzędzie tylko pogorszy sytuację. Przy właściwym zastosowaniu może jednak zapewnić skupienie, którego potrzebują menedżerowie produktu.

Hannah Clark: Zgadzam się. Matt, to była wspaniała rozmowa. Dziękuję za podzielenie się wiedzą i za sprawdzenie rzeczywistości w odniesieniu do niektórych zjawisk, których tak wiele obserwujemy w tej przestrzeni.

Naprawdę to doceniam. Gdzie można śledzić twoją pracę w internecie?

Matt Graney: Najlepiej znaleźć mnie na LinkedInie. Chyba częściej jestem tam niż gdziekolwiek indziej, więc cieszę się na kontakt z ludźmi właśnie tam.

Hannah Clark: Świetnie, bardzo ci dziękuję.

Następny odcinek podcastu Menedżera Produktu. Jeśli uważacie, że ten odcinek mocno poruszył temat oczekiwań i rzeczywistości, przygotujcie się na dogłębną analizę technologii dużych modeli językowych w odcinku, który podważy wszystko, co wydaje wam się, że wiecie o AI.

Choć potencjał tej technologii jest nieograniczony, jej obecne ograniczenia są znacznie bardziej złożone, niż zdajemy sobie sprawę — podobnie jak wpływ AI na nas jako twórców i użytkowników produktów wykorzystujących tę technologię. Ten odcinek naprawdę mocno wybrzmi, więc zasubskrybujcie już teraz i dołączcie do nas następnym razem!