Najlepsze wskazówki dotyczące rozwijania umiejętności zarządzania produktami AI

Przeczytaj transkrypcję:

Testujemy transkrypcję naszych podcastów za pomocą programu komputerowego. Prosimy o wyrozumiałość w przypadku literówek, ponieważ bot nie zawsze działa w 100% poprawnie.

Hannah Clark: Obecnie najbardziej pożądane stanowiska związane z produktami dotyczą sztucznej inteligencji. Z historycznego punktu widzenia jest to szczególnie niezwykły moment, ponieważ podstawowe kompetencje potrzebne do konkurowania na tym rynku istnieją zaledwie od kilku lat. Co więcej, dziedzina ta rozwija się tak szybko, że wszelkie doświadczenie zdobyte przez ciebie, gdy ChatGPT trafił do głównego nurtu — swoją drogą było to niewiele ponad dwa lata temu — może być już nieaktualne. Jak więc menedżerowie produktu szukający pracy w tej przestrzeni mogą szybko nadrobić zaległości? I, co być może ważniejsze, jakie nawyki można wdrożyć już dziś, aby pozostać na bieżąco wraz z rozwojem technologii?

Moim dzisiejszym gościem jest Lorilyn McCue, główna menedżerka produktu AI w firmie Superhuman. Jej ścieżka zawodowa jest naprawdę niesamowita. Za chwilę pozwolę jej o niej opowiedzieć, ale jest ona także dowodem na to, jaka kluczowa umiejętność jest potrzebna, aby odnieść sukces jako menedżer produktu AI — zamiłowanie do przygód. Słuchając wskazówek Lorilyn, proponuję przyjąć sposób myślenia odkrywcy, ponieważ jest to obszar niezbadanych terytoriów. A pierwszą rzeczą potrzebną do odniesienia sukcesu jest gotowość do eksplorowania. Zaczynajmy.

Witajcie ponownie, słuchacze podcastu The CPO Club. Jestem dziś z Lorilyn McCue.

Lorilyn, bardzo dziękuję, że do nas dołączyłaś.

Lorilyn McCue: Dziękuję za zaproszenie.

Hannah Clark: Twoja droga do stanowiska głównej menedżerki produktu AI w Superhuman była naprawdę interesująca. Zwykle staramy się poświęcić tej części tylko chwilę.

Bardzo chciałabym jednak, żebyś opowiedziała nam nieco więcej o swoim doświadczeniu, bo jest ono niezwykle ciekawe.

Lorilyn McCue: Moje doświadczenie jest dość nietypowe. Zaczęłam jako pilotka śmigłowca Apache, co oczywiście jest bardzo typową drogą wejścia do branży technologicznej. Służyłam w wojsku i robiłam to przez około sześć lat.

Następnie przez ostatni okres służby w wojsku uczyłam wychowania fizycznego w West Point. Potem poszłam do szkoły biznesu i trafiłam do Slacka jako menedżerka produktu — najpierw do zespołu odpowiedzialnego za rozwój, a później do zespołu platformy. Następnie dołączyłam do małego startupu zajmującego się uczeniem maszynowym, o nazwie Impira.

A teraz pracuję tutaj, w Superhuman, nad sztuczną inteligencją.

Hannah Clark: To naprawdę niesamowita ścieżka kariery. Jestem nią zachwycona.

Przejdźmy do sedna, ponieważ dziś skupimy się nieco bardziej na sztucznej inteligencji, na tym, jak powstał Superhuman, oraz na całej twojej drodze do stanowiska głównej menedżerki produktu AI.

Jeśli porozmawiamy o AI w kontekście Superhuman, czy możesz opowiedzieć o momencie, w którym zobaczyłaś, że AI znacząco rozwija i podnosi jakość doświadczeń użytkowników Superhuman?

Lorilyn McCue: Jasne. Opowiem krótką historię. Dla mnie najważniejsze jest oszczędzanie czasu użytkowników i pozwalanie ich umysłom zajmować się ważniejszymi rzeczami.

Właśnie na tym polega dla mnie Superhuman AI — pozwala umysłowi zajmować się ważniejszymi rzeczami. Kiedy byłam w Iraku, otrzymałam misję polegającą na lataniu przez trzy godziny w kółko wokół bazy. Po prostu latałam w kółko przez trzy godziny i nic nie robiłam. W końcu dostaliśmy jednak nową misję: mieliśmy polecieć bardzo nisko, znaleźć składy bomb, a następnie je zniszczyć. Było to o wiele ciekawsze i stanowiło znacznie lepsze wykorzystanie najbardziej zaawansowanego technologicznie śmigłowca, jaki kiedykolwiek wyprodukowała armia.

W bardzo dziwny sposób zakochałam się w koncepcji AI, zanim jeszcze naprawdę zaczęła istnieć. Widziałam, jak znacznie lepiej można wykorzystać nasz śmigłowiec podczas drugiej misji niż podczas pierwszej. Właśnie taka jest sztuczna inteligencja. AI zajmuje się krążeniem wokół bazy przez trzy godziny, a ty możesz wykorzystać swój ludzki umysł do ciekawszych zadań.

AI ogromnie oszczędza użytkownikom czas. Kiedy analizowaliśmy jedną z naszych funkcji, zwaną natychmiastową odpowiedzią, czyli krótką odpowiedź wysyłaną komuś w wiadomości, okazało się, że oszczędza ona użytkownikom dwie minuty na każdą odpowiedź. Twój umysł nie musi poświęcać dwóch minut na napisanie odpowiedzi, jeśli w większości wiadomości wystarczy standardowy tekst.

To był dla mnie wielki moment olśnienia: AI może zdjąć z ciebie żmudne obowiązki. Powierz sztucznej inteligencji wszystkie rutynowe zadania, pozwól jej krążyć wokół bazy przez trzy godziny, a sam zajmij się czymś ciekawym. Znajdź bomby i je wysadź.

Hannah Clark: Nikt wcześniej nie użył w tym programie takiej analogii, ale bardzo mi się podoba.

Lorilyn McCue: Cieszę się, że jestem pierwsza.

Hannah Clark: Wrócimy za chwilę do AI, bo jest tu naprawdę wiele tematów do omówienia. Możemy przyjrzeć się bardzo różnym przypadkom zastosowania.

Chciałabym jednak porozmawiać trochę o twojej karierze. Jak, przechodząc od Slacka do zarządzania produktami AI, zaczęłaś postrzegać sztuczną inteligencję jako część swojej kariery? Jak przeszłaś od początkowej roli do miejsca, w którym jesteś teraz?

I jak włączenie AI do twojej pracy wpłynęło na podejście do strategii produktu?

Lorilyn McCue: To bardzo dobre pytanie. Myślę, że najważniejsze było dla mnie optymalizowanie procesu uczenia się. Nauczyłam się tego w Slacku, ale w przypadku AI jest to może dziesięć razy ważniejsze.

Trzeba optymalizować naukę. Dobrym przykładem jest produkt Superhuman Ask AI, który niedawno uruchomiliśmy. Ta funkcja jest niesamowita. Zamiast wpisywać konkretne zapytanie w wyszukiwarce, możesz po prostu zadać pytanie. Możesz powiedzieć: „Czy możesz podsumować najnowsze opinie na temat funkcji natychmiastowego wydarzenia?”

Możesz poprosić o trzy najbardziej pozytywne cytaty i kilka negatywnych. Coś, co wcześniej zajmowało 20 minut, teraz trwa zaledwie kilka sekund. Możesz też zapytać: „Kiedy mam spotkanie z Hannah?” albo „Kiedy ostatnio wysłałam wiadomość do tej czy innej osoby?”. Początkowo planowaliśmy budować ten produkt przez około trzy miesiące.

Postanowiliśmy jednak opublikować jego wersję już po miesiącu, mimo że nie wydawała nam się jeszcze gotowa. Udostępniliśmy ją małej grupie osób. Najpierw zespołowi AI, następnie uruchomiliśmy ją wewnętrznie, a potem udostępnialiśmy coraz większej liczbie użytkowników wersji beta. Odkryliśmy, że na każdym etapie uczymy się czegoś nowego, co całkowicie zmieniało nasze myślenie o produkcie i sposobie jego budowania.

Po upływie trzech miesięcy wiele osób korzystało już z tej funkcji i ostatecznie stworzyliśmy właściwy produkt — czego być może nie udałoby się zrobić od samego początku. AI to tak nieznane terytorium, że czasami naprawdę nie wiadomo, jak ludzie będą z niego korzystać. Dlatego trzeba optymalizować proces uczenia się.

Należy uruchamiać produkt w niewielkim zakresie, iterować, ponownie go uruchamiać, znów iterować — i tak dalej.

Hannah Clark: Widzę, że taki przyspieszony cykl dostarcza znacznie więcej danych o niepowodzeniach, na których można pracować. Często są one o wiele bardziej przydatne niż brak jakichkolwiek danych, zwłaszcza jeśli poświęciło się dużo czasu na wyczerpanie dostępnych zasobów. To bardzo interesujące.

Wspominałyśmy wcześniej o naszej rozmowie, podczas której mocno podkreślałaś znaczenie wbudowania AI w strategię produktu zamiast nakładania jej na istniejący produkt. Często widzimy takie podejście w przypadku funkcji AI integrowanych z obecnymi produktami.

Jakie decyzje podjęliście, aby AI w produkcie było naprawdę płynne, w pełni zintegrowane, a nie po prostu do niego doczepione?

Lorilyn McCue: Obecnie wiele osób umieszcza AI na pasku bocznym, w małym obszarze czatu. Trzeba jednak płynnie zintegrować AI z produktem.

Moja wymarzona rozmowa z użytkownikiem wyglądałaby tak: „Czy korzystałeś z tej funkcji AI?”. „Nie wiedziałem, że to funkcja AI”. To bardzo ekscytujące, ponieważ kiedy AI jest płynnie zintegrowana z produktem, wszystko wydaje się naturalne. Funkcja jest dostępna dokładnie wtedy, gdy jej potrzebujesz.

Dobrym przykładem jest funkcja natychmiastowego wydarzenia, którą uruchomiliśmy wczoraj i z której osobiście bardzo się cieszę. Otrzymujesz wiadomość: „Nie zapomnij przynieść tego do szkoły tego dnia”. Musisz wtedy otworzyć kalendarz, sprawdzić, co robisz w danym dniu, i utworzyć wydarzenie. To frustrujące. Teraz jednak w Superhuman jednym kliknięciem możesz utworzyć wydarzenie z właściwą datą, tytułem, szczegółami i odpowiednimi osobami.

Kiedy po raz pierwszy uruchomiliśmy tę funkcję, znajdowała się ona w miejscu, które nie było zbyt płynne. Umieściliśmy ją w menu poleceń Superhuman, otwieranym skrótem Command K. Użytkownik musiał wiedzieć, że należy nacisnąć Command K, a następnie wpisać „utwórz wydarzenie za pomocą AI”. Oczywiście bardzo niewiele osób by to znalazło.

Dzięki temu, że funkcja była tam dostępna, mogliśmy ją przetestować i zastosować pierwszą zasadę optymalizacji nauki. Wykorzystaliśmy ją na wielu własnych wiadomościach, sprawdziliśmy, co działa, i znaleźliśmy nietypowe przypadki. Nie był to jednak etap końcowy. Musieliśmy umieścić ją w miejscu płynnie zintegrowanym z produktem.

Teraz funkcja jest dostępna w kilku miejscach. Po pierwsze, można użyć zwykłego skrótu kalendarza, czyli B w Superhuman. Automatycznie utworzy on wydarzenie za pomocą AI zamiast pustego wydarzenia. Na dole wiadomości pojawia się także mały przycisk, jeśli wykryto datę. Pyta on: „Czy chcesz utworzyć wydarzenie tego dnia?”.

Klikasz przycisk i pojawia się wydarzenie. Nie wydaje przy tym tego dźwięku — swoją drogą nie udało mi się tego przeforsować.

Hannah Clark: Mnie podoba się ten dźwięk.

Lorilyn McCue: Kiedy najedziesz kursorem na datę, zmieni się on w dłoń. Po kliknięciu zauważysz, że wydarzenie zostało utworzone. Chcieliśmy więc najpierw wypróbować tę funkcjonalność i umieściliśmy ją w menu Command K, ale wersja końcowa była znacznie płynniej zintegrowana z produktem.

Odkrywamy, że użytkownicy korzystają z niej na sposoby, których nawet nie ogłosiliśmy w wiadomości informującej o premierze. Znajdują ją naturalnie, dokładnie tak, jak chciałam. Widzisz datę, klikasz ją i powstaje wydarzenie. To idealne rozwiązanie.

Hannah Clark: Projektanci stron internetowych, to coś dla was. Mam 30 sekund, aby opowiedzieć o Wix Studio — platformie internetowej dla agencji i przedsiębiorstw. Oto cztery rzeczy, które można zrobić w Studio w 30 sekund lub krócej. Dostosować projekty do każdego urządzenia za pomocą responsywnej AI. Ponownie wykorzystać zasoby, takie jak szablony, widżety, sekcje i biblioteki projektów, w różnych witrynach oraz udostępniać je zespołowi. Dodawać animacje bez kodu i gradientowe tła bezpośrednio w edytorze. Eksportować projekty z Figmy do Wix Studio jednym kliknięciem. Czas minął, ale lista jest znacznie dłuższa. Wejdź do Wix Studio i przekonaj się samodzielnie.

Niedawno mieliśmy odcinek o empatii jako części procesu projektowego. Ciekawe jest to, że właśnie takie intuicyjne funkcje są kluczem do tworzenia rozwiązań, które łatwo się przyjmują. Chodzi o to, by funkcje były tak naturalne i płynne, że użytkownicy nie mogli powstrzymać się przed odkrywaniem ich możliwości.

Chciałabym porozmawiać o danych oraz o tym, jak wykorzystujemy wskaźniki do podejmowania decyzji. Weźmy przykład automatycznego przetwarzania podsumowań wiadomości w Superhuman, tak aby użytkownicy nie musieli o nie prosić. Jakie wskaźniki lub spostrzeżenia wpłynęłyby na taką decyzję produktową?

Możesz też opowiedzieć nieco więcej o tej funkcji i o tym, jak decydujecie, które funkcje powinny działać proaktywnie, a które powinny być uruchamiane przez użytkownika.

Lorilyn McCue: Wspomnę o dwóch funkcjach, ponieważ druga wiąże się z bardzo interesującą historią. Kiedy otrzymujesz wiadomość, jeszcze zanim ją otworzysz, obliczamy jej podsumowanie oraz proponujemy kilka natychmiastowych odpowiedzi.

Automatyczne podsumowanie to jednozdaniowe podsumowanie obecne w każdej wiadomości. Otwierasz wiadomość i ono już tam jest. Wiele produktów wyświetla podsumowanie dopiero po kliknięciu, co ma sens, ponieważ podsumowanie każdej otrzymanej wiadomości jest kosztowne, a części z nich nawet nie otwierasz.

Dla nas było jednak niezwykle ważne, aby te dwie rzeczy były dostępne w chwili otwarcia wiadomości. Możesz się spieszyć. Jak wspomniałaś, trzeba mieć empatię dla użytkownika. Użytkownik może nie mieć czasu, aby kliknąć funkcję i czekać kilka sekund na jej uruchomienie.

Drugą funkcją jest natychmiastowa odpowiedź. Pytałaś, jakie wskaźniki wpłynęły na nasz wybór. Bardzo chcieliśmy użyć bardziej zaawansowanego modelu. Był on jednak zbyt wolny. Działał jak żółw, jak żółwi bot.

Miał genialne odpowiedzi — był żółwim geniuszem. Można było poprosić użytkownika o uruchomienie funkcji, a następnie wyświetlić mu świetną odpowiedź, podsumowanie i natychmiastową odpowiedź. Musiałby jednak czekać kilka sekund, a funkcja mogłaby nie być gotowa w chwili otwarcia wiadomości.

Drugą opcją był, powiedzmy, szybki i niezbyt rozgarnięty wujek. Wykonywał zadanie, choć od czasu do czasu popełniał błędy. Zanim znaleźliśmy sposób na rozwiązanie problemu z natychmiastowymi odpowiedziami, istniał przypadek, który doprowadzał mnie do szału.

Każdej nocy siedziałam do północy, analizując takie sytuacje. Ktoś wysyłał wiadomość pożegnalną: „Bardzo cieszę się z pracy w tej firmie, ale nadszedł czas, abym odszedł”. Wtedy wiele osób odpowiadało: „Tak nam przykro, będzie nam ciebie bardzo brakować”.

„To wspaniale, byłeś cudowny”. A szybki, ale niezbyt inteligentny wujek odpowiadałby: „Drogi Johnny, dziękuję za pożegnanie Sarah”. Myślałbyś: „Nie, nie o to chodzi. Nie zamierzam żegnać Sarah”.

To nie ma sensu. Superinteligentny żółw mówi: „Spokojnie, wiem, co robić”, ale potrzebuje czasu, aby przygotować odpowiedź. W pewnym momencie zrozumieliśmy, że musimy użyć nieco głupszego wujka. Wybraliśmy go, ale znaleźliśmy sposób, aby uczynić go mądrzejszym.

Możemy dostroić model, przesłać więcej przykładów tego konkretnego przypadku podczas dostrajania, zdecydować, które części wątku przekazywać, i nieco zmienić polecenie. Najważniejsze było jednak to, że odpowiedź musiała być wystarczająco dobra i wystarczająco szybka.

To było najważniejsze.

Hannah Clark: Chciałabym dokładniej omówić ten temat, ponieważ jest to umiejętność bardziej charakterystyczna dla zarządzania produktami AI i istotna dla wielu osób zainteresowanych rozwijaniem kompetencji w tej dziedzinie.

Jak wygląda praktyczny proces oceniania technicznych aspektów równoważenia dostrajania modeli, opóźnień i efektywności kosztowej? Jakich zasobów potrzebujesz, aby podejmować świadome decyzje przy uwzględnianiu wszystkich tych czynników?

Lorilyn McCue: Lubię korzystać z narzędzia, które pozwala umieścić wiele poleceń obok siebie, a także porównać wiele modeli. Po lewej stronie możesz mieć polecenie A z superinteligentnym żółwiem, a po prawej to samo polecenie z szybkim, ale niezbyt rozgarniętym wujkiem. Następnie uruchamiasz je na zbiorze danych. Skąd wziąć taki zbiór danych?

Uruchamiasz produkt wcześniej i prosisz użytkowników wewnętrznych o oznaczanie kciukiem w górę lub w dół przykładów, które dobrze lub źle działały. W ten sposób powstaje własny zbiór danych do testowania. Twój umysł prawdopodobnie potrafiłby stworzyć zbiór przykładów, ale prawdziwe przykłady od użytkowników wewnętrznych są niezwykle pomocne.

Bierzesz ten zbiór danych i uruchamiasz oba polecenia. Sprawdzasz czas działania. Możesz określić, ile czasu zajmuje użytkownikom otwarcie wiadomości. To staje się punktem odniesienia: odpowiedź musi być gotowa w ciągu jednej lub dwóch sekund, ponieważ użytkownik może natychmiast kliknąć wiadomość. Która wersja spełnia regułę dwóch sekund?

Następnie analizujesz każdą odpowiedź. Która jest dziwna? Ta jest naprawdę dziwna. Dlaczego dziękujesz komuś za pożegnanie Sarah? Otwierasz kolejną kolumnę i zmieniasz nieco polecenie.

„Określ temat rozmowy. Ustal, kto jest najlepszą osobą do udzielenia odpowiedzi”. Uruchamiasz ponownie, analizujesz przykłady i znów iterujesz. Trzeba iterować, iterować i jeszcze raz iterować. Na początku możesz nawet nie wiedzieć, czego szukasz. Z czasem zaczynasz rozumieć, jakie są kryteria sukcesu.

Możesz już mieć pewne kryteria: odpowiedź musi być szybka i osiągać określony poziom dokładności. Ale jaki rodzaj dokładności i dla jakich problemów? Intuicję zyskujesz dopiero wtedy, gdy naprawdę pracujesz z modelem i eksperymentujesz.

Hannah Clark: Brzmi to tak, jakby inżynieria poleceń była kluczowym zestawem umiejętności, który trzeba opanować, aby skutecznie pracować na tym stanowisku.

Jak rozwijałaś tę umiejętność, skoro jest to tak nowa praktyka? Ukończyłaś jakiś kurs czy po prostu nauczyłaś się wszystkiego w pracy?

Lorilyn McCue: Zdecydowanie uczyłam się w pracy. Dosłownie siedziałam późno w nocy i próbowałam nowych rzeczy. Od czasu do czasu szukałam informacji w internecie.

Pytałam: „Czy mogę coś tutaj zrobić? Co rozwiąże ten problem?”. Mieliśmy również bliską relację z OpenAI i otrzymywaliśmy od nich wskazówki. Niektóre były zabawne: „Napisz to wielkimi literami”. Naprawdę? Mam krzyczeć na duży model językowy? Dobrze, mogę to zrobić. Albo: „Powtórz to po raz drugi” czy „Upewnij się, że umieścisz to także na końcu”.

Świetną wskazówką było dodanie przykładu — przykładu jednokrokowego. Warto też zadbać o to, aby dostrajanie zawierało przykłady wszystkich różnych opcji, z którymi masz problemy.

Hannah Clark: To bardzo ciekawe wskazówki. Inżynieria poleceń jest interesującą dziedziną, ponieważ tak często komunikujemy się z tymi interfejsami za pomocą zwykłego języka. Wydaje się więc, że tworzenie skutecznego polecenia powinno być bardzo naturalnym procesem.

Czy nauczyłaś się czegoś nieoczekiwanego podczas doskonalenia umiejętności tworzenia poleceń, które pozwalają uzyskać oczekiwany rezultat?

Lorilyn McCue: Jedną ze sztuczek, która zwykle nie trafiała do końcowego polecenia, ale pomagała mi podczas jego tworzenia, było poproszenie dużego modelu językowego o wyjaśnienie własnego działania.

Weźmy jako przykład natychmiastową odpowiedź. Pytałam: „Komu odpowiadasz?”. Następnie: „Dlaczego odpowiadasz tej osobie?”. Model odpowiadał: „Odpowiadam tej osobie, ponieważ X, Y, Z”. Wtedy mówiłam: „To właśnie cię dezorientuje, głupi i powolny wujku”. Mogłam zmienić polecenie i doprecyzować ten element.

Ponownie prosiłam: „Wyjaśnij się”. Dzięki temu lepiej rozumiałam tok rozumowania modelu i mogłam wprowadzać poprawki do polecenia. Opcja „wyjaśnij się” była bardzo pomocna.

Hannah Clark: To może być bardzo przydatne, ponieważ czasami mamy pokusę, aby zacząć od początku i po prostu przepisać polecenie. Tymczasem to naprawdę praktyczne podejście.

Chciałabym wrócić do biznesowych aspektów AI. Obecnie funkcje AI stają się standardem w większości produktów cyfrowych, ale podczas ich integrowania trzeba uwzględniać wiele złożonych kwestii. Z jakimi wyzwaniami biznesowymi mierzył się Superhuman przy wyborze modeli AI i narzędzi do wdrożenia?

Lorilyn McCue: Osoby znające AI prawdopodobnie rozumieją, że mówiłam o GPT-4 w porównaniu z GPT-3.5. GPT-4 był powolnym żółwiem, a GPT-3.5 szybkim, choć niezbyt inteligentnym wujkiem.

Obecnie nie jest to już aż tak duży problem, ponieważ GPT-4.0 i GPT-4.0 Mini są bardzo szybkie i naprawdę dobre. To interesujące, bo problem, który rok temu bardzo mnie martwił, dziś nie ma już takiego znaczenia. Wtedy było to jednak niezwykle ważne, szczególnie przy skali polegającej na podsumowywaniu każdej wiadomości otrzymywanej przez użytkownika.

To ogromna skala i duży koszt. Mamy szczęście, że nasz dyrektor generalny Rahul bardzo ceni jakość. Chce wybierać najlepszą opcję. Najlepsza opcja nie zawsze jednak zapewnia najlepszą odpowiedź. Liczy się również opóźnienie, czyli to, czy rozwiązanie spełnia wymagania użytkowników dotyczące szybkości.

Szybkość i poprawność. Czy bylibyśmy gotowi zapłacić za GPT-4? Tak, ale w tamtym czasie model nie spełniał potrzeb użytkowników. Dlatego wybraliśmy GPT-3.5, ponieważ był wtedy dostępny, wystarczająco dobry i spełniał nasze wymagania dotyczące opóźnień.

Dzięki dużej pracy nad poleceniami, a także czasowi menedżerów produktu i zespołu kontroli jakości, udało nam się osiągnąć wymagany poziom jakości. Aspekt biznesowy jest bardzo ważny, ale byliśmy gotowi zapłacić tyle, ile było trzeba, aby spełnić potrzeby użytkowników.

Hannah Clark: Zmieńmy nieco temat. Chciałabym porozmawiać o twoim rozwoju zawodowym w kierunku zarządzania produktami AI. Wszyscy bardzo chcą rozwijać te umiejętności i wzbogacać swoje życiorysy, aby wyróżniały się w obecnej sytuacji, przypominającej wolną amerykankę związaną ze sztuczną inteligencją.

Jakie praktyczne umiejętności, obszary wiedzy, certyfikaty lub kursy poleciłabyś osobom, które chcą tworzyć produkty skoncentrowane na AI?

Lorilyn McCue: Najskuteczniejsza jest obecnie nauka praktyczna: wejście w temat, śledzenie trendów i nowych rozwiązań. Co tydzień pojawia się coś nowego.

Kiedy coś zostaje udostępnione, warto od razu się tym pobawić i użyć tego w praktyce. Szczególnie polecam znajdowanie sposobów na wykorzystanie AI w codziennym życiu i sprawdzanie, co działa.

Mam dwóch uroczych synów, którzy lubią przychodzić do mojego biura, kiedy pracuję. Mówię: „Chłopaki, dajcie mi jeszcze kilka minut. Zaraz wam pomogę”. To nigdy nie działa. Tak naprawdę chcą, żebym wydrukowała im kolorowanki.

Wyczerpałam już jednak wszystkie motywy z monster truckami, czołgami z czasów II wojny światowej i scenami bitewnymi dostępne na coloringpages.com.

Mówimy więc: „Dobrze, przejdźmy do ChatGPT”. Proszę: „Stwórz kolorowankę z monster truckiem”. Następnie pytam, czy to im odpowiada. „Nie, chcę dziesięć”. Tworzę dziesięć monster trucków. „Nie, chcę, żeby się ścigały”. Zaczynasz iterować i po pewnym czasie wiesz już, czego chcą twoje dzieci. Możesz powiedzieć: „Stwórz odpowiednią dla dzieci kolorowankę przedstawiającą dziesięć monster trucków na torze, bez samochodów wyścigowych”. W końcu otrzymujesz coś, co możesz wydrukować.

Znajdowanie takich zastosowań w codziennym życiu bardzo pomaga. Podam też przykład zawodowy. Czasami używam AI do tworzenia tekstów. Mówimy: „Musimy wyjaśnić użytkownikom w jednym podpowiadanym komunikacie, jak działa ta funkcja. Tekst może mieć tylko określoną liczbę słów i musi używać konkretnego języka”. Wprowadzam roboczy przykład i proszę o dziesięć różnych wersji. Potem testuję kolejną.

Korzystanie z AI na co dzień daje wiedzę i zrozumienie tego, co jest możliwe. Pojawia się nowa funkcja — wypróbuj ją. Dostępna jest nowa technologia lub model — sprawdź go. Inna firma udostępnia nowe rozwiązanie — przetestuj je.

Dobrym przykładem jest sytuacja, gdy otworzyłam Perplexity i poprosiłam: „Wymień wszystkie dostępne modele oraz ich ceny za milion tokenów i przedstaw to w tabeli”. Otrzymałam odpowiedź. To świetne. Po prostu trzeba działać. Szczerze mówiąc, to najbardziej użyteczna rzecz.

Nie jest to kurs, który można ukończyć, ale zdecydowanie coś, co można robić każdego dnia.

Hannah Clark: Bardzo przydatne. Nie spodziewałam się też wskazówki dotyczącej rodzicielstwa, ale na pewno ją wykorzystam.

Lorilyn McCue: To naprawdę dobra wskazówka.

Hannah Clark: Mój syn interesuje się tym samym, więc będzie to dla niego miła weekendowa niespodzianka.

Bardzo dziękuję, że do nas dołączyłaś, Lorilyn. Doceniam, że podzieliłaś się swoją wiedzą na temat zarządzania produktami AI. To obecnie najgorętsza wskazówka dekady. Zanim zakończymy, gdzie słuchacze mogą znaleźć twoją pracę i dowiedzieć się więcej o tym, co tworzycie w Superhuman?

Lorilyn McCue: Informacje o pracy Superhuman znajdziesz na naszym blogu pod adresem superhuman.com. Kliknij sekcję bloga. Ja publikuję na LinkedIn, więc możesz znaleźć mój profil, wyszukując Lorilyn McCue.

Hannah Clark: Świetnie. Bardzo dziękuję, że byłaś z nami.

Lorilyn McCue: Dziękuję.

Hannah Clark: Dziękujemy za wysłuchanie. Więcej ciekawych spostrzeżeń, poradników i recenzji narzędzi znajdziesz, zapisując się do naszego newslettera pod adresem theproductmanager.com/subscribe. Więcej takich rozmów usłyszysz, subskrybując The CPO Club na dowolnej platformie, na której słuchasz podcastów.