Wiceprezeska ds. Produktu i Projektowania w IBM Cloud dzieli się tym, jak wykorzystuje sztuczną inteligencję do budowania w oparciu o rzeczywiste zachowania użytkowników

Briana Frank jest wiceprezeską ds. produktu i projektowania w IBM Cloud.

Porozmawialiśmy z nią, aby dowiedzieć się, jak sztuczna inteligencja zmienia nie tylko sposób, w jaki tworzy produkty, lecz także sposób, w jaki uczy się od swoich użytkowników. Oto, co nam powiedziała.

Rewolucja behawioralna

Całą swoją karierę spędziłam na kierowaniu organizacjami zajmującymi się produktem i projektowaniem podczas poważnych zmian technologicznych, a badanie ludzkich zachowań niezmiennie kształtowało moje podejście. Każdy przełom technologiczny ostatecznie zaczyna dotyczyć ludzi: tego, jak podejmują decyzje, co motywuje ich do zmiany, gdzie napotykają trudności oraz co cenią na tyle, by zdecydować się na przyjęcie rozwiązania. Zrozumienie tych wzorców pozwala tworzyć świetne produkty i wysoko wydajne organizacje.

Ta perspektywa sprawiła, że obecny moment rozwoju sztucznej inteligencji jest szczególnie fascynujący. Ludzie często opisują sztuczną inteligencję jako rewolucję technologiczną, ale w praktyce jest ona w równym stopniu rewolucją behawioralną. Organizacje, które odczuwają największy wpływ, niekoniecznie dysponują najbardziej zaawansowanymi modelami. Ich pracownicy są za to wystarczająco ciekawi, by eksperymentować, zdyscyplinowani, by jasno się komunikować, i wystarczająco pokorni, by przemyśleć na nowo sposób wykonywania pracy.

To właśnie jest prawdziwa szansa, którą stwarza obecny moment. Sztuczna inteligencja nie tylko zmienia produkty, które tworzymy — zmienia także sposób, w jaki myślimy, komunikujemy się i przewodzimy. Technologia jest potężna, ale trwała transformacja zaczyna się od zrozumienia ludzkich zachowań i tworzenia środowisk, w których ludzie są gotowi uczyć się, dostosowywać i działać w inny sposób.

Tworzenie produktów zarówno dla osób indywidualnych, jak i przedsiębiorstw

Kieruję zarządzaniem produktem w ramach portfolio platformy IBM Cloud typu platforma jako usługa, a także nadzoruję projektowanie w całym IBM Cloud. Nasza organizacja tworzy możliwości platformy, które pomagają deweloperom i przedsiębiorstwom tworzyć, wdrażać, zabezpieczać i zarządzać nowoczesnymi aplikacjami w szerokim zakresie środowisk.

Tworzone przez nas produkty służą wszystkim — od indywidualnych deweloperów eksperymentujących z nowymi technologiami po duże globalne przedsiębiorstwa obsługujące obciążenia o krytycznym znaczeniu dla działalności. Ta różnorodność użytkowników stwarza wyjątkowe wyzwanie: dostarczanie możliwości klasy korporacyjnej przy jednoczesnym sprawianiu, by złożona technologia była intuicyjna i dostępna.

Nasze zespoły stosują ciągłe dostarczanie, ściśle współpracując w ramach zespołów zajmujących się produktem, projektowaniem, inżynierią, badaniami i obsługą klientów, aby szybko wyciągać wnioski z opinii klientów i rozwijać platformę. W miarę jak sztuczna inteligencja coraz głębiej integruje się z doświadczeniem deweloperów, na nowo przemyślamy również sposób tworzenia i zarządzania oprogramowaniem, tworząc bardziej naturalne i inteligentne interakcje, które pomagają klientom szybciej i pewniej przejść od pomysłu do produkcji.

Jak sztuczna inteligencja może uwolnić kreatywność w zespołach produktowych

W całej mojej karierze zawsze istniała luka między posiadaniem pomysłu a udowodnieniem jego wartości. Menedżerowie produktu polegali na innych zespołach przy tworzeniu prototypów, analizowaniu danych, przygotowywaniu pulpitów nawigacyjnych czy testowaniu koncepcji. Sztuczna inteligencja znacznie skróciła ten dystans. Dziś menedżerowie produktu mogą analizować pomysły, tworzyć działające prototypy, analizować swoją działalność, generować wizualizacje i eksperymentować z nowymi koncepcjami w ciągu godzin zamiast tygodni.

Ta zmiana dotyczy czegoś więcej niż tylko szybkości dostarczania. Zmienia to, kto czuje się uprawniony do tworzenia. Obserwowałam, jak zespoły zadają większe pytania, testują więcej pomysłów i podchodzą do problemów z poziomem ciekawości, który trudno byłoby utrzymać, gdy każdy eksperyment wymagał znacznego czasu i koordynacji.

Wyzwanie polega na tym, że kreatywność nie rozkwita tylko dlatego, że istnieje sztuczna inteligencja. Rozwija się wtedy, gdy organizacje tworzą przestrzeń do eksperymentowania, nagradzają naukę i zachęcają do przemyślanego podejmowania ryzyka. Firmy, które traktują sztuczną inteligencję jako narzędzie zwiększające produktywność, z pewnością staną się bardziej efektywne. Firmy, które wykorzystują ją do uwolnienia kreatywności swoich pracowników, będą tworzyć całkowicie nowe kategorie produktów i doświadczeń.

Jak postawa obronna może wskazywać na brak gotowości zespołów produktowych na sztuczną inteligencję

Jednym z pierwszych zachowań wskazujących, że zespół produktowy nie jest gotowy na AI, jest bronienie istniejących metod zamiast odkrywania nowych możliwości.

Zdrowy sceptycyzm jest cenny. Świetne zespoły produktowe powinny kwestionować założenia, podważać pomysły i domagać się dowodów. Różnica polega na tym, czy pytamy: „Skąd wiemy, że to zadziała?”, czy po prostu mówimy: „To nigdy nie zadziała”. Pierwsze podejście prowadzi do nauki, drugie jej zapobiega.

Zespoły, które mają największe trudności z wdrażaniem AI, często wyjaśniają, dlaczego nowe podejście nie może zadziałać, zanim jeszcze je przetestują. Opierają się na doświadczeniach z przeszłości, aby przewidywać przyszłość, zamiast wykorzystywać ciekawość i testowanie do odkrywania możliwości.

AI wymaga innego sposobu myślenia. Technologia rozwija się zbyt szybko, aby ktokolwiek z nas znał wszystkie odpowiedzi. Najsilniejsze zespoły są gotowe próbować, uczyć się, dostosowywać i czasami dać się zaskoczyć. Nie potrzebują, aby każdy eksperyment kończył się sukcesem, ale potrzebują kultury sprzyjającej szybkiemu uczeniu się.

Sygnał, którego szukam, jest prosty: Czy ludzie chronią istniejący proces, czy odkrywają, jak go ulepszyć?

Myśli Briany

Zdrowy sceptycyzm jest cenny. Świetne zespoły produktowe powinny kwestionować założenia, podważać pomysły i domagać się dowodów.

Dlaczego liderzy produktu muszą dążyć do wzmacniania ludzi za pomocą AI, a nie ich zastępowania

Wczesne rozmowy na temat AI często koncentrowały się na automatyzacji: na pomyśle, że możemy po prostu przekazać zadanie systemowi AI i otrzymać doskonałą odpowiedź. Rzeczywistość jest bardziej złożona.

AI niezwykle skutecznie przyspiesza odkrywanie, generuje możliwości i pomaga ludziom działać szybciej. Jednak jakość rezultatu nadal w dużej mierze zależy od jakości kontekstu, jasności celu oraz wiedzy i doświadczenia osoby kierującej interakcją. AI może pomóc szybciej dotrzeć do odpowiedzi, ale ocena, czy ta odpowiedź jest właściwa, nadal wymaga ludzkiego osądu.

Potwierdza to moje głębokie przekonanie: Przyszłość nie polega na rywalizacji ludzi z AI. Chodzi o to, jak skutecznie ludzie i AI współpracują. Najskuteczniejsze zespoły nie szukają sposobów na usunięcie ludzi z procesu. Znajdują sposoby na wzmacnianie ludzkiej kreatywności, ciekawości i procesu decyzyjnego.

Wniosek dla liderów produktu jest taki, że wdrażanie AI to nie tylko wyzwanie technologiczne. To również wyzwanie behawioralne i organizacyjne. Firmy, które odniosą sukces, nauczą ludzi myśleć inaczej, zadawać lepsze pytania i łączyć możliwości AI z wyjątkowo ludzkimi umiejętnościami osądu, empatii i kreatywności.

Jak rozwój oparty na poleceniach może pomóc tworzyć lepsze doświadczenia AI

Przyjmujemy bardziej zorientowane na użytkownika podejście do tworzenia doświadczeń AI. Zamiast wymagać od ludzi, aby uczyli się, jak działa nasze oprogramowanie, projektujemy oprogramowanie, które lepiej rozumie, jak ludzie naturalnie myślą, komunikują się i rozwiązują problemy. Moim zdaniem jest to jedna z najbardziej ekscytujących zmian, jakie AI wprowadziła do rozwoju produktów.

Wszystko zaczyna się od przyjęcia podejścia opartego na rozwoju za pomocą poleceń. Jak zawsze wykorzystujemy badania, mapowanie ścieżki użytkownika i projektowanie skoncentrowane na człowieku, aby zrozumieć, co ludzie próbują osiągnąć, zanim zaczniemy myśleć o implementacji. AI dodaje jednak do tego procesu nowy, potężny wymiar. Teraz zadajemy proste pytanie: „O co użytkownik naturalnie by zapytał?”

To pytanie ujawnia zaskakująco wiele. Zmusza nas do wyjścia poza funkcje i przepływy pracy oraz skupienia się na intencji. Jaki rezultat użytkownik próbuje osiągnąć? Jaki kontekst naturalnie by podał? Jakie założenia przyjmuje? I jak wyglądałby sukces w ramach pojedynczego żądania?

Zasadniczo polecenia stają się artefaktami projektowymi, które wcześnie ujawniają niejednoznaczności. Jeśli użytkownik musi starannie opracować polecenie, aby wykonać zadanie, dowiadujemy się, że produkt nadal wymaga pracy.

Jak każde polecenie AI może służyć jako sygnał ludzkiej intencji

Gdy produkt lub funkcja zostaną już stworzone, AI oferuje niezwykłą możliwość rygorystycznego mierzenia czegoś, co tradycyjnie trudniej było zmierzyć ilościowo: czy rzeczywiście pomagamy komuś osiągnąć jego cele.

W miarę jak produkty stają się coraz bardziej konwersacyjne, każdy prompt staje się sygnałem ludzkiej intencji. Ramy oceny pozwalają nam mierzyć, jak dobrze rozumiemy tę intencję, gdzie doświadczenie użytkownika zawodzi oraz jak zmiany wpływają na tysiące rzeczywistych interakcji. Możemy niemal natychmiast identyfikować regresje, obiektywnie porównywać różne podejścia i rozumieć wpływ zmiany na długo przed jej powszechnym wdrożeniem.

Nie chodzi tu o zastępowanie ludzkiego osądu algorytmami, lecz o dostarczanie większej ilości danych na potrzeby decyzji, które pozostają głęboko ludzkie. Dane pomagają nam zrozumieć, z czym ludzie mają trudności, które pytania wciąż pozostają bez odpowiedzi oraz które usprawnienia przyniosą największy efekt. Dzięki temu możemy ustalać priorytety z większą pewnością, jednocześnie pozostając skoncentrowani na potrzebach użytkowników naszego produktu.

Przemyślenia Briany

Obowiązki, które pozostają niezmiennie domeną człowieka, są takie jak zawsze: rozumienie potrzeb klientów, definiowanie problemów wartych rozwiązania, dokonywanie strategicznych kompromisów oraz decydowanie, gdzie inwestować.

Obowiązki, które pozostają niezmiennie domeną człowieka, są takie jak zawsze: rozumienie potrzeb klientów, definiowanie problemów wartych rozwiązania, dokonywanie strategicznych kompromisów oraz decydowanie, gdzie inwestować. AI pomaga nam oceniać te decyzje szybciej, na większą skalę i z większą precyzją. Przywództwo wciąż opiera się na osądzie. AI po prostu dostarcza nam lepszych danych, abyśmy mogli właściwie z niego korzystać.

Jak AI wspiera analizę opinii klientów

Wykorzystujemy również AI do łączenia sygnałów z badań użytkowników, interakcji z działem wsparcia, opinii klientów oraz próśb o nowe funkcje, aby zrozumieć, gdzie ludzie napotykają trudności i jakich rezultatów oczekują.

AI pomaga nam analizować te sygnały na większą skalę i szybciej, identyfikować wzorce oraz przekładać potrzeby klientów na możliwości usprawnień. W przypadku doświadczeń opartych na AI te spostrzeżenia pomagają kształtować prompty, interakcje i przepływy pracy, które projektujemy.

Następnie dokonujemy oceny. Zamiast polegać wyłącznie na intuicji, korzystamy z ram oceny, aby mierzyć skuteczność doświadczenia, identyfikować niezbędne usprawnienia i ustalać priorytety zmian, które wywrą największy wpływ na klientów. Tworzy to znacznie szybszą pętlę uczenia się, umożliwiając zespołom testowanie, udoskonalanie i poprawianie doświadczeń z większą pewnością.

Rezultatem jest bardziej precyzyjne i skoncentrowane na człowieku podejście do tworzenia produktów.

Dlaczego AI wymaga od liderów produktu silniejszego osądu

Trudno nadążyć za AI. Tempo zmian nie przypomina niczego, czego doświadczyłam w swojej karierze. Badania, eksperymenty i dostępne informacje rozszerzają się każdego dnia, a liderzy produktu nieustannie się uczą, testują i na nowo rozważają to, co jest możliwe.

Wyzwaniem nie jest brak informacji. Chodzi o ustalenie, które informacje mają znaczenie. Wszyscy konsumujemy więcej treści, więcej czytamy i więcej odkrywamy, ale oddzielanie wartościowych sygnałów od szumu staje się coraz ważniejsze.

Tworzy to nową odpowiedzialność liderów produktu: rozwijanie silniejszego osądu. Celem nie jest podążanie za każdą nową możliwością AI ani śledzenie każdego pojawiającego się trendu. Chodzi o zrozumienie, które osiągnięcia mogą znacząco zmienić doświadczenia klientów, wyniki biznesowe lub sposób, w jaki ludzie pracują.

Pod wieloma względami AI zwiększyła znaczenie umiejętności, które od zawsze definiowały świetnych liderów produktu: ciekawości, ustalania priorytetów, krytycznego myślenia i koncentrowania się na tym, co najważniejsze.

Dlaczego liderzy produktu muszą chronić swoich innowatorów

Moja rada dla liderów ds. produktów w tym okresie zmian jest prosta: chrońcie swoich innowatorów.

W okresach znaczącej transformacji osoby przesuwające granice często jako pierwsze brzmią najbardziej nierealistycznie. Mogą przedstawiać pomysły, które podważają istniejące założenia, kwestionują ustalone procesy lub opisują możliwości, których inni jeszcze nie potrafią dostrzec. Takie osoby czasami spotykają się ze sceptycyzmem, ponieważ innowacje często wymagają wyobrażenia sobie przyszłości, która dziś jeszcze nie istnieje.

Wielcy liderzy muszą rozumieć, że dyskomfort jest często częścią postępu. Osoby, które mają najbliższy kontakt z powstającymi technologiami, potrzebami klientów i nowymi możliwościami, czasami dostrzegają przyszłe zmiany, zanim reszta organizacji będzie gotowa za nimi podążyć.

Nie oznacza to, że każdy pomysł jest właściwy. Innowacje nadal wymagają dyscypliny, eksperymentowania i wnikliwej oceny. Liderzy mają jednak obowiązek tworzyć środowisko, w którym odważne pomysły można rozwijać, zamiast zbyt wcześnie je odrzucać. Zwracajcie uwagę na osoby, procesy lub struktury, które nieumyślnie spowalniają tych pionierów. Czasami największą przeszkodą dla innowacji nie jest brak pomysłów. Jest nią tarcie, które uniemożliwia przekształcenie tych pomysłów w rzeczywistość.

Śledź na bieżąco

Pracę Briany Frank możesz śledzić na platformie LinkedIn.

W klubie CPO pojawią się kolejne wywiady z ekspertami!