Wiceprezes ds. projektowania produktów mówi, że zespoły ds. produktu, projektowania i inżynierii muszą korzystać ze wspólnego rusztowania AI, aby skutecznie współpracować

Andy Vitale jest wiceprezesem zarówno ds. projektowania produktów, jak i Centrum Doskonałości AI w Taxwell.

Spotkaliśmy się z Andym, aby porozmawiać o tym, jak zespoły projektowe, produktowe i inżynieryjne mogą skutecznie współpracować z AI. Oto, co nam powiedział.

Gdzie spotykają się projektowanie, technologia i organizacja

Nazywam się Andy Vitale. Jestem dyrektorem ds. projektowania i od ostatniej dekady tworzę oraz wdrażam produkty wykorzystujące AI. Obecnie kieruję działem projektowania i Centrum Doskonałości AI w Taxwell, gdzie tworzymy oprogramowanie obsługujące każdego roku dziesiątki milionów zeznań podatkowych dla ponad 90 000 specjalistów podatkowych i 3 milionów osób rozliczających się samodzielnie.

Zakres tej pracy obejmuje zarówno produkty konsumenckie, które muszą być proste w obsłudze mimo realnej presji finansowej, jak i profesjonalne narzędzia, w których głębia funkcjonalności i niezawodność są ważniejsze niż prowadzenie użytkownika za rękę. Moja organizacja obejmuje podatki konsumenckie, podatki dla profesjonalistów, wspólną platformę leżącą u podstaw obu tych obszarów oraz nowsze obszary produktów, które wciąż kształtujemy. Zespół organizuje się wokół tych domen, a my przechodzimy w kierunku modelu dostarczania wspomaganego przez AI, dzięki czemu projektowanie jest bliżej produktu, zamiast przekazywać mu gotowe rozwiązania.

Moja przygoda z AI rozpoczęła się w 2015 roku od przetwarzania języka naturalnego w ochronie zdrowia w firmie 3M. Było to moje pierwsze prawdziwe doświadczenie w projektowaniu produktów opartych na inteligencji maszynowej, a nie tylko interfejsów. Następnie kierowałem projektowaniem w firmie Rocket, obserwując, jak technologia funkcjonuje w dużej organizacji. Później, jako dyrektor ds. projektowania w Constant Contact, zobaczyłem, jak generatywna AI zaczyna zmieniać możliwości produktów. Teraz, w Taxwell, sprawiam, że nasze produkty są inteligentniejsze, a nasze zespoły skuteczniej tworzą rozwiązania z wykorzystaniem AI.

Zawsze przyciągały mnie miejsca styku — tam, gdzie spotykają się projektowanie, technologia i organizacja. AI sprawiła, że te miejsca styku stały się najważniejszą częścią pracy. Mam wrażenie, że ten moment jest właśnie tym, do czego przygotowała mnie cała moja dotychczasowa droga.

Jak zbudować wspólne fundamenty AI dla różnych specjalizacji

Przestaliśmy traktować AI jako funkcję, którą należy dodać, i zaczęliśmy traktować ją jako infrastrukturę, którą trzeba zbudować. W ciągu ostatniego roku zespoły projektowe, produktowe i inżynieryjne współpracowały nad stworzeniem fundamentów, które pozwalają zespołowi działać szybciej, bez utraty staranności.

Oznacza to wspólną strukturę bazową i mechanizmy do pracy z modelami, a także kroki wspierane przez AI — od koncepcji po walidację. Nie musimy czekać, aby ustalić sposób testowania pomysłu z wykorzystaniem AI.

Drugim elementem tej zmiany jest to, że zespół tworzy teraz rozwiązania przy użyciu tych samych materiałów i narzędzi, zamiast projektować w jednym miejscu i przekazywać pracę do odtworzenia gdzie indziej. Eliminuje to miejsca styku, w których praca zwykle zostaje utracona lub zniekształcona. Gdy projektant pracuje w tym samym środowisku, w którym powstaje produkt, rozmowa przestaje dotyczyć specyfikacji i przekazywania pracy, a zaczyna dotyczyć samego produktu.

Rezultatem jest jednocześnie szybkość i dokładność, które zwykle odbywają się kosztem siebie nawzajem. Wspólne fundamenty pozwalają nam działać szybciej, ponieważ trudne elementy są już zbudowane i można je ponownie wykorzystać. Praca z tymi samymi narzędziami oznacza mniej błędów podczas przekładu, ponieważ przekładów jest mniej. Zespół poświęca czas na podejmowanie decyzji, a nie na odtwarzanie pracy innych osób.

Rezultatem była seria wdrożeń od zera do jedynki. Niewielki zespół może teraz przeprowadzić pomysł przez cały proces, przechodząc od koncepcji do działającego oprogramowania w ciągu kilku tygodni, zamiast przechodzić przez kolejne cykle planowania i przekazywania pracy.

Wspierany przez AI przepływ pracy od koncepcji do oprogramowania

Przeprowadzę was przez nasz proces przenoszenia pomysłu od koncepcji do działającego oprogramowania, ponieważ to właśnie ten przepływ pracy najbardziej zmieniła u nas AI.

Wszystko zaczyna się od rozpoznania, a AI jest zaangażowana od pierwszej minuty. Zanim ktokolwiek zacznie cokolwiek projektować, wykorzystujemy AI do zebrania istniejącej wiedzy o problemie, wzorców z badań i danych pomocy technicznej, wcześniejszych prób oraz istotnych scenariuszy podatkowych. Zamiast pustej strony zespół zaczyna od syntetycznego obrazu sytuacji, który można analizować i poddawać próbom.

Podczas kształtowania pomysłu wykorzystujemy syntetycznych użytkowników do generowania pomysłów. Zbudowani na podstawie naszych badań behawioralnych użytkownicy pozwalają nam sprawdzić, jak różne typy osób składających zeznania mogą zareagować na dane podejście, zanim się do niego zobowiążemy. Są narzędziem do generowania pomysłów, które poszerza zakres rozważanych przez nas kierunków i pomaga wcześnie znaleźć słabe punkty naszego sposobu myślenia, a nie zastępstwem prawdziwych użytkowników na późniejszym etapie.

Następnie przechodzimy do budowania, czyli etapu, na którym dawniej odbywało się przekazanie pracy. Jak wspomniałem, pracujemy nad koncepcją bezpośrednio we wspólnych materiałach i narzędziach, w tym samym środowisku, w którym tworzymy produkt, zamiast projektować w jednym miejscu i pisać specyfikację, aby ktoś inny mógł odtworzyć rozwiązanie. Projektant może szybko stworzyć rzeczywisty, działający prototyp, a nie tylko jego obraz. Ma to znaczenie, ponieważ teraz rozumujemy na temat rzeczywistego zachowania produktu, a nie jego reprezentacji.

Następnie weryfikujemy wszystko na podstawie rzeczywistych opinii. Wykorzystujemy sztuczną inteligencję do moderowania rund testów, co pozwala nam przeprowadzać znacznie więcej sesji i robić to bardziej konsekwentnie, niż byłoby to możliwe przy harmonogramie moderowanym przez człowieka. Tanie i szybkie informacje zwrotne pojawiają się wcześnie i trafiają bezpośrednio do tego samego roboczego artefaktu, a nie do nowej rundy specyfikacji. Ponieważ projektowanie, prototypowanie i tworzenie produktu korzystają ze wspólnych narzędzi, droga od „czegoś się dowiedzieliśmy” do „produkt teraz to uwzględnia” jest krótka. Rozmowa koncentruje się na samym produkcie, zamiast na tłumaczeniu między dokumentami.

Przez cały proces człowiek pozostaje odpowiedzialny za rezultat. Sztuczna inteligencja poszerza zakres danych wejściowych i przyspiesza drogę, ale to my zachowujemy osąd dotyczący tego, co jest poprawne, zgodne z przepisami i naprawdę dobre dla osoby składającej zeznanie w warunkach rzeczywistego stresu. W regulowanej branży właśnie tak powinno to wyglądać.

W rezultacie niewielki zespół może w ciągu kilku tygodni przeprowadzić pomysł od zgrubnej koncepcji do działającego oprogramowania, eliminując straty wynikające z tłumaczenia oraz oczekiwanie, które wcześniej pojawiały się między poszczególnymi etapami.

Dlaczego sztuczna inteligencja odpowiada za drogę do decyzji, ale nie za samą decyzję

Najintensywniej korzystamy ze sztucznej inteligencji na etapach prac eksploracyjnych, gdzie koszt popełnienia błędu jest niski, a wartość szybkiego działania — wysoka.

Na etapie odkrywania sztuczna inteligencja pomaga nam szybko zdobyć wiedzę. Gromadzi istniejące informacje, identyfikuje wzorce w danych z badań i obsługi oraz daje nam punkt wyjścia do zrozumienia problemu, zamiast zmuszać nas do rozpoczynania od zera.

Podczas eksperymentowania i prototypowania sztuczna inteligencja pozwala nam przejść od pomysłu do czegoś, co można przetestować, w ułamku wcześniejszego czasu. Możemy stworzyć działający prototyp i wykorzystać sztuczną inteligencję do moderowania części testów z użytkownikami, co pozwala nam przeprowadzać więcej sesji i robić to bardziej konsekwentnie, niż kiedykolwiek umożliwiłby to harmonogram moderowany przez człowieka.

W przypadku decyzji dotyczących UX sztuczna inteligencja oferuje szybką drugą opinię. Pomaga nam poddawać przepływy próbom, analizować dane dotyczące zachowań i identyfikować miejsca, w których użytkownicy mogą się wahać lub rezygnować. Poszerza zakres danych wejściowych, z których korzysta projektant.

Jednak sama decyzja pozostaje domeną człowieka — i jest to zamierzone. Sztuczna inteligencja świetnie radzi sobie z informowaniem nas o tym, co się dzieje i co zwykle działa. Nie decyduje jednak o doświadczeniu, które dostarczamy osobie po drugiej stronie ekranu. Priorytety oraz ocena tego, czy doświadczenie jest dobre, uczciwe i pełne szacunku dla osoby składającej zeznanie podatkowe w warunkach rzeczywistego stresu, pozostają po naszej stronie.

Postrzegam to w ten sposób: sztuczna inteligencja poszerza zakres danych wejściowych i przyspiesza drogę do decyzji. Nie podejmuje decyzji wymagających wyczucia, odpowiedzialności ani troski o osobę, dla której projektujemy.

Andy dzieli się

Najintensywniej korzystamy ze sztucznej inteligencji na etapach prac eksploracyjnych, gdzie koszt popełnienia błędu jest niski, a wartość szybkiego działania — wysoka. Postrzegam to w ten sposób: sztuczna inteligencja poszerza zakres danych wejściowych i przyspiesza drogę do decyzji. Nie podejmuje decyzji wymagających wyczucia, odpowiedzialności ani troski o osobę, dla której projektujemy.

Jak korzyści płynące ze sztucznej inteligencji ujawniają również słabości

Najwyraźniejszym pozytywnym rezultatem jest szybkość. W jednym sezonie podatkowym wdrożyliśmy szereg produktów i funkcji od zera do pierwszej działającej wersji, których uruchomienie wcześniej zajęłoby znacznie więcej czasu, w tym niestandardowe połączenie z Claude, które przygotowaliśmy w ciągu kilku dni, a nie miesięcy. Testy moderowane przez sztuczną inteligencję pozwoliły nam przeprowadzać znacznie więcej rund i robić to bardziej konsekwentnie, niż moglibyśmy przy użyciu samych moderatorów będących ludźmi. Dzięki temu mogliśmy wcześniej podejmować decyzje na podstawie większej ilości dowodów.

Jednak szybkie działanie ujawniło każdą słabość naszego procesu. Bez odpowiednich zabezpieczeń szybkość prowadziła do konieczności ponownej pracy, a tempo wymagało od zespołu bardzo wiele. Sztuczna inteligencja przyspieszyła rozwój naszych mocnych stron i wyraźniej pokazała nasze braki.

Prawdziwym rezultatem, o którym chcę, aby usłyszeli inni liderzy, jest to, że zespoły osiągające dobre wyniki od początku miały zdrowe fundamenty. Sztuczna inteligencja działa jak akcelerator. Nagradza dobry proces i ujawnia braki, dlatego budowanie tych fundamentów ma teraz większe, a nie mniejsze znaczenie.

Dlaczego sztuczna inteligencja ma trudności w złożonych scenariuszach produktowych

AI najbardziej wyraźnie nie spełnia oczekiwań w trudnym środku pracy — w części pomiędzy obiecującym prototypem a czymś, co można z przekonaniem wdrożyć.

AI rzeczywiście świetnie radzi sobie z szybkim doprowadzeniem do pierwszej wersji. Nie pokonuje ostatniego etapu. Im bardziej oddalasz się od czystego, dobrze zdefiniowanego problemu, tym więcej pracy wraca do ludzi. Przypadki brzegowe, złożone scenariusze podatkowe odbiegające od typowej ścieżki oraz decyzje wymagające osądu dotyczące tego, co jest poprawne i zgodne z przepisami, nadal wymagają takiego samego ludzkiego wysiłku jak wcześniej.

To jest prawdziwe ograniczenie. Jesteś tak szybki, jak najwolniejsza część twojego procesu. Początkowe przyspieszenie jest realne, ale nie narasta zgodnie z oczekiwaniami, ponieważ reszta systemu nie zmienia się w tym samym tempie.

Dlaczego AI najlepiej sprawdza się jako partner do myślenia

Z mojego doświadczenia wynika, że AI daje najwięcej, gdy traktuje się je jako partnera do myślenia, a nie maszynę do udzielania odpowiedzi.

W naszej dziedzinie dokładność i odpowiedzialność nie są opcjonalne, dlatego wartość nie polega na wygenerowaniu odpowiedzi i przejściu dalej. Chodzi o wykorzystanie AI do szybszego dotarcia do odpowiedzi rozważonej bardziej wnikliwie.

Kiedy nasze zespoły używają go do analizowania możliwości, poddawania swoich przemyśleń próbie i szybszego przechodzenia przez obszary, które już rozumieją, działa ono jak prawdziwy mnożnik.

Andy dzieli się

W naszej dziedzinie dokładność i odpowiedzialność nie są opcjonalne, dlatego wartość nie polega na wygenerowaniu odpowiedzi i przejściu dalej. Chodzi o wykorzystanie AI do szybszego dotarcia do odpowiedzi rozważonej bardziej wnikliwie.

Dlaczego liderzy produktu muszą zarządzać tym, jak użytkownicy odbierają produkt oparty na AI

Najtrudniejszą częścią wprowadzania AI nie jest technologia, lecz sposób, w jaki ludzie ją odbierają.

Mój pierwszy produkt oparty na AI, z 2015 roku, dotyczył automatycznie sugerowanego kodowania medycznego w ochronie zdrowia. System odczytywał dokumentację kliniczną i sugerował właściwe kody — zadanie, które profesjonalni koderzy medyczni zawsze wykonywali ręcznie. Skupiłem się na tym, czy sugestie będą dokładne. Nie doceniłem pytania, które sami koderzy po cichu zadawali: Czy to ma mnie zastąpić?

Ten lęk kształtuje wszystko, niezależnie od tego, czy się nim zajmiesz. Pojawia się jako opór, ciche nieprzyjmowanie rozwiązania, a także jako techniczne podporządkowanie się mu przy jednoczesnej nadziei, że poniesie porażkę. I był całkowicie uzasadniony.

Postawiliśmy przed ludźmi narzędzie, które wykonywało pewną wersję ich pracy, nie wyjaśniając wcześniej, co to dla nich oznacza. Wypełnili więc tę ciszę najgorszym możliwym scenariuszem. Nauczyłem się, że nie da się pokonać tego lęku za pomocą kolejnych funkcji. Żadna dokładność nie odpowiada na pytanie, które naprawdę zadają.

Od tamtej pory przenoszę tę lekcję do każdego produktu opartego na AI. Wprowadzasz zmianę i znaczenie tej zmiany jednocześnie. Pytanie dotyczące technologii jest łatwe. To pytanie dotyczące ludzi decyduje o tym, czy te rozwiązania odniosą sukces, czy poniosą porażkę.

Dlaczego systemy projektowe wymagają gruntownej przebudowy

Jeśli twój system projektowy istnieje wyłącznie w pliku projektowym, każdy materiał wygenerowany przez AI w firmie będzie nieco odbiegał od marki, a ktoś będzie musiał później to uzgodnić. Ta praca uzgadniająca jest nowym kosztem, który zespoły po cichu ponoszą, ponieważ nie zajęły się tym odpowiednio wcześnie.

Dlatego przeprojektuj system projektowy tak, aby przestać traktować go jako dokument referencyjny, a zacząć traktować go jako artefakt uruchomieniowy — coś, co znajduje się wewnątrz rzeczywistych narzędzi generujących pracę.

Oznacza to coś więcej niż bibliotekę komponentów. Oznacza pakowanie tokenów projektowych i komponentów w taki sposób, aby narzędzia i zespoły mogły bezpośrednio pobierać je do kodu, dystrybuować jako pakiety gotowe do użycia oraz łączyć z towarzyszącymi umiejętnościami i najlepszymi praktykami — zasadami i kontekstem, których narzędzie AI potrzebuje, aby poprawnie korzystać z systemu. Gdy standardy, komponenty i wiedza praktyczna znajdują się tam, gdzie wykonywana jest praca, marka pojawia się już w pierwszym poleceniu, zamiast być dodawana na końcu.

Kiedy wszystko zrobisz właściwie, standardy projektowe są obecne we wszystkim, co firma dostarcza, niezależnie od tego, kto to stworzył i jakiego narzędzia użył. System przestaje być czymś, do czego ludzie sięgają po fakcie, i po cichu zarządza jakością na dużą skalę.

Dlaczego CPO muszą wykonać tę pracę osobiście

Moja rada jest prosta. Zaangażuj się. Już teraz wykonaj tę pracę osobiście, własnymi rękami.

Wielu liderów odruchowo przekazuje AI swoim zespołom, czeka, aż wyłonią się najlepsze praktyki, a następnie wyznacza kierunek na podstawie tego, czego się dowiedzą. To działało przy wcześniejszych zmianach. W przypadku tej zmiany się nie sprawdza. Wszystko dzieje się zbyt szybko, a przepaść między osobami korzystającymi z tych narzędzi a tymi, które o nich dyskutują, powiększa się z każdym tygodniem. Jeśli zalecasz korzystanie z narzędzi, których nigdy nie otworzyłeś, wszyscy w pokoju potrafią to zauważyć.

Znaczną część tygodnia spędzam, praktycznie korzystając z tych narzędzi, częściowo dlatego, że naprawdę lubię tę pracę, ale przede wszystkim dlatego, że uważam, iż nie można wiarygodnie prowadzić zespołu przez zmianę, którą tylko się obserwuje. Budując z ich użyciem, dowiadujesz się, co jest rzeczywistością, a co przesadą. Zyskujesz prawo do wyznaczania kierunku i podejmujesz znacznie lepsze decyzje dotyczące tego, gdzie AI pasuje, a gdzie nie.

Przestań więc traktować to jako coś, co można delegować i analizować z dystansu. Poświęć tej pracy rzeczywisty czas. Dostarcz coś niewielkiego. Poczuj, gdzie pomaga, a gdzie zawodzi. Liderzy, którzy wyjdą na prowadzenie, będą tymi, którzy zaangażują się w ten moment, a nie tymi, którzy będą czekać, aż sytuacja się ustabilizuje.

Śledź dalszy ciąg

Możesz śledzić twórczość Andy'ego Vitale na stronie andyvitale.com oraz na LinkedIn.

Więcej wywiadów z ekspertami już wkrótce w The CPO Club!