როდესაც საუბარი სამუშაო პროცესში გენერაციული AI-ს გამოყენებას ეხება, აქცენტი თითქმის ყოველთვის „პრომპტ ინჟინერიაზე“ კეთდება – ანუ იმ ტექნიკურ უნარზე, თუ როგორ მივაწოდოთ მოდელს სწორი ინსტრუქცია სასურველი პასუხის მისაღებად. ეს უნარები, რა თქმა უნდა, მნიშვნელოვანია, მაგრამ სრული სურათის მხოლოდ მცირე ნაწილია. რეალური შედეგი მაშინ დგება, როცა თანამშრომლები სწავლობენ, როგორ მოარგონ AI თავიანთ ყოველდღიურ საქმეს ისე, რომ სამუშაო პროცესი გაუმჯობესდეს.
ამისათვის საჭიროა ღირებული პრობლემების იდენტიფიცირება, გადაწყვეტილებების შეფასება, სწრაფი ექსპერიმენტები და ახალი პრაქტიკების ინტეგრირება. სხვა სიტყვებით რომ ვთქვათ, რიგით თანამშრომელს ზუსტად ისეთი დისციპლინა სჭირდება, როგორიც პროდუქტ მენეჯერს (PM) აქვს.
ამ მიდგომის გარეშე, AI-ს გამოყენების მცდელობები ხშირად ზედაპირული და ხანმოკლეა. თანამშრომლებმა არ იციან საიდან დაიწყონ, ამიტომ შემოიფარგლებიან მარტივი დავალებებით – მაგალითად, ელ.ფოსტის დაწერით. ისინი ვერ ეხებიან რთულ, მონაცემებით დატვირთულ პროცესებს, რომელთა ავტომატიზაციაც გუნდის შესაძლებლობებს ფუნდამენტურად გაზრდიდა. შედეგად, ბევრი ასკვნის, რომ ტექნოლოგია „ამად არ ღირს“ და მას საერთოდ ივიწყებს.
სტენფორდის მკვლევრებმა 18 თვე გაატარეს Google-ში AI-ს დანერგვის პროცესზე დაკვირვებაში. აღმოჩნდა, რომ მათ, ვინც წარმატებით აითვისა ტექნოლოგია, ზუსტად „პროდუქტ მენეჯერის“ აზროვნება ჰქონდათ. აი, რას ნიშნავს ეს პრაქტიკაში და როგორ უნდა დანერგოთ ის თქვენს გუნდში.
განსაზღვრეთ პრობლემა და მისი ღირებულება
ორგანიზაციები ხშირად ახალ ტექნოლოგიას კონკრეტული ინსტრუქციებით ნერგავენ. შედეგად, თანამშრომლები სვამენ კითხვას: „რისი გაკეთება შეუძლია ამ ხელსაწყოს?“. AI-ს შემთხვევაში ეს მიდგომა არ მუშაობს, რადგან მისი შესაძლებლობები უსაზღვროა. კითხვა უნდა შეტრიალდეს: „რა პრობლემა მაქვს, რომლის მოგვარებაც ღირს?“.
წარმოიდგინეთ Google-ის მენეჯერი, რომელიც ყოველკვირეულად საათებს ხარჯავდა გუნდის „აფდეითების“ შეჯამებაზე აღმასრულებლებისთვის. თავდაპირველად მან მარტივი გზა აირჩია: ტექსტები Gemini-ში ჩაყარა და სთხოვა შეჯამება. შედეგი ზოგადი იყო და მაინც დიდ რედაქტირებას ითხოვდა. იმედგაცრუებული მენეჯერი კინაღამ ძველ მეთოდს დაუბრუნდა.
მაგრამ შემდეგ მან პრობლემა თავიდან განსაზღვრა: მას სჭირდებოდა არა უბრალოდ „შეჯამება“, არამედ საკუთარი ძალისხმევის შემცირება და აღმასრულებლებისთვის შესაფერისი კომუნიკაცია. მან შექმნა პერსონალიზებული Gem (AI მოდელი), რომელსაც ზუსტი ინსტრუქციები მისცა. გუნდმა დაიწყო ინფორმაციის პირდაპირ ამ სისტემაში ატვირთვა. შედეგად, მენეჯერი იღებდა დრაფტს, რომელიც 80-90%-ით მზად იყო გაგზავნისთვის. იმედგაცრუება დროის ეკონომიად იქცა.
შეაფასეთ ტექნოლოგიური ვარიანტები და ჩაატარეთ ექსპერიმენტები
პროდუქტ მენეჯერები მუდმივად აფასებენ სხვადასხვა ტექნიკურ გადაწყვეტილებას. ანალოგიურად, AI-ს სამყაროში უამრავი ინსტრუმენტია და მნიშვნელოვანია სწორის შერჩევა.
ეფექტური პროდუქტის შექმნა ექსპერიმენტებს ეფუძნება. იგივე ეხება AI-ს დანერგვასაც. ხშირად პირველი ცდა წარუმატებელია, მაგრამ ეს პროცესის ნაწილია.
ავიღოთ ვებ-დეველოპერის მაგალითი, რომლის მენეჯერიც სკეპტიკურად იყო განწყობილი და AI-ს „ჰაიპად“ თვლიდა. დეველოპერმა გადაწყვიტა, ჩაეტარებინა მცირე ექსპერიმენტები (Proof-of-concept). მას სურდა დიდი მოცულობის სტრუქტურის არმქონე ინფორმაციის ანალიზი. პირველმა დემო ვერსიამ აჩვენა, რომ ინსტრუმენტი საკმარისად საიმედო იყო. შემდგომმა ცდებმა კი გამოავლინა, რომ AI კარგად მუშაობდა გარკვეული ტიპის ინსაიტებზე, მაგრამ არა – სხვებზე. საბოლოოდ, გუნდმა სამუშაოს ნახევრის ავტომატიზაცია შეძლო. ეს შედეგი წინასწარ ვერ განისაზღვრებოდა – ის მხოლოდ ექსპერიმენტების გზით გამოჩნდა.
ლიდერებისთვის აქ მთავარი რჩევაა: წაახალისეთ ექსპერიმენტები. თანამშრომლებს ხშირად ეშინიათ, რომ წარუმატებელი ცდა დროის კარგვად ჩაეთვლებათ. აჩვენეთ მათ, რომ ტესტირება და შეცდომა განვითარების აუცილებელი ეტაპია.
პროტოტიპი ჯერ კიდევ არ არის პროდუქტი. ბრწყინვალე ფუნქცია უსარგებლოა, თუ ის მომხმარებლის ეკოსისტემაში არ ჯდება. AI-ს შემთხვევაშიც, წარმატება მაშინ დგება, როცა ის ცალკეული ჩატის ფანჯრიდან გამოდის და ყოველდღიურ სამუშაო ინსტრუმენტებში ინტეგრირდება.
თანამშრომელმა უნდა იკითხოს: „სად მჭირდება რეალურად ეს ინფორმაცია?“. თუ AI-ს მიერ დაწერილ შეჯამებას ხელით ვაკოპირებთ პროექტის მართვის სისტემაში, ეს ნიშნავს, რომ პროცესი ბოლომდე ავტომატიზებული არ არის. აქ მენეჯერის როლი გადამწყვეტია – მან უნდა დააკავშიროს თანამშრომელი ტექნიკურ პარტნიორებთან, რათა მოხდეს სისტემების „გადაბმა“. ასევე, საჭიროა პროცესების გადაწყობა: როცა ერთი ადამიანი საქმეს აავტომატებს, ეს გავლენას ახდენს მთელ გუნდზე. როლები და რუტინა ისე უნდა შეიცვალოს, რომ შეფერხებები არ შეიქმნას.
წყარო: HBR
