„SI sprawi, że menedżerowie produktu staną się zbędni”.
„Każdy menedżer produktu musi stać się ekspertem od SI”.
„Jeśli nie korzystasz z SI, zostajesz w tyle”.
To tylko kilka z nagłówków, których dziś pełno w naszych kanałach LinkedIn i w biuletynach branżowych. Jako menedżer produktu prawdopodobnie często spotykasz się z podobnymi stwierdzeniami, a każde z nich zwiększa presję na tym i tak już wymagającym stanowisku. Jednak kiedy rozmawiam z zespołami produktowymi, często słyszę inną wersję — świadczącą o dezorientacji, sceptycyzmie, a czasem nawet poczuciu winy z powodu niewykorzystywania pełnych możliwości SI w codziennej pracy.
Rzeczywista sytuacja
Badanie przeprowadzone przez MIT z udziałem ponad 1000 naukowców korzystających z narzędzi SI przyniosło zaskakujący wniosek: choć produktywność znacznie wzrosła, to zadowolenie z pracy spadło — 82% naukowców deklarowało mniejszą satysfakcję z wykonywanej pracy.
Ten paradoks związany ze wzrostem produktywności przy jednoczesnym spadku zadowolenia mówi nam coś ważnego o ludzkim aspekcie wdrażania SI.
„Nie mogłem się oprzeć wrażeniu, że większość mojej edukacji jest teraz bezużyteczna” — stwierdził jeden z naukowców.
Z takim poglądem prawdopodobnie zgadza się wielu menedżerów produktu, którzy obserwują rozwój SI z mieszanką fascynacji i zaniepokojenia.
Pomimo tych wyzwań, potencjalny wpływ SI na to, jak pracujemy, jest zbyt znaczący, by go zignorować.
Nasze najnowsze badanie przeprowadzone przez grupę Teamwork Lab firmy Atlassian pokazuje, że w celu optymalnego wykorzystania pracy ze sztuczną inteligencją nastawienie jest znacznie ważniejsze niż wdrożenie — i stanowi klucz do dojrzałości.
Wyniki nie pozostawiają wątpliwości: przyszłością pracy jest współpraca człowieka z SI. Nasze dane dowodzą, że najbardziej strategiczni współpracownicy SI:
- Wykorzystują SI, aby uzyskać dwukrotnie większy zwrot z inwestycji w swoje działania.
- Oszczędzają 105 minut dziennie, co odpowiada dodatkowemu dniowi pracy w każdym tygodniu.
- 1,5 razy częściej poświęcają zaoszczędzony czas na naukę nowych umiejętności.
- 1,8 razy częściej są postrzegani jako innowacyjni członkowie zespołu.
Określiliśmy prawidłowości dotyczące tego, w jaki sposób narzędzia SI mogą zarówno usprawniać, jak i potencjalnie utrudniać pracę związaną z zarządzaniem produktem. W tym artykule przyglądamy się modelowi skoncentrowanemu na utrzymaniu ludzkiej zdolności oceny i kreatywności przy jednoczesnym wykorzystaniu możliwości analitycznych SI — co według badań ma kluczowe znaczenie dla pomyślnego wdrożenia SI.
Aby mieć jakiekolwiek szanse na odniesienie sukcesu w nowym środowisku pracy opartym na SI, sugerujemy podjęcie następujących kroków:
- zrozumienie, jak działa SI i jakie są jej ograniczenia;
- współpraca ze współpracownikami SI i stopniowe budowanie umiejętności niezbędnych do tego typu interakcji;
- określenie, w którym obszarze pracy SI może wnieść największą wartość.
Zrozumienie współpracowników SI
Zanim przejdziemy do wyrabiania nawyków związanych ze sztuczną inteligencją, musimy najpierw zrozumieć, jak ona działa.
Wyobraź sobie, że jesteś na przyjęciu, na którym toczy się wiele rozmów naraz. Próbujesz śledzić jedną konkretną rozmowę, ale musisz zwracać uwagę na różne elementy: wypowiadane słowa, ton głosu, wcześniejsze uwagi i ogólny kontekst. Przypomina to sposób, w jaki modele transformatorów — stanowiące trzon nowoczesnej SI — przetwarzają informacje.
Wprowadzone w 2017 roku modele transformatorów zrewolucjonizowały SI, ponieważ są w stanie kierować uwagę na wiele części danych wejściowych jednocześnie, podobnie jak człowiek może przetwarzać różne aspekty rozmowy naraz. Właśnie ta zdolność do przetwarzania kontekstu i relacji między różnymi informacjami sprawia, że nowoczesne narzędzia SI są tak skuteczne.
Na tej podstawie opierają swoje działanie duże modele językowe (LLM). Wyobraź sobie, jakby modele te przeczytały praktycznie wszystko w Internecie — książki, artykuły, kod programistyczny, rozmowy. Na podstawie tej ogromnej ilości danych nauczyły się wzorców, co pozwala im rozumieć kontekst i niuanse, generować tekst podobny do ludzkiego, rozpoznawać prawidłowości i relacje oraz dopasowywać swoje odpowiedzi na podstawie przebiegu rozmowy.
W tym artykule skupimy się na agentach SI, czyli jednym z najpopularniejszych interfejsów do interakcji z modelami LLM. Agenty te działają jako interfejsy konwersacyjne, które pozwalają nam na interakcję z LLM w naturalny sposób oparty na dialogu. Podczas gdy LLM można integrować z produktami i przepływami pracy na wiele sposobów (np. uzupełnianie kodu, generowanie treści lub zautomatyzowana analiza), agenty reprezentują szczególny paradygmat, w którym SI przyjmuje opartą na współpracy rolę przypominającą asystenta. Jest to interfejs, z którego większość menedżerów produktu będzie korzystać bezpośrednio w swojej codziennej pracy, czy to za pośrednictwem narzędzi ogólnego przeznaczenia, takich jak ChatGPT i Claude, czy też wyspecjalizowanych agentów biurowych, takich jak Rovo.
Możliwości i ograniczenia
Agenty SI doskonale radzą sobie z rozpoznawaniem wzorców w dużych ilościach danych oraz wychwytywaniem w nich trendów i powiązań, które mogą umknąć uwadze człowieka. Są szczególnie sprawne w przetwarzaniu języka oraz rozumieniu i generowaniu tekstu podobnego do ludzkiego w różnych stylach i formatach. Ich zdolność do trzymania się kontekstu podczas długich rozmów i rozważania wielu aspektów problemu jednocześnie sprawia, że są szczególnie przydatne w złożonych zadaniach, takich jak zarządzanie produktem.
Kluczowe jest jednak zrozumienie ich ograniczeń. Pomimo pewnego siebie tonu, mogą bez zająknięcia podawać błędne informacje. Nie rozumieją tak naprawdę przyczyn i skutków, a ich zdolność wnioskowania opiera się na dopasowaniu wzorców, a nie na prawdziwym pojmowaniu. Ich wiedza często ogranicza się do danych, na których zostały wytrenowane, co oznacza, że nie są pomocne w przypadku bieżących zmian rynkowych lub nowych trendów, zwłaszcza gdy nie mają dostępu do Internetu i funkcji wyszukiwania.
Zrozumienie tych atutów i ograniczeń pomaga nam traktować SI jako przydatny dodatek do naszej pracy, a nie coś, co zastąpi nasze kluczowe umiejętności. Mając te podstawy, przyjrzyjmy się, jak budować efektywne relacje z narzędziami SI na potrzeby pracy.
Zrozumienie niuansów wpływu SI
Pomyśl: przez piętnaście lat Google było niekwestionowanym narzędziem numer jeden do wyszukiwania w Internecie. To był odruch — potrzebujesz informacji? Otwierasz nową kartę i wpisujesz „google.com”. Wydawało się, że tak głęboko zakorzeniony nawyk pozostanie z nami na zawsze. Jednak w ciągu zaledwie ostatniego roku ten znany od wielu lat sposób pracy uległ całkowitej zmianie. Najpierw pojawił się Arc Search z funkcją „Browse for Me”, a potem w wyszukiwaniu związanym z pracą nastąpił szybki postęp za sprawą ChatGPT, Claude, Perplexity, a teraz DeepSeek R1.
Ta transformacja pokazuje jeden z kluczowych aspektów upowszechniania się SI: kiedy narzędzia SI oferują autentycznie lepszy sposób pracy — szybszy, bardziej wydajny, bardziej dogłębny — mogą zmienić nawet nasze najmocniej zakorzenione zachowania w bardzo krótkim czasie. Nie zmieniamy narzędzi, ponieważ ktoś nam każe ani ze względu na modę, ale dlatego, że nowe rozwiązania oparte na SI znacznie lepiej zaspokajają nasze potrzeby.
Zamiast patrzeć na SI jak na zagrożenie lub cudowne narzędzie, powinniśmy potraktować ją jako nowy rodzaj członka zespołu. Jak każdy dobry współpracownik, SI ma swoje mocne strony i ograniczenia. Najważniejsze, aby nauczyć się z nią skutecznie współpracować.
Wykorzystanie współpracowników SI
Obecna sytuacja w zakresie korzystania z SI pokazuje pewną ważną prawidłowość: większość osób korzysta z agentów SI wytrenowanych na danych ogólnego przeznaczenia, aby zadawać im konkretne pytania dotyczące swojej pracy. Ta rozbieżność jest często źródłem rozczarowań i frustracji.
Przyszłością efektywnej współpracy z SI są wyspecjalizowane agenty wytrenowane na wyspecjalizowanych danych. Przykładem jest narzędzie Rovo oferowane przez Atlassian. Ten asystent SI ma dostęp do pełnego kontekstu Twojej pracy — bazy wiedzy Confluence zawierającej dokumenty strategiczne i dokumenty wymagań produktowych, projekty Jira pokazujące bieżącą pracę zespołu i postępy, cele firmy i artefakty planowania kwartalnego. Gdy zadajesz mu pytanie dotyczące swojej pracy, jego odpowiedzi są oparte na konkretnym kontekście organizacyjnym.
Oznacza to zasadniczą zmianę sposobu, w jaki SI może wspierać naszą pracę. Zamiast ogólnych odpowiedzi opartych na danych treningowych z całego Internetu ci wyspecjalizowani współpracownicy SI mogą dostarczać informacje, które są bezpośrednio związane z konkretnymi wyzwaniami, priorytetami i sposobami pracy w Twojej organizacji. Firmy, które zrozumieją i wykorzystają tę różnicę — inwestując w systemy SI, które są głęboko zintegrowane z ich bazami wiedzy i przepływami pracy — zyskają znaczną przewagę konkurencyjną pod względem sposobu działania i podejmowania decyzji przez swoje zespoły.
Chociaż wyspecjalizowane narzędzia SI stają się coraz bardziej powszechne, większość zespołów produktowych nie wykorzystuje SI w codziennej pracy.
Kluczem do wyeliminowania tej luki jest wypracowanie „podejścia nastawionego na SI” — polega ono tym, aby w przypadku każdego zadania lub wyzwania analizować, jak SI może nam pomóc skuteczniej sobie z nim poradzić.
Nie chodzi o to, by używać sztucznej inteligencji do wszystkiego, ale aby wiedzieć, kiedy i w jaki sposób może ona faktycznie usprawnić naszą pracę.
Wypracowanie trwałych nawyków w zakresie SI
Umożliwiając pracownikom wyjście poza podstawowe sposoby korzystania z SI i wprowadzenie jej do strategicznej współpracy, firmy mogą wykorzystać jej pełny potencjał i uzyskać znaczny zwrot z inwestycji. Ale zmiana podejścia do SI to nie tylko oszczędność czasu. Współpraca z SI może zapewnić firmom dodatkową przewagę konkurencyjną poprzez wspieranie ciągłego doskonalenia, podnoszenie jakości pracy i stymulowanie tworzenia istotnych innowacji.
Kluczem do efektywnego wdrożenia SI jest wypracowanie trwałych nawyków.
Możesz się z nią konsultować, analizując różne podejścia do problemów użytkowników lub udoskonalając komunikację z interesariuszami.
Oto kilka praktycznych sposobów i przykładów wypracowania tych nawyków:
Podczas odkrywania produktów
Używaj sztucznej inteligencji do analizy transkrypcji wywiadów pod kątem wzorców, które mogły zostać przeoczone, generuj nowe hipotezy dotyczące testowania oraz identyfikuj pojawiające się motywy w opiniach użytkowników.
Przykładowo narzędzia, takie jak Sauce AI, potrafią zbierać informację zwrotną z wielu źródeł i ją analizować, aby pomóc w podejmowaniu decyzji, identyfikowaniu motywów i typowych wyzwań zgłaszanych w grupach społeczności.
W strategii produktu
Wykorzystuj sztuczną inteligencję do badania różnych scenariuszy rynkowych, analizy środowisk konkurencyjnych pod nowym kątem i generowania alternatywnych narracji strategicznych.
Narzędzia takie jak Perplexity Pro pozwalają na niezwykle szybkie badania w różnych źródłach. Nie przeprowadza ono badań samo, ale daje punkt wejścia, w którym można wybrać kolejne kroki.
Koledzy z zespołu sztucznej inteligencji często najlepiej pracują na początku lub na końcu przepływu pracy — pomagając wygenerować pomysły po rozpoczęciu procesu ideacji, lub wzmacniając treść pod koniec pisania. Zawsze weryfikuj źródła wszelkich badań zlecanych agentom sztucznej inteligencji.
Podczas opracowywania produktu
Jako menedżer produktu możesz przekazać sztucznej inteligencji wiele codziennych przepływów pracy:
- Pisanie wymogów dotyczących produktu
Korzystanie z wyspecjalizowanych agentów pozwala zaoszczędzić czas, który można przeznaczyć na działania o wysokiej wartości.
- Opracowywanie uwag do wydania
Sztuczna inteligencja może generować uwagi do wydania na podstawie zgłoszeń Jira, identyfikując wspólne motywy w różnych zgłoszeniach, przedstawiając podsumowanie i listę wydanych zgłoszeń w formacie problem-rozwiązanie.
Kluczem jest wykorzystanie sztucznej inteligencji podczas tych procesów jako pomocy, a nie zastępstwa. Dzięki temu sztuczna inteligencja zwiększa kreatywność, zamiast ją ograniczać, usuwając obawy dotyczące zadowolenia z pracy zaobserwowane w badaniu MIT.
Przewidywanie, dokąd zmierzają koledzy z zespołu sztucznej inteligencji
Badania przeprowadzone przez MIT dają nam cenne wskazówki dotyczące kierunku, w którym może zmierzać nasza współpraca ze sztuczną inteligencją. Kwestie, na które w szczególności menedżerowie produktu powinni zwrócić uwagę:
Rozkwit wyspecjalizowanej sztucznej inteligencji
Utowarowienie modeli bazowych prawdopodobnie będzie rosnąć, a większa część przetwarzania będzie odbywać się po stronie klienta. Aby zachować konkurencyjność, możliwości sztucznej inteligencji staną się bardziej wyspecjalizowane i przesuną „wyżej w hierarchii”, oferując starannie dopracowane i spersonalizowane możliwości zarówno programistom, jak i użytkownikom końcowym. Było tak już w przypadku narzędzi takich jak Cursor, które demonstrują potencjał transformacyjny specjalistycznej sztucznej inteligencji przez osadzanie inteligencji dostosowanej do kontekstu bezpośrednio w przepływach pracy programistów, przekształcając ogólne możliwości sztucznej inteligencji w specjalnie stworzonych asystentów rozumiejących zarówno kod, jak i intencje.
Wygrają niekoniecznie ci z najbardziej zaawansowanymi modelami, ale ci, którzy najlepiej włączają sztuczną inteligencję do istniejących przepływów pracy i doświadczeń użytkowników.
Modele mieszanki ekspertów
Model mieszanki ekspertów jest jak firma ze specjalistycznymi działami.
Zamiast przesyłać każde pytanie przez cały system, jak tradycyjne modele LLM, zawiera on „router”, który szybko decyduje, które „specjalistyczne” części modelu powinny zająć się zadaniem. Oznacza to, że w przypadku każdego konkretnego zadania aktywują się tylko odpowiednie części — np. wykorzystanie fizyków do pytań naukowych, a językoznawców do spisywania zadań.
Korzyść? Znacznie większa wydajność przy niższych kosztach, pozwalająca tworzyć bardziej wyspecjalizowane, wydajne produkty, które poradzą sobie z różnymi zadaniami bez przekraczania budżetu.
Element ludzki w zarządzaniu produktami
Być może najważniejsze jest to, że gdy sztuczna inteligencja staje się wszechobecna, ludzie będą coraz bardziej pragnąć autentyczności, jakości i sensu. Prawdopodobnie nastąpi:
- odrodzenie osobistej obsługi klienta i rzemiosła;
- przyłożenie większej wagi do światowej klasy opowiadania historii i zaangażowania emocjonalnego;
- odrodzenie się małych firm oferujących wyjątkowe, spersonalizowane doświadczenia;
- nowe możliwości wykorzystania wyjątkowych ludzkich zdolności.
Ostatecznymi zwycięzcami w tej nowej erze będą ci, którzy zrozumieją, że chociaż nauka o biznesie mówi o skali, sztuka prowadzenia biznesu często tkwi w tym, co nie podlega skalowaniu — pierwiastku ludzkim, którego sztuczna inteligencja nie odtworzy.
Co to oznacza dla menedżerów produktu
Omówiliśmy sposoby, w jakie pracownicy mogą wykorzystywać sztuczną inteligencję, aby ułatwić sobie pracę, ale pojawia się również pytanie, jak mogą oni lepiej ją włączyć do swojej oferty produktowej. Prawdopodobnie sukces będzie wymagał:
- zrozumienia, jak rozplanować liczne możliwości sztucznej inteligencji, zamiast polegać na pojedynczych modelach;
- skupienia się na projekcie interfejsu i środowisku użytkownika jako kluczowych wyróżnikach;
- włączenia personalizacji do podstawowego środowisko produktowego;
- zachowania czynników ludzkich, które zapewniają produktom znaczenie i oddziaływanie emocjonalne;
- stworzenia przepływów pracy, które poprawiają ludzkie zdolności, a nie je zastępują.
Wszyscy wciąż próbujemy to rozgryźć. Oczywiście technologia wspomagająca jest ruchomym celem, ponieważ jest stale doskonalona. Nastąpił faktyczny postęp, ale wciąż jesteśmy na początku tej drogi.
Najważniejsze jest to, że teraz lepiej wiemy, jak zadawać właściwe pytania oraz jak zabrać się do ustalenia odpowiedzi.
W przyszłości nie chodzi o to, czy ktoś wypadnie z gry, czy zostanie ekspertem od sztucznej inteligencji. Chodzi o naukę bycia lepszym menedżerem produktu w świecie, w którym sztuczna inteligencja jest kolejnym elementem naszego zestawu narzędzi. I chociaż ta droga może czasami wydawać się uciążliwa, warto ją wybrać.
