Bahasa Melayu

AI dalam Aliran Kerja Pengurus Produk: Di Mana Ia Membantu, Di Mana Ia Gagal

Setiap alat PM kini mempunyai togol "AI". Notion AI merangka PRD anda. Linear meringkaskan sprint anda. Productboard mengekstrak tema daripada maklum balas. Jira menulis kriteria penerimaan. Togol itu ada di mana-mana, dan kebanyakan hasilnya ialah kerja picisan. Spesifikasi picisan yang jurutera berhenti membaca menjelang minggu ketiga. Ringkasan penyelidikan picisan yang meratakan satu petikan pelik yang sebenarnya merupakan wawasan sebenar. Keutamaan picisan yang dengan yakin menyusun ciri yang tiada siapa minta.

PM yang menyalin-tampal draf PRD Notion AI ke dalam Jira ialah PM yang pasukan kejuruteraannya diam-diam berhenti membaca PRD. Saya pernah melihat perkara ini berlaku pada tiga pasukan dalam tempoh setahun lepas. Coraknya serupa: PM menjadi lebih pantas, pasukan kejuruteraan menjadi lebih senyap, dan enam minggu kemudian seseorang menghantar perkara yang salah kerana spesifikasi itu ditulis oleh model yang tidak pernah bertemu pelanggan.

Jadi inilah bingkai yang jujur. AI ialah alat penggerak untuk bahagian tengah aliran kerja anda yang membosankan. Ia bukan pengganti untuk dua perkara yang anda sebenarnya dibayar untuk lakukan: pertimbangan dan kebenaran pelanggan. Selebihnya artikel ini ialah pandangan seorang PM yang bekerja tentang di mana AI berbaloi digunakan, di mana ia sama sekali tidak, corak aliran kerja yang bertahan di bawah tekanan, dan pelan 30 hari untuk membina kemahiran.

Di Mana AI Membantu (Gunakan Setiap Hari)

Bahagian tengah yang membosankan itu memang wujud. Ia adalah 60% kerja PM yang merupakan sintesis mekanikal, perangkaan, pengimbasan, dan pemeriksaan corak. AI hebat dalam hal ini apabila anda mengawalnya dengan ketat.

Sintesis transkrip temu bual. Inilah tempat ROI tertinggi untuk bermula. Tarik transkrip Gong atau Grain, tampal teks penuh ke dalam Claude (bukan ringkasan, teks penuh), dan minta petikan verbatim yang dikumpulkan mengikut tema tertentu. Struktur arahan yang berkesan: "Ekstrak petikan verbatim tentang bantahan harga daripada transkrip ini. Kumpulkan mengikut persona jika terdapat berbilang penutur. Jangan parafrasa. Jika seorang penutur berhati-hati, sertakan keraguannya." Ayat terakhir itu penting kerana model cenderung kepada ringkasan yang yakin dan anda akan kehilangan teksturnya.

Draf spesifikasi. Draf pertama cerita pengguna, kes pinggir, kriteria penerimaan, berdasarkan ringkasan berstruktur yang anda tulis sendiri. Ringkasan itulah kerja sebenar. Drafnya cuma menaip. Jika anda memberinya pernyataan masalah anda, andaian model data anda, dan tiga kes pinggir yang anda tahu, ia akan menghasilkan rangka yang boleh digunakan. Anda masih akan menulis semula separuh daripadanya. Itu tidak mengapa. Anda menjimatkan separuh yang anda tidak perlu tulis semula.

Imbasan persaingan. Masukkan lapan log perubahan pesaing ke dalam model, minta perbandingan dengan peta hala tuju produk anda. Tanya keluaran mereka yang manakah menyasarkan segmen pelanggan yang turut anda layani. Ini ialah kerja sukar yang dahulunya memakan separuh hari Jumaat. Kini ia memakan 20 minit dan anda menghabiskan baki masa untuk memutuskan apa yang perlu dilakukan tentangnya, yang merupakan kerja sebenar.

Salinan varian pintu palsu. Menjana enam tajuk halaman pendaratan untuk A/B test? Boleh. Menjana strategi di sebalik pintu palsu yang mana untuk dijalankan? Tidak boleh. Model itu bagus pada permukaan, lemah pada pilihan. Gunakannya untuk permukaan.

Pemeriksaan waras analisis kohort. Tampal jadual hasil SQL, tanya "apa yang hilang di sini, apakah yang ahli sains data yang skeptik akan bantah?" Anda bukan meminta analisis. Anda meminta sepasang mata kedua untuk menilai sama ada kohort anda tercemar, tetingkap masa anda pelik, atau penapis anda mengecualikan populasi yang penting. Ia menangkap perkara bodoh. Itu berbaloi.

Di Mana AI Gagal (Buat Sendiri, Setiap Kali)

Inilah bahagian yang kebanyakan artikel "AI untuk PM" langkau kerana ia tidak menjual alat. Tetapi inilah bahagian yang menentukan sama ada anda kekal dengan kerja anda dalam dua tahun.

Pembingkaian masalah. Satu ayat yang menyatakan "apa sebenarnya yang kita selesaikan dan untuk siapa" ialah kerja anda. Sentiasa. Model akan menghasilkan pembingkaian yang bunyinya lancar yang serupa dengan setiap pembingkaian lain yang pernah dibacanya. Pembingkaian anda mesti khusus kepada pelanggan anda, data anda, saat anda dalam pasaran. Jika pembingkaian anda berbunyi seolah-olah ia boleh terpakai kepada mana-mana syarikat dalam kategori anda, anda telah menyerahkan ayat paling penting dalam spesifikasi itu.

Pemberat keutamaan. Nombor RICE dan ICE daripada LLM hanyalah agakan. Nombor jangkauan datang daripada perbualan sebenar dengan pemasaran tentang segmen yang mereka sasarkan suku berikutnya. Nombor usaha datang daripada perbualan 10 minit dengan ketua teknikal anda. Nombor keyakinan datang daripada berapa ramai pelanggan yang anda sebenarnya bercakap tentang perkara ini. Tiada satu pun daripada nombor itu wujud dalam data latihan model untuk peta hala tuju produk khusus anda. Jika anda membiarkan AI menjana skor, anda telah mengautomasikan bahagian keutamaan yang paling kurang bernilai (matematik) dan melangkau bahagian yang paling bernilai (perbualan timbang tara yang menghasilkan input itu).

Kebenaran pelanggan. Jangan sekali-kali membiarkan AI meringkaskan 12 temu bual menjadi 3 tema tanpa anda membaca transkrip mentah. Model memampatkan ke arah median. Wawasan sebenar hampir selalu terletak pada yang luar biasa: satu pelanggan yang berkata sesuatu yang tiada siapa lain berkata, dengan cara yang membingkai semula andaian anda. Pemampatan membunuh yang luar biasa. Baca transkrip itu. Gunakan AI untuk mengekstrak petikan, bukan untuk mengekstrak kesimpulan.

Keputusan pertimbangan tentang pemotongan skop. Model boleh menyenaraikan setiap pilihan untuk memotong skop sebelum tarikh akhir. Ia tidak boleh mengawal keadaan apabila kejuruteraan letih, reka bentuk bersikap defensif, dan GM mahukan komitmen asal. Itu bukan masalah arahan. Ia masalah "anda perlu benar-benar berada di sana".

Corak Aliran Kerja Yang Benar-benar Berkesan

Beberapa corak yang saya jalankan setiap minggu. Tiada satu pun yang bijak. Maksudnya ialah ia membosankan dan boleh diulang.

Gong/Grain bersama Claude untuk sintesis temu bual. Corak yang tepat: rakam panggilan (Gong jika ia panggilan penerokaan berkaitan jualan, Grain jika ia penyelidikan tulen). Tarik transkrip penuh. Tampal ke dalam perbualan Claude yang baharu. Gunakan arahan pengekstrakan yang ketat, bukan arahan ringkasan. Sahkan dengan membaca transkrip asal untuk dua atau tiga petikan teratas yang dikemukakan model. Jika model memparafrasa apa-apa yang material, buang output itu dan beri arahan semula dengan bahasa yang lebih ketat. Langkah pengesahan itulah kerja sebenar. Langkau ia dan anda akan memetik pelanggan menyebut sesuatu yang mereka tidak sebut, yang merupakan langkah yang menamatkan kerjaya dalam pembentangan kepada pihak berkepentingan.

Satu arahan yang berbaloi, secara verbatim:

Anda sedang mengekstrak petikan daripada transkrip temu bual pelanggan. Saya akan menampal transkrip di bawah. Tugas anda: tarik setiap petikan langsung yang penutur menyebut harga, bajet, atau perolehan. Jangan parafrasa. Jangan ringkaskan. Kekalkan keraguan, kata pengisi, dan percanggahan penutur dengan tepat. Pulangkan sebagai senarai berbutir dengan cap masa jika tersedia. Jika tiada petikan berkaitan, katakan "tiada petikan ditemui", dan jangan cipta.

Baris "jangan cipta" itu penting. Tanpanya, model akan berhalusinasi petikan yang bunyinya munasabah.

Cursor sebagai pemacu spesifikasi. Berguna hanya apabila pasukan kejuruteraan anda turut menggunakannya. Cursor (atau mana-mana alat pengekodan berpasangan AI yang diterima pakai pasukan) bermakna jurutera sedang membaca spesifikasi anda sambil merangka kod dalam editor yang sama. Jika mereka menggunakannya dan anda tidak, spesifikasi anda akan menyimpang daripada cara kod sebenarnya ditulis. Jika kedua-dua anda tidak menggunakannya, tidak mengapa, tulis spesifikasi dengan cara lama. Perangkapnya ialah PM menggunakannya bersendirian dan menganggap pasukan kejuruteraan mengalami spesifikasi itu sama seperti anda. Tanya. Sepadankan aliran kerja mereka.

Perangkap "PRD yang ditulis AI". Jurutera mengesan PRD palsu serta-merta. Tandanya: kes pinggir generik ("mengendalikan kegagalan rangkaian dengan baik"), kriteria penerimaan yang bunyinya betul tetapi terlepas model data sebenar ("pengguna boleh menyimpan keutamaan mereka"), dan ketiadaan butiran khusus yang berselerak yang datang daripada benar-benar menggunakan produk. Ujian penciuman: jika anda tidak dapat mempertahankan setiap baris spesifikasi dalam standup, padamkannya sebelum standup.

Senarai semak ujian penciuman PRD yang berbaloi dijalankan sebelum anda menghantar dokumen:

  • Bolehkah saya menamakan pelanggan yang meminta ini, dan memetik mereka?
  • Bolehkah saya melukis model data pada papan putih tanpa nota?
  • Adakah kes pinggir saya merujuk keadaan ralat sebenar kami, bukan yang generik?
  • Adakah saya menyenaraikan sekurang-kurangnya satu perkara yang kami secara jelas tidak bina, dan sebabnya?
  • Adakah ketua teknikal saya akan membaca spesifikasi ini dan mempelajari sesuatu yang mereka belum tahu?

Jika mana-mana jawapan ialah tidak, spesifikasi itu terlalu nipis. AI tidak membantu anda. Ia membantu anda menghantar draf yang anda tidak dapat pertahankan.

Lensa ACE Framework (Pilihan)

Jika anda membaca cukup banyak dek strategi, anda akan terjumpa ACE Framework: Ingest, Analyze, Predict, Generate, Execute. PM duduk paling hampir dengan Analyze dan Generate (sintesis dan perangkaan). Itulah dengan tepat di mana penggerak dalam artikel ini berada. Ingest (perpaipan data, ETL, saluran paip pembenaman) biasanya milik kejuruteraan data. Execute (automasi aliran kerja yang berjalan tanpa manusia dalam gelung) biasanya milik operasi atau platform.

Anda tidak perlu menghafal ini. Tetapi berbaloi mengetahui kosa kata kerana saat ciri AI mendarat pada peta hala tuju produk anda, ketua kejuruteraan dan pasukan data anda akan menggunakan perkataan ini. Anda akan menjimatkan satu mesyuarat jika anda sudah tahu keupayaan yang mana anda beli berbanding bina.

Pelan 30 Hari Anda untuk Membina Kemahiran

Empat minggu. Satu aliran kerja pada satu masa. Tiada limpahan alat. Maksudnya ialah untuk membina satu set kecil gerakan boleh diulang yang anda percayai di bawah tekanan tarikh akhir.

Minggu 1: Pilih satu aliran kerja dan jalankannya dua kali. Sintesis transkrip ialah tempat ROI tertinggi untuk bermula. Pilih satu temu bual pelanggan daripada minggu ini. Sintesiskannya secara manual dahulu. Baca transkrip, catat tiga perkara yang mengejutkan anda, senaraikan petikan verbatim yang menyokongnya. Kemudian jalankan transkrip yang sama melalui Claude dengan arahan pengekstrakan. Bandingkan. Anda akan belajar dua perkara: di mana model menambah kelajuan, dan apa yang ia diam-diam gugurkan. Kedua-duanya penting.

Minggu 2: Tulis pustaka arahan anda sendiri. Empat hingga enam arahan, dikawal versi dalam dokumen kongsi. Satu untuk pengekstrakan transkrip. Satu untuk rangka spesifikasi daripada ringkasan. Satu untuk imbasan persaingan. Satu untuk pemeriksaan waras SQL. Mungkin satu untuk varian salinan pintu palsu. Itu sahaja. Jika anda mempunyai lebih daripada enam arahan, anda sedang mengumpul alat bukannya menggunakannya. Setiap arahan harus mempunyai format input yang jelas, format output yang jelas, dan satu baris nota tentang apa yang perlu disahkan sebelum mempercayai output.

Minggu 3: Tunjukkan kepada seorang rakan sepasukan. Berikan arahan anda kepada PM lain atau ketua teknikal anda. Minta mereka menggunakan satu pada tugas sebenar. Jika mereka tidak dapat menghasilkan semula output anda tanpa anda mengawasi, arahan itu terlalu rapuh. Arahan yang rapuh ialah titik kegagalan tunggal. Pada hari anda sakit, aliran kerja anda terhenti. Ketatkan arahan sehingga ia boleh dipindahkan.

Minggu 4: Audit. Dua lajur. Lajur kiri: apa yang AI jimatkan untuk anda bulan ini (jam, keputusan yang dipercepatkan, draf yang anda tidak perlu taip). Lajur kanan: apa yang ia merugikan anda dari segi kepercayaan dengan kejuruteraan, dengan pelanggan, dengan pertimbangan anda sendiri. Jujurlah. Jika satu arahan menghasilkan spesifikasi yang dibantah kejuruteraan, tulis itu. Jika satu sintesis terlepas perkara luar biasa yang anda tangkap kemudian, tulis itu. Buang apa yang tidak berbaloi. Kekalkan apa yang berbaloi. Kini anda mempunyai aliran kerja, bukan agakan.

Saya mencuba versi ini pada satu kitaran penerokaan suku lepas. Minggu 1 saya curiga. Menjelang minggu 3 saya telah memotong masa sintesis temu bual saya kira-kira separuh tetapi tertangkap diri sendiri hampir menghantar ringkasan tema yang saya tidak sahkan terhadap transkrip mentah. Pada audit minggu 4, arahan sintesis kekal. Arahan "ringkaskan 12 temu bual menjadi tema" dipadamkan. Itulah kemahirannya.

Hujah Penutup Yang Tenang

PM yang akan menang dalam dua tahun akan datang bukanlah mereka yang menggunakan paling banyak AI. Mereka bukan yang mempunyai timbunan alat terpanjang atau pustaka arahan paling banyak bintang di Notion. Mereka adalah yang tahu dengan tepat di mana AI berhenti berfungsi dan melindungi bahagian kerja itu. Pembingkaian masalah. Pemberat keutamaan. Kebenaran pelanggan. Keputusan pertimbangan di bawah tekanan tarikh akhir.

Segala-galanya yang lain adalah harus. Gunakan alat itu. Jimatkan masa. Tetapi belanjakan masa yang anda jimatkan pada bahagian kerja yang model tidak boleh lakukan: duduk bersama pelanggan sehingga anda benar-benar memahami apa yang mereka katakan, berjuang untuk pemotongan skop yang betul dalam bilik, menulis satu ayat di puncak spesifikasi yang menjadikan 12 minggu seterusnya pasukan koheren.

Itulah kerja sebenar. AI ialah tuas, bukan pengganti.

Ketahui Lebih Lanjut