Введение в разработку продуктов с использованием ИИ

Если вы посмотрите на мир, повседневная жизнь, кажется, находится под влиянием продуктов всех видов. Будь то развлечения, здравоохранение или предметы первой необходимости, такие как еда и кров, на все, похоже, влияют продукты, разработанные, изготовленные и проданные разными компаниями. Давайте воспользуемся несколькими примерами, чтобы показать, как различные продукты служат нам и радуют нас.

Возьмем что-то вроде автомобиля, который существует уже давно. Он безопасно доставляет нас из точки А в точку Б. В пути он должен доставлять нам комфорт и удовольствие: мы можем слушать музыку или другой аудиоконтент; мы можем разговаривать с нашими друзьями и семьей, не допуская проливания нашего любимого напитка.

Покупка чашки кофе в Starbucks была задумана и разработана таким образом, чтобы доставлять нам приятные ощущения способами, о которых мы даже не догадываемся. Есть много других примеров в таких категориях, как медицинские товары, продукты питания и мебель, где продукты имеют предполагаемую функциональность и более сложный пользовательский опыт.

Возможно, я констатирую очевидное. Но разработка и запуск продуктов, которые могут оставаться успешными, затруднены не только из-за сложного и непостоянного клиента, но и из-за различных факторов, влияющих на судьбу продукта — цепочка поставок, правительственные постановления, конкуренты и многие другие. . Компании во всем мире тратят много человеческих и финансовых ресурсов, чтобы вывести свою продукцию на рынок. Глобальная индустрия услуг по разработке продуктов в 2020 году составила около 8 миллиардов долларов США.

Текущие методы разработки продуктов

Компании во всем мире используют различные организационные структуры, специализированный опыт и методы для разработки своей продукции. Многие функции, такие как исследования и разработки (НИОКР), промышленный дизайн, маркетинг, инжиниринг и производство, работают вместе, чтобы генерировать идеи и выводить их на рынок.

Эти команды используют навыки и инструменты, такие как Голос клиента (VOC), анализ Кано, Дизайн для шести сигм (DFSS), Усовершенствованный процесс качества продукции (APQP), а также широкий круг опытных технических экспертов в зависимости от типа продукта. Во многих случаях мы можем передать этих экспертов и навыки на аутсорсинг.

Как правило, опыт предыдущей разработки и другие формы общих знаний играют важную роль в различных решениях, необходимых на пути к продукту. По сути, успешная разработка продукта зависит от принятия оптимальных решений на каждом этапе.

Иногда неправильный выбор может обойтись очень дорого. Если вы погуглите «ошибки запуска продукта Epic», вы увидите несколько примеров. Продукты не могут быть успешными по многим причинам: непонимание потребностей клиентов, цена, конкуренция или просто неудачное время. Он должен работать на каждом этапе своего пути: от создания до потребителя.

Например, дизайн может быть чрезвычайно популярен среди конечных пользователей по определенной цене, но он умрет верной и быстрой смертью, если не будет прибыли. Эти препятствия не ограничиваются новыми запусками. Продукты, которые были успешными, когда они впервые появились, сталкиваются с аналогичными проблемами, чтобы продолжать развиваться в положительном направлении. Потребительские тенденции, новые правительственные постановления и конкуренты с более дешевыми и лучшими моделями должны отслеживаться и преодолеваться. Этот тип мониторинга обходится дорого. С этой целью большие и малые компании часто нанимают менеджеров по продуктам, бренд-менеджеров, инженеров и администраторов по соблюдению нормативных требований.

Но давайте сделаем шаг назад и посмотрим, что делают все эти люди и ресурсы, связанные с разработкой продукта.

По сути, разработка продукта происходит в цепочке создания стоимости — различные функции и виды деятельности, такие как исследования и разработки, дизайн, маркетинг, инжиниринг, цепочка поставок, производство и логистика, образуют различные звенья. Продукт продвигается от идеи к запуску и распространению по этой цепочке.

Большие и малые решения принимаются непрерывно, беря данные из воспоминаний, отчетов об испытаниях, изображений, видео и опросов клиентов и применяя некоторые передовые методы. Эта передовая практика исходит из опыта, более структурированного метода или процесса, как упоминалось ранее, или, как правило, из комбинации того и другого.

Чем может помочь ИИ?

С появлением Интернета информация и данные стали повсеместными. Компании имеют большие объемы неструктурированных данных в документах, изображениях и видео, которые потенциально могут содержать ценную информацию, относящуюся к разрабатываемому или существующему продукту.

Кроме того, в большинстве компаний есть опытный персонал со специфическими знаниями племен на каждом звене цепочки создания стоимости, или они могут передать эту функцию на аутсорсинг. Вот где могут пригодиться инструменты ИИ. Можно ли брать данные из различных источников, упомянутых выше, и создавать алгоритмы, которые имитируют лучшие практики, знания племен и опыт разработки продуктов для запуска и поддержки успешных продуктов? Я думаю, что это. Позвольте мне привести несколько примеров из разных звеньев цепочки создания ценности при разработке продукта.

Идея продукта, исследования и мониторинг

На этом этапе речь идет об общем мозговом штурме и осуществимости идеи нового продукта. Некоторые вопросы, на которые нужно ответить, — будут ли они продаваться? Это правильная цена? Кто мои конкуренты и каковы общие тенденции рынка? Каковы некоторые из проблем цепочки поставок? Кроме того, могу ли я зарегистрировать товарный знак и запатентовать свою идею?

Если это продукт, который уже представлен на рынке, возникают другие проблемы. Например, догоняют ли меня мои конкуренты? Меняются ли рыночные условия?

Давайте рассмотрим имеющиеся данные, передовой опыт и инструменты ИИ, чтобы объединить их и обеспечить максимальную ценность в этом звене цепочки создания стоимости разработки продукта.

Данные. Доступные данные — это почти все, что есть в Интернете, как из открытых или платных источников, так и из внутренних источников в различных формах, таких как документы, видео и изображения. Некоторые полезные источники данных для разработки продуктов и инноваций включают ArXiV, USPTO (патенты) и данные о людях лаборатории.

Передовые практики. Знания и опыт для категоризации и разделения доступных данных на полезные категории, такие как конкурентная разведка, рыночные тенденции, настроения клиентов, проблемы государственного регулирования, интеллектуальная собственность и цепочка поставок. Способность распознавать ценные данные и углубляться в них также имеет решающее значение.

Инструменты искусственного интеллекта: такие методы, как обработка естественного языка (NLP), распознавание изображений на основе машинного обучения и обработка видео, потенциально могут просеивать и классифицировать все данные в соответствии с передовыми методами, упомянутыми выше. Можно было бы предложить использовать такие инструменты, как когнитивный поиск, связанные и ценные понятия. Целевые настроения клиентов и рынка, связанные с идеями или продуктами, могут быть отображены с помощью анализа настроений на основе НЛП.

Вот пример того, как потребительские настроения можно отслеживать и отображать для идеи продукта:

Такие компании, как Patsnap и Quid используют алгоритмы NLP и ML с патентными базами данных, исследовательскими работами и другими данными. наборы для извлечения полезной информации, связанной с инновациями продукта.

Дизайн продукта и проектирование

Здесь вы знаете, какой продукт вы разрабатываете, но вам нужно углубиться в детали. Каковы потребности клиента? Каковы лучшие функции и какие материалы использовать? Как мы его производим и сколько это будет стоить? Наконец, как мы это проверим?

Еще раз давайте посмотрим на доступные данные, необходимые передовые методы и потенциальные инструменты на основе ИИ для создания ценности на этом уровне.

Данные: здесь нет изменений. Доступная информация такая же, как и раньше — Интернет и связанные источники, а также внутренние данные компании, но внутренний источник может быть другим; может быть, это больше инженерно-ориентированное, чем коммерческое. Все эти данные могут быть разрозненными и неструктурированными. Внутренние данные можно использовать для обучения моделей машинного обучения, а создание наборов данных можно экономически эффективно передать на аутсорсинг. Sama является примером компании, предоставляющей такие услуги.

В Интернете доступны различные бесплатные источники данных: от официальные правительственные данные до открытых данных с таких сайтов, как kaggle.

Передовые практики. Знания и опыт, необходимые для понимания клиентов и заинтересованных сторон, их потребностей в этом продукте и способов проверки конечного продукта на соответствие этим потребностям. Способность определить оптимальные конструктивные особенности на основе различных требований, а также методов производства имеет решающее значение. Оценка патентоспособности или других соображений интеллектуальной собственности на этом этапе также имеет важное значение.

Инструменты искусственного интеллекта: НЛП снова может сыграть жизненно важную роль на этом этапе. Просеивание доступных данных, их классификация и отображение, чтобы помочь определить заинтересованные стороны продукта, требования и мозговой штурм потенциальных методов тестирования, выполняется с помощью тщательно настроенных алгоритмов НЛП, которые используют общие или настраиваемые модели Word2vec. Те же самые алгоритмы могут подтолкнуть вас к данным, которые помогут определить оптимальные конструктивные особенности.

Эти функции оцениваются на предмет патентоспособности или на предмет нарушения каких-либо других существующих патентов. Вот классное видео , показывающее, как ИИ можно использовать в дизайне продуктов. Такие платформы, как RiMo используют реальные данные из предыдущих проектов бурения с помощью алгоритмов машинного обучения, чтобы консультировать и разрабатывать будущие проекты.

Приведенные выше примеры просто иллюстрируют потенциальную мощь ИИ для разработки продуктов — как для новых продуктов, так и для успешной поддержки существующих.

В FortuitApps мы разрабатываем инструмент, предназначенный для того, чтобы делать то, что описано в этой статье. Devtom – это платформа для разработки продуктов на базе ИИ, соединяющая миллионы распределенных источников данных с алгоритмами ИИ для обеспечения столь необходимых моментов на каждом этапе разработки. цепочка создания стоимости разработки продукта. В последующих статьях мы более подробно рассмотрим, как ИИ может повлиять на разработку новых продуктов и помочь в ней, с дополнительными примерами и подробностями.

Также опубликовано здесь: https://www.fortuitapps.com/fortuit/techproducts.html