Product Management та AI: Фреймворк для оцінки доцільності впровадження AI рішень

З приходом AI багато процесів у роботі Product Manager значно прискорюються, включаючи написання специфікацій, збір зворотного зв’язку від користувачів, пріоритизацію завдань і формування роудмапів. Дослідження McKinsey «Як генеративний штучний інтелект може пришвидшити час виведення програмного продукту на ринок» (2024) показує, що генеративний AI може підвищити продуктивність продукт менеджерів на 40%, особливо в завданнях, пов’язаних з аналізом великих обсягів даних.

Однак впровадження AI також приносить нові виклики для продукт менеджерів. Використання штучного інтелекту в компаніях зросло більш ніж утричі у 2024 році порівняно з 2017 роком, згідно з дослідженням Quantum Black AI від McKinsey «Стан штучного інтелекту на початку 2024 року: впровадження штучного інтелекту різко зростає та починає показувати цінність».

Користувачі все частіше впроваджують штучний інтелект для автоматизації повсякденних завдань і прискорення процесів, що призводить до зростання їхніх очікувань до продуктів. Вони стають більш вимогливими, очікуючи мінімізації ручної роботи та максимального використання можливостей штучного інтелекту, що створює нові виклики для продукт менеджерів. Постійне підвищення стандартів користувачів вимагає від продукт менеджерів постійної адаптації продукту, пошуку нових підходів до розв’язання користувацьких завдань і прискорення циклів розробки, які вони контролюють.

Усі ці зміни трансформують підхід до роботи продукт менеджерів. Щоб створювати продукти, якими користувачі справді захочуть користуватися, продукт менеджери тепер більше зосереджуються не на функціональних рішеннях, а на проблемах користувачів, які вони розв’язують. Крім того, продукт-менеджери проводять глибші дослідження користувачів, вивчаючи не лише NPS і базовий фідбек, але й тонші нюанси поведінки користувачів.

Прикладом застосування такого підходу є розвиток функціоналу в застосунках для аналітики та візуалізації даних. Раніше користувачі самостійно створювали дашборди й віджети за допомогою мануальних запитів для аналізу в Tableau або Power BI, але тепер обидві компанії впроваджують AI-рішення. Наприклад, у Power BI за допомогою Copilot можна створити звіт з аналітикою завдяки одному повідомленню в чат, а в Tableau запити легко візуалізуються за допомогою використання Natural Language.

Не всі завдання потребують AI

Важливо зазначити, що не всі функціональні рішення потребують впровадження штучного інтелекту. Для продукт менеджерів вкрай важливо правильно оцінювати завдання і приймати обґрунтоване рішення про те, де використання AI справді необхідне, а де завдання можуть бути розв’язані більш ефективно за допомогою простих автоматизацій чи процесів на основі правил.

Під час ухвалення рішення щодо впровадження AI продукт-менеджери мають враховувати різноманітні фактори, такі як: складність завдання й правил для його розв’язання, ресурси, необхідні для розробки, наявність якісних даних, необхідність участі реальних людей у процесі ухвалення рішень та інші аспекти.

Щоб визначити, чи справді використання AI виправдане, важливо пройти чек-ліст і оцінити завдання за ключовими критеріями. Дайте відповідь на наступні питання, щоб оцінити доцільність впровадження AI:

Підписуйтеся на наші соцмережі

Ризики використання AI

З використанням штучного інтелекту в продуктах з’являються певні ризики, які продукт менеджери повинні враховувати заздалегідь і розробляти стратегії їх мінімізації. До можливих ризиків належать галюцинації, нормативні наслідки та можливі помилки в даних. Для боротьби з галюцинаціями й помилками існують методи їх мінімізації, однак впровадження нових AI-функціоналів може також призвести до негативного впливу на такі показники, як NPS індекс чи ретеншн користувачів.

Подібні проблеми виникають, коли продукт менеджери впроваджують AI без достатніх досліджень і підготовки, або не проводять ретельного тестування перед релізом. Це може призвести до неефективності функціональних рішень і погіршення користувацького досвіду. Тому продукт менеджери повинні ретельно планувати впровадження нового функціоналу, щоб зберегти довіру та лояльність наявних клієнтів.

Матриця ухвалення рішень для оцінки доцільності впровадження AI

Щоб визначити, чи потрібне впровадження AI рішення, або буде достатньо використання класичного підхіду, використовуйте матрицю ухвалення рішень. Вона допомагає узгодити очікування між стейкхолдерами — інженерами, продукт менеджерами, керівництвом компанії, і слугує єдиним інструментом для аргументації впровадження AI й оцінки доцільності.

Розглянемо параметри, які потрібно оцінити для ухвалення рішення.

1. Складність завдання

Складність визначає, наскільки важко розв’язати завдання, для якого розглядається впровадження AI. Якщо правила й логіка завдання прості й формалізовані, впровадження AI може бути невиправданим: буде достатньо використати скрипти чи базові правила.

2. Доступність і якість даних

Для успішного впровадження AI вкрай важлива наявність релевантних, якісних і структурованих даних. Штучний інтелект навчається на даних, і саме від їхнього обсягу, точності та повноти залежить ефективність роботи моделі. Якщо дані неповні чи структуровані неправильно, модель може видавати некоректні результати.

3. Потенційний ROI (Return of Investment)

Також необхідно врахувати рівень очікуваного повернення інвестицій від впровадження нового рішення. Оскільки впровадження AI може бути дороговартим, важливо заздалегідь прорахувати витрати на імплементацію рішення, а також імовірний прибуток чи вигоду.

4. Стратегічна важливість

Цей параметр показує, наскільки впровадження AI-рішення впливає на стратегічні цілі компанії, конкурентоспроможність продукту та його довгостроковий розвиток. Оцінка стратегічної важливості допомагає зрозуміти, чи стане AI-рішення ключовим для зростання продукту, покращення процесів або створення цінності для користувачів.

Підрахунок матриці та інтерпретація отриманих результатів

Після проведення оцінки кожного параметра підрахуйте сумарну кількість балів, використовуючи Таблицю 1:

На основі отриманого результату можна інтерпретувати доцільність впровадження AI за допомогою Таблиці 2:

Таким чином, використання цієї матриці дозволяє не лише визначити необхідність впровадження AI рішення, але й сформувати оптимальну стратегію його реалізації.

Якщо підсумкова оцінка знаходиться в діапазоні 0–3 балів, варто обмежитися класичною автоматизацією для розв’язання завдання, що дозволить мінімізувати витрати й знизити ризики. При сумі балів від 4 до 6 має сенс реалізувати MVP, оцінити його ефективність і зібрати дані для подальшого поступового масштабування рішення. У випадку, коли результат становить 7–8 балів, AI стає ядром продукту, вимагаючи розробки стратегічного плану з впровадження та подальшого розвитку, що забезпечує максимальний вплив на бізнес і підвищує конкурентоспроможність продукту.

Follow Up

Впровадження AI у роботу продукт менеджерів відкриває значні можливості для підвищення ефективності, прискорення процесів і створення унікальної цінності для користувачів. Однак успішне використання штучного інтелекту вимагає зваженого підходу, заснованого на оцінці різних параметрів. Використання матриці ухвалення рішень дозволяє визначити, які завдання справді потребують інтеграції AI, а які можуть бути розв’язані стандартними методами.

Використані ресурси:

Автор: Яценко Вікторія, Product Manager у Engine AI.
09.09.2025