Prezes wrócił z konferencji, ze spotkania zarządu, albo po prostu ze scrollowania LinkedIna - efekt jest ten sam.
„Musimy być produktem AI. Do końca kwartału!"
Nie wiadomo oczywiście, co to konkretnie znaczy, ale mamy być teraz firmą AI. Nie ma budżetu na ludzi od ML, nie ma danych, nie ma zgody bezpieczeństwa na wysyłanie czegokolwiek do zewnętrznego modelu. Jest za to deadline i slajd, który poszedł już do inwestorów.
Mam dla Ciebie dobrą wiadomość - nie potrzebujesz serwerów MCP do Twojego produktu, nie potrzebujesz budować własnego AI harenss dla modeli AI.
Da się to zrobić JEDNĄ LINIĄ KODU:
Po prostu zmieńcie copy: Loading… → Thinking…
I to jest zupełnie poważna rada ;D. Produkty robią to masowo. Wyszukiwarka commitów publicznych repozytoriów na GitHubie jest publiczna, więc możesz policzyć sam.
Przed 2023 rokiem „thinking indicator" pojawiał się w 59 commitach.
Od tamtej pory - już ponad… 26 tysiącach.
Co jeszcze twórcy produktów robią, żeby być bardziej AI:
✨ Około 41 000 commitów dotyka „sparkle icon" od 2023 roku, czyli trzydziestokrotność wszystkiego, co było wcześniej.
🛡️ Około 16 000 przypina gdzieś na ekranie badge „AI". Zwykle w rogu, zwykle na fioletowym tle
Cały pakiet wdrożysz w dwa dni - więc pytanie nie brzmi, czy da się to zrobić szybko. Pytanie brzmi: dlaczego wszyscy tak robią i czy to w ogóle działa?
Dlaczego wszyscy wpadli na to samo?
Bo mechanizm działa i jest nawet potwierdzony naukowo:
Ryan Buell i Michael Norton z Harvardu opisali w 2011 roku coś co się nazywa labor illusion.
Sprawdzili to na wyszukiwarce lotów. Sprawdzili dwie wersje. W jednej wersji wyszukiwarka:
pokazywała wyniki natychmiast,
w drugiej działał dłużej i pokazywała, jakie linie lotnicze właśnie sprawdza.
Użytkownicy wyżej oceniali tę wolniejszą. Widoczna wykonywana praca podnosi postrzeganą wartość, nawet kiedy rezultat jest identyczny.
Badanie z początku tego roku dorzuciło to samo w kontekście czatbotów: te, które nie pokazują żadnego procesu, są odbierane jako mniej ciepłe, mniej zaangażowane i wkładające minimalny wysiłek.
Wniosek dla Ciebie jako PM-a: twój produkt może robić więcej i lepiej niż konkurencja, ale i tak wygląda na gorszy i tańszy, bo ktoś w 2019 roku wpisał tam „Ładowanie...".
Natomiast etykieta “powered by AI” działa dokładnie odwrotnie
Intuicja w takim razie podpowiada, że skoro “myślenie tak dobrze działa”, to może też wszędzie, gdzie tylko można dopisać „powered by AI", “ai-native” itp.
I tu czeka Cię zdziwenie:
Badacze z Washington State University i Temple pokazywali ludziom identyczne produkty - odkurzacze, telewizory, usługi zdrowotne.
Jedyna różnica w opisie:
raz miały dopisek „high tech",
raz „korzystający ze sztucznej inteligencji"
Intencja zakupu spadała za każdym razem, gdy padało „AI".
Wzmianka o AI obniża zaufanie emocjonalne, a to przekłada się na chęć zakupu. Efekt jest silniejszy przy produktach, które użytkownik uznaje za ryzykowne - czyli przy większości B2B.
Zestaw to razem i masz zaskakująco prostą wytyczną przy budowie ficzerów i produktów AI:
Pokazanie, że produkt ciężko pracuje, myśli - pomaga.
Słowo „AI" szkodzi.
Co z tym zrobić? Już zupełnie na poważne:
Problem z wstępu jest prawdziwy (kogo nie cisnęli o wdrożenie AI, niech pierwszy podniesie rękę), więc rozwiązanie jest jak najbardziej ważne. Ludzie (oraz interesariuszy) kupują odczuciami, a nie tym co jest pod spodem.
Co możesz więc zrobić, żeby poprawić odbiór Twojego ficzera AI:
1️⃣ Nazwij pracę, nie stan. Zamiast „Myślę..." napisz „Przeszukuję 2 340 opinii z ostatnich 90 dni". Konkurencja skopiuje Ci “myślę” w jeden dzień. Nie skopiuje natomiast realnej liczby rekordów w Twojej bazie. Zacznij od wypisania wszystkich stanów ładowania w produkcie i dopisania przy każdym, co dokładnie się dzieje i na ilu obiektach.
2️⃣ Pokaż plan przed wynikiem. Lista trzech kroków odhaczana na żywo może zrobić dla postrzeganej inteligencji Twojego ficzera więcej niż podmiana modelu na najdroższy dos†epny. Przy okazji daje użytkownikowi szansę przerwać, zanim pójdziecie w złą stronę - a to realnie oszczędza Ci tokeny.
3️⃣ Pokaż, czego nie wybrałeś w silnikach / agentach rekomendujących - „Rekomendujemy X" wygląda na losowe podpowiedzenie. „Sprawdziłem 3 plany, Starter odpada przy 12 użytkownikach, przy Enterprise przepłacasz o 40%" wygląda na przemyślane”. Każ modelowi zwracać odrzucone opcje z jednozdaniowym powodem i schowaj je pod rozwijką.
4️⃣ Napraw empty state - puste input z napisem „Zapytaj o cokolwiek" to jeden z większych problemów w produktach AI, bo użytkownik testuje Cię pytaniem, na które odpowiadasz najgorzej. Trzy sugerowane zapytania, każde z innej kategorii, każde podpięte pod jego dane.
To są pierwsze kroki. Potem możesz już usiąść to realnego wdrożenia AI do swojego produktu. O tych doświadczeniach z produktami AI przeczytasz więcej w moim newsletterze Product Craft.
Chociaż nie, może zrobić wcześniej jeszcze jedną ważna rzecz - po prezentacji dla swoich interesariuszy, wyrzuć „AI-powered" z copy :D.
