وأشار ميقداد جعفر، مدير المنتجات في OpenAI، في مدونته الشخصية إلى أن إطار ملاءمة السوق للمنتجات التقليدية في عام 2925، (PMF)، قد أصبح غير فعال. ويُعتبر تناقض ملاءمة السوق للذكاء الاصطناعي (AI PMF) هو أنه بينما يجعل الذكاء الاصطناعي تحقيق ملاءمة السوق للمنتجات أسهل، فإنه في الوقت نفسه يجعلها أكثر صعوبة. وقد اقترح أربعة مراحل نحو النجاح المنهجي لإطار AI PMF، وأرفق في النص قالب PRD للمنتجات الذكية.
توجد ثلاث اختلافات رئيسية بين AI PMF والإطار التقليدي
توافق المنتج مع السوق (PMF هو مصطلح في الصناعة يعني الطلب السوقي على المنتج. بدأ ميقداد جعفر بالقول إن توافق المنتج مع السوق كان بسيطًا: إنشاء ما يريده الناس، والتحقق من الطلب، ثم توسيع النطاق. ولكن في عصر الذكاء الاصطناعي، تغير كل شيء. أدت سرعة التكرار، وتعقيد توقعات المستخدمين، وسرعة التقدم التكنولوجي إلى جعل إطار توافق المنتج مع السوق التقليدي يبدو عتيقًا.
توجد اختلافات جوهرية في PMF في الذكاء الاصطناعي في ثلاثة جوانب رئيسية:
مع تفاعل المستخدمين مع الذكاء الاصطناعي واكتشاف سير عمل جديدة، تتطور المشكلات أيضًا.
بفضل مرونة النماذج والتوجيهات وبيانات التدريب، فإن فضاء الحلول غير محدود.
مع ظهور الذكاء الاصطناعي الرائد مثل ChatGPT ، ارتفعت توقعات المستخدمين بشكل أسي.
تلك الفروق تعني أنه يجب اعتماد إطار جديد لتعريف النجاح يتضمن التكرار السريع، والسلوك الاحتمالي، والتطور المستمر.
مفارقة AI PMF: تجعل الذكاء الاصطناعي PMF أسهل وأصعب في نفس الوقت
طرح نظرية تناقض AI PMF، حيث أن الذكاء الاصطناعي يجعل تحقيق PMF أسهل ) من خلال تكرار أسرع، وتجربة أكثر تخصيصًا، وتحليل أقوى (، لكنه أيضًا يجعل تحقيق PMF أكثر صعوبة ) حيث ترتفع توقعات المستخدمين، ويصبح معيار المقارنة هو ChatGPT، وتقل معدلات الخطأ (.
قال في إحدى المحاضرات: "أرى أن أكبر خطأ ارتكبه مؤسسو الذكاء الاصطناعي هو اعتبار PMF خانة اختيار. في عالم الذكاء الاصطناعي، PMF هو هدف يتغير باستمرار. مع تجربة المستخدمين لأنظمة ذكاء اصطناعي أفضل، فإن تعريفهم لما هو ذكي بما فيه الكفاية يتغير كل شهر." وهذا هو ما يسمى ببرادوكس AI PMF: يجب عليك تلبية سوق تتزايد فيه مطالب الذكاء الاصطناعي، وتوقعات تتغير باستمرار.
لماذا لم يعد PMF التقليدي مناسبًا؟
تتطور المشكلات في عصر الذكاء الاصطناعي مع تعلم المستخدمين. المنتجات التقليدية تحل المشكلات المعروفة، بينما عادةً ما تحل منتجات الذكاء الاصطناعي المشكلات غير المعروفة للمستخدمين، أو تخلق سير عمل جديدة لم يتخيلوها من قبل.
مساحة الحلول غير محدودة: من الصعب التنبؤ بمخرجات منتجات الذكاء الاصطناعي، بينما البرمجيات التقليدية تتأثر بموارد التطوير وتعقيد التكنولوجيا. بينما تقتصر قيود الذكاء الاصطناعي على بيانات التدريب، وقدرات النموذج، والهندسة السريعة. وهذا يعني أن منتجك الأولي (MVP) قد يكون قويًا جدًا في بعض المجالات، ولكنه قد يكون محدودًا بشكل غير عادي في مجالات أخرى، مما يؤدي إلى تجربة مستخدم يصعب التنبؤ بها.
يتوقع المستخدمون زيادة انفجارية: بمجرد أن يختبر المستخدم الذكاء الاصطناعي الذي يعمل بشكل جيد في سيناريو معين، فإنه يتوقع أن يتم تطبيقه في جميع السيناريوهات. إذا كان بإمكان ChatGPT فهم الطلبات الدقيقة، فلماذا لا يمكن لأدوات الذكاء الاصطناعي المحددة للصناعة الخاصة بك؟ إن منتج ChatGPT الثوري يحدد معيارًا متزايدًا باستمرار.
أعاد رئيس منتجات OpenAI هيكلة إطار عمل PMF للمنتجات الذكية، مما يؤدي إلى نجاح منهجي عبر أربع مراحل
قدم Miqdad Jaffer إطار PMF AI جديد، ينظم المراحل الأربعة للنجاح.
اكتشاف الفرص ، والبحث عن نقاط الألم الأصلية للذكاء الاصطناعي.
يعتقد أن أكبر خطأ للمؤسسين في الذكاء الاصطناعي هو إضافة الذكاء الاصطناعي إلى سير العمل الحالي. هذه ليست ابتكارًا، بل هي استخدام الذكاء الاصطناعي لتحسين العمليات. الإطار الحقيقي لإدارة مشاريع الذكاء الاصطناعي )PMF( ينشأ من تحديد النقاط المؤلمة التي يمكن حلها فقط من خلال القدرات الفريدة للذكاء الاصطناعي.
وأشار إلى أن أفضل فرص الذكاء الاصطناعي غالبًا ما تبدو كمشكلات لا تحتاج إلى حل. في الماضي، طور المستخدمون حلولًا معقدة لمشكلات كان يمكن للذكاء الاصطناعي حلها بسهولة. هذه الاحتكاكات متأصلة بعمق في سير العمل الحالي لدرجة أن المستخدمين لم يعودوا يدركون أنها مشكلة. على سبيل المثال، في شركة ناشئة، يقضي معظم المطورين 40% من وقتهم في مهام البرمجة اليومية، لكنهم لا يعتبرون ذلك مشكلة، بل يرون أنه جزء من العمل.
الأساس في AI PMF هو تحليل نقاط الألم بدقة. استخدم الأسئلة الخمسة التالية لترتيب أي نقاط الألم تستحق الحل، وتطبيق وجهة نظر الذكاء الاصطناعي على كل سؤال:
المقياس: كم عدد الأشخاص الذين يواجهون هذه المشكلة؟ الاعتبار الذكي: هل توجد هذه المشكلة في الصناعات التي يمكن تطبيق الذكاء الاصطناعي عليها بشكل أفقي؟
التردد: كم مرة سوف يواجهون هذه النقطة المؤلمة؟ اعتبار الذكاء الاصطناعي: هل تكرار ظهور هذه النقطة المؤلمة كافٍ لتوليد البيانات اللازمة لتعلم وتحسين الذكاء الاصطناعي؟
شدة المشكلة: ما مدى خطورة هذه المشكلة؟ اعتبارات الذكاء الاصطناعي: هل تتعلق هذه المشكلة بالحمل المعرفي، أو التعرف على الأنماط، أو اتخاذ القرارات التي يجيدها الذكاء الاصطناعي؟
التنافس: من الذي لا يزال يحل هذه المشكلة؟ اعتبارات الذكاء الاصطناعي: هل الحلول الحالية مقيدة بالبشر، وهل يمكن للذكاء الاصطناعي تجاوز هذه القيود؟
المقارنة: هل الطريقة التي يتعامل بها منافسوك مع هذه المشكلة قد تلقت تقييمات سلبية؟ اعتبارات الذكاء الاصطناعي: هل يشكو المستخدمون من أن الحلول الحالية تفتقر إلى التخصيص أو السرعة أو الذكاء؟
مثال على ذلك هو المساعد الذكي الذي أطلقته شركة كلارنا. لم تكن الشركة في البداية تحاول "تحسين خدمة العملاء باستخدام الذكاء الاصطناعي". بل اكتشفت نقطة مؤلمة غير مرئية: كان العملاء ينتظرون في المتوسط 11 دقيقة لحل مشاكل الدفع البسيطة، وهي مشاكل كانت لا تحتاج إلى تدخل بشري، بل تحتاج فقط للوصول إلى معلومات الحساب واتباع الإجراءات القياسية. الآن يمكن لمساعدهم الذكي إتمام جميع المهام في غضون دقيقتين، حيث يتعامل مع 2.3 مليون محادثة شهريًا، مما يعادل كفاءة 700 موظف خدمة عملاء بدوام كامل، وهذه هي الفرصة التي اكتشفها الذكاء الاصطناعي.
استخدام وثيقة متطلبات منتج الذكاء الاصطناعي )PRD( لإنشاء MVP
عندما تجد نقاط الألم التي يمكن أن تحلها الذكاء الاصطناعي، تصبح متطلبات المنتجات التقليدية غير ملائمة. الخطأ الأكثر شيوعًا هو تطبيق الأطر التقليدية بشكل خطي على الذكاء الاصطناعي، حيث تعتمد منتجات الذكاء الاصطناعي في جوهرها على نماذج تعمل بطريقة احتمالية، حيث يمكن أن تؤدي نفس المدخلات إلى مخرجات مختلفة باحتمالية. لا يمكننا توقع بدقة أنماط سلوك الذكاء الاصطناعي في كل حالة، لكن يمكننا إنشاء إطار للحصول على مخرجات متسقة وذات قيمة.
أنشأ مقداد جعفر مع أستاذ المنتج وثيقة متطلبات منتج الذكاء الاصطناعي. كما ذُكر سابقًا، تفترض وثائق متطلبات المنتج التقليدية أن السلوك حتمي. بينما تفترض وثائق متطلبات منتج الذكاء الاصطناعي أن السلوك احتمالي. لذلك، فإن وثيقة متطلبات منتج الذكاء الاصطناعي ليست مجرد وثيقة، بل هي دالة قسرية تُستخدم للتفكير في جميع طرق الفشل المحتملة للذكاء الاصطناعي.
المفتاح هو: تحتاج منتجات الذكاء الاصطناعي إلى مؤشرات نجاح مزدوجة، حيث تشمل مؤشرات المستخدم التقليدية ) مثل المشاركة، ومعدل الاحتفاظ، ومعدل التحويل (، بالإضافة إلى مؤشرات مخصصة للذكاء الاصطناعي ) مثل دقة الأداء، ومعدل حدوث الهلوسة، وجودة الاستجابة (. كلاهما ضروري لتحقيق توافق حقيقي بين المنتج والسوق (PMF).
توسيع النطاق باستخدام إطار الاستراتيجية
تواجه معظم شركات الذكاء الاصطناعي الناشئة عقبات أثناء محاولتها التوسع. يبدو أن منتجها الأولي يعمل بشكل ممتاز في نظر المستخدمين الأوائل، لكن التطبيق في السوق الأوسع يتوقف. يعود ذلك إلى أنها لم تأخذ في الاعتبار الاستعداد لإطلاق المنتج من منظور استراتيجي. توسيع منتجات الذكاء الاصطناعي لا يقتصر فقط على التعامل مع المزيد من المستخدمين، بل يتعلق أيضاً بالحفاظ على أداء الذكاء الاصطناعي على نطاق واسع، وإدارة جودة البيانات لحالات الاستخدام المختلفة، وضمان الحصول على تجربة متسقة عندما تواجه النماذج حالات شاذة. يقيم مقداد جعفر حالة الاستعداد للتوسع من خلال أربعة أبعاد:
عميل
حجم السوق المستهدف ومعدل النمو
معدل احتفاظ العملاء وتكرار الاستخدام العضوي
درجة النقاط المؤلمة التي يتم حلها ورغبة المستخدم في الدفع
منتج
ميزتك غير المتكافئة ) البيانات، النموذج ( القوة
نسبة تغطية المنتج وإمكانات الانتشار الفيروسي
تفرد قدرات الذكاء الاصطناعي مقارنة بالمنافسين
شركة
الجدوى التقنية لتوسيع بنية تحتية للذكاء الاصطناعي
تحقق من الجدوى والتدفق البيعي
قدرة الفريق على التعامل مع النمو السريع وتعقيدات الذكاء الاصطناعي
تنافس
عدد وقدرة المنافسين في مجالك
حواجز دخول المنافسين الجدد في الذكاء الاصطناعي
قوة الموردين ) تعتمد على مقدمي النماذج مثل OpenAI (
أشار إلى أن أكبر تحدٍ في توسيع منتجات الذكاء الاصطناعي ليس على المستوى التقني، وإنما يتعلق بكيفية الحفاظ على الجودة عند مواجهة حالات استخدام أكثر تنوعًا. قد يعمل نظام الذكاء الاصطناعي الخاص بك بشكل مثالي مع المستخدمين الأوليين، ولكن عندما يقدم مستخدمون جدد سياقات أو مفردات أو توقعات مختلفة، ستظهر مشكلات خطيرة في الأداء.
إقامة دورة نمو مستدامة
يعتقد مقداد جعفر أن المنتجات التقليدية تركز على تحسين قمع التحويل ومشاركة المستخدمين. بينما يجب على منتجات الذكاء الاصطناعي تحسين أداء النموذج وجودة البيانات وثقة المستخدم. وهذا يخلق فرصة فريدة: حيث أن منتجات الذكاء الاصطناعي تجذب مستخدمين جدد، فإنها أيضًا تحسن تجربة المستخدمين الحاليين.
لقد قدم إطار نمو الذكاء الاصطناعي:
تأثير شبكة البيانات: كل تفاعل من المستخدم يمكن أن يجعل الذكاء الاصطناعي يتعلم منه، مما يجعل النموذج أكثر ذكاءً. تنفيذ حلقة التغذية الراجعة لتعزيز أداء النموذج، وضبط الاستجابة من تصحيحات المستخدمين لبناء نظام يتعلم من نتائج المستخدمين الناجحة.
الخندق الذكي: ميزة المنافسة للمنتج هي الأداء الفعلي للذكاء الاصطناعي، محاولة تطوير مجموعة بيانات خاصة لا يمكن للمنافسين نسخها، وإنشاء سير عمل للذكاء الاصطناعي له قيمة فريدة في مجالات محددة، وبناء واجهة مستخدم تسهل الوصول بالنسبة للمستخدمين.
أثر الفائدة المركبة للثقة: عندما يثق المستخدمون في الذكاء الاصطناعي الخاص بك، يمكن أن يعزز ذلك النمو العضوي للذكاء الاصطناعي. لذلك، يجب الحفاظ على معايير الجودة المتسقة أثناء عملية التوسع، وعدم التضحية بالجودة من أجل التوسع، لأن ذلك سيؤدي إلى تقليل مستوى ثقة المستخدم.
كان يقول للمؤسس: "أكثر منتجات الذكاء الاصطناعي نجاحًا التي رأيتها ليست فقط تلك التي تحل المشكلات، بل هي المنتجات التي مع مرور الوقت، ستزداد قدرتها على حل المشكلات بشكل أكبر. هذه هي الحواجز التنافسية النهائية الخاصة بك." المنتجات الذكاء الاصطناعي التي تحقق فعلاً توافق المنتج مع السوق يمكن أن تخلق مزايا مركبة لا يمكن أن تنافسها البرمجيات التقليدية.
كل تفاعل مع المستخدم يمكن أن يجعل النموذج يتعلم. كل حالة حدودية تتعامل معها ستجعل الذكاء الاصطناعي الخاص بك أكثر قوة. كل نتيجة ناجحة ستعزز ثقة المستخدمين، وتدفع نحو النمو العضوي. لهذا السبب، إذا تم القيام بالذكاء الاصطناعي PMF بشكل جيد، فإنه يمكن أن يخلق وضعًا تنافسيًا شبه غير قابل للاهتزاز.
لماذا يجب عليك إعادة تعلم AI PMF في هذه المقالة 2025؟ خطوات إعادة بناء إطار عمل PMF للذكاء الاصطناعي من قبل رئيس منتجات Open AI ظهرت لأول مرة في أخبار السلسلة ABMedia.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
2025 لماذا يجب عليك إعادة تعلم AI PMF؟ أربع خطوات لإعادة بناء إطار PMF الذكاء الاصطناعي بواسطة مدير المنتجات في Open AI
وأشار ميقداد جعفر، مدير المنتجات في OpenAI، في مدونته الشخصية إلى أن إطار ملاءمة السوق للمنتجات التقليدية في عام 2925، (PMF)، قد أصبح غير فعال. ويُعتبر تناقض ملاءمة السوق للذكاء الاصطناعي (AI PMF) هو أنه بينما يجعل الذكاء الاصطناعي تحقيق ملاءمة السوق للمنتجات أسهل، فإنه في الوقت نفسه يجعلها أكثر صعوبة. وقد اقترح أربعة مراحل نحو النجاح المنهجي لإطار AI PMF، وأرفق في النص قالب PRD للمنتجات الذكية.
توجد ثلاث اختلافات رئيسية بين AI PMF والإطار التقليدي
توافق المنتج مع السوق (PMF هو مصطلح في الصناعة يعني الطلب السوقي على المنتج. بدأ ميقداد جعفر بالقول إن توافق المنتج مع السوق كان بسيطًا: إنشاء ما يريده الناس، والتحقق من الطلب، ثم توسيع النطاق. ولكن في عصر الذكاء الاصطناعي، تغير كل شيء. أدت سرعة التكرار، وتعقيد توقعات المستخدمين، وسرعة التقدم التكنولوجي إلى جعل إطار توافق المنتج مع السوق التقليدي يبدو عتيقًا.
توجد اختلافات جوهرية في PMF في الذكاء الاصطناعي في ثلاثة جوانب رئيسية:
مع تفاعل المستخدمين مع الذكاء الاصطناعي واكتشاف سير عمل جديدة، تتطور المشكلات أيضًا.
بفضل مرونة النماذج والتوجيهات وبيانات التدريب، فإن فضاء الحلول غير محدود.
مع ظهور الذكاء الاصطناعي الرائد مثل ChatGPT ، ارتفعت توقعات المستخدمين بشكل أسي.
تلك الفروق تعني أنه يجب اعتماد إطار جديد لتعريف النجاح يتضمن التكرار السريع، والسلوك الاحتمالي، والتطور المستمر.
مفارقة AI PMF: تجعل الذكاء الاصطناعي PMF أسهل وأصعب في نفس الوقت
طرح نظرية تناقض AI PMF، حيث أن الذكاء الاصطناعي يجعل تحقيق PMF أسهل ) من خلال تكرار أسرع، وتجربة أكثر تخصيصًا، وتحليل أقوى (، لكنه أيضًا يجعل تحقيق PMF أكثر صعوبة ) حيث ترتفع توقعات المستخدمين، ويصبح معيار المقارنة هو ChatGPT، وتقل معدلات الخطأ (.
قال في إحدى المحاضرات: "أرى أن أكبر خطأ ارتكبه مؤسسو الذكاء الاصطناعي هو اعتبار PMF خانة اختيار. في عالم الذكاء الاصطناعي، PMF هو هدف يتغير باستمرار. مع تجربة المستخدمين لأنظمة ذكاء اصطناعي أفضل، فإن تعريفهم لما هو ذكي بما فيه الكفاية يتغير كل شهر." وهذا هو ما يسمى ببرادوكس AI PMF: يجب عليك تلبية سوق تتزايد فيه مطالب الذكاء الاصطناعي، وتوقعات تتغير باستمرار.
لماذا لم يعد PMF التقليدي مناسبًا؟
تتطور المشكلات في عصر الذكاء الاصطناعي مع تعلم المستخدمين. المنتجات التقليدية تحل المشكلات المعروفة، بينما عادةً ما تحل منتجات الذكاء الاصطناعي المشكلات غير المعروفة للمستخدمين، أو تخلق سير عمل جديدة لم يتخيلوها من قبل.
مساحة الحلول غير محدودة: من الصعب التنبؤ بمخرجات منتجات الذكاء الاصطناعي، بينما البرمجيات التقليدية تتأثر بموارد التطوير وتعقيد التكنولوجيا. بينما تقتصر قيود الذكاء الاصطناعي على بيانات التدريب، وقدرات النموذج، والهندسة السريعة. وهذا يعني أن منتجك الأولي (MVP) قد يكون قويًا جدًا في بعض المجالات، ولكنه قد يكون محدودًا بشكل غير عادي في مجالات أخرى، مما يؤدي إلى تجربة مستخدم يصعب التنبؤ بها.
يتوقع المستخدمون زيادة انفجارية: بمجرد أن يختبر المستخدم الذكاء الاصطناعي الذي يعمل بشكل جيد في سيناريو معين، فإنه يتوقع أن يتم تطبيقه في جميع السيناريوهات. إذا كان بإمكان ChatGPT فهم الطلبات الدقيقة، فلماذا لا يمكن لأدوات الذكاء الاصطناعي المحددة للصناعة الخاصة بك؟ إن منتج ChatGPT الثوري يحدد معيارًا متزايدًا باستمرار.
أعاد رئيس منتجات OpenAI هيكلة إطار عمل PMF للمنتجات الذكية، مما يؤدي إلى نجاح منهجي عبر أربع مراحل
قدم Miqdad Jaffer إطار PMF AI جديد، ينظم المراحل الأربعة للنجاح.
اكتشاف الفرص ، والبحث عن نقاط الألم الأصلية للذكاء الاصطناعي.
يعتقد أن أكبر خطأ للمؤسسين في الذكاء الاصطناعي هو إضافة الذكاء الاصطناعي إلى سير العمل الحالي. هذه ليست ابتكارًا، بل هي استخدام الذكاء الاصطناعي لتحسين العمليات. الإطار الحقيقي لإدارة مشاريع الذكاء الاصطناعي )PMF( ينشأ من تحديد النقاط المؤلمة التي يمكن حلها فقط من خلال القدرات الفريدة للذكاء الاصطناعي.
وأشار إلى أن أفضل فرص الذكاء الاصطناعي غالبًا ما تبدو كمشكلات لا تحتاج إلى حل. في الماضي، طور المستخدمون حلولًا معقدة لمشكلات كان يمكن للذكاء الاصطناعي حلها بسهولة. هذه الاحتكاكات متأصلة بعمق في سير العمل الحالي لدرجة أن المستخدمين لم يعودوا يدركون أنها مشكلة. على سبيل المثال، في شركة ناشئة، يقضي معظم المطورين 40% من وقتهم في مهام البرمجة اليومية، لكنهم لا يعتبرون ذلك مشكلة، بل يرون أنه جزء من العمل.
الأساس في AI PMF هو تحليل نقاط الألم بدقة. استخدم الأسئلة الخمسة التالية لترتيب أي نقاط الألم تستحق الحل، وتطبيق وجهة نظر الذكاء الاصطناعي على كل سؤال:
المقياس: كم عدد الأشخاص الذين يواجهون هذه المشكلة؟ الاعتبار الذكي: هل توجد هذه المشكلة في الصناعات التي يمكن تطبيق الذكاء الاصطناعي عليها بشكل أفقي؟
التردد: كم مرة سوف يواجهون هذه النقطة المؤلمة؟ اعتبار الذكاء الاصطناعي: هل تكرار ظهور هذه النقطة المؤلمة كافٍ لتوليد البيانات اللازمة لتعلم وتحسين الذكاء الاصطناعي؟
شدة المشكلة: ما مدى خطورة هذه المشكلة؟ اعتبارات الذكاء الاصطناعي: هل تتعلق هذه المشكلة بالحمل المعرفي، أو التعرف على الأنماط، أو اتخاذ القرارات التي يجيدها الذكاء الاصطناعي؟
التنافس: من الذي لا يزال يحل هذه المشكلة؟ اعتبارات الذكاء الاصطناعي: هل الحلول الحالية مقيدة بالبشر، وهل يمكن للذكاء الاصطناعي تجاوز هذه القيود؟
المقارنة: هل الطريقة التي يتعامل بها منافسوك مع هذه المشكلة قد تلقت تقييمات سلبية؟ اعتبارات الذكاء الاصطناعي: هل يشكو المستخدمون من أن الحلول الحالية تفتقر إلى التخصيص أو السرعة أو الذكاء؟
مثال على ذلك هو المساعد الذكي الذي أطلقته شركة كلارنا. لم تكن الشركة في البداية تحاول "تحسين خدمة العملاء باستخدام الذكاء الاصطناعي". بل اكتشفت نقطة مؤلمة غير مرئية: كان العملاء ينتظرون في المتوسط 11 دقيقة لحل مشاكل الدفع البسيطة، وهي مشاكل كانت لا تحتاج إلى تدخل بشري، بل تحتاج فقط للوصول إلى معلومات الحساب واتباع الإجراءات القياسية. الآن يمكن لمساعدهم الذكي إتمام جميع المهام في غضون دقيقتين، حيث يتعامل مع 2.3 مليون محادثة شهريًا، مما يعادل كفاءة 700 موظف خدمة عملاء بدوام كامل، وهذه هي الفرصة التي اكتشفها الذكاء الاصطناعي.
استخدام وثيقة متطلبات منتج الذكاء الاصطناعي )PRD( لإنشاء MVP
عندما تجد نقاط الألم التي يمكن أن تحلها الذكاء الاصطناعي، تصبح متطلبات المنتجات التقليدية غير ملائمة. الخطأ الأكثر شيوعًا هو تطبيق الأطر التقليدية بشكل خطي على الذكاء الاصطناعي، حيث تعتمد منتجات الذكاء الاصطناعي في جوهرها على نماذج تعمل بطريقة احتمالية، حيث يمكن أن تؤدي نفس المدخلات إلى مخرجات مختلفة باحتمالية. لا يمكننا توقع بدقة أنماط سلوك الذكاء الاصطناعي في كل حالة، لكن يمكننا إنشاء إطار للحصول على مخرجات متسقة وذات قيمة.
أنشأ مقداد جعفر مع أستاذ المنتج وثيقة متطلبات منتج الذكاء الاصطناعي. كما ذُكر سابقًا، تفترض وثائق متطلبات المنتج التقليدية أن السلوك حتمي. بينما تفترض وثائق متطلبات منتج الذكاء الاصطناعي أن السلوك احتمالي. لذلك، فإن وثيقة متطلبات منتج الذكاء الاصطناعي ليست مجرد وثيقة، بل هي دالة قسرية تُستخدم للتفكير في جميع طرق الفشل المحتملة للذكاء الاصطناعي.
المفتاح هو: تحتاج منتجات الذكاء الاصطناعي إلى مؤشرات نجاح مزدوجة، حيث تشمل مؤشرات المستخدم التقليدية ) مثل المشاركة، ومعدل الاحتفاظ، ومعدل التحويل (، بالإضافة إلى مؤشرات مخصصة للذكاء الاصطناعي ) مثل دقة الأداء، ومعدل حدوث الهلوسة، وجودة الاستجابة (. كلاهما ضروري لتحقيق توافق حقيقي بين المنتج والسوق (PMF).
توسيع النطاق باستخدام إطار الاستراتيجية
تواجه معظم شركات الذكاء الاصطناعي الناشئة عقبات أثناء محاولتها التوسع. يبدو أن منتجها الأولي يعمل بشكل ممتاز في نظر المستخدمين الأوائل، لكن التطبيق في السوق الأوسع يتوقف. يعود ذلك إلى أنها لم تأخذ في الاعتبار الاستعداد لإطلاق المنتج من منظور استراتيجي. توسيع منتجات الذكاء الاصطناعي لا يقتصر فقط على التعامل مع المزيد من المستخدمين، بل يتعلق أيضاً بالحفاظ على أداء الذكاء الاصطناعي على نطاق واسع، وإدارة جودة البيانات لحالات الاستخدام المختلفة، وضمان الحصول على تجربة متسقة عندما تواجه النماذج حالات شاذة. يقيم مقداد جعفر حالة الاستعداد للتوسع من خلال أربعة أبعاد:
عميل
حجم السوق المستهدف ومعدل النمو
معدل احتفاظ العملاء وتكرار الاستخدام العضوي
درجة النقاط المؤلمة التي يتم حلها ورغبة المستخدم في الدفع
منتج
ميزتك غير المتكافئة ) البيانات، النموذج ( القوة
نسبة تغطية المنتج وإمكانات الانتشار الفيروسي
تفرد قدرات الذكاء الاصطناعي مقارنة بالمنافسين
شركة
الجدوى التقنية لتوسيع بنية تحتية للذكاء الاصطناعي
تحقق من الجدوى والتدفق البيعي
قدرة الفريق على التعامل مع النمو السريع وتعقيدات الذكاء الاصطناعي
تنافس
عدد وقدرة المنافسين في مجالك
حواجز دخول المنافسين الجدد في الذكاء الاصطناعي
قوة الموردين ) تعتمد على مقدمي النماذج مثل OpenAI (
أشار إلى أن أكبر تحدٍ في توسيع منتجات الذكاء الاصطناعي ليس على المستوى التقني، وإنما يتعلق بكيفية الحفاظ على الجودة عند مواجهة حالات استخدام أكثر تنوعًا. قد يعمل نظام الذكاء الاصطناعي الخاص بك بشكل مثالي مع المستخدمين الأوليين، ولكن عندما يقدم مستخدمون جدد سياقات أو مفردات أو توقعات مختلفة، ستظهر مشكلات خطيرة في الأداء.
إقامة دورة نمو مستدامة
يعتقد مقداد جعفر أن المنتجات التقليدية تركز على تحسين قمع التحويل ومشاركة المستخدمين. بينما يجب على منتجات الذكاء الاصطناعي تحسين أداء النموذج وجودة البيانات وثقة المستخدم. وهذا يخلق فرصة فريدة: حيث أن منتجات الذكاء الاصطناعي تجذب مستخدمين جدد، فإنها أيضًا تحسن تجربة المستخدمين الحاليين.
لقد قدم إطار نمو الذكاء الاصطناعي:
تأثير شبكة البيانات: كل تفاعل من المستخدم يمكن أن يجعل الذكاء الاصطناعي يتعلم منه، مما يجعل النموذج أكثر ذكاءً. تنفيذ حلقة التغذية الراجعة لتعزيز أداء النموذج، وضبط الاستجابة من تصحيحات المستخدمين لبناء نظام يتعلم من نتائج المستخدمين الناجحة.
الخندق الذكي: ميزة المنافسة للمنتج هي الأداء الفعلي للذكاء الاصطناعي، محاولة تطوير مجموعة بيانات خاصة لا يمكن للمنافسين نسخها، وإنشاء سير عمل للذكاء الاصطناعي له قيمة فريدة في مجالات محددة، وبناء واجهة مستخدم تسهل الوصول بالنسبة للمستخدمين.
أثر الفائدة المركبة للثقة: عندما يثق المستخدمون في الذكاء الاصطناعي الخاص بك، يمكن أن يعزز ذلك النمو العضوي للذكاء الاصطناعي. لذلك، يجب الحفاظ على معايير الجودة المتسقة أثناء عملية التوسع، وعدم التضحية بالجودة من أجل التوسع، لأن ذلك سيؤدي إلى تقليل مستوى ثقة المستخدم.
كان يقول للمؤسس: "أكثر منتجات الذكاء الاصطناعي نجاحًا التي رأيتها ليست فقط تلك التي تحل المشكلات، بل هي المنتجات التي مع مرور الوقت، ستزداد قدرتها على حل المشكلات بشكل أكبر. هذه هي الحواجز التنافسية النهائية الخاصة بك." المنتجات الذكاء الاصطناعي التي تحقق فعلاً توافق المنتج مع السوق يمكن أن تخلق مزايا مركبة لا يمكن أن تنافسها البرمجيات التقليدية.
كل تفاعل مع المستخدم يمكن أن يجعل النموذج يتعلم. كل حالة حدودية تتعامل معها ستجعل الذكاء الاصطناعي الخاص بك أكثر قوة. كل نتيجة ناجحة ستعزز ثقة المستخدمين، وتدفع نحو النمو العضوي. لهذا السبب، إذا تم القيام بالذكاء الاصطناعي PMF بشكل جيد، فإنه يمكن أن يخلق وضعًا تنافسيًا شبه غير قابل للاهتزاز.
لماذا يجب عليك إعادة تعلم AI PMF في هذه المقالة 2025؟ خطوات إعادة بناء إطار عمل PMF للذكاء الاصطناعي من قبل رئيس منتجات Open AI ظهرت لأول مرة في أخبار السلسلة ABMedia.