หลักการออกแบบผลิตภัณฑ์ AI

สมัครสมาชิกที่นี่เพื่อรับบล็อกเชิงมุม รายงานข้อมูล และจดหมายข่าวส่งตรงถึงกล่องจดหมายของคุณ

มีคำพูดที่โด่งดังว่า ลูกค้าไม่ต้องการสว่าน พวกเขาต้องการรูบนกำแพง

ด้วยพลังที่นอกกรอบและความเก่งกาจของ LLM คำพังเพยนี้จึงได้รับความหมายใหม่ เราอาจจะเข้าสู่ยุคที่ซอฟต์แวร์ส่วนใหญ่จะเข้าใกล้การสร้างช่องโหว่มากขึ้น? ในโลกที่ AI สามารถทำสิ่งที่มนุษย์ทำได้มากมาย ซอฟต์แวร์จะพัฒนาไปอย่างไร?

เพื่อช่วยในการพิจารณาว่า ผลิตภัณฑ์ใดในอนาคตที่ขับเคลื่อนด้วย AI ควรมีลักษณะอย่างไร คุณควรนึกถึงผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI ที่ทรงพลังและแพร่หลายที่สุดรุ่นหนึ่งในอดีตของเรา นั่นคือเครื่องมือเพิ่มประสิทธิภาพการแปลงของGoogle

ย้อนกลับไปในช่วงต้นปี 2000 การตลาดแบบชำระเงินเป็นสัตว์เดรัจฉานที่แตกต่างไปจากที่เป็นอยู่ในปัจจุบันอย่างสิ้นเชิง ทีมการตลาดใช้เวลาส่วนใหญ่ไปกับการหาจำนวนเงินที่จะเสนอราคา ย้อนกลับไปไกลพอสมควรในSearch Engine Landแล้วคุณจะเห็นว่าชีวิตเป็นอย่างไร

จากนั้น ในช่วงปลายปี 2550 เครื่องมือเพิ่มประสิทธิภาพการแปลงของ Google ได้เปิดตัว และในงานที่อาจเป็นงานแรกที่ปัญญาประดิษฐ์เข้ามาแทนที่ ทันใดนั้นเอง นักการตลาดที่จ่ายเงินก็ไม่จำเป็นต้องประมูลอีกต่อไป พวกเขามุ่งความสนใจไปที่สองสิ่งแทน:

ประการแรกข้อมูล ยิ่งนักการตลาดข้อมูลที่เกี่ยวข้องสามารถย้อนกลับมาที่ Google ได้ การเพิ่มประสิทธิภาพ Conversion ก็ยิ่งทำงานได้ดีขึ้นเท่านั้น ในตอนเริ่มต้น นี่หมายถึงการส่งข้อมูลการแปลงกลับ ในที่สุด ข้อมูลนี้เริ่มรวมข้อมูลการใช้ผลิตภัณฑ์ด้วย (และสิ่งอื่นๆ ที่เห็นว่าช่วยปรับปรุงประสิทธิภาพ)

ประการที่สอง ความคิดสร้างสรรค์ ยิ่งนักการตลาดทำซ้ำอย่างสร้างสรรค์ให้กับระบบมากเท่าไหร่ พวกเขาก็ยิ่งมีโอกาสที่จะหาผู้ชนะรายใหม่และเพิ่มประสิทธิภาพมากขึ้นเท่านั้น ทีมการตลาดที่มีประสิทธิภาพสูงสุดคือเครื่องจักรการผลิตที่สร้างสรรค์ ทดสอบการทำซ้ำใหม่เป็นประจำทุกสัปดาห์หรือทุกวัน

ใช่ อัลกอริทึมการแปลงนั้นเป็นกล่องดำ แต่นั่นไม่ได้หยุดนักการตลาดที่จ่ายเงินจากการปรับทิศทางตัวเองใหม่เพื่อทำทุกอย่างที่ทำได้เพื่อปรับปรุงประสิทธิภาพที่ระยะขอบ

สมมติว่าคุณกำลังสร้างผลิตภัณฑ์ที่มี AI เป็นแกนหลัก ตัวอย่างเครื่องมือเพิ่มประสิทธิภาพการแปลงของ Google สอนอะไรเราเกี่ยวกับวิธีที่คุณจะออกแบบ

อันดับแรกสร้างข้อได้เปรียบที่เป็นกรรมสิทธิ์ของข้อมูล หากคุณจำได้ว่า Google เปิดตัวเครื่องมือวัด Conversion ก่อนเปิดตัวเครื่องมือเพิ่มประสิทธิภาพ การแปลง ดังนั้น Google จึงมีข้อมูลการแปลงทั้งหมดที่จำเป็นในการสร้างโมเดลเริ่มต้น เช่นเดียวกับ Google คุณต้องมีข้อมูลภายในบางอย่างเพื่อบู๊ตโมเดลเมื่อเริ่มต้น อาจเป็นกรณีที่ LLM นอกกรอบนั้นดีพอที่จะช่วยคุณในการเริ่มต้น แต่ข้อมูลที่เป็นกรรมสิทธิ์บางประเภทอาจเป็นกุญแจสำคัญในการสร้างความแตกต่างในระยะยาว

ประการที่สอง ให้ ผู้ใช้ของคุณสามารถปรับปรุงแบบจำลองในเชิงรุก เช่นเดียวกับ Google ที่ช่วยให้นักการตลาดสามารถย้อนกลับ "Conversion" ทุกประเภทที่พวกเขาต้องการได้ คุณต้องให้อำนาจผู้ใช้ของคุณในการปรับปรุงโมเดลด้วยข้อมูลประสิทธิภาพภายนอกเช่นกัน สิ่งนี้มีประโยชน์เพิ่มเติมในการทำให้ผลิตภัณฑ์ของคุณเหนียวขึ้น ไม่เพียงแต่ประสิทธิภาพของโมเดลจะดีขึ้นเท่านั้น แต่ยังเป็นหน้าที่ของผู้ใช้ในการปรับปรุงประสิทธิภาพของโมเดลด้วย!

ประการที่สามให้ผู้ใช้ของคุณใช้คันโยกเพิ่มเติมเพื่อดึง เช่นเดียวกับที่นักการตลาดหันไปใช้การทดลองที่สร้างสรรค์สุดขีดเพื่อปรับปรุงประสิทธิภาพของโมเดล ลองนึกถึงตัวแปรเพิ่มเติมใดบ้างที่ผู้ใช้ของคุณสามารถทำซ้ำได้ การให้เครื่องมือแก่ผู้ใช้ของคุณเพื่อปรับปรุงประสิทธิภาพของโมเดลผ่านการทดลอง คุณกำลังสร้างผู้ใช้ที่จะกำหนดตนเองว่าพวกเขาเก่งเพียงใดในการดึงประสิทธิภาพที่ดีที่สุดจากระบบของคุณ ปรับปรุงความเหนียวให้ดียิ่งขึ้นไปอีก (ดังที่เราได้เรียนรู้ในอดีตผลิตภัณฑ์ที่ลูกค้าสร้างขึ้นสร้างผู้ใช้ที่ทรงพลังและผู้เผยแพร่ศาสนา)

เมื่อพิจารณาว่า LLM มีความสามารถหลากหลายเพียงใด การจินตนาการถึงโลกที่แบบจำลองเหล่านี้เข้ามาแทนที่มนุษย์โดยสิ้นเชิงนั้นช่างดึงดูดใจ… ที่ซึ่งพวกมันสามารถสร้าง "รูในกำแพง" ได้ แต่เช่นเดียวกับเครื่องมือเพิ่มประสิทธิภาพการแปลงของ Google ฉันคิดว่าความเป็นจริงจะเหมาะสมกว่านั้นมาก