изображение создано нейросетью
Искусственный интеллект может помогать с анализом пользовательского поведения, планированием продуктовой стратегии, прогнозами рыночных трендов и многим другим.
Это меняет роль многих специалистов — маркетологов, аналитиков, а также Chief product officer, директора по продукту. Какие задачи CPO может облегчить ИИ, какие возможности открывает и как работать с ИИ, а не конкурировать с ним, рассказал Иван Дудин, директор по продукту платформы автоматизации маркетинга Unisender.
Содержание:
Генеративный ИИ в задачах CPO
В 2022 году, когда большие генеративные модели начали становиться популярными, я работал в агентстве на позиции СТО — мы занимались продуктовой разработкой, ИТ-интеграцией. Именно агентства начали первыми использовать генеративные AI в своих процессах. Это было интересно, но сопровождалось массой проблем.
Картинки генерировались не очень качественно, нужно было пройти много итераций для приемлемого результата. Иногда быстрее было отрисовать самостоятельно или найти готовое изображение и отредактировать. С текстом эксперименты тоже были не очень успешными.
После выхода ChatGPT 3.5, в конце 2022 года в мировых СМИ активно обсуждали тему того, что компании увольняют сотрудников, AI заменит человека. Я предпринял первые попытки проводить разработку с помощью AI и ничего не получилось. Нейросеть галлюцинировала, код не работал. Я был разочарован, но тему изучать продолжил — в медиа выходило много материалов, и я поражался, как у людей нейросети все же эффективно работают.
Очередной отпуск я посвятил изучению AI и решил попробовать написать полезное приложение в среде, в которой никогда раньше не работал. Сам бы я его писал очень долго или вообще бы не написал. Я попробовал просто поставить AI-задачу текстом, составить план написания приложения и создать само приложение. Это удалось сделать за несколько дней. Приложение не дописывал, мне было важно проверить гипотезу и понять, как работает AI.
После этого я начал постепенно подключать к использованию AI-разработчиков, за ними подтягивались редакторы. На модели ChatGPT 3.5 удавалось создавать контент-планы, генерировать идеи. А вышедшая ChatGPT 4.0 уже лучше подходила для разработки и текстов. Дальше стало появляться больше нейросетей и моделей и мы их начали применять для большего количества задач, чтобы экономить время в рутинных вопросах.
С помощью AI мы решали часть продуктовых задач:
Описание задач для сотрудников — я их описываю поверхностно, а AI формулирует детальнее и четче, чтобы их можно было поставить кому-либо. Нейросети хорошо справляются со структурированием и обобщением информации.
Проведение исследований. Используя знания, которые зашиты в AI в рамках обучения, можно неплохо выполнять первичный анализ. Здесь мы также пробовали применять плагины OpenAI, работающие с аналитикой, но в процессе было много проблем и мы поняли, что проще сделать все вручную.
В работу с текстом, исследования и разработку мы включали AI постоянно на потоке. Позже, в 2024 году, я также пробовал внедрять AI в составление презентаций. На тот момент я участвовал в большом количестве конференций, был спикером, поэтому требовались презентации — их всегда готовлю самостоятельно. Попробовал упростить себе жизнь и подключить к процессу разные продукты, но в итоге с точки зрения качества и скорости все же именно дизайн я предпочел создавать вручную.
А вот с контентом презентации нейросети снова помогли: закидываю в них как в мясорубку сырые данные, описываю мероприятие, цели, аудиторию, и запускаю. Нейросеть переваривает данные и выдает мне результат с идеями по презентации продукта, компании и так далее.
Как сделать ИИ полезным помощником
Для современного CPO сегодня обязательно уметь пользоваться AI. Надо думать, какие задачи можно решить с AI, исследовать кейсы ее решения и стараться самостоятельно оптимизировать свое время и качество работы благодаря AI.
Здесь каждый должен быть готов к тому, что сначала ничего не получается. Когда первый раз решаешь какую-то задачу с помощью AI, можешь затратить больше времени, чем без него. Это проходит с практикой, через которую формируется понимание, что решается с AI, а что нет, и как именно. Кроме того, с каждой новой моделью качество нейросетей повышается, и то, что не решалось полгода или даже год назад, сегодня может быть сделано с более актуальной моделью. Умный, голосовой, свой. Как ИИ меняет контакт-центры Где и как сегодня используют ИИ в корпоративной среде Руслан Гайнанов: «ИИ нужен, чтобы люди точно формулировали мысли и принимали решения на основе лучших идей»
Очень важно развить в себе, во-первых, навык промт-инженера — надо уметь формировать правильные запросы для нейросетей. Года полтора назад об этой специальности говорили как о профессии будущего, но получилось иначе: сегодня каждый сам себе должен быть промт-инженером.
Во-вторых, важно уметь подбирать AI-инструменты под разные задачи, чтобы работать быстрее, эффективнее и качественнее. Несмотря на то, что за последние три года генеративные нейросети прошли через значительную эволюцию, нельзя сказать, что какая-то из них лучше прочих и вот только ей и надо пользоваться. Чтобы получить лучший результат, для любых задач — будь то презентация, исследование, планирование, структурирование информации — примерно с середины 2024 года, применяется не одна нейронная сеть, а сразу целый арсенал.
Мы экспериментировали с разными вариантами, даже GigaChat и YandexGPT, но пока отложили эксперименты с ними. Для себя я сейчас пришел к тройке из DeepSeek, Claude и ChatGPT.
Самая частотная по использованию из них Claude Sonnet. Она наиболее универсальная: и код лучше пишет, поэтому многие разработчики на нее переходят, и более креативная, и лучше формулирует мысли на русском языке. Две другие нейросети, DeepSeek и ChatGPT, использую примерно с одинаковой частотой. Бывает, что одна из них дает ответы лучше, чем другая: зависит от области знаний.
Глобальное различие между ними — DeepSeek хорошо заточена под Россию: знает больше о российских компаниях, продуктах, чем ChatGPT или Claude. Они чаще «плавают» в подобных вопросах — могут не знать российские компании, путать их с европейскими или американскими, выбирать неподходящее знание из своей базы. Читайте также
Как создать ИИ-ассистента, который работает за вас Пошаговый гид от IT-World о том, как превратить нейросеть в сотрудника, который всё понимает с полуслова — и больше не тратить время на объяснения.
Кроме того, лучший результат нейросети дают при комбинированном использовании. Я даю задачу всем трем, сейчас их даже стало четыре, я добавил Grok xAI, собираю результаты и прошу сделать их них лучший итоговый вариант. То есть, нейронки перепроверяют друг друга, и мы получаем компиляцию их совместной работы.
ИИ за рамками личных кабинетов нейросетей
Работа с текстом, исследования — это задачи, которые решаются в личных кабинетах нейросетей. Однако этим возможности AI в продуктовой разработке не ограничиваются.
Во-первых, директор по продукту как руководитель принимает участие в найме сотрудников, собеседует продактов к себе в команду. Откликов приходит очень много. Например, рекордсмен у нас — вакансия продакта: за пару месяцев ее существования пришло примерно 1600 откликов. Также очень большие цифры у вакансии разработчика. Все это физически очень тяжело разбирать. Я подключил AI к этому процессу, чтобы его оптимизировать.
У нас появился плагин для браузера, который сейчас пилотируем. Он позволяет даже не открывать анкеты, которые неинтересны, нейросеть идентифицирует, на сколько процентов (максимум — 100%) человек подходит или не подходит на конкретную вакансию, и дает объяснение причин. Этот инструмент ускорил разбор откликов. Когда мы передали его HR-отделу, у меня стали появляться более качественные отклики в воронке кандидатов.
Во-вторых, у директора по продукту в расписании может быть много мероприятий — конференций, выставок, семинаров, связанных с продуктами компании или с его профессией. Такие мероприятия подразумевают не только подготовку к выступлению, но и нетворк: надо пообщаться с людьми, чтобы найти новых бизнес-партнеров или потребителей наших услуг, поддержать отношения с уже существующей базой.
Коммуникация сопровождается обменом информацией и иногда договоренностями о встрече. В момент знакомства обычно происходит просто обмен контактами, максимум люди отправляют голосовое или текстовое сообщение о том, что они друг другу пообещали, и договариваются встретиться на условной следующей неделе и там уже обменяться информацией.
Таких мероприятий в 2024 году в моем расписании было много, как и знакомств. Но поскольку я не менеджер по продажам, у меня много других задач помимо общения, большая часть этих договоренностей в результате зависала — мне не хватало на них времени. Люди не возвращались ко мне, а у меня не находилось времени возвращаться к ним.
В августе прошлого года я решил взять ситуацию под контроль и занялся личным PET-проектом: AI-ассистентом в Телеграмме, который после знакомства по голосовой команде находит из базы знаний и отправляет человеку презентацию или информацию, которой надо поделиться. Ассистент умеет создавать рабочие группы с добавлением в них нужных коллег, которых я запрашиваю, назначать встречи в календаре — тоже с добавлением нужных участников, с пометкой темы встречи, если ее надиктовывать голосом.
Этот инструмент я начал применять с августа на каждой конференции, и он позволил мне исключить личную работу с новыми знакомыми после мероприятия. У меня на руках были контакты новых людей, отправленные им презентационные материалы, вся необходимая информация, которой я мог бы поделиться, и от 5 до 12 встреч в календаре — по бизнес-партнерствам, по продаже продуктов и так далее. На часть из них мне даже не надо было приходить: я мог вместо себя добавить своих коллег, если это связано с продажами.
Новые возможности для новых продуктов
Личное использование больших моделей для задач CPO тесно переплетается с дальнейшей возможностью интегрировать этот опыт в новые продукты. И не для галочки «здесь есть ИИ», а для реальной практической ценности.
С 2023 года мы интегрируем AI в продукты: в редактор писем, который стал частью компании. В 2023 году мы в нем создали AI-ассистент, генератор изображений — сначала был на базе Midjourney, потом на базе Stable Diffusion. На момент релиза это использовали меньше 1% нашей аудитории. Но постепенно они обретали популярность, и сейчас примерно в 25% создаваемых писем применяется тот или иной инструмент.
Также с помощью AI мы проводили анализ письма на спамность — научились с помощью больших моделей идентифицировать, спам в письме или нет с вероятностью 99,5%. Это более качественное определение спама, чем делают люди, спам-офицеры, не говоря уже о скорости и цене такой проверки. Инструмент позволил автоматизировать некоторые процессы, связанные со спамом, и позднее мы его тоже встроили в наши продукты.
А сейчас работаем над AI-интерфейсом для телефонии, который работает со входящими и исходящими звонками. Это голосовой интерфейс, очень хорошо имитирующий живую речь — с паузами, интонациями, реакциями. Многие люди не распознают, что с ними говорит робот.
Когда закончим тестировать плагин для HR-задач, переупакуем его в отдельный продукт для бизнеса и выведем на рынок.
Для создания AI-ассистента мы даже сформировали AI/ML-отдел: наняли опытных специалистов, чтобы выпускать такие продукты. И дальше смотрим в направлении не только больших моделей, но и в направлении ML, и других технологий, связанных с искусственным интеллектом. Читайте также
Самозащита, самозапрет, саморегуляция. Новая этика цифровой безопасности Если последние три года российской кибербезопасности были чем-то похожи на бесконечный пентест, то в 2025-м, кажется, все начинают спрашивать: что дальше? Пора ли выдохнуть или это только первая волна?
Иван Дудиндиректор по продукту платформы автоматизации маркетинга UnisenderИскусственный интеллект (ИИ, AI)