Для доступа к материалам доклада и записи выступления
купите билет
или авторизуйтесь, если у вас он уже есть
или авторизуйтесь, если у вас он уже есть
AI - это junior-исследователь: как ускорить работу и сохранить качество
3 октября
13.50-14.20
Green 9. Дизайн и контент
Что происходит с командой исследователей, когда у вас не 5 и не 10, а 50+ продуктовых команд, каждой из которых нужно понимать пользователей и принимать решения на основе данных? Классическая модель «исследователь как внутреннее агентство» перестает работать: невозможно просто поставить в очередь все входящие запросы и успеть качественно помочь каждому. Поэтому мы выстраиваем другую модель — исследователь становится частью продуктовой команды и участвует не только в проведении исследований, но и в формулировании проблем, поиске возможностей и принятии продуктовых решений.
Вот здесь и появляется AI. Мы используем его не как «исследователя вместо исследователя», а как инструмент, который помогает масштабировать и ускорить работу исследователя. Он подключается на разных этапах - помогает разбирать и приоритизировать бэклог, работать с большими массивами исследовательских материалов, искать связи между разными исследованиями, структурировать данные, готовить синтезы и быстрее находить уже существующее знание. Разберем реальные кейсы и покажем, где AI действительно сокращает рутину и позволяет исследователю работать с большим количеством команд, не увеличивая нагрузку пропорционально числу продуктов и стейкхолдеров.
Чем активнее мы используем AI, тем важнее понимать, где ему нельзя доверять. В исследованиях цена ошибки может быть высокой: модель может убедительно додумать контекст, неверно интерпретировать слова пользователя или выдать красивый синтез там, где на самом деле нужны дополнительные данные и человеческое суждение. Поэтому мы поделимся и неудачными кейсами — ситуациями, в которых AI ошибался, а также задачами, где мы сознательно оставляем человека в центре процесса.
Может заинтересовать
#похожие доклады
Дизайн
Дизайн
