هارون کسلر، مدیر محصول Sr. ، AI/ML در Snaplogic ، یک رهبر محصول معتبر با بیش از یک دهه تجربه ساخت چارچوب های مقیاس پذیر است که باعث می شود تفکر طراحی ، کارهایی که باید انجام شود و کشف محصول. وی در حالی که مربیگری PMS مشتاق را از طریق وبلاگ و مربیگری در زمینه استراتژی ، اجرای و توسعه مشتری محور انجام می دهد ، بر توسعه محصولات و فرآیندهای جدید محور AI تمرکز می کند.
فوری یک پلت فرم ادغام با هوش مصنوعی است که به شرکت ها کمک می کند تا برنامه ها ، داده ها و API ها را به سرعت و کارآمد متصل کنند. SnapLogic با رابط کاربری کم و اتوماسیون هوشمند خود ، تحول دیجیتالی سریعتر را در تیم های مهندسی داده ، IT و تجاری امکان پذیر می کند.
شما سفر کاملاً کارآفرینی داشته اید ، شروع به کار در کالج و ادامه کار توسط Carvertise می کنید. چگونه آن تجربیات اولیه ذهنیت محصول شما را شکل داد؟
این زمان بسیار جالبی در زندگی من بود. من و هم اتاقی من استاك را شروع كردیم زیرا ما از دوره های خود حوصله داشتیم و تجربه دنیای واقعی را می خواستیم. ما هرگز تصور نمی کردیم که این امر باعث شود که ما با شروع پوستر دلاور به دست بیاوریم. این تجربه واقعاً ذهنیت محصول من را شکل داد ، زیرا من به طور طبیعی به سمت صحبت با مشاغل ، از آنها در مورد مشکلات آنها و راه حل های ساختمانی می پرسم. من حتی نمی دانستم که یک مدیر محصول در آن زمان چه چیزی است – من فقط کار را انجام می دادم.
در Carvertise ، من همین کار را شروع کردم: کار با مشتریان آنها برای درک نکات درد و توسعه راه حل ها – دوباره ، قبل از اینکه عنوان PM را داشته باشم. به عنوان یک مهندس ، کار شما حل مشکلات مربوط به فناوری است. به عنوان یک مدیر محصول ، شغل شما به سمت یافتن مشکلات مناسب تغییر می کند – مواردی که ارزش حل آن را دارند زیرا آنها همچنین ارزش تجاری را هدایت می کنند. به عنوان یک کارآفرین ، به ویژه بدون بودجه ، ذهنیت شما می شود: چگونه می توانم مشکل شخصی را به گونه ای حل کنم که به من کمک کند غذا را روی میز بگذارم؟ آن خراش زودرس و شلوغی به من آموخت که همیشه از طریق لنزهای مختلف نگاه کنم. این که آیا شما در یک استارتاپ خود تأمین مالی ، یک شرکت تحت حمایت VC یا یک غول مراقبت های بهداشتی هستید ، ذهنیت “نیاز اساسی” مازلو همیشه بنیاد خواهد بود.
شما در مورد اشتیاق خود به مربیگری مدیران محصولات مشتاق صحبت می کنید. چه توصیه ای را می خواهید هنگام ورود به محصول داشته باشید؟
بهترین توصیه ای که من تا به حال دریافت کرده ام – و توصیه ای که به PMS مشتاق ارائه می دهم – این است: “اگر همیشه از دیدگاه مشتری استدلال کنید ، هرگز استدلال را از دست نخواهید داد.” این خط فریبنده ساده اما فوق العاده قدرتمند است. این بدان معناست که شما باید واقعاً مشتری خود را درک کنید – نیازهای آنها ، نقاط درد ، رفتار و متن – بنابراین شما فقط در جلسات با عقاید بلکه با بینش حضور ندارید. بدون آن ، همه چیز به هیپو تبدیل می شود (نظر بالاترین شخص پولی) ، نبرد کسی که قدرت بیشتری دارد یا نظرات بلندتر دارد. با آن ، شما فردی می شوید که مردم برای وضوح به آن روی می آورند.
شما قبلاً اظهار داشته اید که هر کارمند به زودی در کنار ده ها عامل هوش مصنوعی کار خواهد کرد. این آینده AI-Augmenter در یک گردش کاری روزانه به نظر می رسد؟
آنچه جالب است این است که ما در واقع در واقع در جایی هستیم که مردم با چندین عامل هوش مصنوعی کار می کنند – ما به مشتریان خود کمک کرده ایم DCU برای کمک به نیروی کار خود ، برنامه ریزی ، ساخت ، تست ، محافظت و قرار دادن ده ها عامل. جالب توجه این است که شرکت ها براساس نیازهای خود ، نمودارهای سازمانی از همکاران هوش مصنوعی را برای هر کارمند در حال ساخت هستند. به عنوان مثال ، کارکنان نمایندگان هوش مصنوعی خود را به موارد خاص استفاده می کنند – از جمله نماینده تهیه حماسه ها/داستانهای کاربر ، که به کد نویسی یا نمونه سازی کمک می کند یا درخواست های خود را می کشد ، و دیگری که بازخورد مشتری را مورد تجزیه و تحلیل قرار می دهد – همه مجازات شده و با استفاده از آن ، که هنوز هم در مورد پسوند تعیین می کند که چه کسی به آنچه داده می شود ، و غیره را تعیین می کند ، به چه مواردی نیاز دارند. برای آینده قابل پیش بینی یک انسان در حلقه وجود خواهد داشت اما وظایف تکراری و کم ارزش را از بین می برد تا افراد بتوانند روی تفکر سطح بالاتر تمرکز کنند. در پنج سال ، من انتظار دارم که بیشتر تیم ها به همان روشی که امروز به Slack یا Google Docs اعتماد می کنیم ، به نمایندگان اعتماد کنند.
چگونه به شرکت ها توصیه می کنید شکاف سواد هوش مصنوعی بین تیم های فنی و غیر فنی را برطرف کنند؟
کوچک را شروع کنید ، یک برنامه واضح در مورد چگونگی این امر با داده ها و استراتژی ادغام برنامه خود داشته باشید ، آن را برای جلب هرگونه شگفتی نگه دارید و از اهداف و رویکردهای اصلی باز باشید. با کنجکاو در مورد کارهای دنیوی در تجارت خود ، مشکل پیدا کنید. بالاترین مشکلات برای حل کردن ، اغلب موارد خسته کننده ای است که قهرمانان ناخوشایند هر روز حل می کنند. ما بسیاری از این بهترین شیوه ها را دست اول آموختیم که برای کمک به ما نمایندگان را ساختیم بخش مالی فوریبشر مهمترین رویکرد این است که اطمینان حاصل کنید که از چه نوع داده ها و برنامه هایی که برخی از کارمندان یا بخش ها به آنها دسترسی دارند ، از نگهبانان ایمن برخوردار هستید.
سپس شرکت ها باید مانند یک دوره کالج با آن رفتار کنند: اصطلاحات کلیدی را به سادگی توضیح دهید ، به مردم این فرصت را بدهید که خود را در محیط های کنترل شده امتحان کنند و سپس با شیرجه های عمیق تر پیگیری کنند. ما همچنین می دانیم که اشکالی ندارد که همه چیز را بدانید. هوش مصنوعی در حال تحول سریع است و هیچ کس در هر زمینه ای متخصص نیست. نکته مهم این است که به تیم ها کمک می کند تا آنچه را که ممکن است درک کنند و به آنها اعتماد به نفس می دهند تا سوالات درست را بپرسند.
برخی از استراتژی های مؤثر که برای Upskilling AI مشاهده کرده اید که فراتر از ماژول های آموزش عمومی است؟
بهترین رویکردی که من دیده ام این است که مردم دست خود را بر روی آن بگیرند. آموزش یک شروع عالی است – شما باید به آنها نشان دهید که چگونه AI در واقع به کارهایی که قبلاً انجام می دهند کمک می کند. از آنجا ، با این روش به عنوان یک رویکرد مجازات برای سایه زدن به آن یا نمایندگان سایه رفتار کنید ، زیرا کارمندان خلاق هستند تا راه حل هایی را پیدا کنند که ممکن است مشکلات فوق العاده خاصی را فقط در اختیار داشته باشد. ما به تیم میدانی و تیم های غیر فنی خود دسترسی پیدا کردیم نماینده عامل، فن آوری AI عامل AI Snaplogic که پیچیدگی پذیرش AI شرکت را از بین می برد ، و به آنها این امکان را می دهد تا سعی کنند چیزی را بسازند و با سؤالاتی گزارش دهند. این تمرین به تجربیات یادگیری واقعی منجر شد زیرا به کار روزانه آنها گره خورده است.
آیا در شرکت هایی که ابزارهای AI را بدون صعود مناسب اتخاذ می کنند ، ریسک می بینید – برخی از رایج ترین مشکلات چیست؟
بزرگترین خطرات من دیده ام ، حاکمیت قابل توجهی و/یا نقض امنیت داده ها است که می تواند منجر به جریمه های نظارتی پر هزینه و پتانسیل قرار دادن داده های مشتریان در معرض خطر شود. با این حال ، برخی از شایع ترین خطرات من می بینم ، شرکت هایی هستند که ابزارهای هوش مصنوعی را بدون درک کامل آنچه که هستند و قادر به آن نیستند ، اتخاذ می کنند. هوش مصنوعی جادو نیست. اگر داده های شما آشفته است یا تیم های شما نمی دانند چگونه از ابزارها استفاده کنند ، شما نمی خواهید ارزش را ببینید. مسئله دیگر زمانی است که سازمانها از بالا به پایین فرزندخواندگی می کنند و افرادی را که واقعاً کار را اجرا می کنند ، مورد توجه قرار نمی دهند. شما فقط نمی توانید چیزی را بیرون بیاورید و انتظار داشته باشید که چسبیده باشد. برای آموزش و راهنمایی افراد ، به قهرمانان نیاز دارید ، تیم ها برای قرار دادن نگهبان ها و فضا برای یادگیری به یک استراتژی داده ، زمان و زمینه قوی نیاز دارند.
در Snaplogic ، شما در حال کار بر روی توسعه محصول جدید هستید. چگونه AI امروز به استراتژی محصول شما می پردازد؟
هوش مصنوعی و بازخورد مشتری در قلب استراتژی نوآوری محصول ما قرار دارند. این فقط در مورد اضافه کردن ویژگی های هوش مصنوعی نیست ، بلکه در مورد تجدید نظر در مورد چگونگی ارائه راه حل های کارآمدتر و آسان تر برای مشتریان است که نحوه تعامل آنها با ادغام و اتوماسیون را ساده تر می کنیم. ما در حال ساخت محصولاتی هستیم که هم کاربران برق و هم کاربران غیر فنی را در ذهن داشته باشیم-و هوش مصنوعی به پل این شکاف کمک می کند.
چگونه ابزار AgentCreator Snaplogic به مشاغل کمک می کند تا عوامل هوش مصنوعی خود را بسازند؟ آیا می توانید یک مورد استفاده را به اشتراک بگذارید که این تأثیر بزرگی داشته باشد؟
AgentCreator برای کمک به تیم ها در ساخت نمایندگان واقعی و AI با درجه شرکت بدون نوشتن یک خط کد واحد طراحی شده است. این نیاز به توسعه دهندگان با تجربه پایتون را برای ساختن برنامه های مبتنی بر LLM از Scratch و توانمندسازی تیم ها در امور مالی ، منابع انسانی ، بازاریابی و ایجاد عوامل دارای هوش مصنوعی فقط در ساعت ها با استفاده از دستورالعمل های زبان طبیعی از بین می برد. این عوامل کاملاً با داده های سازمانی یکپارچه شده اند ، بنابراین می توانند کارهای بیشتری انجام دهند تا فقط پاسخ دهند. نمایندگان یکپارچه گردش کار پیچیده را به صورت خودکار ، از طریق تصمیمات و در زمان واقعی ، همه در زمینه تجارت ، خودکار می کنند.
AgentCreator یک تغییر دهنده بازی برای مشتریان ما بوده است بانک مستقل، که از AgentCreator برای راه اندازی دستیاران صوتی و گپ استفاده می کرد تا از پس زمینه بلیط راهنمای IT کمک کند و منابع IT را آزاد کند تا روی ابتکارات جدید Genai تمرکز کند. علاوه بر این ، ارائه دهنده مدیریت مزایا عیاش AgentCreator استفاده شده برای خودکار سازی یکی از دستی ترین و منابع فشرده ترین منابع خود: انتخابات مزایایی. آنچه قبلاً ساعت ها ورود داده های پس زمینه را به خود اختصاص می داد ، به لطف عوامل هوش مصنوعی که ترجمه و اعتبار سنجی داده ها را در سیستم ها ساده تر می کند ، دقایقی طول می کشد.
SnapGPT اجازه می دهد تا از طریق زبان طبیعی ادغام شود. این دسترسی دموکراتیک شده برای کاربران غیر فنی چگونه است؟
Snapgpt ، ادغام ما ، نمونه ای عالی از نحوه شکستن Genai موانع در نرم افزار سازمانی است. با استفاده از آن ، کاربران اعم از غیر فنی گرفته تا فنی می توانند نتیجه مورد نظر خود را با استفاده از دستورالعمل های ساده زبان طبیعی توصیف کنند-مانند درخواست اتصال دو سیستم یا ایجاد یک گردش کار-و ادغام برای آنها ساخته شده است. Snapgpt فراتر از خطوط لوله ادغام ساختمان است – کاربران می توانند خطوط لوله را توصیف کنند ، مستندات ایجاد کنند ، نمایش داده ها و عبارات SQL را تولید کنند و داده ها را از یک قالب به فرمت دیگر با یک فوریت ساده تبدیل کنند. به نظر می رسد ، آنچه که زمانی یک فرآیند سنگین توسعه دهنده به چیزی در دسترس برای کارمندان در سراسر تجارت بود. این فقط مربوط به صرفه جویی در وقت نیست – این مربوط به تغییر است که چه کسی می تواند ساخت. هنگامی که افراد بیشتری در سراسر تجارت می توانند مشارکت کنند ، شما تکرار سریعتر و نوآوری بیشتر را باز می کنید.
چه چیزی باعث می شود ابزارهای AI Snaplogic – مانند Autosuggest و Snapgpt – از سایر سیستم عامل های ادغام موجود در بازار متفاوت باشد؟
Snaplogic اولین بستر ادغام تولیدی است که به طور مداوم مقدار داده ها را در سراسر شرکت مدرن با سرعت و مقیاس بی سابقه باز می کند. با امکان ایجاد برنامه های کاربردی Genai برش ، فقط در ساعت ها-بدون نوشتن کد-به همراه SnapGPT ، اولین و پیشرفته ترین کپلوت یکپارچه سازی Genai ، سازمان ها می توانند ارزش تجاری را بسیار تسریع کنند. قابلیت های Genai سایر رقبا فاقد یا وجود ندارد. بر خلاف بسیاری از رقابت ها ، Snaplogic در ابر متولد شد و برای مدیریت پیچیدگی های ابر ، محیط و محیط های ترکیبی ساخته شده است.
Snaplogic ویژگی های توسعه تکراری ، از جمله اعتبار سنجی خودکار و طرحواره ای را ارائه می دهد که تیم ها را قادر می سازد تا پروژه ها را سریعتر به پایان برسانند. این ویژگی ها بر خلاف رقبایی که بیشتر به توسعه دهندگان بسیار ماهر نیاز دارند ، یکپارچه سازنده های بیشتری را برای مهارت های مختلف برای برخاستن و اجرای سریع فراهم می کنند ، که می توانند اجرای قابل توجهی را کاهش دهند. Snaplogic یک بستر بسیار عملکردی است که ماهانه بیش از چهار تریلیون سند را پردازش می کند و می تواند داده ها را به سمت دریاچه های داده و انبارها منتقل کند ، در حالی که برخی از رقبا فاقد پشتیبانی از ادغام در زمان واقعی هستند و نمی توانند از محیط های ترکیبی پشتیبانی کنند.
چه چیزی شما را در مورد آینده مدیریت محصول در دنیای AI محور هیجان زده می کند؟
آنچه من را بیشتر در مورد آینده مدیریت محصول هیجان زده می کند ، ظهور یکی از جدیدترین کلمات کلیدی برای فضل “برنامه نویسی پرنعمت” فضای هوش مصنوعی است – توانایی ساخت نمونه های اولیه کار با استفاده از زبان طبیعی. من دنیایی را تصور می کنم که همه افراد در این محصول سه گانه-طراحی ، مدیریت محصول و مهندسی-با ابزارهایی که ایده ها را به راه حل های واقعی و کاربردی در زمان واقعی ترجمه می کنند ، دست و پنجه نرم می کند. به جای اینکه فقط به مهندسان و طراحان تکیه کند تا ایده ها را به زندگی بیاورد ، همه قادر خواهند بود به سرعت ایجاد و تکرار شوند.
تصور کنید که در تماس با مشتری قرار دارید و در حال حاضر نمونه سازی راه حل زنده با استفاده از داده های واقعی آنها. به جای اینکه فقط به راه حل های پیشنهادی آنها گوش کنیم ، می توانیم با آنها همکاری کنیم و روشهای بهتری برای حل مشکلات آنها کشف کنیم. این تغییر باعث می شود روند توسعه محصول به طرز چشمگیری مشترک ، خلاق و تراز شود. و این مرا هیجان زده می کند زیرا بخش مورد علاقه من در کار در کنار دیگران برای حل مشکلات معنی دار است.
با تشکر از شما برای مصاحبه عالی ، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید بازدید کنند فوریبشر
