کاربرها مستقیم میگن چی میخوان، کسی نمیشنوه
هوش مصنوعیخلاصهٔ کاملتر
نویسنده تو این یادداشت کوتاه استدلال میکنه که محصولات هوش مصنوعی بیشتر از هر نرمافزار قبلی سیگنال قابلاستفاده تولید میکنن، ولی تقریباً هیچکس ازش استفاده نمیکنه — و به نظر او این اشتباه، بهطور غافلگیرکنندهای گرونه.
به گفتهٔ او بیست سال محصولها حول سیگنالهای غیرمستقیم ساخته شدن: کاربر روی چی کلیک کرد، چه صفحهای رو دید، روی چه دکمهای رفت ولی فشارش نداد. تیمها توی حدس زدن نیت کاربر از این خردهنشونهها خیلی خوب شدن، ولی جز نظرسنجی عملاً همین یه داده در دسترس بود.
حالا کاربر با زبان طبیعی حرف میزنه، پس دقیقاً میشه خوند که میخواد چه کاری انجام بده و راضی بوده یا نه. نویسنده میگه اگه این رو با رأی مثبت و منفی، ارزیابیهای آنلاین و متریکهای فنی ترکیب کنی، یه رابطهٔ روشن بین عملکرد ایجنت و درآمد بهدست میآد.
دو دلیل برای اینکه کسی سراغش نمیره میآره. اولی و مهمترینش پراکندگی داده بین تیمهاست: مهندسی مالک ترِیس و متریک فنیه، محصول مالک بازخورد و آنالیتیکس، و موفقیت مشتری مالک سیگنالهای ریزش و رشد درآمد — و عملاً هیچکس مسئول تحلیل همزمان اینها نیست. دلیل دوم اینه که جمع کردن و تحلیل مؤثر این داده زحمت زیادی داره و اگه حواست نباشه سریع گرون میشه.
مثالهایی که میزنه شکل عملی ماجرا رو نشون میده: اینکه کاربر بهطور میانگین سه نوبت از ایجنت میخواد ایمیل رو با لحن خودش بازنویسی کنه، یا اینکه ۳۵٪ کاربرهایی که به یه مشکل خاص میخورن دیگه برنمیگردن، یا اینکه بیش از ۴۳۰ کاربر خواستن ایجنت اینترنت رو بگرده در حالی که اصلاً چنین قابلیتی وجود نداره.
اسمی که روش گذاشته «مشاهدهپذیری کلنگر»ه: چیزی فراتر از ترِیس کردن ایجنت، شامل ترِیس و مکالمه، رأی و بازخورد کاربر، ارزیابی و پایش آنلاین روی ترِیسها، خوشهبندی موضوعی روی پرامپتها و تحلیل احساس برای تشخیص سرخوردگی و سردرگمی.
قویترین نظرش اینه که توی استارتاپهای هوش مصنوعی، مشاهدهپذیری ایجنت نباید دغدغهٔ صرفاً مهندسی بمونه؛ مدیرعامل، رهبران محصول و تیمهای در تماس با مشتری هم باید این داده رو بخونن. جملهٔ پایانیش اینه که بیست سال تلاش کردیم از روی کلیکها بفهمیم کاربر چی میخواد، حالا خودش داره مستقیم میگه — عجیبه که گوش ندیم.
نکات کلیدی:
- ورودی زبان طبیعی یعنی نیت کاربر دیگه لازم نیست از کلیک حدس زده بشه
- داده بین مهندسی، محصول و موفقیت مشتری پخشه و کسی تحلیل همزمانش نمیکنه
- مشاهدهپذیری کلنگر: ترِیس، رأی کاربر، ارزیابی آنلاین، خوشهبندی موضوع و تحلیل احساس
- نمونهٔ کاربرد: پیدا کردن قابلیتی که وجود نداره ولی صدها کاربر ازش خواستن
- این داده باید فراتر از تیم مهندسی خونده بشه
