Dit artikel is oorspronkelijk geschreven in het Engels.

‍

Catalyst? Products met AI

De opkomst van artificiële intelligentie (AI) is een onomkeerbare verandering die de productwereld fundamenteel op zijn kop zet. Het is een complex fenomeen met zowel enorme voordelen als significante aandachtspunten.

In ons vorige whitepaper keken we naar wat dit betekent voor de Product Owner (PO) en vandaag nemen we een ander invalshoek: wat kan een product realiseren als het “gepowered” wordt door AI?

Niets nieuws onder de zon?

Alhoewel er geen dag voorbij gaat zonder nieuws artikel over hoe AI de wereld heeft veranderd is het eigenlijk een bestaand fenomeen om (grote hoeveelheden) data te gebruiken om waarde te creëeren. In het begin ging dat nog erg eenvoudig: data werd omgezet tot informatie door middel van logging en reporting en beschreef vooral wat er gebeurd was. Niet veel later konden er ook conclusies getrokken worden en werd door de machine ook verteld waarom het gebeurde. Mensen namen de input tot zich, namen een beslissing en deden vervolgens iets om tot waarde te komen.

GenAI is bijzonder in die zin dat het nieuwe content kan genereren (vandaar GenAI) op basis van wat het geleerd heeft. Eigenlijk dacht men: “wat zou er gebeuren als we zoveel electriciteit en geld tegen AI kunnen gooien als we kunnen vinden [3]”.Wat er gebeurde is dat de AI ook patronen kan herkennen in ongestructureerde data. En waar voor een klassieke AI je data scientists, machine learning experts en nog meer schaarse kennis nodig had, kon opeens iedereen met het systeem werken dankzij “natural language processing.”

Daarmee wordt het mogelijk dat het systeem zonder menselijke tussenkomst beslissingen kan nemen en zichzelf kan aanpassen. In termen van“agility” stellen we als product mensen al 20 jaar de vraag: maakt dat agile ons nou echt sneller? Welke we nu inruilen voor: “dit gaat me te snel hoe, houd ik dit bij?”

De agile verander-golf van de afgelopen 20 jaar had vooral als doel om sneller te kunnen inspelen op nieuwe inzichten uit de markt. De processen en werkwijzen van voor 1990 probeerden verandering te voorkomen, terwijl agile probeerde de mensen centraal te stellen zodat er beter gereageerd kon worden op nieuwe inzichten. Maar wat als de mens uit de keten verdwijnt?

AI als onderdeel van een product

AI heeft langs 2 dimenties enorme impact in het maken van nieuwe producten. Op de eerste plaats beïnvloed het hoe wij nieuwe producten maken. In die zin kan AI een catalyst zijn voor product owners.

Zie hiervoor het whitepaper “Catalyst? AI voor Product Owners: De Balans Vinden” Hierin gebruiken we het Oxygen model om te kijken hoe de wereld van product owners en product organisities verandert.

De tweede dimentie beslaat wat er gebeurd als GenAI integraal onderdeel wordt van je product. En voor de duidelijkheid we hebben het hier niet over een klassieke AI dat is inmiddels “standaard.”

Voor ASITO heeft Baseflow een klassieke AI geintegreerd met een chat interface. Medewerkers kunnen in natuurlijke taal vragen stellen over de CAO, vakantiedagen etc. en het systeem geeft via WhatsApp in begrijpelijke taal antwoord. Wat het niet doet is nieuwe arbeidsvoorwaarden genereren, hetgeen natuurlijk onwenselijk is.

Zoals figuur 1 laat zien, biedt met name GenAI de kans om een nieuw soort producten te ontwikkelen die autonoom meegroeien met de data in meerdere dimenties. Immers de klassieke recommender groeit al mee met de product dataset, maar een GenAI product ontwikkelt in de dimenties die je nog nietv oorspellen, dat is de winst, en ook het risico.

Wat betekent dat voor de waarde?

Het is waarschijnlijk dat toekomstige software producten (lees alle producten) steeds meer AI componenten gaan bevatten. Simpelweg gaat het model er dan ongeveer zo uitzien:

‍

Ongeveer 10 jaar geleden werd cloud computing de dominante standard. Met name gestuwd door COVID werd het draaien van het eigen hardware steeds minder normaal en dat betekende dat schalen in performance en kosten opeens gekoppeld was aan gebruik. In feite staan we aan de vooravond van een vergelijkbare kans als het gaat om het interpreteren van data en daar beslissingen op nemen.

De “model” laag zal waarschijnlijk bestaan uit verschillende modellen die samenwerken om een antwoord te geven. De general AI is op dit moment een large language model (LLM) en die zijn duur om te trainen. Duur als in milioenen, de kans dat dit een in-house ontwikkeling wordt is vrijwel nul al zijn er wel ontwikkelingen op het gebied van zogenaamde “small language models (SLM)[4]. ” Daar bovenop zullen domein specifiek getrainde modellen context meegeven, (denk bijvoorbeeld aan een juridische uitgeverij die over een grote hoeveelheid specifieke context beschikt[5]), gevolgd door localisatie van het probleem domein.

De applicatie die de eindgebruiker ziet profiteert hiervan door snellere systemen (immers het systeem groeit “automatisch” mee), performance (de AI laag kan zich aanpassen aan het gebruik), veiligheid (het systeem kan automatisch gepatched worden) en gebruikers vriendelijkheid. (met name de natuurlijke taal wordt steeds vriendelijker) Algemene systemen met een geëmbedde AI component zullen waarschijnlijk veel beter (gaan) presteren dan hun traditionele counter parts.

En welke implicaties heeft dat?

“Elk voordeel heb zijn nadeel” zei een beroemd Amsterdamse filosoof ooit. Traditionele software dominante producten zijn over het algemeen deterministisch in aard. Dat wil zeggen: De product owner (of manager) heeft een idee, dat wordt verwoord in een requirement voor het product, dan gebeurd er iets technisch en vervolgens land het idee in de handen van de klant[6]. Dus zoiets:

‍

Bij non-determinische producten wordt een groot deel van de features en data gegenereerd door de parameters die de product owner stelt (context) plus wat er in het model zit. Dus zoiets:

Dit roept de vraag op hoe we dit gaan testen en garanderen wat de kwaliteit is van de onderliggende componenten. Deze zijn namelijk zelf-lerend en doen dit in real-time. De complexe interacties binnen de non-determinische componenten maken dit nog extra ingewikkeld.

Dus bijvoorbeeld bij het genereren van juridisch of klinisch advies is het enerzijds wenselijk dat het product steeds betere antwoorden geeft, maar tegelijkertijd niet wenselijk dat het verkeerde antwoorden geeft[7].

Wat bekent dat voor de Product Owner/ Manager?

Als Product Owner of Product Manager sta je vaak aan het begin van deze waarde keten en dat betekent dat er een aantal zaken fundamenteel gaan veranderen voor jou en je product ontwikkeling.

• Requirements vooraf specificeren of achteraf testen wordt moeilijker en deels onmogelijk omdat het product qua gedrag kan veranderen als het meer geleerd heeft[8]‍
• Als het product reageert op de gebruiker en zichzelf kan aanpassen, wat is dan de rol en invloed van een product owner? Wie is verantwoordelijk? Wat betekent dit uberhaubt voor het prioriteren van werk?
• “Compliance” was al niet onze grootste hobby, maar het is nu een real-time fenomeen. Waar we nu compliant zijn, kan dat over een seconde al weer anders zijn.‍
• Als je teams voor 50% of meer “bestaan” uit AI, hoe ga je dan om met zaken als verloop en intelectueel eigendom? hoe kan ik nog onderscheidend zijn als ik dezelfde “medewerkers” als mijn concurent heb
• Gebruik wordt nu nog gesponsord en de kosten staan niet in verhouding tot de inkomsten. Wat gebeurd er met de prijs als de shakeout klaar is en er nog maar een paar spelers over zijn[9]?

Maar het is niet allemaal doom en gloom. Zonder twijfel zalAI en AI powered teams een catalysator zijn voor de ontwikkeling:

• De snelheid om van een idee tot een werkende feature te komen zal exponentieel sneller zijn dan dat het nu is[10].
• De samensmelting tussen UX en PM zal nog sneller gaan doordat ideëen sneller dan ooit en tegen bijna geen kosten getest kunnen worden met echte gebruikers.
• Al die data die verzameld had (klant data, log data, gebruikers data, product data, etc. [11]) wordt nu gebruikt om goede beslissingen te kunnen nemen, helemaal vanzelf.
• Domein modellen zullen uiteindelijk gestandariseerd worden waardoor het goedkoper wordt om domein specifieke applicaties te gebruiken.
• Het gat tussen zij die het idee hebben en zij die het kunnen realiseren wordt kleiner, dat geeft snelheid en minder informatie verlies.

Conclusie: Explorers gezocht

De toekomst van de product ontwikkeling is in tumult en datbiedt kansen. Tegelijkertijd is er ook nog veel onzeker. Wat wel zeker is isdat stilzitten geen optie is. Je moet “iets” met AI en dat betekent dat je alseen soort explorer op zoek moet naar de potentiële schatten maar wel met eenoog op de risico’s.

Als Product Owner is het belangrijk de de balans kan vinden tussen AI-gedreven snelheid en menselijk inzicht om succesvol te zijn het AI-tijdperk.

‍

‍

‍

‍