Снова про AI😂

Время несется, прошло почти 2 месяца с моего предыдущего восторженного поста про AI. Наверное, кому-то из вас интересно, как продвигаются дела.

Если коротко: медовый месяц продолжается. Несмотря на ограничения технологии, ничто в моей профессиональной истории так качественно не меняло мою работу.

Новые возможности

1. 3 похожие метрики выдают разные результаты. Сходили сама в код разобралась, как технически каждая работает; поняла, почему разные результаты и какую нужно использовать для моей задачи.

2. Есть большой датасет в десятки тысяч строк в формате csv. Придумать таксономию —> прогнать на куске датасете —> изменить таксономию —> так несколько кругов —> получить достаточно хорошую таксономию и кластеризировать весь датасет. Напомню, у меня ноль знаний python (или любого другого языка). Зато только у меня есть продуктовое понимание, что пользователи имеют в виду, и только я могу оценить качество получаемого результата и осознанного его менять.

3. Смотрю сессии пользователей. Есть повторяющая проблема, у меня появляется идея, как её решить. Иду и прототипирую сразу в коде. Если нравится - создаю на основе сразу prd, и отдаю инженерам draft PR с прототипом. Иногда они его выкидывают и делают всё сами (ибо на уровне продакшена там нужно поменять кучу всего еще и на BE, а я прототипировала только фронт), а иногда берут мой PR за основу. Главное здесь то, что 1) четко понятно, что именно нужно сделать, 2) я как продакт уверена, что финальный UX стоит того, чтобы его тестировать.

4. Вообще, любой свой вопрос к тому “а как сейчас работает” я могу решить сама, исходя из кода, а не мытарства по приложению с пропуском кучи нюансов.

Улучшение\ускорение старых

1. Сделать расчет ROI новой большой инициативы на основании актуальных данных: от придумки модели до финального excel 1 час вместо 6-8ч до этого

2. Написание требований со скиллом: вау-эффект даже не ускорение. Главное, что автоматизирована самая нелюбимая часть: складывать мысли в понятные предложения; редактировать структуру; не писать повторяющихся требований или пропускать очевидные по коду edge cases. Мой скилл не пишет такие требования, которые не нужно править, есть косяки. Но в самой задаче написаний требований от меня требуется только думать (что я люблю), но не требуется всё это писать и переписывать (что я не люблю). 1-2 ч вместо 4-6ч до этого. Кстати, требования я пишу теперь только в git.

3. Оценка AB тестов: опять-таки, скилл может проинтерпретировать неверно, его часто нужно вдумчиво промтить. Но при этом он записывает результаты сам, челленджит мои допущения и пару раз спасал меня от преждевременных выводов.

Если что-то из вышеперечисленного особенно интересно, дайте знать в комментариях, напишу более подробный пост. И обязательно делитесь, что вы можете делать сейчас, что раньше представлялось невозможным. Хочу вдохновляться!
#ai