Rozwój nowych produktów (z ang. New Product Development) to projektowanie i wprowadzanie na rynek produktów, które mają stanowić odpowiedź na pojawiające się na rynku możliwości i potrzeby. Jest to proces związany z powtarzalnymi cyklami w których szuka się koncepcji na nowe produkty a następnie prowadzi proces tworzenia produktu i jego uruchomienia na rynek (launch).
Sztuczna inteligencja do opracowywania nowych produktów ma zastosowania w różnych sektorach biznesowych.
- W branży motoryzacyjnej firmy rozważają wykorzystanie inteligentnych algorytmów w celu szybszej produkcji samochodów, uczynienia samochodów przyjaznymi dla środowiska i bezpieczniejszymi, przy jednoczesnym uwzględnieniu kosztów produkcji i wielkości. Oczywiście należy dodać, że dzisiejsze samochody przypominają bardziej komputer aniżeli pojazd samojezdny.
- W branży podróżniczej firmy rozważają połączenie różnych doświadczeń, aby zapewnić doświadczenie, zabawę i relaks bez wychodzenia z domu lub wyjazdu z kraju. COVID19 bardzo skomplikował biznes turystyczny. Airbnb uruchomił produkt zwany “doświadczeniami”, które pozwalają ludziom cieszyć się aktywnościami bez konieczności podróży do innych miejsc.
Czas jest czynnikiem wpływającym na rozwój nowych produktów i startupy o tym wiedzą
Rozwój nowego produktu jest procesem nieefektywnym ze względu na to, jak czasochłonny może być, a niektórzy zauważają, że pochłania nawet 50% czasu całego cyklu życia produkty, od powstania do wycofania z rynku..
Sztuczna inteligencja (AI) umożliwia fascynujące, cyfrowe testowanie i budowanie prototypów produktów, zanim firma poświęci czas i zasoby na fizyczne tworzenie ostatecznej postaci produktu czy usługi. Często przyszłe, skończone produkty różnią się pod względem szeregu cech od pierwotnego zamysłu. Startupy to doskonale wiedzą!
Startupy to dynamicznie działający gracze, którzy rozumieją potrzebę utrzymania reżimów kosztowych i jak najszybszego osiągania wyników w komercjalizacji. Założyciele startupów już wiedzą, że sztuczna inteligencja może pomóc im skrócić czas wprowadzania produktu na rynek, co zapewnia szybsze dopasowanie produktu do rynku (tzw. market-fit).
Świetnym przykładem jest firma Lemonade, która zaprojektowała proces roszczeń i udzielania ubezpieczeń i przekazała je w ręce uczenia maszynowego (gdybyś chciał dowiedzieć się co to jest uczenie maszynowe, zapraszam Cię do lektury tego tekstu), w ciągu roku zarobiła pierwsze 100 milionów dolarów (najszybciej w branży nowych technologii). Sztuczna inteligencja stała kluczem do szybkiej komercjalizacji oferty. Startup Lemonade to wiedział i wygrał swoją rynkową bitwę.
Rysunek 1: Lemonade napędzany uczeniem maszynowym niewiarygodny wzrost przychodów
Przedsiębiorstwo wykorzystało w pełni zintegrowany proces opracowywania nowych produktów
Firma PwC udowodniła, że rozwój produktów cyfrowych z wykorzystaniem inteligentnych algorytmów, może zwiększyć wydajność o prawie 20% i skrócić czas wprowadzania produktów na rynek o 17%.
Pozwólcie, że połączę to z ostatnim osiągnięciem Yelp (portal z rekomendacjami restauracji, mały firm usługowy itp). Firma zatrudniła sztuczną inteligencję do przeprowadzenia testów swoich interfejsów stron internetowych. Zamiast klasycznych testów A / B, Yelp przeprowadza prawie 700 testów jednocześnie w oparciu o uczenie maszynowe. Firma potrafi dzięki sztucznej inteligencji szybciej niż wcześniej (w sposób klasyczny) znaleźć przyciągające uwagę przyciski, przekonywujące teksty nagłówków czy strukturę ścieżki klienta. Wszystko to razem wzięte, skraca czas aktualizacji istniejących produktów cyfrowych Yelp o ponad 20%.
Rysunek 2: PwC twierdzi, że firmy będą szybciej wprowadzać produkty na rynek dzięki technologiom Machine Learning i Deep Learning
Szybki i inteligentny rozwój nowych produktów wymaga zintegrowanego ekosystemu partnerów, który koncentruje się na współtworzeniu wartości. Innymi słowy, świetne produkty powstają z partnerami, a nie w ciemni i zaciszu jednej firmy. Cyfrowi mistrzowie rozumieją, jak budować partnerstwa, które pomagają zapewnić klientom fantastyczne doświadczenia z produktów i usług.
W swoim portfelu projektów mam taki w którym dzięki współtworzeniu produktów z partnerami zewnętrznymi (startupy, agencje kreatywne, ekosystem naukowców) zmniejszyliśmy budżet wprowadzenia nowego produktu o 60%. Część procesu, jak na przykład silniki rekomendacyjne, zostały opracowane dzięki sztucznej inteligencji, która w sposób błyskawiczny “nauczyła się” preferencji klienta.
Algorytmy sztucznej inteligencji stają się inteligentne tylko wtedy, gdy są zasilane wysokiej jakości danymi lub danymi dobrze opisanymi i skatalogowanymi. Zwykle stos danych, którego właścicielem jest dana firma, ma wady (dane są niekompletne, z błędami językowymi czy niespójne).
Partnerstwa strategiczne mają kluczowe znaczenie dla poprawy jakości danych, co wpływa na dokładność prognoz. Amazon współpracował z wieloma klinikami w USA, aby wyszkolić swojego asystenta głosowego – Alexę w zrozumieniu dźwięków wytwarzanych podczas kichania czy kaszlu. Prędkość uczenia się w taki sposób jest nieporównywalnie większa, aniżeli ręczne wprowadzanie plików do bazy danych. Sztuczna inteligencja odgrywała kluczową rolę w projektowaniu algorytmów, które dzisiaj Alexa wykorzystuje stojąć na stole w kuchni i odpowiadając na nasze pytanie “Hej Alexa, jaka dzisiaj będzie pogoda?”.
Raport PwC stwierdza, że zespoły ds. rozwoju nowych produktów, które zintegrowały narzędzia oparte na sztucznej inteligencji do cyfryzacji procesów, osiągają wyższe korzyści skali, produktywności i szybkości w procesie projektowania i rozwoju produktu.
Sztuczna inteligencja jako magiczna kula w rozwoju nowych produktów
W badaniu opublikowanym w Journal of the American Medical Informatics Association (JAMIA) Open , naukowcy wyszkolili modele sztucznej inteligencji do przewidywania usuwania produktów żywnościowych na podstawie recenzji na Amazon. Skuteczność osiągnięta to 74%. Innymi słowy, przewidziano na podstawie wcześniej pozyskanych recenzji, że dany produkt zostanie ściągnięty z elektronicznej półki Amazon w związku z np. Niebezpieczeństwem użycia (łatwo sobie wyobrazić jakiś chiński produkt, który nie uzyskał odpowiednich certyfikatów a znalazł się w sprzedaży na Amazon). Przewidywanie cechowało się 74% skutecznością.
Oprogramowanie oparte na sztucznej inteligencji wykorzystało następnie recenzje Amazon, aby rozpoznać tysiące potencjalnie niebezpiecznych produktów spożywczych, które nie zostały jeszcze odkryte.
Sztuczna inteligencja może przewidzieć, czy dany produkt będzie niebezpieczny, nieprzydatny, wadliwy lub nie spełni oczekiwań popytu. Gdyby menedżerowie firm pozyskali wystarczającą ilość i jakość danych i zastosowały sztuczną inteligencję, firmy te mogłyby zobaczyć przyszłość swoich produktów, bez produkowania czy tworzenia tych produktów. Następnie, patrząc wstecz, sztuczna inteligencja daje im szansę na odpowiednie skorygowanie procesu rozwoju nowego produktu na etapie koncepcji.
Jak zbudować opartą na sztucznej inteligencji, perspektywiczną szklaną kulę?
Ważne jest, aby gromadzić dane i dbać o ich jakość. Najczęściej firmy gromadzą dane z mediów społecznościowych, strony internetowych, wyszukiwarek i stosują algorytmy, takie jak przetwarzanie języka naturalnego (NLP), klasyfikacja obrazu, rozpoznawanie obrazów i różne techniki głębokiego uczenia, aby uzyskać jeszcze lepszy wgląd w preferencje i zachowania klientów. Takie działania pomagają firmom w korzystaniu nie tylko z tego, co i jak klienci używają dziś, ale także jakich funkcjonalności klienci mogą potrzebować w przyszłości.
Usuń sztuczną inteligencją przeszkody w procesie opracowywania nowego produktu
Eliminacja przeszkód utrudniających wprowadzanie nowych produktów zaczyna się od wykorzystania sztucznej inteligencji do poprawy dokładności prognoz popytu. Firma Honeywell wykorzystuje sztuczną inteligencję do obniżania kosztów energii i ujemnych wahań cen poprzez śledzenie i analizowanie elastyczności cenowej produktów i wrażliwości cenowej.
Honeywell integruje sztuczną inteligencję i algorytmy uczenia maszynowego w zaopatrzeniu, pozyskiwaniu zasobów i zarządzaniu kosztami, uzyskując stabilne zwroty w całym procesie rozwoju nowego produktu. (Źródło: Honeywell Connected Plant: Analytics and Beyond.
Rysunek 3: Schemat połączonych instalacji Honeywell i struktura biznesowa danych
Firmy chcą poznać jak będzie wyglądała przyszłość, ponieważ mogą następnie skorzystać z inżynierii wstecznej, aby dostosować funkcje pomocnicze dzisiaj. Zarządzanie pieniędzmi, zarządzanie ryzykiem, zaopatrzenie i zakupy generują ogromne koszty w każdej firmie.
Firma Honeywell może usunąć niepewność poprzez przeprojektowanie zaopatrzenia w procesie rozwoju produktu. Wyobraźmy sobie, że elektrownia wiatrowa chce dostarczyć określoną ilość energii w ciągu 15 lat po cenie X. Honeywell przewidzi poprawność tych założeń, dzięki sztucznej inteligencji, która dokona prognozy, a następnie zaprojektuje metodą inżynierii wstecznej, z jakich komponentów (silniki, turbiny, miejsca i lokalizacja wiatraków, połączenie do rozwiązań chmurowych itp.) farma powinna być zbudowana aby uzyskać poziom produkcji i ceny.
Innym doskonałym przykładem prowadzenia rozwoju nowych produktów z wykorzystaniem sztucznej inteligencji jest firma Analytical Flavour Systems.
Kto jest Twoim największym problemem w biznesie? To twój konkurent. AFS wykorzystuje rozległe badania preferencji i generuje macierz preferencji klientów z obszaru żywności i napojów. Sztuczna inteligencja od AFS pomaga zrozumieć, co napędza rynek, czyli umieść na mapie popularne smaki potraw i napojów, które ludzie uwielbiają.
Później silniki napędzane sztuczną inteligencją projektują smaki, które nie są oferowane przez konkurencję, ale jest prawie pewne, że ludzie będą cieszyć się tymi smakami jeśli pojawią się one w produktach. Firma opracowała platformę opartą na sztucznej inteligencji, która wspomaga proces opracowywania nowego produktu i może przewidywać preferencje. System potrafi również odczytać ofertę konkurencji i poprzez porównanie zaoferować taką paletę smaków w oferowanej żywności, której nie posiada konkurencja, a która to paleta spotka się z popytem rynkowym.
Sztuczna inteligencja w rozwoju nowych produktów jest kręgosłupem, a nie dodatkiem
Raport PWC wyjaśnia, że dojrzałe cyfrowo firmy kompleksowo wykorzystują analitykę danych opartą na sztucznej inteligencji. Firmy te stosują różne aplikacje sztucznej inteligencji w różnych funkcjach biznesowych. Jest to więc rozproszone zastosowanie a nie punktowe, wymagana jest więc współpraca między departamentami.
Firmy, skutecznie wykorzystujące sztuczna inteligencją w projektowaniu, budowaniu i uruchamianiu nowych produktów, nieustannie pracują nad usuwaniem wąskich gardeł, przekształcaniu zadań ręcznych w zautomatyzowane i dbają o to, aby decyzje oparte na danych stawały się rzeczywistością.
Firmy, które wykorzystują sztuczną inteligencję w opracowywaniu nowego produktu, koncentrują swoją uwagę nie tylko na algorytmach, programowaniu i inżynierii danych, ale także na dobrych jakościowo zasobach danych, które czynią ten proces możliwym i wydajnym.
68% firm zaawansowanych technologicznie, w których PwC przeprowadziło ankiety, wdraża i integruje sztuczną inteligencję w rozwoju produktów, aby zoptymalizować proces kompleksowo. 80% kosztów produkcji produktu jest determinowanych podczas procesu projektowania i prototypowania produktu. Jeśli menedżerowie firmy mają taką świadomość, będą zmierzali do tego, aby na etapie koncepcyjnym wykonać możliwie najwięcej symulacji z wykorzystaniem sztucznej inteligencji. W efekcie pozwoli im to ograniczyć przyszłe koszty.
Ponadto 91% firm, które wykorzystują sztuczną inteligencję w procesie zarządzania produktami, nie chce wprowadzać na rynek produktów, których nikt nie chce. To jest główny powód używania inteligentnych modeli w uruchamianiu nowych produktów.
Sztuczna inteligencja pomaga weryfikować popyt na produkty i usługi. Wiedzą o tym doskonale założyciele startupów. Często oferują subskrypcje produktu w modelach przedsprzedaży, zanim aplikacja mobilna czy inny cyfrowy produkt istnieje. Informacje zwrotne, kliknięcia i mapy popularności pomagają zrozumieć, czego chcą klienci. Wszystko to zasila algorytmy sztucznej inteligencji, która następnie pomaga przewidzieć kształt produktu.
Jeśli Twoja firma chce wykorzystać sztuczną inteligencję w procesie rozwoju nowego produktu, musisz rozważyć zaprojektowanie całej funkcji zarządzania produktem i uczynienie ze sztucznej inteligencji koła zamachowego i nadzorcy całego procesu. W przeciwnym razie “twoja” sztuczna inteligencja będzie dodatkiem, a nie kręgosłupem zagadnienia, co nie pozwoli na uzyskanie przewag produktowych, kosztowych i organizacyjnych.
Rysunek 4: Wyniki badań McKinsey definiujące zastosowanie sztucznej inteligencji w rozwoju produktu
Inteligencja AI jako podstawa zarządzania produktami
Uber to fantastyczny przykład instalacji sztucznej inteligencji, a konkretnie uczenia maszynowego, w DNA firmy. Firma stworzyła coś, co nazywa się Michelangelo.
Michelangelo umożliwia zespołom wewnętrznym bezproblemowe tworzenie, wdrażanie i obsługę uczenia maszynowego na skalę wszystkich produktów UBERa. Platforma, która w rzeczywistości jest produktem sama w sobie, została zaprojektowana tak, aby obejmowała cały proces uczenia maszynowego: począwszy od pozyskiwania danych, oceny danych, szkolenia modeli, oceny wyników, aż po monitorowanie prognoz.
Michelangelo od około roku obsługuje produkcyjne przypadki użycia w firmie Uber i stał się de facto systemem uczenia maszynowego dla naszych inżynierów i naukowców zajmujących się danymi, z dziesiątkami zespołów tworzących i wdrażających modele. W rzeczywistości jest wdrażany w kilku centrach danych Uber, wykorzystuje specjalistyczny sprzęt i dostarcza prognozy dla najbardziej obciążonych usług online w firmie. – Jeremy Hermann, szef platformy uczenia maszynowego w firmie Uber
Jeśli chcesz otrzymywać przyszłe posty na maila, zapraszam do newslettera
Obecność sztucznej inteligencji w procesie rozwoju produktu UBER
UberEATS ma wiele modeli sztucznej inteligencji działających na Michelangelo, obejmujących prognozy czasu dostawy żywności, rankingi wyszukiwania i rankingi restauracji, i wiele innych. Sztuczna inteligencja napędza różne części produktów cyfrowych Uber Eats. Modele czasu dostawy przewidują, ile czasu potrzeba na przygotowanie posiłku. Model przewiduje również, ile czasu potrzeba na dostarczenie określonego posiłku.
Sztuczna inteligencja oblicza to wszystko przed przyjęciem zamówienia. Tworzy siatki niezliczonych scenariuszy, a następnie zamówienie wpada w jeden z nich i toczy się po wcześniej zaprojektowanej trajektorii.
Kiedy użytkownik produktu UberEATS składa zamówienie, jest ono wysyłane do konkretnej restauracji w celu przetworzenia. Następnie restauracja musi przeczytać i zrozumieć prośbę. Pomaga tu sztuczna inteligencja, rozkładając zamówienia i wprowadzając je do systemów informatycznych restauracji.
Rysunek 5: Struktura platformy Michelangelo z określonymi narzędziami opartymi na danych zaangażowanymi w procesy(źródło: Uber )
UberEats gromadzi wiele danych w ramach jednego procesu realizacji zamówienia. Te dane są gromadzone, czyszczone i przechowywane. Następnie są one używane do ponownego uczenia modeli i stymulowania neuronów głębokiego uczenia się. Istnieje jednak więcej wyzwań związanych z używaniem sztucznej inteligencji.
Gdy posiłek jest bliski przygotowania, wysyłany jest kurier UberEats, który odbiera posiłek. Następnie dostawca musi dotrzeć na miejsce, znaleźć miejsce parkingowe, odebrać posiłek, a następnie pojechać do klienta.
Sztuczna inteligencja pomaga dostawcy w całym procesie. Pomaga ominąć ruch uliczny, wybrać miejsce parkingowe, znaleźć drzwi klienta i płynnie wrócić do następnego miejsca odbioru. To jest projektowanie usługi w którym rolę wiodącą ma sztuczna inteligencja.
Ponownie kurier musi skorzystać z systemu nawigacji, aby dostać się na miejsce, znaleźć parking i podejść do drzwi klienta, aby zakończyć wysyłkę.
Uber wykorzystuje wszystko co opisałem powyżej, aby projektować nowe produkty. Jeśli w Nowym Jorku pracownik UBER wpadnie na pomysł, aby zaprojektować dedykowany produkt / usługę mającą na celu dowożenie ludzi na szczepienia przeciwko COVID19, Michelangelo pomożemy zasymulować cały proces stworzenia takiej usługi, bez konieczności pisania dużej ilości kodu programistycznego, tworzenia prototypów produktu itp.
Kilka słów na koniec
Sztuczna inteligencja już się wydarzyła i wciąż się wydarza w nowych zastosowaniach. Sztuczna inteligencja zaczęła pożerać świat oprogramowania w szybkim tempie. Rozwój nowego produktu już solidnie opiera się o wykorzystanie sztucznej inteligencji, a firmy, które to rozumieją, mogą wnieść większą wartość w krótszym czasie przy niższych kosztach.
Firmy, które nie przyjmą tej technologii, wkrótce zostaną pozostawione w tyle przez konkurencję. Te ostatnie będą musiały się zmierzyć z większymi kosztami i niższą skutecznością operacyjną.