Что такое Data/ AI Product Management и почему у компаниях сейчас такой спрос на это?
Всем хорошего дня!
Читая моё описание канала, а также часть постов, возможно, у некоторых формируется один вопрос: что такое Data/AI продакт менеджмент, и кому это нужно?
Давайте разберемся!
В отличие от «обычных» продакт менеджеров, Data/AI ПМ-ы фокусируются на разработке «data products». Data product — это сервис или приложение, которое фундаментально полагается на обработку данных и/или машинное обучение, чтобы решить определенную бизнес-проблему или облегчить принятие решений. Примеры таких «data products» могут включать, например, динамические дашборды для стейкхолдеров, приложения на базе больших языковых моделей (LLM) или статистических моделе. Data products отличаются от «обычных» софтверных продуктов с точки зрения разработки и требуют других специалистов для их создания и управления ими. Одним из таких специалистов является именно Data/AI ПМ. От Data/AI ПМ-ов требуется глубокое понимание сферы ИИ с техническим бэкграундом, а также глубокие знания в сфере бизнеса и монетизации.
➡️Кому это нужно?
На самом деле, специалисты, которые умеют монетизировать ИИ, нужны абсолютно всем фирмам, которые строят продукты с использованием данных. Спрос на таких специалистов сейчас растет быстрее, чем на рядовых инженеров. На данный момент в LinkedIn в США больше открытых вакансий на AI Product Manager, чем на Data Engineer, Data Scientist или Data Analyst. Интеграция ИИ в продакт менеджмент и девелопмент — это не временное явление. Важно подчеркнуть, что сейчас происходит фундаментальный сдвиг в том, как строятся продукты. Есть огромная разница между обладанием данными или продвинутыми моделями и способностью их монетизировать. В конце 2023 года MIT Sloan Management Review выпустил статью про восходящую роль «коннекторов в Data Science» — роль, которая соединяет команды в бизнесе и ИИ, обеспечивая прибыль.
➡️Почему именно сейчас?
При подробном взгляде становится понятно, что последние десятилетия полны провалами ИИ юз-кейсов, как у legacy, так и у AI-first компаний. Например John Deer решили выпустить полу-автономные тракторы с кучей сенсоров на базе AI. Но клиентам это было не нужно и мгновенно вспыхнул спрос на б/у тракторы без искуственного интеллекта.
Считается, что около 87% всех Data Science проектов не доходят до продакшена, а даже те, что доходят, слишком медленны и дороги. Долгое время в бизнесе это считалось ОК. Также понадобилось время, чтобы понять, что механизм, при котором DS команда сама ищет для бизнеса ценные возможности использования данных и ИИ, не работает. Об этом я тоже скоро напишу отдельный пост!
Но времена поменялись, технология созрела, и инвесторы требуют результатов — и требуют их быстро. Это, конечно, в частности связано с экономическими факторами: деньги уже не раздают так легко, как в «лихие времена» на протяжении 10 лет до 2021 года. Факторы, такие как повышенная инфляция, ужесточение монетарной политики и повышение процентных ставок, жестко поменяли инвестиционный климат среди инвесторов и акционеров. Теперь за пару слайдов с заглавными буквами «AI-powered» никто свои деньги не понесет — нужно показать рабочую монетизацию. Именно на этом фокусируется Data/AI Product Management.
Кому интересно погрузиться глубже в сферу, где бизнес и ИИ соединяются, скоро будет пост со списком книг, которые стоит прочитать, если хочется разобраться в Data Products.
#datapm #aipm
@ainastia
Всем хорошего дня!
Читая моё описание канала, а также часть постов, возможно, у некоторых формируется один вопрос: что такое Data/AI продакт менеджмент, и кому это нужно?
Давайте разберемся!
В отличие от «обычных» продакт менеджеров, Data/AI ПМ-ы фокусируются на разработке «data products». Data product — это сервис или приложение, которое фундаментально полагается на обработку данных и/или машинное обучение, чтобы решить определенную бизнес-проблему или облегчить принятие решений. Примеры таких «data products» могут включать, например, динамические дашборды для стейкхолдеров, приложения на базе больших языковых моделей (LLM) или статистических моделе. Data products отличаются от «обычных» софтверных продуктов с точки зрения разработки и требуют других специалистов для их создания и управления ими. Одним из таких специалистов является именно Data/AI ПМ. От Data/AI ПМ-ов требуется глубокое понимание сферы ИИ с техническим бэкграундом, а также глубокие знания в сфере бизнеса и монетизации.
➡️Кому это нужно?
На самом деле, специалисты, которые умеют монетизировать ИИ, нужны абсолютно всем фирмам, которые строят продукты с использованием данных. Спрос на таких специалистов сейчас растет быстрее, чем на рядовых инженеров. На данный момент в LinkedIn в США больше открытых вакансий на AI Product Manager, чем на Data Engineer, Data Scientist или Data Analyst. Интеграция ИИ в продакт менеджмент и девелопмент — это не временное явление. Важно подчеркнуть, что сейчас происходит фундаментальный сдвиг в том, как строятся продукты. Есть огромная разница между обладанием данными или продвинутыми моделями и способностью их монетизировать. В конце 2023 года MIT Sloan Management Review выпустил статью про восходящую роль «коннекторов в Data Science» — роль, которая соединяет команды в бизнесе и ИИ, обеспечивая прибыль.
➡️Почему именно сейчас?
При подробном взгляде становится понятно, что последние десятилетия полны провалами ИИ юз-кейсов, как у legacy, так и у AI-first компаний. Например John Deer решили выпустить полу-автономные тракторы с кучей сенсоров на базе AI. Но клиентам это было не нужно и мгновенно вспыхнул спрос на б/у тракторы без искуственного интеллекта.
Считается, что около 87% всех Data Science проектов не доходят до продакшена, а даже те, что доходят, слишком медленны и дороги. Долгое время в бизнесе это считалось ОК. Также понадобилось время, чтобы понять, что механизм, при котором DS команда сама ищет для бизнеса ценные возможности использования данных и ИИ, не работает. Об этом я тоже скоро напишу отдельный пост!
Но времена поменялись, технология созрела, и инвесторы требуют результатов — и требуют их быстро. Это, конечно, в частности связано с экономическими факторами: деньги уже не раздают так легко, как в «лихие времена» на протяжении 10 лет до 2021 года. Факторы, такие как повышенная инфляция, ужесточение монетарной политики и повышение процентных ставок, жестко поменяли инвестиционный климат среди инвесторов и акционеров. Теперь за пару слайдов с заглавными буквами «AI-powered» никто свои деньги не понесет — нужно показать рабочую монетизацию. Именно на этом фокусируется Data/AI Product Management.
Кому интересно погрузиться глубже в сферу, где бизнес и ИИ соединяются, скоро будет пост со списком книг, которые стоит прочитать, если хочется разобраться в Data Products.
#datapm #aipm
@ainastia