Jak přidat funkce AI do SaaS, který už máte hotový

Existuje zvláštní druh tlaku, který právě teď dopadá na každého zakladatele SaaS. Člen představenstva, zákazník, nebo prostě hlas ve vaší vlastní hlavě říká stejná tři slova: „potřebujeme AI.“ Produkt už funguje. Lidé za něj platí. A přesto najednou působí, jako by mu chybělo něco, co všichni ostatní zřejmě mají. Tak otevřete sprint, napojíte API, nasadíte chatbota do rohu — a o měsíc později ho nikdo nepoužívá. Problém nikdy nebyl v modelu. Bylo to v rozhodnutí, na co ho namířit.

Přidat AI do zcela nového produktu je, kupodivu, ta snadná verze. Nemáte žádné uživatele, které byste zklamali, žádný datový model, který byste museli respektovat, žádný tým podpory, který byste museli zaškolit. Přidat AI do SaaS, který už existuje — produktu s platícími zákazníky, zaběhnutým pracovním postupem a pověstí spolehlivosti — to je úplně jiný sport. Každá nová funkce dopadá do systému, kterému lidé už důvěřují, a důvěra je to jediné, co příliš horlivá funkce AI spálí nejrychleji.

Pomohli jsme to dobře zvládnout pěknému počtu softwarových týmů a pár jsme jich viděli udělat to špatně. Týmy, které uspějí, téměř nikdy nezačínají technologií. Začínají jedinou bolestivou otázkou, kterou jejich uživatelé pořád pokládají, a teprve pak se ptají, zda je AI nejlevnější poctivou odpovědí. Tento průvodce je právě tento přístup, sepsaný — jak vybrat funkci, jak ji postavit, aniž byste rozbili to, co funguje, a jak ji nasadit tak, aby po ní lidé skutečně sáhli.

Proč většina dodatečně naroubovaných funkcí AI selhává

Projděte dost SaaS dashboardů a začnete poznávat ten hřbitov. Tlačítko „✨ AI asistent“, na které nikdo neklikne. Panel se shrnutím, který vyplodí tři mdlé věty, jež by napsal kdokoli. Chatbot odpovídající na otázky, na které produkt už lépe odpovídal obyčejným vyhledávacím polem. Tyto funkce neselhaly proto, že by AI byla slabá. Selhaly proto, že byly řešením hledajícím problém.

Vzorec je téměř vždy stejný. Někdo cítil tlak nasadit něco ve tvaru AI, tak sáhl po nejobecnější, nejviditelnější možnosti — po chatovacím okénku — protože je to věc, která se nejnápadněji čte jako „AI“. Jenže chatovací okénko je prázdná stránka a prázdná stránka je hrozné rozhraní pro lidi, kteří přišli k vašemu produktu, aby vyřídili konkrétní úkol. Nechtějí konverzovat. Chtějí hotový report, sepsaný e-mail, vyčištěná data.

Druhý způsob selhání je rafinovanější a dražší: nasadit funkci, která je většinou správná, do pracovního postupu, kde je chyba nepřípustná. Návrh s 90% přesností zní v ukázce skvěle. V nástroji, který lidé používají k odesílání faktur nebo plánování personálu, se sebevědomý omyl jednou z deseti nečte jako „působivá AI“ — čte se jako „tomuhle produktu nelze věřit“. Laťka uvnitř existujícího produktu je výš než na landing page, protože utrácíte důvěru, kterou jste si už získali.

Začněte otázkou, ne modelem

Dobrá zpráva je, že existující SaaS vám předává něco, co čerstvý produkt nikdy nemá: důkazy. Už víte, kde se vaši uživatelé trápí, protože vám to každý den říkají. Surovina pro vaši první skvělou funkci AI sedí ve vaší schránce podpory, v dotaznících o odchodu zákazníků a v těch částech vašeho vlastního produktu, kterým se lidé potichu vyhýbají.

Takže než někdo napíše jediný prompt, jděte ty důkazy posbírat. Přečtěte si posledních dvě stě tiketů podpory a označte ty opakující se. Zeptejte se týmu podpory, na kterou otázku už je unaveni odpovídat. Podívejte se v analytice na obrazovku, kde lidé zpomalují, opouštějí ji nebo zuřivě klikají. Někde tam je úkol, který je únavný, jazykového rázu a dělá se znovu a znovu — a to je přesně tvar úkolu, na který je AI dobrá.

Všimněte si, co mají tyto požadavky společné: žádný z nich není „přidej chatbota“. Jsou konkrétní, zabudované a končí hmatatelným výsledkem. To je rozdíl mezi funkcí AI a hračkou AI. Funkce zmizí v pracovním postupu a ušetří krok. Hračka sedí stranou a žádá uživatele o práci navíc, aby z ní vytěžil hodnotu.

Rychlý způsob, jak seřadit kandidáty na AI

Jakmile máte užší seznam tří až šesti nápadů, potřebujete způsob výběru, který se nescvrkne na to, kdo na plánovací schůzce nejvíc křičí. Každého kandidáta hodnotíme na třech přímočarých osách, od jedné do pěti, a nejvyšší součet obvykle vyhraje — nebo aspoň rozpoutá tu správnou debatu.

1. 1
   Hodnota: jak moc to uživatelé chtějí?

   Dejte 5, pokud to odpovídá na požadavek, který slýcháte neustále, a viditelně by to uživatelům ušetřilo čas. Dejte 1, pokud jde o „bylo by hezké mít“, které si vysnil někdo z týmu.
2. 2
   Tolerance: co se stane, když se to splete?

   Dejte 5, pokud je chyba levná a snadno zachytitelná — třeba koncept, který uživatel stejně kontroluje. Dejte 1, pokud chyba potichu poškodí data, peníze nebo vztah se zákazníkem.
3. 3
   Proveditelnost: dokážete to vůbec nakrmit?

   Dejte 5, pokud data, která funkce potřebuje, už máte v použitelné podobě. Dejte 1, pokud závisí na datech, která nemáte, nemůžete k nim přistupovat nebo jsou v chaosu.
4. 4
   Vynásobte a pak ověřte zdravým rozumem

   Vynásobte ty tři. Pak položte lidskou otázku: dokážeme nasadit první verzi vítěze zhruba za měsíc? Pokud ne, zužujte rozsah, dokud to nepůjde.

Ta prostřední osa — tolerance k chybě — je ta, kterou týmy přeskakují, a je to ta, která projekty potápí. Funkce může mít vysokou hodnotu a být zcela proveditelná, a přesto být hroznou první volbou, prostě proto, že cena sebevědomě špatné odpovědi je příliš vysoká. Vaše první funkce AI by měla žít někde shovívavě, kde člověk zůstává ve smyčce a chyba stojí pár vteřin, ne zákazníka.

Postavte ji do produktu, ne vedle něj

Tady je chyba, která odděluje funkci AI, kterou lidé milují, od té, kterou jen tolerují: kam ji umístíte. Instinkt velí přidat nový, samostatný povrch AI — panel, stránku, výsuvný chat — protože to působí jako čistý způsob nasazení. Jenže samostatný povrch žádá uživatele, aby opustil to, co dělal, šel jinam a vrátil se. Každý z těchto kroků lidi ztrácí.

Funkce, které se uchytí, jsou ty, které se objeví přesně tam, kde už práce probíhá. Tlačítko konceptu sedí uvnitř pole odpovědi, ne v postranním panelu. Extrahovaná data tečou rovnou do polí formuláře, předvyplněná a upravitelná. Navržená priorita se ukáže jako nenápadný odznak v seznamu, který už uživatel projíždí. AI se neohlašuje; prostě činí další klik zjevně snazším. V tom je celé řemeslo.

Tady je také existující produkt darem, ne omezením. Už znáte přesný okamžik, kdy se váš uživatel zasekne, přesné pole, které se chystá vyplnit, přesný e-mail, který se chystá napsat. Využijte ten kontext. Týž model, jemuž dáte okolní data, která už váš produkt drží, vyprodukuje něco desetkrát užitečnějšího, než kdy dokáže prázdné chatovací okénko — protože nehádá, co uživatel chce. On už to ví.

Nechte člověka ve smyčce — a dejte to jasně najevo

U vašich prvních funkcí AI je nejbezpečnějším a nejdůvěryhodnějším vzorcem téměř vždy navrhuj, nejednej. AI navrhne; člověk schválí. Sepíše e-mail a člověk ho odešle. Vyplní pole a člověk je zkontroluje. Označí prioritu a člověk rozhodne. Není to nedostatek ambicí — je to způsob, jak si vybudujete historii, která vám později umožní automatizovat víc.

Má to i designovou rovinu, nejen technickou. Učiňte vizuálně jasným, kdy něco přišlo od AI a čeká na lidské požehnání. Nenápadný štítek, jiné pozadí, výslovné „zkontrolovat a odeslat“ místo tiché automatické akce. Uživatelé odpustí mírně nepřesný návrh AI mnohem snáz než akci AI, která se stala, aniž by se zeptala. To první působí jako nápomocný kolega; to druhé jako by software zdivočel.

• Zobrazte výstup AI jako koncept nebo návrh, který může uživatel upravit, než se začne počítat.
• Učiňte ho vizuálně odlišným, aby si nikdo nespletl strojový odhad s potvrzeným faktem.
• Vždy nabídněte čisté „ne, děkuji“ — nechte lidi návrh odmítnout a pokračovat postaru.
• Když si AI není jistá, ať to řekne a důstojně se stáhne, místo aby si vymyslela sebevědomou odpověď.
• Zaznamenávejte, co bylo navrženo a co s tím člověk udělal — to jsou vaše data o přesnosti pro pozdějšek.

Ten poslední bod je potichu ten nejcennější. Pokaždé, když uživatel návrh přijme, upraví nebo odmítne, říká vám, jak dobrá vaše funkce ve skutečnosti je — v reálném světě, na reálných datech, ne v ukázce. Tato zpětnovazební smyčka je způsob, jak se rozhodnete, zda je funkce připravena stát se autonomnější a kde stále potřebuje lidskou ruku na volantu.

Inženýrská realita, před kterou vás nikdo nevaruje

Ukázka je těch snadných 20 %. Dostat funkci AI do produkční podoby uvnitř reálného SaaS je těch zbývajících 80 %, a je to převážně neefektní práce, která má s modelem samotným pramálo společného. Vyplatí se to vědět hned na začátku, aby vás funkční prototyp neoklamal a nepřiměl slíbit datum vydání, které propásnete.

Datová instalatérská práce a kontext

Model je užitečný jen tolik, kolik mu nakrmíte. Těžká část je spolehlivě posbírat správný kontext z vaší existující databáze, naformátovat ho, udržovat ho aktuální a respektovat, který uživatel smí vidět co. V multi-tenant SaaS na tom nesmírně záleží: funkce AI, která omylem zamíchá data jednoho zákazníka do odpovědi jiného, není chyba, je to incident. Izolace tenantů musí sahat až do vaší vrstvy AI.

Náklady a latence

Každé volání AI stojí peníze a zabere čas, a obojí se s používáním škáluje způsobem, jakým paušální předplatné SaaS ne. Funkce, která je rozkošná pro deset beta uživatelů, se může u deseti tisíc potichu stát problémem marže. Musíte včas přemýšlet o tom, který model se hodí na který úkol — k zařazení tiketu podpory nepotřebujete nejvýkonnější a nejdražší model — o cachování opakované práce a o tom, co funkce dělá, když odpověď trvá čtyři sekundy místo jedné.

Selhání a nešťastná cesta

Reální uživatelé vkládají nesmysly, nahrají špatný soubor, píší ve třech jazycích a sáhnou po vaší funkci v nejhorší možné chvíli. Poskytovatel AI má výpadek. Odpověď přijde poškozená. Vaše funkce to všechno musí zvládnout, aniž by rozbila zbytek produktu. Pravidlo je jednoduché a přísné: selhání funkce AI by nikdy nemělo strhnout s sebou klíčový pracovní postup. Má selhat potichu, ustoupit k manuální cestě a nechat uživatele dál pracovat.

Cenotvorba: funkce, doplněk, nebo celý příběh?

Jakmile funkce funguje, čelíte obchodní otázce, na které mnoho týmů zakopne: jak za ni účtovat? Neexistuje jediná správná odpověď, ale je pár poctivých vzorců. Můžete ji zahrnout do stávajících plánů jako přidanou hodnotu, která zlepšuje retenci a ospravedlňuje vaši cenu. Můžete z ní udělat placený doplněk nebo vyšší úroveň, což funguje, když funkce přináší zjevnou, měřitelnou hodnotu. Nebo ji můžete účtovat podle spotřeby, když se základní náklady skutečně škálují s používáním.

Pastí, které je třeba se vyhnout, je oceňovat funkci, jako by AI byla produktem. Pro většinu SaaS firem není AI novou produktovou řadou — je novou schopností, která činí váš existující produkt hodnotnějším. Zákazníci se neprobouzejí s touhou koupit si „AI“. Chtějí svůj skutečný problém vyřešit o něco snadněji a za ten výsledek zaplatí, ať za ním stroj je, nebo není. Oceňujte výsledek, ne technologii.

Nasaďte jednu malou věc, pak stoupejte

Celá strategie se scvrkává na sekvenci, ne na jediný start. Vyberte tu jednu vysoce hodnotnou funkci tolerantní k chybám, o kterou si vaši uživatelé už říkají. Zabudujte ji tam, kde práce probíhá. Nechte člověka ve smyčce. Nasaďte ji výseči zákazníků za přepínačem. Sledujte, jak ji skutečně používají, opravte, co je drsné, pak ji rozšiřte. Teprve když se ta funkce osvědčí, sáhněte po té další, o něco ambicióznější.

Udělejte to párkrát a stane se něco potichu mocného. Váš produkt přestane být „softwarem s naroubovaným tlačítkem AI“ a stane se nástrojem, který je opravdu chytřejší v konkrétních úlohách, na nichž vašim zákazníkům záleží. To je mnohem silnější pozice než tým, který v prvním týdnu nasadil působivou ukázku chatbota a dalších šest měsíců strávil vysvětlováním, proč ho nikdo nepoužívá.

Časté otázky