Zaten Geliştirdiğiniz Bir SaaS'a Yapay Zeka Özellikleri Nasıl Eklenir

Şu sıralar her SaaS kurucusunun üzerine çöken kendine özgü bir baskı var. Bir yönetim kurulu üyesi, bir müşteri ya da yalnızca kendi kafanızdaki ses aynı üç kelimeyi söylüyor: "yapay zekaya ihtiyacımız var." Ürün zaten çalışıyor. İnsanlar parasını ödüyor. Yine de aniden, herkesin sahip olduğu bir şey eksikmiş gibi geliyor. Siz de bir sprint açıyor, bir API'yi bağlıyor, köşeye bir sohbet botu koyuyorsunuz — ve bir ay sonra kimse onu kullanmıyor. Sorun hiçbir zaman model değildi. Onu neye yönelteceğinize karar vermekti.

Yepyeni bir ürüne yapay zeka eklemek, garip biçimde, kolay olan versiyondur. Hayal kırıklığına uğratacağınız kullanıcı yok, saygı göstereceğiniz bir veri modeli yok, bilgilendireceğiniz bir destek ekibi yok. Zaten var olan bir SaaS'a — para ödeyen müşterileri, oturmuş bir iş akışı ve güvenilirlik itibarı olan bir ürüne — yapay zeka eklemekse bambaşka bir spordur. Her yeni özellik, insanların hâlihazırda güvendiği bir sistemin içine düşer; ve güven, fazla hevesli bir yapay zeka özelliğinin en hızlı yakabileceği tek şeydir.

Bunu iyi yapan epeyce yazılım ekibine yardım ettik ve birkaçının da kötü yaptığını izledik. Başarılı olan ekipler neredeyse hiçbir zaman teknolojiyle başlamaz. Kullanıcılarının sürekli sorduğu acı verici tek bir soruyla başlar ve ancak ondan sonra yapay zekanın en ucuz dürüst yanıt olup olmadığını sorar. Bu rehber işte o yaklaşımın yazıya dökülmüş hâli — özelliği nasıl seçeceğiniz, çalışanı bozmadan nasıl inşa edeceğiniz ve insanların gerçekten uzanacağı biçimde nasıl yayına alacağınız.

Sonradan eklenen çoğu yapay zeka özelliği neden başarısız olur

Yeterince SaaS panosunu gezdiğinizde o mezarlığı tanımaya başlarsınız. Kimsenin tıklamadığı bir "✨ Yapay Zeka Asistanı" düğmesi. Herkesin yazabileceği üç sönük cümle üreten bir özet paneli. Ürünün normal bir arama kutusuyla zaten daha iyi yanıtladığı soruları yanıtlayan bir sohbet botu. Bu özellikler yapay zeka zayıf olduğu için başarısız olmadı. Bir problem arayan çözümler oldukları için başarısız oldu.

Örüntü neredeyse her zaman aynıdır. Birisi yapay zeka biçimli bir şey yayına alma baskısı hissetti, bu yüzden en genel, en görünür seçeneğe — bir sohbet kutusuna — uzandı; çünkü en bariz biçimde "yapay zeka" olarak okunan şey o. Ama sohbet kutusu boş bir sayfadır ve boş bir sayfa, ürününüze belirli bir işi halletmek için gelen insanlar için berbat bir arayüzdür. Sohbet etmek istemiyorlar. Raporun bitmesini, e-postanın yazılmasını, verinin temizlenmesini istiyorlar.

İkinci başarısızlık biçimi daha incedir ve daha pahalıdır: yanlışın kabul edilemez olduğu bir iş akışına çoğu zaman doğru olan bir özelliği yayına almak. %90 isabetli bir öneri demoda harika görünür. İnsanların fatura göndermek veya personel planlamak için kullandığı bir araçta, on seferde bir gelen kendinden emin bir hata "etkileyici yapay zeka" olarak okunmaz — "bu ürüne güvenilmez" olarak okunur. Mevcut bir ürünün içindeki çıta, bir açılış sayfasındakinden daha yüksektir; çünkü zaten kazandığınız güveni harcıyorsunuz.

Modelle değil, soruyla başlayın

İyi haber şu: mevcut bir SaaS, yeni bir ürünün asla veremeyeceği bir şeyi size verir: kanıt. Kullanıcılarınızın nerede zorlandığını zaten biliyorsunuz, çünkü size her gün söylüyorlar. İlk harika yapay zeka özelliğinizin ham maddesi destek gelen kutunuzda, kayıp müşteri anketlerinizde ve insanların sessizce kaçındığı kendi ürün bölümlerinizde duruyor.

Bu yüzden biri bir komut yazmadan önce, gidip o kanıtı toplayın. Son iki yüz destek talebini okuyun ve tekrar edenleri etiketleyin. Destek ekibinize yanıtlamaktan bıktıkları sorunun hangisi olduğunu sorun. Analitiğinizde insanların yavaşladığı, vazgeçtiği veya öfkeyle tıkladığı ekrana bakın. Oralarda bir yerde sıkıcı, dil biçimli ve tekrar tekrar yapılan bir iş vardır — ve bu tam da yapay zekanın iyi olduğu işin biçimidir.

Bu taleplerin ortak yanına dikkat edin: hiçbiri "bir sohbet botu ekle" değil. Belirliler, gömülüler ve somut bir sonuçla bitiyorlar. İşte bir yapay zeka özelliği ile bir yapay zeka oyuncağı arasındaki fark budur. Bir özellik iş akışının içinde kaybolur ve bir adımı ortadan kaldırır. Bir oyuncak ise kenarda durur ve değer elde etmek için kullanıcıdan fazladan iş ister.

Yapay zeka adaylarınızı sıralamanın hızlı bir yolu

Üç ila altı fikirden oluşan bir kısa listeniz olduğunda, planlama toplantısında en yüksek sesle tartışana bağlı olmayan bir seçim yöntemine ihtiyacınız var. Her adayı üç keskin eksende, birden beşe kadar puanlıyoruz; en yüksek toplam genelde kazanır — ya da en azından doğru tartışmayı başlatır.

1. 1
   Değer: kullanıcılar bunu ne kadar çok istiyor?

   Sürekli duyduğunuz bir talebi yanıtlıyor ve kullanıcılara gözle görülür biçimde zaman kazandıracaksa 5 verin. Ekipten birinin hayal ettiği bir 'olsa iyi olur' ise 1 verin.
2. 2
   Tolerans: yanlış olduğunda ne olur?

   Hata ucuz ve kolay yakalanıyorsa — kullanıcının zaten gözden geçirdiği bir taslak gibi — 5 verin. Bir hata sessizce veriyi, parayı veya bir müşteri ilişkisini bozuyorsa 1 verin.
3. 3
   Yapılabilirlik: onu gerçekten besleyebilir misiniz?

   Özelliğin ihtiyaç duyduğu veri zaten kullanılabilir biçimde elinizdeyse 5 verin. Sahip olmadığınız, erişemediğiniz veya darmadağın veriye bağlıysa 1 verin.
4. 4
   Çarpın, sonra mantık testine tabi tutun

   Üçünü çarpın. Sonra insani soruyu sorun: kazananın ilk sürümünü kabaca bir ayda yayına alabilir miyiz? Alamıyorsanız, alabilene kadar kapsamını daraltın.

O ortadaki eksen — hataya tolerans — ekiplerin atladığı eksendir ve projeleri batıran da odur. Bir özellik yüksek değerli ve tamamen yapılabilir olabilir, yine de berbat bir ilk tercih olabilir; sırf kendinden emin bir yanlış yanıtın maliyeti çok yüksek olduğu için. İlk yapay zeka özelliğiniz hoşgörülü bir yerde yaşamalı; insanın döngüde kaldığı ve bir hatanın bir müşteriye değil, birkaç saniyeye mal olduğu bir yerde.

Onu ürünün yanına değil, içine inşa edin

İnsanların sevdiği bir yapay zeka özelliğini katlandıkları birinden ayıran hata şu: onu nereye koyduğunuz. İçgüdü, yeni ve ayrı bir yapay zeka yüzeyi eklemektir — bir panel, bir sayfa, bir sohbet çekmecesi — çünkü yayına almanın temiz bir yolu gibi gelir. Ama ayrı bir yüzey, kullanıcıdan yaptığı işi bırakmasını, başka bir yere gitmesini ve geri gelmesini ister. Bu adımların her biri insan kaybettirir.

Kalıcı olan özellikler işin zaten yapıldığı yerde beliren özelliklerdir. Taslak düğmesi bir kenar çubuğunda değil, yanıt kutusunun içinde durur. Çıkarılan veri, önceden doldurulmuş ve düzenlenebilir biçimde doğrudan form alanlarına akar. Önerilen öncelik, kullanıcının zaten taradığı listede sessiz bir rozet olarak belirir. Yapay zeka kendini ilan etmez; yalnızca bir sonraki tıklamayı bariz biçimde kolaylaştırır. İşin tüm hüneri budur.

Mevcut bir ürüne sahip olmanın bir kısıt değil bir armağan olduğu yer de burasıdır. Kullanıcınızın takıldığı tam anı, doldurmak üzere olduğu tam alanı, yazmak üzere olduğu tam e-postayı zaten biliyorsunuz. Bu bağlamı kullanın. Aynı model, ürününüzün zaten elinde tuttuğu çevredeki veriyle beslendiğinde, boş bir sohbet kutusunun asla üretebileceğinden on kat daha yararlı bir şey üretir — çünkü kullanıcının ne istediğini tahmin etmiyordur. Zaten biliyordur.

İnsanı döngüde tutun — ve bunu belli edin

İlk yapay zeka özellikleriniz için en güvenli ve en güven veren kalıp neredeyse her zaman öner, eyleme geçme'dir. Yapay zeka önerir; insan onaylar. E-postayı o taslaklar, kişi gönderir. Alanları o doldurur, kişi kontrol eder. Önceliği o işaretler, kişi karar verir. Bu bir hırs eksikliği değildir — sonradan daha fazlasını otomatikleştirmenize izin verecek sicili böyle oluşturursunuz.

Bunun yalnızca teknik değil, bir tasarım boyutu da var. Bir şeyin yapay zekadan geldiğini ve bir insanın onayını beklediğini görsel olarak açık kılın. İnce bir etiket, farklı bir arka plan, sessiz bir otomatik eylem yerine açık bir "gözden geçir ve gönder". Kullanıcılar, biraz hatalı bir yapay zeka önerisini, sormadan gerçekleşen bir yapay zeka eyleminden çok daha kolay affeder. İlki yardımsever bir meslektaş gibi gelir; ikincisi yazılım çığırından çıkmış gibi.

• Yapay zekanın çıktısını, sayılmadan önce kullanıcının düzenleyebileceği bir taslak veya öneri olarak gösterin.
• Kimse bir makine tahminini onaylanmış bir gerçekle karıştırmasın diye onu görsel olarak ayırt edilebilir kılın.
• Her zaman temiz bir 'hayır, teşekkürler' seçeneği sunun — insanların öneriyi reddedip eski yöntemle devam etmesine izin verin.
• Yapay zeka emin değilken bunu söylesin ve kendinden emin bir yanıt uydurmak yerine zarifçe geri çekilsin.
• Neyin önerildiğini ve insanın onunla ne yaptığını kaydedin — sonrası için isabet veriniz budur.

O son madde sessizce en değerlisidir. Bir kullanıcı her öneriyi kabul ettiğinde, düzenlediğinde veya reddettiğinde, size özelliğinizin gerçekte ne kadar iyi olduğunu söylüyordur — gerçek dünyada, gerçek veride, bir demoda değil. O geri bildirim döngüsü, bir özelliğin daha özerk hâle gelmeye hazır olup olmadığına ve hâlâ nerede insan elinin direksiyonda kalması gerektiğine böyle karar verirsiniz.

Kimsenin sizi uyarmadığı mühendislik gerçeği

Demo, kolay olan %20'dir. Bir yapay zeka özelliğini gerçek bir SaaS'ın içinde üretime hazır hâle getirmek diğer %80'dir ve çoğunlukla modelin kendisiyle pek ilgisi olmayan gösterişsiz bir iştir. Bunu işe başlarken bilmekte fayda var; böylece çalışan bir prototip sizi kandırıp kaçıracağınız bir yayın tarihi sözü verdirmesin.

Veri tesisatı ve bağlam

Bir model, onu beslediğiniz şey kadar yararlıdır. Zor olan kısım, doğru bağlamı mevcut veritabanınızdan güvenilir biçimde toplamak, biçimlendirmek, güncel tutmak ve hangi kullanıcının neyi görmeye yetkili olduğuna saygı göstermektir. Çok kiracılı bir SaaS'ta bu son derece önemlidir: bir müşterinin verisini kazara başka birinin yanıtına karıştıran bir yapay zeka özelliği bir hata değil, bir olaydır. Kiracı yalıtımı, yapay zeka katmanınızın ta içine kadar uzanmalıdır.

Maliyet ve gecikme

Her yapay zeka çağrısı para harcar ve zaman alır; ikisi de kullanımla, sabit bir SaaS aboneliğinin yapmadığı biçimde ölçeklenir. On beta kullanıcısı için keyifli olan bir özellik, on binde sessizce bir marj sorununa dönüşebilir. Hangi modelin hangi işe uyduğunu — bir destek talebini sınıflandırmak için en güçlü, en pahalı modele ihtiyacınız yok — tekrarlanan işi önbelleğe almayı ve bir yanıt birin yerine dört saniye sürdüğünde özelliğin ne yaptığını erkenden düşünmeniz gerekir.

Başarısızlık ve mutsuz yol

Gerçek kullanıcılar çöp yapıştırır, yanlış dosyayı yükler, üç dilde yazar ve özelliğinize mümkün olan en kötü anda denk gelir. Yapay zeka sağlayıcısında kesinti olur. Bir yanıt bozuk gelir. Özelliğiniz tüm bunları, ürünün geri kalanını bozmadan ele almalıdır. Kural basit ve katıdır: bir yapay zeka özelliğinin başarısız olması asla yanında temel bir iş akışını düşürmemelidir. Sessizce başarısız olmalı, manuel yola geri dönmeli ve kullanıcının çalışmaya devam etmesine izin vermelidir.

Fiyatlandırma: bir özellik mi, bir eklenti mi, yoksa tüm hikâye mi?

Özellik çalıştığında, birçok ekibin ayağını kaydıran bir iş sorusuyla karşılaşırsınız: bunun ücretini nasıl alacaksınız? Tek bir doğru yanıt yok, ama birkaç dürüst kalıp var. Onu, müşteri tutmayı iyileştiren ve fiyatınızı haklı çıkaran bir katma değer olarak mevcut planlarınıza dâhil edebilirsiniz. Onu ücretli bir eklenti veya daha üst bir kademe yapabilirsiniz; bu, özellik bariz ve ölçülebilir bir değer sunduğunda işe yarar. Ya da temel maliyet gerçekten tüketimle ölçekleniyorsa onu kullanıma göre sayaçlayabilirsiniz.

Kaçınılması gereken tuzak, özelliği sanki yapay zeka ürünmüş gibi fiyatlandırmaktır. Çoğu SaaS şirketi için yapay zeka yeni bir ürün hattı değildir — mevcut ürününüzü daha değerli kılan yeni bir yetenektir. Müşteriler "yapay zeka" satın almak isteyerek uyanmaz. Asıl problemlerinin biraz daha kolay çözülmesini isterler ve arkasında bir makine olsun ya da olmasın o sonuç için para öderler. Teknolojiyi değil, sonucu fiyatlandırın.

Küçük tek bir şey yayına alın, sonra tırmanın

Tüm strateji tek bir lansmana değil, bir diziye dayanır. Kullanıcılarınızın zaten istediği, yüksek değerli ve hataya toleranslı tek özelliği seçin. Onu işin yapıldığı yere gömün. İnsanı döngüde tutun. Bir bayrağın ardından müşterilerin bir dilimine yayına alın. Onu gerçekte nasıl kullandıklarını izleyin, pürüzlü olanı düzeltin, sonra genişletin. Ancak o özellik ekmeğini hak ettiğinde, bir sonraki, biraz daha hırslı özelliğe uzanın.

Bunu birkaç kez yapın ve sessizce güçlü bir şey olur. Ürününüz "üzerine bir yapay zeka düğmesi iliştirilmiş yazılım" olmaktan çıkar ve müşterilerinizin önemsediği belirli işlerde gerçekten daha akıllı bir araç hâline gelir. Bu, ilk hafta etkileyici bir sohbet botu demosu yayına alan ve sonraki altı ayı kimsenin neden kullanmadığını açıklamakla geçiren ekibinkinden çok daha güçlü bir konumdur.

Sık sorulan sorular