Lansmandan bu yana Teknoloji şirketi liderlerinden oluşan bir izdiham, ChatGPT’nin heyecanını takip ediyor: Nereye dönsem başka bir şirket öncü yapay zeka özelliklerini tanıtıyor. Ancak gerçek iş değeri, yalnızca yeni teknolojinin kullanılmasından değil, kullanıcılar için önemli olan ürün özelliklerinin sunulmasından gelir.
Kullanıcıların ürününüzden neye ihtiyaç duyduğuna ilişkin temel ilkelerle başlayarak, bu vizyonu destekleyen bir yapay zeka yeteneği oluşturarak ve ardından ürünün hedefine ulaştığından emin olmak için benimsenmeyi ölçerek, yapay zeka ile mühendislik çabalarından 10 kat daha iyi bir getiri elde ettik.
İlk yapay zeka ürün özelliğimiz bu fikirle uyumlu değildi ve geri dönen kullanıcılar arasında hayal kırıklığı yaratan %0,5’lik bir benimseme oranına ulaşmak bir ay sürdü. Kullanıcılarımızın ürünümüzden neye ihtiyaç duyduğuna ilişkin temel ilkelerimizi yeniden belirledikten sonra, bir “aracı olarak yapay zeka” yaklaşımı geliştirdik ve ilk haftada benimsenme oranı %5’e ulaşan yeni bir yapay zeka yeteneği sunduk. Yapay zekadaki başarının bu formülü hemen hemen her yazılım ürününe uygulanabilir.
Heyecan acelesinin israfı
Bizimki gibi birçok startup, genellikle net bir strateji olmaksızın en son teknolojiyi entegre etmenin cazibesine kapılıyor. Dolayısıyla, OpenAI’nin üretken önceden eğitilmiş transformatör (GPT) modellerinin çeşitli enkarnasyonlarının çığır açıcı bir şekilde piyasaya sürülmesinden sonra, ürünümüzde büyük dil modeli (LLM) AI teknolojisini kullanmanın bir yolunu aramaya başladık. Çok geçmeden, üretimdeki yeni yapay zeka destekli öğeyle heyecan trenindeki yerimizi güvence altına aldık.
Bu ilk yapay zeka yeteneği, kullanıcımızın ürünümüze yüklediği her dosyayı açıklayan kısa bir paragraf yazmak için GPT’yi kullanan küçük bir özetleme özelliğiydi. Bu bize konuşacak bir konu sağladı ve bazı pazarlama içerikleri hazırladık ancak bunun kullanıcı deneyimimiz üzerinde anlamlı bir etkisi olmadı.
Çoğu startup, net bir strateji olmadan en son teknolojiyi entegre etmenin cazibesine kapılıyor.
Bunu biliyorduk çünkü temel ölçümlerimizin hiçbiri kayda değer bir değişiklik göstermedi. Geri dönen kullanıcıların yalnızca %0,5’i ilk ayda açıklamayla etkileşimde bulundu. Üstelik kullanıcı aktivasyonunda herhangi bir gelişme olmadı ve kullanıcı kayıt hızında da herhangi bir değişiklik olmadı.
Daha geniş bir perspektiften düşündüğümüzde bu özelliğin o metrikleri asla hareket ettirmeyeceği açıktı. Ürünümüzün temel değer önerisi, büyük veri analizi ve verileri dünyayı anlamak için kullanmakla ilgilidir.
Yüklenen dosya hakkında birkaç kelime oluşturmak herhangi bir önemli analitik içgörüyle sonuçlanmayacak, bu da kullanıcılarımıza pek fazla yardımcı olmayacağı anlamına geliyor. Yapay zeka ile ilgili bir şey sunma telaşımız nedeniyle gerçek değer sağlamayı kaçırmıştık.
Temsilci olarak yapay zekayla başarı: 10 kat daha iyi getiri
Bize başarıyı getiren yapay zeka yaklaşımı, kullanıcılarımızın ürünümüzdeki verilerle doğal dil aracılığıyla etkileşim kurmasına olanak tanıyan bir “aracı olarak yapay zeka” ilkesidir. Bu tarif, API çağrıları üzerine oluşturulmuş hemen hemen her yazılım ürününe uygulanabilir.
İlk AI özelliğimizden sonra kutuyu işaretledik ancak memnun değildik çünkü kullanıcılarımız için daha iyisini yapabileceğimizi biliyorduk. Biz de yazılım mühendislerinin programlama dillerinin icadından bu yana yaptığı şeyi yaptık; bir hackathon için bir araya geldik. Bu hackathon’dan kullanıcı adına hareket eden bir yapay zeka aracısını hayata geçirdik.
Aracı, web ön uçumuzun çağırdığı aynı API uç noktalarına API çağrıları yaparak kendi ürünümüzü kullanır. API çağrılarını, kullanıcıyla yapılan doğal dil konuşmasına dayalı olarak oluşturur ve kullanıcının kendisinden yapmasını istediği şeyi yerine getirmeye çalışır. Aracının eylemleri, sanki kullanıcı eylemleri kendisi gerçekleştirmiş gibi, API çağrılarının bir sonucu olarak web kullanıcı arayüzümüzde gösterilir.
