ProductSense опубликовал разбор построения ИИ-продуктов от спикера Максима Гаврикова на примере кейса АссистАгроi. Главный тезис: в отличие от классического продуктового цикла, где непредсказуемость касается выбора проблемы и решения, а реализация относительно предсказуема, в ИИ-продуктах неопределенность сохраняется и на этапе «сделали» — заранее неизвестно, удастся ли довести модель до нужного качества и будет ли она стабильно работать на реальных данных.

Из-за этой дополнительной неопределенности особенно важно не ошибиться в выборе того, что строить, и не начинать стратегию с самого ИИ, а идти от анализа рынка и ценности к технологии.

• Названы три ловушки при выборе ИИ-стратегии: копировать конкурентов, спрашивать пользователей «чего им не хватает» и решать сделать ИИ просто потому, что «у всех уже есть»
• Предложена цепочка проработки задач: тренды → глубокий анализ → тип ценности → технология → имплементация — сначала прогноз рынка на несколько лет вперед, затем декомпозиция процессов клиента и поиск самых дорогих проблем, и только потом выбор технологии
• В кейсе АссистАгро анализ по этой цепочке привел к выводу: рынку не нужна еще одна система для показа данных о полях — клиенту нужна конкретная рекомендация, что делать
• Ценность ИИ-продукта описана как сборка по 4 слоям: сигнал → решение → суждение → действие
• Отмечена типичная ошибка команд: остановка на этапе «мы научились распознавать» и ложное ощущение, что ценность уже создана — по мнению автора, реальная ценность появляется только когда сигнал встроен в процесс принятия решения