Чому AI не панацея: 4 поради продактам від Boosta

Масове захоплення генеративними моделями створило ілюзію, що технологія здатна самостійно навести лад у беклозі чи прискорити релізи. Проте, як показують звіти McKinsey, більшість організацій тестують нейромережі, але лише одиницям вдається досягти реального фінансового впливу на рівні всього бізнесу. Значна частина ініціатив застрягає на етапі пілотів через неготовність внутрішніх процесів. Gartner фіксує зміну тренду: корпоративні бюджети на автоматизацію потрапляють під жорсткий контроль, бізнес вимагає вимірюваного впливу на метрики та чіткого ROI.

Михайло Пономаренко, CPO Solvy (Boosta), наголошує: AI не наведе лад у процесі, він лише прискорить і масштабує те, що вже є, з усіма його дірками. Найнебезпечніше — впевненість, із якою нейромережа помиляється, ховаючись за згенерованим текстом. Перед автоматизацією варто перевірити, чи можна пояснити процес людині «з вулиці». Якщо в поясненні з’являються двозначності, їх потрібно явно прописати в кожному знанні та плагіні. Сигналом, що завдання не дозріло для автоматизації, є нескінченне шліфування агента ітерацією за ітерацією.

Олександра Бернацька, Product Lead в Edlight (Boosta), радить починати не з інструменту, а з болю. Команди часто запитують «Який AI спробувати?», замість «Де ми втрачаємо час, ресурс або швидкість навчання на поведінці користувачів?». Конкретний біль виглядає так: маленька ітерація проходить повний dev-flow, простий тест лендингу конкурує за ресурс із великими фічами. Вона рекомендує розділяти два режими — exploration і production usage. На етапі exploration нормально виділити невеликий бюджет для тестування, але коли інструмент переходить у регулярне використання, слід ставити конкретні запитання про bottleneck, економію часу чи грошей, а також метрику, яку покращуємо. Приклад Replit: спочатку продукт тестували за ~$20/міс, потім usage виріс до ~$200–600/міс, а зараз бюджет може доходити до ~$2000–3000/міс, але витрати обґрунтовані конкретним продуктовим ефектом.

Іван Палій, Head of Product у CodeCrew (Boosta), пропонує починати з експерименту на одній людині. Впроваджувати AI відразу на рівні всієї команди ризиковано, адже доведеться ламати багато процесів. Варто знайти найактивнішого користувача AI, зробити його чемпіоном змін, виділити йому час на експеримент, а потім масштабувати досвід. Люди рідко люблять зміни зверху, але коли бачать, що колега завдяки AI пішов далі в результатах, це мотивує самостійно змінюватися.

Катерина Махоротова, Product Manager в Edlight (Boosta), застерігає: не варто автоматизовувати процес, який ще не працює. AI не наведе лад у беклозі, який команда сама не змогла узгодити. Вона радить зробити неявне явним — визначити критерії, які команда реально враховує під час планування. Навіть недосконала модель пріоритезації краща за ту, що лише в голові продакта. Також важливо перевірити, чи можна пояснити рішення AI, і заміряти процес до впровадження: час на планування спринту, кількість перепріоритезацій, дублікати. AI добре працює як «калькулятор» поверх людських рішень, але погано замінює продуктову логіку.

Впровадження нових технологій стало стрес-тестом для компаній. Інструменти підсвічують зрілість менеджменту: уміння домовлятися про пріоритети, контролювати бюджети на експерименти та чесно визнавати прогалини в роботі. Успіх оптимізації залежить насамперед від сильної експертизи всередині колективу, де алгоритми підпорядковуються бізнес-логіці.