Több ≠ Jobb: Hogyan ne váljunk AI szoftvergyárrá?

Az AI forradalmasítja a szoftverfejlesztést, de veszélyesen felerősítheti a termékvilág legkárosabb jelenségét is. Sorsfordító döntés kell hozni: több funkciót vagy több értéket akarsz teremteni?

A digitális termékek világában forradalmi változás zajlik: az AI-eszközök olyan lehetőségeket nyitottak meg, amelyek korábban elképzelhetetlenek voltak. Működő alkalmazásokat generálhatunk percek alatt, interfészeket tervezhetünk, kódot írhatunk és tesztelhetünk – mindezt olyan sebességgel, ami még pár éve még sci-fi-be illett volna.

De vajon a technológia gyorsulása automatikusan jobb termékeket is eredményez? Vagy csak a a sajnos már most is nagyon gyakori „feature factory” jelenség felerősödéséhez vezet ahol a az előállított funkciók mennyisége és a gyorsaság felülírja a minőséget és a valódi értékteremtést?

Az AI paradoxon: lehetőség vagy csapda

Az AI eszközök vitathatatlanul demokratizálhatják a szoftverfejlesztést. Programozói tapasztalat nélkül is létre lehet hozni alkalmazásokat, weboldalakat, a rutin kódolási feladatok nagy része automatizálható, sőt, komplex funkciók is szinte pillanatok alatt összepattinthatók. Egy működő funkció előállításához, amihez korábban hetekre volt szükség, most talán csak órák kellenek.

Ez óriási lehetőség kétségtelenül – de egyben veszélyes csapda is lehet. 

A technológia paradoxona ugyanis, hogy miközben képessé tesz minket arra, hogy megsokszorozzuk a termelékenységünket, könnyen felerősítheti a „több” és nem a „jobb” szemléletet. 

A feature factory felskálázódása?

Egyszer dolgoztam egy területen, amit a vezetője is “szoftvergyárnak” hívott. A kezdetektől tikkelt a szemem a kifejezéstől, ugyanis ez egy az egyben az úgynevezett feature factory. Ez pedig egy olyan jelenség, mint például a cigizés: nem szabad büszkének lenni rá, hanem éppen szégyenkeznie kell annak a cégnek, aki űzi. 

A feature factory ugyanis egy olyan fejlesztési környezet, ahol a csapatok egyetlen célja új funkciók tömegének szállítása, anélkül, hogy érdekelné őket a ezek hatása a felhasználóra és az üzletre. Ebben a világban a siker mértéke kizárólag a kiadott funkciók száma, nem pedig az, hogy ezek mennyire oldanak meg valós problémákat, hogyan teremtenek értéket a felhasználó és a cég számára. 

Amikor például a közigazgatásban dolgoztam, ha megkérdeztem, hogy miben mérik a szolgáltatás sikerét gyakran volt az a válasz, hogy “sikeres, ha kész van”. Ha azt gondolnád ez csak állami környezetben van így, sajnos tévedsz, az “IT delivery” orientált vállalatoknál teljesen általános sajnos a jelenség. Ebbe a kategóriába tartozik az internet előtt született nagyvállalatok zöme, ahol nincs termék gondolkodás, ahol csak “üzleti siló” meg “IT” siló van.

A feature factory betegség tehát már régóta köztünk van, azonban az AI exponenciálisan felerősítheti:

• Gyorsabb fejlesztés – Ami korábban hetek munkája volt, most napok vagy órák kérdése
• Több “fejlesztő” (vagy inkább „vibe coder”) – Az AI demokratizálja a fejlesztést, több ember képes szoftverek létrehozására
• Alacsonyabb belépési küszöb – Kevesebb technikai tudás is elegendő komplexebb funkciók létrehozásához

A legrosszabb forgatókönyv szerint feautre factoryk, vagy szoftvergyárak milliói fogják elárasztani a piacot olcsó, de értéktelen szoftverekkel – amelyek nem oldanak meg valós problémákat, csupán az AI lehetőségeit demonstrálják.

Mi a baj a feature gyártással?

Ahogy érintettem gyakori tévhit mikor azt gondoljuk, hogy egy funkció leszállítása azt jelenti, hogy kész vagyunk. Ugyanez vonatkozik a digitális termékekre: kiélesítettük, tehát kész vagyunk – gondolják sokan. 

Pedig hiába is digitális termékekről meg szoftverekről beszélünk, ez a gondolkodás valójában annak a kornak az öröksége, amikor még főként fizikai termékeket gyártottunk.

Például a mérnöki munkában nem volt nehéz kitűzni egy projektcélt. Ha mondjuk hidat építettél tudtad, hogy akkor vagy kész, amikor a híd áll, és az emberek biztonságosan átkelhetnek rajta. Ha autót gyártottál, akkor akkor voltál kész, amikor az autó legördült a gyártósorról.

De amikor szoftvertermékeket, digitális szolgáltatás készítünk, a „készen van” sokkal kevésbé egyértelmű. Mikor van kész a Google Docs? Vagy a Google kereső? Vagy a Facebook?

A valóságban a szoftverek soha nincsenek igazán készen. De nem csak ez a bökkenő.

Funkciók, feature-ök lehetnek készen, lehetnek hibátlanok technikailag, mégsem biztos, hogy bármiféle értéket teremtenek. Gondolj például azokra a weboldalon felugró modalokra, amelyek arra próbálnak rávenni, hogy iratkozz fel a hírlevélre.

Működnek? Technikai értelemben igen, azt csinálják, amit kell. De hoznak értéket a felhasználóknak? A legtöbbször nem — az embereket inkább csak halálra idegesítik, és elhagyják az oldalt.

A világ már most tele van ilyen „funkciókkal” és szoftverekkel: teljesítik a specifikációt, mégsem adnak semmi értéket sőt, néha még kárt is okoznak.

Tehát a funkció, vagy akár egy szoftver nem automatikusan szavatolja az értéket, ezért nem túl jó megközelítést azt a működésünk középpontjába helyezni: helyette az outcome-orientált termékfejlesztés lehet egy elgondolkodtató irány.

Revolut: Az outcome-orientált termékfejlesztés mintája

Ahogyan korábbi cikkemben részletesen bemutattam, a Revolut nem véletlenül vált a fintech szektor egyik legsikeresebb szereplőjévé. A bankszektor egyáltalán nem értette meg a sikerük titkát, ami pedig egy nagyon egyszerű elvre visszavezethető: működésük középpontjában nem a funkciók mennyisége, hanem az üzleti és felhasználói eredmények állnak.

Máshogy fogalmazva a Revolut sikerének kulcsa az outcome-orientált szemlélet, ahol:

• Minden termékfejlesztési kezdeményezés konkrét, mérhető üzleti/felhasználói célokhoz kapcsolódik
• A teljesítményt nem a kiadott funkciók mennyiségével, hanem azok hatásával mérik
• Az adatvezérelt döntéshozatal biztosítja, hogy csak az értékteremtő fejlesztések kapjanak zöld utat
• A sikertelen termékekből gyorsan tanulnak és továbblépnek, nem ragaszkodnak mereven az eredeti elképzelésekhez

Ez a működés éles kontrasztban áll a feature factory megközelítéssel, és tökéletes példát mutat arra, hogyan kellene a termékfejlesztésnek működnie az AI korszakban is.

Outcome-orientált szemlélet az AI lehetőségeivel

Talán már az eddigiekből is kiderülhetett, hogy az AI-korszak termékfejlesztésének legnagyobb kihívása az output-orientált szemléletről az outcome-orientált szemléletre való átállás.

Az output-orientált megközelítés méri:

• A kiadott funkciók számát
• A fejlesztési sebességet
• A kód mennyiségét
• A teljesített feladatok számát

Az outcome-orientált megközelítés viszont arra fókuszál:

• Mennyire oldottuk meg a felhasználók valós problémáit?
• Milyen üzleti eredményeket értünk el?
• Hogyan változott a felhasználói elégedettség vagy a kulcs metrikák?
• Történt-e valódi értékteremtés?

Ezen megközelítés szerint az AI-toolok valódi értéke nem abban rejlik, hogy többet tudunk fejleszteni, hanem hogy többet tudunk kísérletezni, gyorsabban validálhatunk hipotéziseket, és mélyebben megérthetjük a felhasználói igényeket – ha ezekre a célokra használjuk őket.

Hogyan használjuk az AI-t outcome-orientált fejlesztésre?

A szinte napi szinten felbukkanó AI toolok tengerében könnyen félreérthető lehet, hogy mire lehet használni az új technológiákat. Pedig az AI-t nem csak kódgenerálásra és fejlesztési gyorsításra használhatjuk, hanem arra is, hogy megerősítsük az outcome-orientált működést.

Gyorsabb insight gyűjtés

Az AI-eszközökkel gyorsan elemezhetjük a felhasználói visszajelzéseket, beszélgetéseket, hogy mélyebben, pontosabban értsük a valós problémákat, melyek elvezethetnek valóban hasznos termék, és funkció ötletekhez. 

Hipotézisek validálása

A IT-driven fejlesztés egyik legnagyobb hiányossága, hogy nem alkalmaz product discoveryt, nem futtat kísérleteket prototípusokkal, mielőtt fejlesztene. Ennek a belépési korlátja is alacsonyabbra kerülhet, könnyen állíthatunk elő AI-prototípusokat, hogy gyorsabban teszteljünk ötleteket, mielőtt jelentős erőforrásokat fektetünk a fejlesztésbe

Termékmetrikák automatizált elemzése

Az AI segíthet azonosítani olyan mintázatokat a termékhasználati adatokban, amelyek emberi szemmel könnyen észrevétlenek maradnának.

Visszacsatolási hurkok felgyorsítása

Lehetővé válhat automatizált tesztelés, validálás és minőségellenőrzés az AI segítségével, hogy gyorsabban tanulhassunk.

 
A lényeg, hogy ne arra használjuk az AI-t, hogy több funkciót és szoftvert fejlesszünk, hanem hogy jobb döntéseket hozzunk arról, mit fejlesszünk egyáltalán. Valamint amikor fejlesztünk, gyorsabban értsük meg, mi működik és mi nem.

Az AI-alapú termékfejlesztés jövője

Az AI nem szavatolja önmagában, hogy jobb termékek szülessenek, és elkerüljük a termékfejlesztés múltjának és jelenének hibáit. Viszont kétségtelenül rendkívüli lehetőséget kínál, hogy felgyorsítsuk a tanulási és döntéshozatali folyamatokat.

A versenyelőnyt nem az fogja meghatározni, melyik cég tud több funkciót fejleszteni az AI segítségével. Hanem az, melyik képes az AI-t arra használni, hogy mélyebben megértse a felhasználói problémákat, gyorsabban validálja a megoldásokat, és következetesen értéket teremtsen.

Az AI nem változtatja meg a sikeres termékfejlesztés alapelveit  – csak új eszközöket ad a kezünkbe, hogy jobban megvalósítsuk azokat.

A kérdés nem az, hogy tudunk-e több digitális terméket és funkciót fejleszteni az AI segítségével. A kérdés inkább az, képesek vagyunk-e ellenállni a kísértésnek, hogy mindent megcsináljunk, amit meg tudunk csinálni – és ehelyett arra koncentrálni, ami valóban számít: a felhasználói problémák jobb megoldására.