Mentionsy
Wypuszczanie AI feature’ów – jak testować, walidować i nie spalić użytkowników
W tym odcinku rozmawiamy o naszych doświadczeniach z wypuszczaniem funkcjonalności opartych na AI – gdzie niedeterministyczność dostajemy w pakiecie już na starcie i uczymy się nią zarządzać.
A w szczegółach:
Czym różnią się AI feature’y od zwykłych wdrożeńDlaczego progresywne rollouty są kluczowe w AIStrategia rolloutówZbieranie i interpretacja feedbackuIteracja i decyzjeRóżnice w podejściu enterprise vs SMBKontekst, źródła danych, wiedza domenowaSzukaj w treści odcinka
Załóż, że nie wiesz czego nie wiesz i będziesz się tego uczył aż do końca wypuszczenia feature'a.
Gdzie AI powinno dodać wartość dodaną do feature'a, nasi klienci będą się zastanawiać, gdzie koszt użycia tego AI będzie uzasadniał value, które będziemy dla tego biznesu dostarczać.
Czyli jak weźmiemy sobie czas i jakość, to są dwie rzeczy, czyli możemy gdzieś tam stworzyć, dodać wartość dodaną dla feature'a, która umożliwi szybszy dostęp do informacji i w lepszej jakości.
I później w momencie, w którym mamy jakąś tam wersję pierwszą udostępnioną dla tych 10 klientów ze zwykłym jakimś takim feature flagiem, wtedy spotykamy się z tymi klientami, dajemy im czas, żeby oni sami mogli też z tego feature'a korzystać przez pewien czas, mamy jakiś drugi feedback loop, czyli w formie spotkania i zbieramy tak naprawdę od nich jakościowe dane, jak korzystali z tego, jak to było przydatne i tak dalej.
Stworzyć powiedzmy taki... U nas AI w zasadzie samo w sobie w tych feature'ach, które mamy w platformie jest zazwyczaj takim opcją, ale niekoniecznością.
Czyli użytkownik może wspomóc na przykład działanie pewnego feature'a, który dajmy na to agreguje pewne dane do pewnego
I to w takich feature'ach zwykłych, w których nie mamy aż tak dużych niepewności jeszcze,
Załóż, że nie wiesz, czego nie wiesz i będziesz się tego uczył aż do końca wypuszczenia feature'a, czyli do full rolloutu nie będziesz pewny, czy już jest dobry, bo będziesz odkrywał nowe use case'y, o których nie pomyślałeś i weź na to poprawkę, że to nie jest szybkie naprawienie krytycznego błędu i już feature jest na produkcji i sobie hula do końca świata.
Plus jedną taką jeszcze ja mam obserwację, że jak myślimy o tych niedeterministycznych feature'ach, to ja myślę, że wciąż jeszcze jesteśmy w erze, w której definiujemy
I tak nie widziałem twojego feature'a do notatek, o którym wspomniałeś, Kuba, ale podejrzewam, że wygląda to w sposób podobny, że gdzieś jest Canva do robienia notatek, w którym masz AI feature, który gdzieś tam jeszcze lepiej ci potrafi albo zredagować ten tekst, albo sformatować i tak dalej.
Ostatnie odcinki
-
Odcinek specjalny: Jak Product Managerowie mogą...
13.04.2026 05:42
-
„Zróbmy szybkie daily” ...i inne kłamstwa Produ...
12.03.2026 11:00
-
Organizacja pracy product managera - deep work,...
16.02.2026 16:02
-
Zarządzanie produktem w praktyce czyli rzecz o ...
19.01.2026 12:14
-
Podsumowanie produktowego roku 2025. Co przynie...
15.12.2025 21:33
-
”Usunąłem produkcyjną bazę” i inne koszmary w ...
05.11.2025 12:10
-
Wypuszczanie AI feature’ów – jak testować, wali...
15.10.2025 06:00
-
Platform/Infrastructure Product Manager – o umi...
18.09.2025 23:09
-
Special episode: Escaping Bullsh*t Product Mana...
13.08.2025 05:00
-
Jak nie zepsuć pierwszych 90 dni? Onboarding Pr...
15.07.2025 05:30