كيف حصلت ميزة الذكاء الاصطناعي الجديدة لدينا على اعتماد بنسبة 5% في أسبوعها الأول

منذ الانطلاقة في ChatGPT، كان تدافع قادة شركات التكنولوجيا يطارد الضجة: أينما التفت، هناك شركة أخرى تروج لميزة الذكاء الاصطناعي الرائدة الخاصة بها. لكن القيمة الحقيقية للأعمال تأتي من تقديم إمكانات المنتج التي تهم المستخدمين، وليس فقط من استخدام التكنولوجيا الحديثة.

لقد حققنا عائدًا أفضل بمقدار 10 أضعاف على الجهود الهندسية باستخدام الذكاء الاصطناعي من خلال البدء بالمبادئ الأساسية لما يحتاجه المستخدمون من منتجك، وبناء قدرة الذكاء الاصطناعي التي تدعم تلك الرؤية، ثم قياس الاعتماد للتأكد من أنها تصل إلى الهدف.

لم تكن ميزة منتج الذكاء الاصطناعي الأولى لدينا متوافقة مع هذه الفكرة، واستغرق الأمر شهرًا للوصول إلى اعتماد مخيب للآمال بنسبة 0.5% بين المستخدمين العائدين. بعد إعادة التركيز على مبادئنا الأساسية فيما يتعلق بما يحتاجه المستخدمون من منتجنا، قمنا بتطوير نهج “الذكاء الاصطناعي كوكيل” وشحننا قدرة ذكاء اصطناعي جديدة تم اعتمادها بنسبة 5% في الأسبوع الأول. يمكن تطبيق صيغة النجاح في الذكاء الاصطناعي هذه على أي منتج برمجي تقريبًا.

مضيعة الضجيج على عجل

كثيراً ما تنجذب العديد من الشركات الناشئة، مثل شركتنا، إلى إغراء دمج أحدث التقنيات دون استراتيجية واضحة. لذا، بعد الإصدار الرائد للتجسيدات المختلفة لنماذج المحولات التوليدية المدربة مسبقًا (GPT) من OpenAI، بدأنا البحث عن طريقة لاستخدام تقنية الذكاء الاصطناعي لنماذج اللغات الكبيرة (LLM) في منتجنا. وسرعان ما حصلنا على مكاننا على متن قطار الضجيج بعنصر جديد يعتمد على الذكاء الاصطناعي في الإنتاج.

كانت قدرة الذكاء الاصطناعي الأولى هذه عبارة عن ميزة تلخيص صغيرة تستخدم GPT لكتابة فقرة قصيرة تصف كل ملف يقوم مستخدمنا بتحميله إلى منتجنا. لقد أعطانا شيئًا لنتحدث عنه وقمنا بإعداد بعض المحتوى التسويقي، لكن لم يكن له تأثير ملموس على تجربة المستخدم لدينا.

لقد عرفنا ذلك لأنه لم يُظهر أي من مقاييسنا الرئيسية تغييراً ملموسًا. تفاعل 0.5% فقط من المستخدمين العائدين مع الوصف في الشهر الأول. علاوة على ذلك، لم يكن هناك أي تحسن في تنشيط المستخدم ولا تغيير في وتيرة اشتراكات المستخدم.

وعندما فكرنا في الأمر من منظور أوسع، كان من الواضح أن هذه الميزة لن تغير تلك المقاييس أبدًا. يدور عرض القيمة الأساسية لمنتجنا حول تحليل البيانات الضخمة واستخدام البيانات لفهم العالم.

إن إنشاء بضع كلمات حول الملف الذي تم تحميله لن يؤدي إلى أي رؤية تحليلية هامة، مما يعني أنه لن يفعل الكثير لمساعدة مستخدمينا. في تعجلنا لتقديم شيء متعلق بالذكاء الاصطناعي، فقد فاتنا تقديم القيمة الفعلية.

النجاح مع الذكاء الاصطناعي كوكيل: عائد أفضل 10 مرات

إن نهج الذكاء الاصطناعي الذي منحنا النجاح هو مبدأ “الذكاء الاصطناعي كعامل” الذي يمكّن مستخدمينا من التفاعل مع البيانات الموجودة في منتجنا عبر اللغة الطبيعية. يمكن تطبيق هذه الوصفة على أي منتج برمجي مبني على استدعاءات واجهة برمجة التطبيقات (API).

بعد ميزة الذكاء الاصطناعي الأولية، وضعنا علامة في المربع، لكننا لم نكن راضين لأننا كنا نعلم أنه يمكننا تقديم الأفضل لمستخدمينا. لذلك قمنا بما كان يفعله مهندسو البرمجيات منذ اختراع لغات البرمجة، وهو الاجتماع معًا في هاكاثون. من هذا الهاكاثون، قمنا بتطبيق وكيل الذكاء الاصطناعي الذي يعمل نيابة عن المستخدم.

يستخدم الوكيل منتجنا الخاص عن طريق إجراء استدعاءات واجهة برمجة التطبيقات (API) إلى نفس نقاط نهاية واجهة برمجة التطبيقات (API) التي تستدعيها الواجهة الأمامية للويب لدينا. فهو ينشئ استدعاءات واجهة برمجة التطبيقات (API) بناءً على محادثة باللغة الطبيعية مع المستخدم، في محاولة لتلبية ما يطلب منه المستخدم القيام به. تظهر إجراءات الوكيل في واجهة مستخدم الويب الخاصة بنا نتيجة لاستدعاءات واجهة برمجة التطبيقات (API)، تمامًا كما لو أن المستخدم قد اتخذ الإجراءات بنفسه.