4 หลักการในการสร้างผลิตภัณฑ์ AI ที่มีประโยชน์จริง

วิธีสร้างผลิตภัณฑ์ AI ที่มีประโยชน์จริงจาก CEO ของ Granola

• Granola เป็นสตาร์ทอัปที่ให้ AI ถอดเสียงการประชุมทั้งแบบวิดีโอและแบบพบหน้าได้แบบเรียลไทม์ พร้อมสร้างบันทึกสรุปอัตโนมัติโดยคำนึงถึงบริบทอย่างฉากหลัง ผู้เข้าร่วม และกรอบการตัดสินใจ

4 หลักการที่นำไปใช้ได้กับการสร้างสตาร์ทอัปด้าน AI

1. อย่าไปแตะปัญหาที่กำลังจะหายไปในไม่ช้า
   • LLM มีการขยายทั้งด้านประสิทธิภาพและขนาด context window อย่างรวดเร็วทุกไม่กี่เดือน
   • Granola เลื่อนฟีเจอร์ “รองรับการประชุมยาว” ที่ผู้ใช้กลุ่มแรกเรียกร้องออกไปก่อน แล้วหันไปโฟกัสที่ “คุณภาพของการสรุป” แทน เมื่อโมเดลพัฒนาขึ้น ข้อจำกัดด้านความยาวก็คลี่คลายไปเอง เหลือไว้เพียงความแตกต่างด้านคุณภาพ
2. ใช้ต้นทุนส่วนเพิ่มที่สูงให้เป็นโอกาส
   • ต้นทุนในการเรียกใช้โมเดลรุ่นล่าสุดจะเพิ่มขึ้นตามจำนวนผู้ใช้ ทำให้บริษัทใหญ่ไม่สามารถใช้โมเดลระดับท็อปกับผู้ใช้จำนวนมหาศาลได้
   • สตาร์ทอัปสามารถทุ่มใช้โมเดลราคาแพงที่สุดและการเรียกหลายขั้นตอนกับลูกค้าจำนวนน้อยในช่วงแรก เพื่อมอบประสบการณ์ระดับ ‘Ferrari’ ได้ เมื่อเวลาผ่านไป ต้นทุนต่อหน่วยของโมเดลจะลดลงอย่างรวดเร็ว และต้นทุนการขยายระบบก็จะลดลงตาม
3. Context คือราชา
   • มอง LLM ไม่ใช่เป็น “เครื่องจักรทำตามกฎ” แต่เป็น “เด็กฝึกงานใหม่ที่ฉลาดแต่ไม่มีข้อมูล”
   • หากต้องการผลลัพธ์ตามที่ต้องการ จำเป็นต้องเก็บและป้อนบริบทอย่างเป็นระบบ เช่น เป้าหมายของการประชุม ผู้เข้าร่วม และภูมิหลังของโปรเจกต์ ไม่ว่าโมเดลจะเก่งขึ้นแค่ไหน ‘จะใส่ context อะไรและใส่อย่างไร’ ก็ยังเป็นแกนหลักของความได้เปรียบในการแข่งขัน
4. เจาะให้แคบและลึก
   • ถ้าจะสู้กับแชตบอตอเนกประสงค์ คุณต้องโดดเด่นอย่างไร้คู่แข่งในงานที่เฉพาะเจาะจงมากสักอย่างหนึ่ง
   • ความแตกต่างไม่ได้ตัดสินกันที่อัลกอริทึม AI แต่ตัดสินกันที่ ‘การห่อหุ้ม’ เช่น ลำดับการแจ้งเตือน การตรวจจับผู้เข้าร่วมประชุมอัตโนมัติ การตัดเสียงสะท้อน และ UX รายละเอียดเล็กๆ
   • ยิ่งขอบเขตแคบ ก็ยิ่งค้นหารูปแบบความผิดพลาดและหาวิธีบรรเทาได้เร็วขึ้น ช่วยลด ‘uncanny valley’ ได้
     บทสรุป

• แม้ความเร็วของเทคโนโลยีจะเพิ่มเป็นสองเท่า แต่หลักการพื้นฐานของการพัฒนาผลิตภัณฑ์ที่ว่า “จงสร้างสิ่งที่ผู้คนต้องการจริงๆ” ยังคงไม่เปลี่ยนแปลง
• ผลิตภัณฑ์ AI ที่มีประโยชน์จริงจะเกิดขึ้นเมื่อทุ่มความสามารถไปกับปัญหาที่ไม่หายไป ประสบการณ์ผู้ใช้ที่ลุ่มลึก และการออกแบบบริบท