- AI ช่วยลดต้นทุนและเวลาการสร้างผลิตภัณฑ์ลงอย่างมาก แต่ คอขวดด้านกลยุทธ์ ในการตัดสินใจว่าควรสร้างอะไรและเพื่อใครยังคงอยู่
- การถกเถียงในวงการออกแบบมักมุ่งไปที่ จะสร้างให้ดีได้อย่างไร เช่น บทบาท/ความสามารถในการผลิต/รสนิยม/มาตรฐาน แต่คู่ต่อสู้ที่ทำให้ผลิตภัณฑ์ตายจริง ๆ คือตลาดที่เต็มไปด้วยความเฉยเมย ทางเลือกอื่น และต้นทุนการเปลี่ยนผ่าน
- ในยุคที่การสร้างมีราคาแพง เงินและเวลาที่จำกัดเคยบังคับให้ตรวจสอบไอเดียผิด ๆ ล่วงหน้า แต่การวนทำซ้ำที่ราคาถูกสร้างโครงสร้างที่ทำให้ผลิตภัณฑ์ซึ่งควรถูกหยุดยังคงถูกทำต่อจนดูเหมือนของสำเร็จรูป
- มาตรฐานและรสนิยมจำเป็นต่อการเลือกผลลัพธ์ที่ดีจากตัวเลือกที่หลั่งไหลเข้ามา แต่ไม่อาจป้องกันปัญหาของการ สร้างผลิตภัณฑ์ที่ไม่มีใครต้องการด้วยคุณภาพยอดเยี่ยม ได้
- leverage สูงสุดในยุค AI ไม่ได้อยู่ที่ความเร็วในการผลิต แต่อยู่ที่ ความสามารถในการตัดสินใจ ว่าอะไรมีค่าพอจะมีอยู่จริง กำลังแก้ปัญหาอะไรของใคร และทำไมต้องแก้ตอนนี้
การสร้างง่ายขึ้น แต่ยังหาผลิตภัณฑ์ไม่เจอ
- บริษัทหนึ่งใช้เวลา 2 ปีครึ่งสร้างและสร้างผลิตภัณฑ์ใหม่ถึง 4 รอบ แต่ยังตอบไม่ได้ว่าผลิตภัณฑ์นี้ทำเพื่อใคร
- พวกเขาสร้างทั้งอินเทอร์เฟซเสียง เว็บแอปที่ดูดี และเอนจินแก้ปัญหาระดับสูง แต่ไม่สามารถเข้าถึงลูกค้าที่แสดงความสนใจได้
- เพราะการสร้างไม่ใช่คอขวด จึงลองไอเดียได้หลายแบบ แต่ระหว่างการลองแต่ละครั้งไม่มีการตัดสินใจหรือกระบวนการที่ชัดเจน
- ผลิตภัณฑ์ดังกล่าวถูกเปรียบกับบริษัทไบโอเทคที่คิดค้นโมเลกุลที่อาจรักษาโรคได้ แต่ไม่รู้ระบบการผลิต/กระจายสินค้าและไม่รู้ว่าผู้ป่วยคือใคร
- แม้ต้นทุนการสร้างผลิตภัณฑ์แทบจะหายไป แต่ เหตุผลในการมีอยู่และลูกค้าเป้าหมาย ซึ่งเป็นตัวชี้ขาดความสำเร็จยังไม่ได้ถูกถกเถียงอย่างเพียงพอ
- เฟรมเวิร์กกลยุทธ์ผลิตภัณฑ์ของ Roman Pichler ย่อทางเลือกสำคัญที่อยู่เหนือการลงมือทำออกเป็น 2 ข้อ
- ผลิตภัณฑ์นี้ทำเพื่อใคร
- ทำไมคนคนนั้นจึงควรต้องการผลิตภัณฑ์นี้
- บทบาทขององค์กรผลิตภัณฑ์ไม่ใช่การผลิตชิ้นงาน แต่คือ การตัดสินใจว่าอะไรมีค่าพอให้สร้าง
วงการออกแบบกำลังเล็งปัญหาผิดจุด
- การถกเถียงเรื่องการออกแบบหลังยุค AI มีหลายรูปแบบ แต่ส่วนใหญ่ยังหยุดอยู่ที่ว่าจะ สร้างผลิตภัณฑ์อย่างไร
- Lisa Demchenko มองว่านักออกแบบผลิตภัณฑ์กำลังเปลี่ยนจากผู้เขียนข้อกำหนดไปเป็นผู้ออกแบบระบบ
- Andrea Grigsby เสนอว่า รสนิยม (taste) คือความได้เปรียบที่ AI ทดแทนได้ยาก
- Patrick Neeman เสนอแนวทางรับมือยุค AI โดยอ้างถึงแนวร่วมมาตรฐานเว็บที่ยุติสงครามเบราว์เซอร์
- บทบาท/ความสามารถในการผลิต/รสนิยม/มาตรฐาน/ระบบ ล้วนเกี่ยวข้องกับคุณภาพของผลลัพธ์ แต่ไม่สามารถตอบได้ว่าผลลัพธ์นั้นควรมีอยู่ตั้งแต่แรกหรือไม่
- วงการพัฒนาการถกเถียงเรื่องคุณภาพของงานอย่างละเอียดลึกซึ้ง แต่ยังอ่อนแอต่อคำถามว่า เราควรทำงานนั้นหรือไม่
คู่ต่อสู้ที่แท้จริงคือความเป็นจริงของตลาด
- นักออกแบบ/นักพัฒนา/กระบวนการภายในองค์กรผลิตภัณฑ์ไม่ใช่คู่แข่ง แต่เป็นสมาชิกที่มุ่งสู่เป้าหมายเดียวกัน
- ผู้ที่สามารถปฏิเสธผลิตภัณฑ์ได้ในท้ายที่สุดคือคนจริง ๆ และตลาดที่ควรต้องการผลิตภัณฑ์นั้น
- ตลาดไม่สนใจว่าทีมพยายามมากแค่ไหน
- ตลาดไม่บอกกติกา เปลี่ยนเงื่อนไขระหว่างที่กำลังสร้างผลิตภัณฑ์ และอาจเพิกเฉยโดยไม่อธิบายเหตุผล
- ความเฉยเมย/ทางเลือกอื่น/ต้นทุนการเปลี่ยนผ่าน/ความสนใจที่จำกัด ล้วนแข่งขันกับผลิตภัณฑ์
- ความสามารถในการผลิตเปรียบเหมือน มีด ที่เพิ่มคุณภาพในระยะใกล้ ส่วนกลยุทธ์เปรียบเหมือน ปืน ที่มีระยะยิงพอจะไปถึงความเป็นจริงของตลาด
- วงการกำลังเข้าสู่การดวลปืน แต่กลับมุ่งลับมีดอันงดงามที่ชื่อว่าความสามารถในการผลิตให้คมขึ้น
การตรวจสอบที่เคยมาจากต้นทุนการสร้างราคาแพง
- เหตุผลหลักที่ผลิตภัณฑ์ล้มเหลวไม่ใช่สีปุ่มหรือ anti-pattern ในโค้ด แต่เป็นเพราะทีมสร้างสิ่งผิดด้วยความมั่นใจ และไม่มีใครหยุดทันเวลา
- ตอนเปิดบาร์
Destinationใน East Village, Manhattan เมื่อปี 2009 มีร้านคู่แข่งอย่างน้อย 6 แห่งอยู่รอบ ๆ- มีทั้งร้านคราฟต์เบียร์/สปอร์ตบาร์/ไอริชผับ/ไดฟ์บาร์/บาร์เกย์/ร้านสไตล์เยอรมันอยู่แล้ว
- ก่อนใช้เงิน ได้สำรวจร้านรอบข้างและวางกลยุทธ์ว่า ยังมีช่องว่างสำหรับ พื้นที่เหมือนห้องนั่งเล่นของย่านที่อยู่ได้ทั้งวัน
- เพราะมีเงิน 150,000 ดอลลาร์ เวลา 6 สัปดาห์ และโอกาสเพียงครั้งเดียว จึงรับความเสี่ยงในการสร้างบาร์ผิดแบบไม่ได้
- ข้อจำกัดด้านเงิน/เวลา/แรงกายบังคับให้ตรวจสอบไอเดียอย่างตรงไปตรงมาก่อนเกิดต้นทุนเมื่อไอเดียนั้นผิด
- ต้นทุนการสร้างไม่ใช่เครื่องมือกลยุทธ์ที่ละเอียดซับซ้อน แต่เคยทำหน้าที่เป็นกลไกนิรภัยโดยบังเอิญด่านสุดท้ายที่ช่วยกันการตัดสินใจแย่ ๆ
การทดลองราคาถูกทำให้ความสามารถในการหยุดอ่อนแอลง
- เมื่อ AI ทำให้การสร้างรวดเร็วและราคาถูก เหตุผลที่จะหยุดเพื่อตรวจสอบว่าไอเดียนั้นดีหรือไม่ก็ลดลง และง่ายที่จะเดินหน้าสู่รอบถัดไปเรื่อย ๆ
- แพตเทิร์นลดต้นทุนการทดลองของ Cloud Native Patterns สรุปว่า ยิ่งต้นทุนการทดลองต่ำ แรงกดดันให้ละทิ้งไอเดียที่ล้มเหลวยิ่งอ่อนลง และแนวโน้มที่จะยึดติดกับความพยายามที่ลงไปแล้วอาจทำให้ผลิตภัณฑ์ถูกคงไว้ยาวนานขึ้น
- เมื่อความพยายามหลายครั้งต่างรวดเร็ว ดูน่าเชื่อ และเหมือนผลิตภัณฑ์สำเร็จรูป ทีมอาจเข้าใจผิดว่านั่นคือความคืบหน้า
- หลังผ่านไป 2 ปีครึ่ง อาจเพิ่งพบทีหลังว่ามันไม่ได้เชื่อมโยงกับคุณค่าจริงของลูกค้า
- การเปรียบเทียบสร้างเองกับซื้อของ AJ Sunder มองว่า เมื่อสามารถสร้างซอฟต์แวร์ที่มีความหมายได้ภายในบ่ายเดียว คำถามตั้งต้นจะเปลี่ยนเป็น “ทำไมไม่สร้างเองล่ะ?”
- ทางเลือกนี้อาจนำไปสู่หนี้ทางเทคนิคและภาระปฏิบัติการที่ไม่ได้ตัดสินใจไว้อย่างชัดเจน
- หลักการผลิตภัณฑ์ของ Andrew Bosworth เริ่มจากการหาปัญหาที่มนุษย์เผชิญก่อน แล้วถามว่าสามารถแก้ปัญหานั้นได้หรือไม่
- เมื่อทำให้ทุกกระบวนการเร็วขึ้น ไม่ได้แปลว่าจะไปถึงจุดหมายที่ถูกต้องเร็วขึ้นเท่านั้น แต่ยังไปถึง จุดหมายผิดที่ดูเหมือนของสำเร็จรูป ได้เร็วขึ้นด้วย
ต้นทุนที่หายไปย้ายไปอยู่กับทีม
- เมื่อต้นทุนการสร้างปรากฏอยู่ในงบประมาณ การอนุมัติงบประมาณเคยบังคับให้เกิดการตัดสินใจ แต่เมื่อการสร้างแทบฟรี ต้นทุนไม่ได้หายไป ทว่าย้ายไปตกอยู่กับทีม
- วิธีสร้างทุกอย่างแล้วดูปฏิกิริยาไม่ใช่กลยุทธ์ แต่ใกล้เคียงกับ การซ้อมรับมือเหตุฉุกเฉิน ที่ไม่มีจุดสิ้นสุด
- การเปลี่ยนทิศทางที่อธิบายเหตุผลไม่ได้เกิดซ้ำ ๆ
- ค่ำคืนและสมาธิของสมาชิกถูกใช้ไป
- ผลลัพธ์อาจสวยขึ้นหรือแข็งแรงขึ้น แต่ต้นทุนด้านคนตลอด 6 เดือนที่ผ่านมาไม่ปรากฏให้เห็น
- ภาวะฉุกเฉินที่เกิดซ้ำโดยไม่มีการตัดสินใจไม่ได้ทำให้ทีมแข็งแกร่งขึ้น แต่ทำให้หมดไฟ และคนเก่งที่มีทางเลือกอื่นอาจเป็นกลุ่มแรกที่จากไป
ผลิตภัณฑ์ที่ทำได้ดี กับผลิตภัณฑ์ที่จำเป็น ไม่ใช่สิ่งเดียวกัน
- มาตรฐานทำให้ผลิตภัณฑ์ถูกสร้างอย่างถูกต้อง รสนิยมยกระดับคุณภาพของผลลัพธ์ และยิ่ง AI ผลิตผลลัพธ์ได้ไม่จำกัด ทั้งสองอย่างก็ยิ่งสำคัญขึ้น
- การถกเถียงเรื่องการคัดสรร AI ของ Jakob Nielsen มองว่า เมื่อการสร้างไอเดียแทบจะฟรี ความสามารถในการแยกแยะ เพื่อคัดเลือกตัวเลือกที่ดีจึงกลายเป็นสิ่งหายาก มากกว่าการผลิตตัวเลือก
- ทั้งมาตรฐานและรสนิยมเป็นความสามารถเพื่อการเลือกที่ดี แต่ไม่สามารถหยุดสถานการณ์ที่เราสร้างผลิตภัณฑ์ที่ไม่มีใครต้องการด้วยคุณภาพและข้อกำหนดที่สมบูรณ์แบบ
- การแยกความแตกต่างระหว่างทีมผลิตภัณฑ์กับทีมฟีเจอร์ของ Marty Cagan แยกทีมที่ปล่อยฟีเจอร์อย่างมีประสิทธิภาพออกจากทีมที่แก้ปัญหาลูกค้า
- หากปล่อยสิ่งที่ผิด ประสิทธิภาพในการปล่อยก็ไม่มีคุณค่า
- AI ลด ความเสี่ยงด้านความเป็นไปได้ในการทำจริง ของคำถามว่า “ทำได้ไหม” ลงอย่างมาก แต่ความเสี่ยงด้านคุณค่าของคำถามว่า “ควรมีอยู่ไหม” ยังคงอยู่
- Gale Robins แยกกิจกรรมและผลลัพธ์ในการค้นหาว่าจะสร้างอะไรออกเป็นเกมระยะสั้น และแยกความสามารถในการตัดสินว่าอะไรมีค่าพอจะสร้างเป็นเกมระยะยาว
- AI ทำให้เกมระยะสั้นเร็วขึ้น แต่ไม่ได้ลดความยากของเกมระยะยาว
เหตุผลที่ลูกค้าจ้างผลิตภัณฑ์
- Jobs to Be Done ของ Clayton Christensen มองว่าลูกค้าไม่ได้ซื้อผลิตภัณฑ์ในตัวมันเอง แต่จ้างผลิตภัณฑ์เพื่อทำงานบางอย่าง
- ในงานศึกษามิลก์เชกของ McDonald’s ยอดขายจำนวนมากเกิดขึ้นก่อน 8 โมงเช้าแก่ผู้เดินทางไปทำงาน
- ผู้เดินทางเลือกมิลก์เชกเพื่อผ่านเวลาขับรถที่ยาวนานและน่าเบื่อ และเพื่อให้อิ่มถึงมื้อกลางวัน
- คู่แข่งตัวจริงไม่ใช่มิลก์เชกอื่น แต่คือเบเกิลและความเบื่อ
- เมื่อพบงานที่ต้องทำ การออกแบบผลิตภัณฑ์จะชัดเจนขึ้น แต่ถ้าพลาดงานนั้น ผลิตภัณฑ์ที่สวยที่สุดก็ไม่ได้รับเลือก
- AI สามารถสร้างมิลก์เชกใหม่ ๆ ต่อไปได้โดยไม่รู้เองว่าลูกค้าจ้างผลิตภัณฑ์เพื่อทำงานอะไร
กระบวนการที่ Skift ตัดขาทั้งสี่ออก
- Rafat Ali เริ่ม Skift โดยออกแบบกลยุทธ์คอนเทนต์ให้มี 4 ขา
- การรวบรวมบทความ
- การคัดสรร
- การซินดิเคต
- การรายงานข่าวเอง
- โครงสร้างช่วงแรกมีเหตุผลและอธิบายให้นักลงทุนฟังได้ง่าย แต่ผู้อ่านจริงไม่สนใจพาดหัวที่รวบรวมมา
- ขาทั้งสี่ถูกลดเหลือสาม แล้วเหลือสอง และกว่าจะพบผลิตภัณฑ์ที่ใช้งานได้ ก็ต้องละทิ้งแผนที่นักลงทุน VC อยากได้ยิน
- สิ่งสำคัญไม่ใช่ว่าการสร้างผลิตภัณฑ์ยาก แต่คือการค้นพบในตลาดจริงว่าส่วนไหนที่ผู้คนต้องการ และตัดส่วนที่ไม่ต้องการทิ้ง
- ในเวลานั้น การสร้างองค์ประกอบทั้งสี่ต้องใช้เวลาและเงินจริง จึงสามารถดูผลงานอย่างละเอียดแล้วตัดออกได้
- หากเปิดตัวแบบเดียวกันในยุค AI อาจสร้างเสร็จได้ภายในไม่กี่วัน ไม่ใช่แค่ 4 อย่าง แต่รวมถึงฟีเจอร์ที่ไม่มีใครขอด้วย
- เมื่อทุกฟีเจอร์ดูเหมือนของสำเร็จรูป สัญญาณที่เคยบอกว่าควรตัดอะไรออกอาจถูกกลบด้วยกระบวนการสร้างที่ง่าย
การตัดสินใจคือทักษะสำคัญที่สุดที่ยังเหลืออยู่
- คุณภาพที่ยอดเยี่ยมเป็นเงื่อนไขพื้นฐานในการเข้าร่วมการถกเถียงเรื่องผลิตภัณฑ์ แต่ความจริงที่ว่าสร้างมาอย่างดีไม่ได้หมายความว่าเป็นผลิตภัณฑ์ที่ถูกต้อง
- AI สามารถสร้างคำตอบได้หลายร้อยข้อก่อนเที่ยง แต่ตัดสินไม่ได้ว่าคำตอบที่จำเป็นจริง ๆ คืออะไร
- การแยก discovery กับ delivery ของ Buzz Usborne มองว่า ในสถานการณ์ที่ต้นทุนการส่งมอบต่ำ หากทำให้ชั้นการตัดสินใจว่าจะสร้างอะไรเป็นอัตโนมัติไปด้วย สิ่งที่เหลืออยู่จะเป็นเพียงซอฟต์แวร์ระดับค่าเฉลี่ยที่คล้ายกับสิ่งที่ใคร ๆ ก็สร้างได้ ซึ่งทั้งเร็วและราคาถูก
- เมื่อการสร้างช้าและแพง ความผิดพลาดในการสร้างผลิตภัณฑ์ผิดอาจถูกบดบังด้วยกระบวนการผลิตที่ยาวนาน แต่เมื่อต้นทุนการสร้างต่ำลง การขาดความสามารถในการตัดสินจะเผยตัวออกมาโดยตรง
- leverage สูงสุดของผู้รับผิดชอบผลิตภัณฑ์อยู่ที่การตัดสินใจ 3 ข้อต่อไปนี้
- อะไรมีค่าพอจะมีอยู่จริง
- ทำเพื่อใคร
- ทำไมต้องการตอนนี้
- ในฝั่งการลงมือทำของ ช่องว่างระหว่างกลยุทธ์กับการดำเนินการ ตามที่ Roman Pichler กล่าว เราสามารถยุ่งอยู่กับ roadmap/พิธีกรรมเชิงกระบวนการ/กิจกรรมเปิดตัวได้ แต่สิ่งเหล่านี้ไม่อาจแทนที่ความรับผิดชอบในการตัดสินใจ
- การถกเถียงเรื่องวุฒิภาวะด้านการออกแบบของ Joe Smiley กล่าวถึงสถานการณ์ที่บุคลากรอาวุโสถูกดึงไปตอบสนองเหตุฉุกเฉินหน้างานผลิต แทนที่จะทำกลยุทธ์
- ในยุคที่ใครก็สร้างอะไรก็ได้ ความสามารถในการรู้ว่าอะไรมีค่าพอจะสร้างเท่านั้นที่ยังเป็น leverage หลักที่เหลืออยู่ และองค์กรผลิตภัณฑ์ต้องตัดสินใจก่อนที่ตลาดจะเป็นผู้สรุปผล
ยังไม่มีความคิดเห็น