Wyzwania i kluczowe umiejętności founderów startupów w kontekście AI Act oraz rozwoju produktów

Rafał Dobrosielski, kierownik studiów podyplomowych: Strategiczne Zarządzanie Startupem i Produktem Innowacyjnym w Polsko-Japońskiej Akademii Technik Komputerowych

Postęp w obszarze generatywnej AI oraz łatwy dostęp do gotowych modeli i usług znacząco zmniejszyły koszty eksperymentowania z technologią. Obecnie znacznie łatwiej jest stworzyć prototyp, korzystając z dużego modelu językowego, systemu rekomendacyjnego czy klasyfikatora. To pozytywny trend, ale niesie ze sobą również wyzwania: mimo że łatwiej jest stworzyć technologię, trudniej jest wokół niej stworzyć wartościowy produkt i skalowalny biznes.

W erze AI, founderzy i Product Managerowie powinni nauczyć się działać jednocześnie w wielu dziedzinach, takich jak technologia, biznes, produkt, jakość, ryzyko, finanse oraz regulacje. To nie oznacza, że mają stać się ekspertami w każdej z nich, lecz że muszą umieć łączyć różne perspektywy w jedną spójną decyzję.

Najważniejsze zmiany nie dotyczą technologii

Jeszcze kilka lat temu można było w uproszczeniu stwierdzić, że Product Manager winien przede wszystkim znać użytkownika, rynek, technologię oraz model biznesowy. Dziś, zwłaszcza w produktach korzystających z AI, ta wiedza jest niewystarczająca. Decyzje dotyczące funkcji produktu mogą wywołać efekty w sferze technologicznej, jakościowej, regulacyjnej i biznesowej. Zmiana w sposobie wykorzystania danych może przesunąć profil ryzyka. Nowa funkcja, która zwiększa autonomię systemu, może wymagać innego poziomu nadzoru i walidacji.

Zmiana grupy użytkowników może wiązać się z koniecznością ponownego rozważenia jakości działania produktu. Wejście na rynek enterprise może nieść ze sobą zupełnie nowe pytania związane z bezpieczeństwem, danymi, monitorowaniem oraz odpowiedzialnością. Dlatego współczesny Product Manager nie tylko zarządza backlogiem, ale także całym systemem decyzji dotyczących produktu.

Founder nie musi być prawnikiem

Na pytanie, czy founder powinien znać wszystkie przepisy dotyczące AI, odpowiada się - niekoniecznie. Tak samo jak nie musi osobiście projektować architektury systemu, prowadzić księgowości czy przeprowadzać testów bezpieczeństwa. Powinien jednak umieć określić, kiedy decyzja biznesowa wymaga zaangażowania odpowiednich ekspertów, co stanowi kluczową różnicę. Zakres obowiązków zależy przy tym od przeznaczenia systemu, jego zastosowania, klasyfikacji ryzyka oraz roli organizacji w kontekście AI Act – nie każdy produkt korzystający z AI musi spełniać te same wymagania.

Nie ma potrzeby znać wszystkich przepisów, ale ważne jest, by wiedzieć, kiedy zadać odpowiednie pytania.

Jeśli zmiana funkcjonalności, przeznaczenia lub sposobu użycia systemu wpływa na jego profil ryzyka, przestaje być to tylko kwestia produktu. Gdy nowa funkcjonalność zwiększa wpływ systemu na użytkownika, może wymagać innego poziomu walidacji. W przypadku wprowadzenia produktu do klienta enterprise, istotne są pytania dotyczące zarządzania, bezpieczeństwa, danych, monitorowania i odpowiedzialności. Founder musi zatem potrafić rozpoznać moment, gdy problem przestaje być „tylko produktowy”.

Najtrudniejsza kompetencja? Integracja perspektyw

W rzeczywistym startupie technologie, produkt, finanse, marketing, jakość i prawo nie działają w izolacji. Spotykają się w ramach jednej decyzji. Jeśli zespół planuje wprowadzenie nowej funkcji z użyciem AI, równocześnie musi odpowiedzieć na pytania: Czy użytkownik rzeczywiście jej potrzebuje? Czy jesteśmy w stanie ją stworzyć? Jakie będą jej koszty eksploatacji? Jaką jakość potrzebujemy? Jakie ryzyko generujemy? Jak będziemy je monitorować? Jakie dane wykorzystujemy? Jakie regulacje mogą mieć zastosowanie? Czy możemy bezpiecznie skalować rozwiązanie?

To nie są odrębne problemy, lecz różne perspektywy dotyczące tego samego produktu. Dlatego jedną z kluczowych kompetencji przyszłości będzie dla mnie umiejętność integracji tych perspektyw.

Technologia może obecnie zdominować dyskusję o produkcie

W kontekście AI to szczególnie istotne. Możemy dość łatwo zbudować prototyp, który wykorzystuje LLM, system rekomendacyjny czy klasyfikator. Demo działa. Klient jest zainteresowany. Zespół czuje, że najtrudniejsza część jest za nimi. Jednak kluczowe pytania często pojawiają się później.

Kto tak naprawdę za to zapłaci? Dlaczego klient miałby zmienić dotychczasowy sposób pracy? Jak będziemy mierzyć wartość? Co oznacza błąd systemu w realnym użyciu? Czy rozwiązanie będzie ekonomicznie opłacalne przy tysiącach użytkowników? Jak będzie wyglądało utrzymanie? Jakie ograniczenia należy komunikować klientowi? Jak możemy wykazać, że produkt utrzymuje wymagany poziom jakości?

To wskazuje na różnicę pomiędzy zbudowaniem technologii a stworzeniem przedsiębiorstwa wokół produktu.

Dobry pomysł to zaledwie początek

W środowisku startupowym sam pomysł rzadko jest najtrudniejszym elementem przedsięwzięcia. Narzędzia AI dodatkowo obniżyły koszty tworzenia prototypów i testowania nowych koncepcji. Zdecydowanie trudniejsze staje się odpowiedzenie na pytanie, czy pomysł niesie za sobą rzeczywistą wartość, dla kogo jest tworzony oraz czy można wokół niego zbudować działający produkt oraz skalowalny biznes.

Technicznie atrakcyjne rozwiązanie może nie adresować wystarczająco ważnego problemu. Produkt spełniający realną potrzebę może mieć model biznesowy, który nie pozwala na jego skalowanie.

Rozwiązanie, które ma swoje odbicie w rynku i jest technologicznie wykonalne, może wymagać takiego poziomu jakości, bezpieczeństwa lub zgodności, że trzeba inaczej zaplanować zarówno produkt, jak i proces jego rozwoju. Z tego względu istotną kompetencją jest umiejętność przechodzenia od pomysłu do konkretnej decyzji.

Dobra decyzja nie wymaga pełnego obrazu informacji

To zwłaszcza istotne w kontekście produktów AI. Nie jesteśmy w stanie przewidzieć wszystkiego przed wdrożeniem. Rzeczywiste środowisko użytkowania może ujawnić zachowania, które nie były zauważone podczas testów. Mogą także zmieniać się dane, zachowania użytkowników, modele czy sposoby wykorzystania produktu.

Nie możemy zatem czekać na moment, w którym będziemy wiedzieć wszystko. Musimy nauczyć się podejmować decyzje w warunkach niepewności. Oznacza to umiejętność określenia brakujących informacji, zrozumienia ryzyka związanego z tą niewiedzą, ustalenia, co powinniśmy zweryfikować oraz jakich dowodów potrzebujemy, a następnie określenia, jaki poziom pewności jest wystarczający do podjęcia kolejnego kroku.

Nie próbujemy w związku z tym usuwać całej niepewności, ale dążymy do zrozumienia i kontrolowania jej w taki sposób, aby móc podejmować odpowiedzialne decyzje.

Value. Quality. Confidence.

Dlatego w kontekście produktów AI wracam do trzech kluczowych pytań.

Value: czy tworzymy coś, co ma prawdziwą wartość?

Quality: jakiej jakości potrzebujemy w rzeczywisty kontekście użycia?

Confidence: jakie dowody dają nam wystarczającą pewność na podjęcie decyzji dotyczącej użycia lub skalowania?

To istotne, ponieważ nie wystarczy stwierdzić, że system działa, trzeba wiedzieć, jak dobrze funkcjonuje, w jakich warunkach i jakie ryzyko związane jest z jego stosowaniem. W przypadku dojrzałego produktu powinny istnieć zdefiniowane kryteria jakości, odpowiednie dane testowe, wyniki walidacji, świadomość ograniczeń, ryzyko szczątkowe oraz mechanizmy monitorowania po wdrożeniu.

Kompetencje technologiczne pozostają kluczowe

Nie oznacza to, że technologia traci na znaczeniu. Wręcz przeciwnie. Osoby zarządzające produktami opartymi na AI muszą znać możliwości oraz ograniczenia technologii. Bez tej wiedzy nie będą w stanie podejmować sensownych decyzji. Problem tkwi jednak w tym, że sama technologia rzadko wystarcza do osiągnięcia przewagi konkurencyjnej. Można stworzyć doskonały model i nie mieć produktu, który byłby interesujący dla użytkowników. Można także mieć produkt, który cieszy się zainteresowaniem klientów, ale nie być gotowym na wymagania sektora enterprise. Istnieje również możliwość stworzenia formalnie zgodnego rozwiązania, które nie generuje dostatecznej wartości biznesowej.

Z tego powodu startupy przyszłości będą potrzebować ludzi, którzy potrafią integrować technologię z biznesem, produktem, jakością, ryzykiem oraz regulacjami.

Tego trzeba uczyć przyszłych liderów

To także powód, dla którego w programie „Strategiczne Zarządzanie Startupem i Produktem Innowacyjnym” na PJATK kładziemy duży nacisk na łączenie różnych perspektyw. Chcemy, aby absolwent nie stał się jednocześnie programistą, prawnikiem, finansistą i marketerem, ale umiał dostrzegać pytania, które należy zadać, jakie informacje są potrzebne do podjęcia decyzji oraz kiedy zaangażować odpowiedniego eksperta.

W działającym startupie nie istnieje bowiem osobny świat technologii, osobny świat biznesu i osobny świat regulacji. Wszystkie te aspekty spotykają się przy jednej decyzji. Founder może mieć świetny pomysł technologiczny, ale musi być świadomy, czy dla niego istnieje rynek. Product Manager powinien rozumieć potrzeby użytkownika, ale musi także wiedzieć, jak ocenić jakość rozwiązania. Inżynier powinien umieć zbudować funkcję, ale też rozumieć, jakie ryzyko związane jest z jej wykorzystaniem. Prawnik może określić wymagania, ale ktoś musi przekuć je w konkretne decyzje dotyczące produktu. A founder, bazując na tych wszystkich informacjach, musi podjąć konkretne, wiążące decyzje biznesowe.

Startup przyszłości potrzebuje integratorów

Jednym z kluczowych aspektów przyszłości nie będzie jedynie znajomość nowego narzędzia AI. Będzie to zdolność do integracji różnych perspektyw.

Nie chodzi o to, że jedna osoba ma być ekspertem we wszystkich dziedzinach, lecz o coraz większą potrzebę rozumienia, jak te dziedziny się przenikają. Dobry Product Manager powinien więc zadawać nie tylko pytanie: „Czy możemy to zbudować?”. Powinien również pytać: Czy powinniśmy to stwórzyć? Dla kogo? Jakiej jakości potrzebujemy? Jakie ryzyko jesteśmy gotowi zaakceptować? Jak ocenić, że produkt działa wystarczająco dobrze? Co musi się wydarzyć, aby można go było odpowiedzialnie skalować?

To już wykracza poza jedynie zarządzanie produktem. To zarządzanie systemem decyzji wokół produktu. I właśnie tej umiejętności – przekształcania technologii i pomysłów w świadome, oparte na dowodach decyzje biznesowe – będziemy potrzebować coraz bardziej.