مدیر محصول Anthropic نحوه تغییر شکل چرخه‌های توسعه محصول توسط ابزارهای هوش مصنوعی را فاش می‌کند

Joerg Hiller 1405/12/28 22:46

رئیس بخش محصول Claude Code در مورد اینکه چگونه مدل‌های هوش مصنوعی به طور تصاعدی در حال بهبود، تیم‌های محصول را مجبور به کنار گذاشتن نقشه‌های راه سنتی برای آزمایش‌های سریع می‌کنند، صحبت می‌کند.

Cat Wu، رئیس بخش محصول Claude Code در Anthropic، نگاهی آشکارکننده به این موضوع انداخت که چگونه مدل‌های هوش مصنوعی که به سرعت در حال بهبود هستند، به طور بنیادی رویکردهای سنتی مدیریت محصول را در هم می‌شکنند. بینش کلیدی؟ آنچه از نظر تکنولوژیکی در ابتدای یک پروژه امکان‌پذیر است، دیگر پیش‌بینی نمی‌کند که در پایان چه چیزی امکان‌پذیر خواهد بود.

اعداد این موضوع را تأیید می‌کنند. طبق تحقیقات METR که توسط Wu ذکر شده، Opus 4.6 اکنون می‌تواند وظایف نرم‌افزاری را که نزدیک به 12 ساعت زمان انسان می‌برد، تکمیل کند—تقریباً 41 برابر توانمندتر از Sonnet 3.5 (جدید) که فقط 16 ماه پیش وظایف 21 دقیقه‌ای را انجام می‌داد.

کتاب بازی قدیمی مرده است

مدیران محصول به طور سنتی الزامات را از قبل جمع‌آوری می‌کردند، نقشه راه را قفل می‌کردند، سپس طی ماه‌ها اجرا می‌کردند. این دیگر کار نمی‌کند وقتی محدودیت‌های مدلی که حول آن طراحی کرده‌اید می‌توانند در میانه پروژه ناپدید شوند.

Wu می‌نویسد: "شما در حال ساختن روی زمینی هستید که در زیر پای شما در حال بلند شدن است." تیم او با کنار گذاشتن کامل نقشه‌های راه بلندمدت به نفع چیزی که او آن را "ماموریت‌های جانبی" می‌نامد، پاسخ داده است—آزمایش‌های کوتاه و خودگردان که در آن هر کسی در تیم (مهندسان، طراحان، مدیران محصول) می‌تواند در یک بعدازظهر ایده‌ها را نمونه‌سازی کند.

چندین ویژگی محبوب Anthropic از این طریق ظهور کردند: Claude Code روی دسکتاپ، ابزار AskUserQuestion، و لیست‌های وظایف همگی به عنوان آزمایش‌های غیررسمی شروع شدند نه آیتم‌های برنامه‌ریزی شده نقشه راه.

سه ابزار، یک جریان کاری

جریان کاری روزانه Wu اکنون سه محصول متمایز هوش مصنوعی را شامل می‌شود. Claude.ai تفکر استراتژیک و پاسخ‌های سریع را مدیریت می‌کند. Claude Code نمونه‌های اولیه و ارزیابی‌ها را می‌سازد. Cowork همه چیز دیگر را مدیریت می‌کند—ایمیل، لیست‌های وظایف، اسلایدها، تحقیق Slack، رزرو سفر.

مدیران محصول خارجی الگوهای مشابهی را پیدا می‌کنند. Bihan Jiang، مدیر محصول در Decagon، به Wu گفت که آنچه قبلاً هفته‌ها طول می‌کشید تا به مشتریان برسد، اکنون در "چند ساعت" اتفاق می‌افتد. Kai Xin Tai در Datadog تغییر را به عنوان حرکت "از تعریف قطعیت از قبل به تسریع کشف" توصیف کرد.

تغییرات عملی برای تیم‌های محصول

Wu چهار تغییر مشخص را که تیمش اتخاذ کرده است، مشخص کرد:

نمونه‌سازی قبل از مستندسازی. بعد از نوشتن یک مشخصات، آن را به Claude Code ارسال کنید و ببینید چه چیزی برمی‌گردد. او اشاره می‌کند: "حتی یک نمونه اولیه خام گفتگو را تغییر می‌دهد." وقتی یک عضو تیم مشخصات افزونه‌ها را به اشتراک گذاشت، نمونه اولیه تولید شده توسط هوش مصنوعی تقریباً آماده تولید برگشت.

بازنگری ویژگی‌ها با هر انتشار مدل. Claude Code با Chrome به این دلیل اتفاق افتاد که کاربران به صورت دستی دستورالعمل‌ها را بین ابزارها کپی می‌کردند. این راه حل به اندازه کافی خوب کار کرد که به یک ویژگی داخلی تبدیل شد.

بهینه‌سازی برای قابلیت اول، هزینه‌ها بعداً. از توکن‌های بیشتری نسبت به آنچه فکر می‌کنید در طول نمونه‌سازی نیاز دارید، استفاده کنید. "شما همیشه می‌توانید بعداً با رسیدن مدل‌های ارزان‌تر، هزینه‌ها را کاهش دهید."

پیاده‌سازی‌ها را ساده نگه دارید. راه‌حل‌های پیچیده برای محدودیت‌های مدل وقتی مدل بعدی منتشر می‌شود، به بار اضافی غیرضروری تبدیل می‌شوند. Anthropic تنها با Opus 4.6، 20٪ از دستورات سیستمی خود را کاهش داد.

این برای تیم‌های محصول هوش مصنوعی چه معنایی دارد

زمینه گسترده‌تر صنعت در اینجا اهمیت دارد. مدیریت محصول هوش مصنوعی به عنوان یک رشته متمایز ظهور کرده است که نیاز به مهارت‌های سنتی مدیریت محصول و درک فنی عمیق از قابلیت‌های مدل دارد. با مقرراتی مانند GDPR و چارچوب‌های نوظهور حاکمیت هوش مصنوعی که لایه‌های انطباق را اضافه می‌کنند، نقش پیچیده‌تر شده است حتی زمانی که ابزارها قدرتمندتر شده‌اند.

پیام اصلی Wu برای همکاران مدیر محصول: همزمان دو چیز را دنبال کنید—اینکه هوش مصنوعی چگونه جریان کاری شما را تغییر می‌دهد و چگونه آنچه در محصول شما امکان‌پذیر است را تغییر می‌دهد. تیم‌هایی که این کار را به خوبی انجام دهند، وقتی قابلیت‌ها جهش می‌کنند، غافلگیر نخواهند شد.

برای تیم‌های نرم‌افزار سازمانی که هزینه‌ها و جدول زمانی توسعه هوش مصنوعی را تماشا می‌کنند، پیامدها قابل توجه است. اگر چرخه‌های نمونه‌سازی از هفته‌ها به ساعات فشرده شوند، مزایای رقابتی ساخته شده بر سرعت اجرا ممکن است سریع‌تر از حد انتظار فرسایش یابند.

• anthropic
• توسعه هوش مصنوعی
• مدیریت محصول
• claude
• هوش مصنوعی سازمانی