تخيل أن لديك فكرة لمنتج جديد، ويمكنك اليوم تحويلها إلى نموذج أولي خلال ساعات، واختبارها دون انتظار فريق تقني أو تخصيص ميزانية كبيرة للتطوير. ما كان يستغرق أسابيع من التنسيق والتنفيذ أصبح متاحا بجهد أقل بكثير.

هذا التحول يفتح فرصا كبيرة أمام الشركات وفرق المنتجات، لكنه يطرح سؤالا يستحق التوقف عنده: إذا أصبح بناء المنتجات أسهل، فهل أصبحنا أفضل في اختيار ما يستحق البناء؟

استوقفني هذا السؤال خلال متابعة حلقة (الذكاء الاصطناعي في إدارة المنتجات) من بودكاست (صفر لواحد)، التي استضافت أمين فضل، نائب رئيس المنتجات في سلة، وعبدالرحمن حارث، في حوار يربط بين التطور التقني وطريقة التفكير والعمل داخل فرق المنتجات.

ومن بين الأفكار والأمثلة التي طُرحت، تبرز نقطة تستحق أن نبدأ منها: الذكاء الاصطناعي قد يختصر الطريق إلى بناء المنتج، لكنه لا يضمن أن هذا المنتج سيجد مستخدميه أو يقدم لهم قيمة حقيقية.

الذكاء الاصطناعي يخفض تكلفة البناء.. لكن ماذا عن قيمة المنتج؟

لفهم حجم التغيير، يمكن النظر إلى ما فعله الإنترنت في تكلفة توزيع المنتجات الرقمية. فقد أصبح بإمكان الشركات الوصول إلى جمهور واسع دون الحاجة إلى البنية المادية التي كانت تتطلبها وسائل التوزيع التقليدية.

اليوم، يفتح الذكاء الاصطناعي تحولا مشابها في جانب آخر: تكلفة بناء المنتجات.

فبدلا من الحاجة إلى فريق كامل لإنجاز كل تجربة، أصبح بإمكان فريق صغير استخدام أدوات الذكاء الاصطناعي لإنتاج نماذج أولية وتجارب متعددة، والاستفادة من الوقت الذي كان يذهب إلى مهام تنفيذية طويلة.

لكن انخفاض تكلفة البناء لا يعني بالضرورة ارتفاع قيمة ما نبنيه.

في أحد الأمثلة التي استوقفتني في الحلقة، طرح أمين فضل فكرة بناء تطبيق مشابه لأوبر أو كريم باستخدام أدوات الذكاء الاصطناعي. قد يبدو إنجاز التطبيق في وقت قصير مثيرا للإعجاب، لكن ماذا لو لم تكن لديك خطة للوصول إلى العملاء أو استقطاب مقدمي الخدمة؟ وما الذي سيجعل المستخدم يختار تطبيقك بدلا من الحلول الموجودة بالفعل؟

هنا تصبح سرعة البناء أقل أهمية من الأسئلة التي تسبقها: ما المشكلة التي يحلها المنتج؟ وما القيمة المختلفة التي يقدمها؟ وكيف سيصل إلى الأشخاص الذين يحتاجون إليه؟

هذا المثال يوضح أن امتلاك منتج يعمل تقنيا لا يعني امتلاك مشروع قادر على المنافسة. فهناك جوانب أخرى لا تختصرها كتابة الكود، مثل التوزيع واكتساب العملاء وبناء الثقة وتطوير تجربة تجعل المستخدم يعود.

المشكلة لم تعد دائما في قدرتنا على بناء الحل، بل في معرفة ما إذا كان الحل يستحق أن نبنيه أصلا.

متى تصبح سرعة الذكاء الاصطناعي ميزة حقيقية؟

لا تكمن القيمة في أن نبني أسرع فحسب، بل في أن نتعلم أسرع.

وهذا فرق جوهري في طريقة إدارة المنتجات. فبدلا من استثمار أشهر في بناء نسخة أولية كاملة، يمكن استخدام الذكاء الاصطناعي لاختبار فكرة محددة، ومعرفة ما إذا كان المستخدمون مهتمين بها قبل تخصيص موارد أكبر لتطويرها.

ومن الأفكار التي وردت في الحلقة اختبار نموذج لخدمة متخصصة في توصيل الأطفال إلى المدارس، على غرار نموذج تطبيقات النقل المعروفة. الفكرة هنا ليست بناء تطبيق جديد لمجرد القدرة على ذلك، بل استخدام سرعة التنفيذ لمعرفة ما إذا كانت هناك حاجة حقيقية إلى هذا النوع من الخدمات.

وهذا يعيدنا إلى وظيفة النموذج الأولي (MVP): ليس إثبات أن الفريق قادر على بناء المنتج، بل اختبار فرضية تتعلق بالمستخدم والمشكلة.

ويمكن الاستفادة من الذكاء الاصطناعي في هذه المرحلة عبر:

• بناء نماذج أولية لرحلات العميل واختبارها.

• تجربة أكثر من تصور لميزة جديدة قبل تطويرها.

• اختبار الرسائل والتجارب المختلفة.

• جمع الملاحظات وتنظيمها واستخراج الأنماط منها.

• تقليل الوقت بين طرح الفرضية والحصول على مؤشرات أولية حولها.

بهذا المعنى، تصبح السرعة وسيلة لتقليل تكلفة التعلم، وليس مجرد وسيلة لزيادة عدد الإطلاقات.

لكنها قد تتحول إلى فخ عندما ينشغل الفريق بإنتاج نماذج وتجارب متتالية دون أن يعرف ما الذي يحاول إثباته. عندها يبدو العمل أكثر نشاطا، بينما لا يتقدم الفريق بالضرورة نحو حل مشكلة حقيقية.

كيف يغير الذكاء الاصطناعي المهام اليومية لمدير المنتج؟

من أكثر الجوانب العملية التي ناقشها الضيوف أثر الذكاء الاصطناعي على الوقت الذي يقضيه مدير المنتج في مهامه اليومية.

ففي السابق، كان تحويل الفكرة إلى تجربة قابلة للاختبار يتطلب كتابة المتطلبات والمواصفات، والتنسيق مع الفريق التقني، وتقسيم العمل إلى مراحل، وانتظار تنفيذ النسخة الأولية.

اليوم، يمكن للذكاء الاصطناعي أن يساعد في اختصار أجزاء من هذه الرحلة.

ومن أبرز الاستخدامات:

1. البحث والاستكشاف

يمكن استخدام أدوات الذكاء الاصطناعي للوصول إلى معلومات أولية عن السوق، والبحث عن حلول مشابهة، واستكشاف تجارب المنافسين، وتحديد اتجاهات تستحق الدراسة.

2. كتابة متطلبات المنتج

يمكن تحويل الأفكار والملاحظات إلى وثائق أكثر تنظيما، وصياغة سيناريوهات الاستخدام والحالات المختلفة، وتجهيز متطلبات أولية يسهل مناقشتها مع الفريق.

3. النماذج الأولية والتجارب

أصبح من الممكن تحويل وصف الفكرة إلى نموذج مرئي أو تجربة أولية، ثم تعديلها واختبارها قبل الدخول في دورة تطوير كاملة.

4. تحليل المعلومات والملاحظات

يمكن الاستعانة بالذكاء الاصطناعي لتنظيم ملاحظات العملاء، وتصنيف المشكلات المتكررة، وتلخيص كميات كبيرة من المعلومات، بما يساعد الفريق على الوصول إلى نقاط تستحق التحقق.

واللافت في هذه الاستخدامات أنها لا تجعل مدير المنتج أقل أهمية، بل تعيد توزيع وقته. فبدلا من استهلاك جزء كبير منه في إعداد المواد اللازمة للتجربة، يستطيع تخصيص وقت أكبر لفهم المشكلة وتقييم الخيارات ومراجعة النتائج.

وهنا يظهر تحول مهم: لم يعد من الضروري أن يكون مدير المنتج قادرا على تنفيذ كل التفاصيل التقنية بنفسه حتى يختبر فكرته، لكنه يحتاج إلى معرفة كافية لتوجيه الأدوات والحكم على ما تنتجه.

عندما يقدم الذكاء الاصطناعي إجابة مقنعة.. كيف نعرف أنها صحيحة؟

هذه من أكثر النقاط التي أرى أنها تستحق الانتباه، خصوصا مع انتشار الاعتماد على الذكاء الاصطناعي في البحث واتخاذ القرارات.

في الحلقة، طرح أمين فضل فكرة لافتة حول الحاجة إلى أشخاص يعرفون كيف يشككون في مخرجات الذكاء الاصطناعي ويتحققون منها، لا أشخاص يكتفون بقبولها لأنها تبدو منطقية.

ولم يكن الطرح نظريا فقط. فقد ناقش الضيوف حالات يمكن أن يقدم فيها الذكاء الاصطناعي مرجعا لمعلومة، ثم يتبين عند مراجعة المصدر أن المعلومة غير موجودة فيه أصلا.

وهذه مشكلة قد تبدو بسيطة في محادثة عادية، لكنها تصبح أكثر خطورة عندما تتحول إلى جزء من قرار منتج أو عرض يقدم للإدارة أو دراسة يعتمد عليها الفريق.

فقد يبني مدير المنتج استنتاجا على رقم غير صحيح، أو يوصي بتطوير ميزة استنادا إلى بحث لم يتم التحقق منه، أو ينقل معلومة عن منافس لا يدعمها مصدرها الأصلي.

لذلك لا يكفي أن نطلب من الأداة إرفاق المصادر؛ بل يجب العودة إليها وقراءة ما تقوله فعليا.

ويمكن التعامل مع مخرجات الذكاء الاصطناعي من خلال مجموعة من الممارسات:

• طلب المصادر الأصلية بدلا من الاكتفاء بالملخصات.

• التحقق من الأرقام والاقتباسات في سياقها.

• مراجعة الافتراضات التي بُنيت عليها الإجابة.

• التمييز بين المعلومة المؤكدة والاستنتاج أو التوقع.

• عدم تحويل المخرجات الأولية إلى قرارات قبل اختبارها.

الذكاء الاصطناعي قد يختصر وقت الوصول إلى المعلومة، لكنه لا يلغي مسؤولية التحقق منها.

هل سيقل الطلب على مديري المنتجات بسبب الذكاء الاصطناعي؟

مع كل موجة تقنية جديدة، يعود السؤال نفسه: هل ستؤدي زيادة الأتمتة إلى تقليل الحاجة إلى الموظفين؟

في الحلقة، استحضر النقاش (مفارقة جيفونز) (Jevons Paradox)، وهي فكرة اقتصادية تشير إلى أن زيادة كفاءة استخدام مورد ما قد تؤدي أحيانا إلى زيادة الطلب عليه، بدلا من انخفاضه.

طُرحت الفكرة في سياق الذكاء الاصطناعي بصورة مثيرة للاهتمام: إذا أصبح الموظف قادرا على إنجاز مهام أكثر في الوقت نفسه، فقد تتوسع كمية العمل التي يستطيع الفريق تنفيذها، وتظهر فرص ومشروعات لم يكن من المجدي العمل عليها سابقا.

لكن هذا لا يعني أن الوظائف لن تتأثر، أو أن كل المهام ستظل مطلوبة بالطريقة نفسها. فبعض الأدوار قد تتغير، وبعض المهارات قد تفقد جزءا من أهميتها، بينما تظهر احتياجات جديدة.

بالنسبة إلى إدارة المنتجات، يمكن أن يصبح مدير المنتج مسؤولا عن نطاق أوسع من التجارب، وأن يعمل بصورة أقرب إلى فرق التصميم والهندسة والتسويق، مع امتلاك فهم أكبر للمنتج ككل.

والسؤال الأهم هنا ليس فقط كم وظيفة ستبقى، بل كيف ستتغير طبيعة العمل داخلها.

المهارات التي تزداد أهميتها في عصر الذكاء الاصطناعي

إذا أصبح تنفيذ المهام أسرع، فما الذي سيجعل شخصا أكثر قدرة على استخدام الذكاء الاصطناعي من غيره؟

في الجزء المتعلق بمهارات المستقبل، دار نقاش لافت حول التفكير النقدي والتحليل المنطقي وفهم الناس والسلوك والسياقات.

وهذه النقطة تستحق التوقف عندها؛ لأن الذكاء الاصطناعي يستطيع تقديم إجابات كثيرة، لكنه يحتاج إلى إنسان يعرف أي الأسئلة تستحق الطرح، وأي الإجابات تستحق الثقة.

ومن المهارات التي تزداد أهميتها:

التفكير النقدي: القدرة على تحدي المخرجات وعدم التعامل معها كحقائق نهائية.

التحليل المنطقي: تفكيك المشكلات وفهم الأسباب والنتائج، والتمييز بين ما يبدو صحيحا وما تدعمه الأدلة.

فهم المستخدم: قراءة احتياجات الناس وسلوكهم، والانتباه إلى المشكلات التي قد لا يستطيعون التعبير عنها مباشرة.

فهم السياق: إدراك أن الحل المناسب لعميل أو سوق معين قد لا يناسب غيره، وأن القرارات تتأثر بالبيئة والظروف والأهداف.

الحس بالمنتج (Product Sense): القدرة على تمييز المشكلة المهمة من الضوضاء، ومعرفة ما الذي يجعل التجربة مفيدة ومختلفة للمستخدم.

ومن هنا تظهر إحدى أجمل المفارقات في النقاش: كلما ازدادت قدرة الذكاء الاصطناعي، ازدادت حاجتنا إلى فهم البشر.

فالتقنية تستطيع أن تساعدنا في إنتاج خيارات أكثر، لكنها لا تستطيع أن تقرر وحدها أي تجربة ستشعر المستخدم بأنها تستحق وقته وثقته.

من بناء المنتجات إلى استخدام الذكاء الاصطناعي داخل المنتجات

لا يقتصر هذا التحول على فرق المنتجات التي تستخدم الذكاء الاصطناعي في البحث والتصميم والتطوير. بل يمتد إلى المنتجات نفسها، عندما تصبح الأدوات الذكية جزءا من تجربة المستخدم وطريقة إنجاز العمل.

في التجارة الإلكترونية، على سبيل المثال، لم يعد دور الذكاء الاصطناعي مقتصرا على كتابة وصف منتج أو اقتراح نص إعلاني. يمكن ربطه ببيانات المتجر واستخدامه في فهم الأداء، ومتابعة العمليات، وتسهيل بعض المهام التي كانت تتطلب التنقل بين صفحات وأدوات مختلفة.

وتتجه سلة إلى هذا المسار من خلال مجموعة من القدرات التي تخدم التاجر مباشرة.

من أبرزها مشمر من سلة، الذي يتيح تحويل وصف التاجر بالكلمات إلى عناصر تصميم داخل المتجر، مع إمكانية معاينتها وتعديلها وإعادة استخدامها. كما يقدم قدرات تساعد على فهم أداء المتجر واكتشاف فرص لتحسين تجربة البيع وتنمية التجارة، مع اختلاف إتاحة بعض الخصائص بحسب تطور المنتج. اكتشف مشمر.

وهناك أيضا Salla AI Connector، الذي يتيح ربط المتجر بمساعدات الذكاء الاصطناعي مثل ChatGPT وClaude عبر بروتوكول MCP. وبعد الربط، يستطيع التاجر طلب معلومات عن الطلبات والمخزون والمبيعات، بل وتنفيذ عمليات مثل تحديث كميات المنتجات، ضمن الصلاحيات التي يمنحها للتكامل. تعرف على الربط مع ChatGPT وClaude.

ما يهم هنا ليس مجرد وجود أدوات جديدة، بل انتقال الذكاء الاصطناعي من مساحة التجربة التقنية إلى تفاصيل العمل اليومي للتاجر. وهذا يفتح مجالا مختلفا للتفكير في قيمة المنتجات: كيف نجعل التقنية أكثر قربا من احتياج المستخدم، وأقل حاجة إلى خطوات وخبرات وسيطة؟

ما الذي سيصنع الفرق في بناء المنتجات مستقبلا؟

بعد كل هذه التحولات، قد يبدو أن الذكاء الاصطناعي سيجعل بناء المنتجات متاحا للجميع، وأن القدرة التقنية لن تكون العائق الأكبر كما كانت في السابق.

لكن سهولة البناء لا تعني سهولة النجاح.

فما زالت الشركات بحاجة إلى اكتشاف مشكلات حقيقية، وفهم العملاء، وتقديم قيمة مختلفة، والوصول إلى السوق، وبناء تجربة تجعل الناس يختارون منتجاتها ويستمرون في استخدامها.

وفي ختام النقاش، برزت فكرتان مهمتان عند الحديث عن قدرة الشركات على الحفاظ على تميزها: الابتكار المستمر، والاهتمام بتجربة العميل. فحتى عندما تتشابه الأدوات التقنية وتصبح الحلول أسهل في التقليد، تظل قدرة الشركة على اكتشاف فرص جديدة وتحسين تجربة مستخدميها جزءا أساسيا من قدرتها على المنافسة.

وهذا يعيدنا إلى السؤال الذي بدأنا منه: ماذا يحدث عندما يصبح بناء المنتجات أسهل؟

ربما لن تكون الميزة التنافسية في امتلاك الأداة التي تنتج أكبر عدد من النماذج، أو الفريق الذي ينفذ أسرع من غيره. بل في امتلاك فريق يعرف أي مشكلة تستحق الحل، وكيف يختبرها، وما الذي يجعل الحل ذا قيمة حقيقية.

في عصر أصبح فيه بناء المنتج أسهل من أي وقت مضى، قد تكون أصعب مهارة هي أن تعرف ما الذي يستحق أن تبنيه أصلا.

مصدر النقاش: حلقة «الذكاء الاصطناعي في إدارة المنتجات» من بودكاست صفر لواحد، بمشاركة أمين فضل، نائب رئيس المنتجات في سلة، وعبدالرحمن حارث، وتقديم إبراهيم الزكري.