AI로 가치를 만들어낼 때 놓치는 포인트

1️⃣ 데이터 프로덕트는 결국 프로덕트다 (번역) https://playinpap.github.io/data-product-management/ 2️⃣ 아티클 세 줄 요약 💡 AI의 개발과 머신러닝 솔루션과 같은 것들이 성공하기 위해서는 진짜 제품이어야 한다. 이 제품이란, 사용자들을 위한 노출되는 기능 뿐만 아니라 조직 내부에서 데이터를 기반으로 가치를 창출하거나 편의를 제공하기 위한 어떤 기능이나 도구 혹은 모델, 서비스와 같은 것들을 포함하는 것이다. 3️⃣ 아티클 정리 - 규모 있는 전통 대기업에서는 투자한 것에 비해 의미 있는 결과를 얻지 못하는 경우도 발생하고 있습니다. 대부분의 머신러닝 프로젝트는 실제 제품화 되지 못하고 PoC(Proof of Concept : 가능성 증명단계)단계에 머무르고 있습니다. 연구에 따르면 대략 이 비율은 80%에서 90%에 달합니다. - 가장 쉽게 발견되는 이유는 **AI 제품 마인드셋 때문입니다.** 의 부족일 것입니다. 많은 AI 기획에 있어서 쉽게 부재하는 이유는, AI 제품의 특성 자체가 기획의 초기단계에서 그 기획이 유저들에게 실제로 어떤 가치를 부여할 수 있을지를 정확하게 알기 어렵다는 이유로 그것들이 간과되기 때문입니다. - 사용자는 머신러닝의 정확도가 90%이든 95%이든 궁금하지 않습니다. 결국 자신의 요구와 문제를 해결해주었는지만을 궁금해할 뿐입니다. - 당신이 만들고 싶은 가치와 의미에 대해서 정확하게 이름을 붙여보고 정의해봅시다**: 원하는 가치와 실질적으로 어떤 것을 얻고 싶은지에 대해서 먼저 토론해보아야 합니다. 가장 중요한 것은 성공 지표 혹은 KPI를 만듦으로써 이것을 손에 잡힐 수 있는 어떤 것으로 다루어야 한다는 점입니다. - 데이터 프로덕트 생애주기와 운영에 대하여 설계하고 공유합시다**: 정말로 중요한 작업들은 데이터 프로덕트가 개발되는 스프린트 에서가 아니라 실제로 유저와 고객을 대상으로 이 서비스가 시작된 다음 부터입니다. 유저와 고객으로부터 얻은 피드백은 제품의 다음 단계로의 성장을 위해서 매우 중요한 정보입니다. 이 생애주기 관리에 대한 전문성이 바로 당신의 제품이 지속적으로 창조되는 과정과 이 제품이 어떻게 인식될 것인지에 대해서 매우 중요한 영향을 미칠 것입니다. 4️⃣ 러닝 포인트 - 머신러닝/AI 서비스를 제품에 구현 후, 실제 유저에게 어떠한 가치와 편의를 제공하고, 플랫폼화 시키고 있는지까지 챙기는 것 - ML팀의 PM으로서 놓치면 안되는 부분임을 다시 한 번 인지하였다. - Data Product Manager에게 정말 중요한 작업은 데이터 프로덕트가 개발되는 스프린트에서가 아니라 실제 유저와 고객을 대상으로 이 서비스가 시작된 다음부터임을 명심했다. 그 다음을 어떻게 잘 챙길 수 있을까? 고민이 필요하겠다.