Не уверен, что могу согласиться с этим утверждением.
- Вам по-прежнему нужен UX-исследователь, чтобы определить проблемы и болевые точки, которые вы можете решить. Или, если вы более ориентированы на технологии и приходите к этому из области решений, чтобы подтвердить гипотетические потребности, лежащие в основе крутых идей, которые придумали ваши инженеры (см. метод Google Triptech).
- Вам все еще нужны навыки UX, чтобы наметить путь пользователя и определить точки принятия решений, которые могут служить целями прогнозирования. Или осознайте, что вы можете радикально изменить опыт редактирования подкастов, создав преобразование аудио в текст 1:1, чтобы вы могли редактировать свой подкаст, как документ Google (посмотрите Descript на producthunt, это гениальный пример того, как машина обучение дает совершенно новый пользовательский опыт!).
- Вам по-прежнему нужен UX-дизайнер, который поможет вам найти лучший способ сбора входных данных, которые запрашивает ваш алгоритм машинного обучения. И, что более важно, понять, как представить прогнозы таким образом, чтобы они были удобными и заслуживающими доверия. Может быть, вы даже хотите автоматически действовать в соответствии с этими прогнозами, но тогда вам лучше протестировать пользователей, что они в порядке с тем, что некоторые электронные письма, не являющиеся спамом, попадают в папку со спамом.
Подводя итог, я согласен с тем, что ИИ-продакт-менеджерам нужны навыки работы с данными, чтобы охватить осуществимость, но чтобы убедиться, что ваш продукт полезен и удобен в использовании, требуется, во всяком случае, еще больше UX.
