Strategist Ai · AI Takeaways
- Ο Πάρης Θωμάς προειδοποιεί ότι μια πειστική απάντηση της AI δεν τεκμηριώνει πραγματική ζήτηση.
- Προτείνει συζητήσεις με πιθανούς πελάτες και στη συνέχεια δοκιμές δέσμευσης, από λίστες αναμονής έως προπωλήσεις.
- Οι ομάδες χρειάζεται, σύμφωνα με τον ίδιο, να συμφωνούν πριν από κάθε πείραμα ποιο αποτέλεσμα θα δικαιολογούσε τη συνέχιση της προσπάθειας.
Η ταχύτητα με την οποία η τεχνητή νοημοσύνη βοηθά να δημιουργηθεί ένα προϊόν δεν απαντά στο δυσκολότερο επιχειρηματικό ερώτημα: υπάρχει κάποιος που το χρειάζεται αρκετά ώστε να πληρώσει; Ο Πάρης Θωμάς προειδοποιεί ότι η ευκολία ανάπτυξης μπορεί να παγιδεύσει τους ιδρυτές σε μια ιδέα για την οποία δεν έχουν ακόμη ουσιαστικές ενδείξεις ζήτησης.
Μιλώντας στο MoneyMatters, σε συνέντευξη για τη στρατηγική, την καινοτομία και την AI, ο ιδρυτής της Strapivo εντοπίζει ένα επαναλαμβανόμενο λάθος: ο επιχειρηματίας ερωτεύεται τη λύση του και παραβλέπει αν υπάρχουν στοιχεία που στηρίζουν την ανάγκη για αυτήν.
Τα ευγενικά σχόλια δεν είναι δέσμευση
Η πρώτη διερεύνηση, εξηγεί, πρέπει να γίνεται με πιθανούς πελάτες και να αφορά ένα πραγματικό πρόβλημα. Η γνώμη των φίλων ή τα θετικά σχόλια δεν αρκούν, ιδιαίτερα όταν οι ερωτήσεις που τίθενται δεν βοηθούν να φανεί πόσο σημαντικό είναι το ζήτημα για τον άλλον.
Από εκεί και πέρα, προτείνει να ελέγχεται αν το ενδιαφέρον συνοδεύεται από κάποια δέσμευση. Μια απλή ιστοσελίδα με λίστα αναμονής, που προωθείται σε επιλεγμένα κοινά, μπορεί να δώσει μια πρώτη ένδειξη για το ποιοι ανταποκρίνονται περισσότερο.
Ο ίδιος χαρακτηρίζει την εγγραφή σε λίστα αναμονής ένδειξη μέτριας ισχύος. Δεν την εξισώνει με αγορά: η προπώληση είναι το επόμενο τεστ για να φανεί αν ο ενδιαφερόμενος θα πληρώσει πράγματι. Διαφορετικό ερώτημα απαντά η δοκιμή τριών τιμών, με σύγκριση των αγορών σε καθεμία, ώστε να εξεταστεί πώς αντιδρά η ζήτηση στην τιμή.
Πού βοηθά και πού δεν αρκεί η AI
«Η σιγουριά της όμως δεν είναι απόδειξη ζήτησης», σημειώνει για την τεχνητή νοημοσύνη. Οι προσομοιώσεις συζητήσεων με υποθετικούς πελάτες μπορούν να λειτουργήσουν υποστηρικτικά, αλλά, όπως τονίζει, δεν αντικαθιστούν την επαφή με πραγματικούς ανθρώπους.
Το χρήσιμο πεδίο της AI, στην προσέγγισή του, είναι η προετοιμασία: οδηγοί συζήτησης, πρόχειρα πρωτότυπα και σχέδια που βοηθούν έναν πιθανό πελάτη να καταλάβει την προτεινόμενη λύση. Μάλιστα, τα πρωτότυπα χρειάζεται να παραμένουν αρκετά ατελή ώστε ο συνομιλητής να νιώθει άνετα να τα αμφισβητήσει, αντί να περιοριστεί σε μια ευγενική επιδοκιμασία.
Μετά τις πραγματικές συζητήσεις, η τεχνολογία μπορεί να βοηθήσει την ομάδα να αναλύσει το υλικό και να εντοπίσει συμπεράσματα. Το σημείο εκκίνησης, όμως, είναι οι απαντήσεις ανθρώπων και όχι η πειστικότητα μιας μηχανής.
Συμφωνία πριν από το αποτέλεσμα
Ο Θωμάς εντοπίζει και μια δεύτερη παγίδα: να ολοκληρώνεται ένα πείραμα και η ομάδα να μην μπορεί να αποφασίσει τι ακολουθεί, επειδή δεν είχε ορίσει τι θα θεωρούσε επαρκή στοιχεία. Γι’ αυτό προτείνει να συμφωνούνται εξαρχής ο δείκτης και το αποτέλεσμα που θα έδινε το πράσινο φως.
Όταν οι πελάτες δείχνουν επανειλημμένα ότι το πρόβλημα δεν είναι αρκετά σημαντικό για να κινητοποιηθούν, η αλλαγή κατεύθυνσης γίνεται επιλογή που πρέπει να εξεταστεί. Το ζητούμενο δεν είναι μόνο να δημιουργηθεί γρήγορα κάτι καινούργιο, αλλά να επιλεγεί σωστά τι αξίζει να δημιουργηθεί.
Διαβάστε ολόκληρη τη συνέντευξη του Πάρη Θωμά στο MoneyMatters, με τις προτάσεις του για την AI στις μικρές επιχειρήσεις, τη «δυναμική στρατηγική» και τις κρίσιμες αποφάσεις που ο ίδιος κρατά στον άνθρωπο.
