מנהל מוצר AI: מה שונה מניהול מוצר רגיל, ומה בודקים בגיוס

בקצרהמנהל מוצר בתחום הבינה המלאכותית אחראי על מוצר שמבוסס על מודלים, ולכן ההתנהגות שלו הסתברותית ולא קבועה. הוא מגדיר מה נחשב תשובה טובה, בונה סט הערכה, מתרגם בין חוקרים ללקוחות ומחליט מתי המודל מספיק טוב לשחרור. בגיוס בודקים הבנה של מגבלות מודלים, חשיבה על מדדים ויכולת לנהל אי ודאות מול הנהלה.

מנהל מוצר AI הוא לא עוד מנהל מוצר עם מילה חדשה בתואר

בחברות רבות נפתחת כיום משרה של מנהל מוצר AI, ולא תמיד ברור במה היא שונה מהמשרות שכבר קיימות בצוות המוצר. ההבדל אינו בכלים או בשפה, אלא בטבע של המוצר עצמו. מוצר שמבוסס על מודל אינו מתנהג באותה דרך בכל פעם, ומי שמנהל אותו צריך לקבל החלטות על מערכת שהתוצאות שלה הן הסתברות ולא הבטחה.

מנהל מוצר כזה עונה על שאלות שבמוצר רגיל כמעט לא עולות: מה נחשב תשובה טובה מספיק, כמה טעויות הלקוח יסבול, ומתי עדיף לא להפעיל את המודל בכלל. הוא יושב בין צוות המחקר, צוות ההנדסה, הלקוחות וההנהלה, ומתרגם ביניהם כל הזמן.

אי ודאות היא חומר הגלם של העבודה

במוצר תוכנה רגיל, פיצ׳ר שנבדק ועבר יעבוד מחר בדיוק כמו היום. במוצר שמבוסס על מודל שפה או על מודל ראייה, אותה בקשה יכולה לקבל תשובה מצוינת ותשובה שגויה באותו יום. מנהל המוצר צריך לתכנן את החוויה כך שהמשתמש יקבל ערך גם כשהמודל טועה, למשל באמצעות הצגת מקורות, בקשת אישור לפני פעולה או מסלול חלופי.

המשמעות המעשית היא שמפת הדרכים נראית אחרת. במקום רשימת פיצ׳רים עם תאריכים, יש בה ניסויים, ספי איכות ונקודות החלטה. מנהל מוצר טוב יודע להציג להנהלה תוכנית כזו בלי להבטיח מה שהמודל עוד לא הוכיח, ובלי לאבד את האמון של מי שמממן את הפיתוח.

גם הסיכונים נראים אחרת. מודל שמסכם מסמכים של לקוח, עונה בשם הארגון או נוגע במידע אישי מחייב החלטות על פרטיות, על שקיפות ועל פיקוח אנושי. מנהל המוצר אינו צריך להיות משפטן, אבל עליו לזהות מוקדם מתי נדרשת שיחה עם ממונה אבטחת המידע או עם היועץ המשפטי, לפני שהמוצר מגיע ללקוחות.

מדדי איכות ועלות הרצה: השפה החדשה של ניהול המוצר

הכלי החשוב ביותר של מנהל מוצר בתחום הוא סט הערכה: אוסף קבוע של מקרים אמיתיים, עם הגדרה ברורה של מה נחשב תשובה נכונה. בלי סט כזה כל שיפור במודל הוא תחושה, וכל ויכוח בין חוקר למנהל מוצר נשאר פתוח. מי שבנה סט הערכה בעבר, ויודע להסביר איך בחר את המקרים, מביא איתו את אחת היכולות הנדירות בשוק.

לצד האיכות עומדת העלות. כל קריאה למודל עולה כסף, וכל שיפור בדיוק עשוי להאט את זמן התגובה או להכפיל את עלות ההרצה. מנהל המוצר הוא מי שמחליט היכן נמצא האיזון, ולכן הוא צריך להבין את ההשלכות הכספיות של בחירה בין מודל גדול למודל קטן, או בין חיפוש במסמכים לבין אימון נוסף.

העבודה עם חוקרים ועם מהנדסי מודלים

חוקרים חושבים במונחים של ניסוי, השערה ותוצאה, ולא תמיד במונחים של לקוח ותאריך יעד. מנהל מוצר שמגיע מעולם התוכנה הקלאסי נוטה לבקש הערכות זמן מדויקות למשימות שאיש אינו יודע כמה יימשכו. מי שמצליח בתפקיד יודע להגדיר שאלות מחקר ממוקדות, לקבוע מראש מתי עוצרים ניסוי שאינו מתקדם, ולהעביר לחוקרים את ההקשר העסקי בלי להכתיב להם את הפתרון.

השאלה הזו בולטת במיוחד בחברות שיש בהן צוות מחקר ייעודי. כדאי לשאול בראיון איך המועמד עבד בעבר עם חוקרים, ואיזה ויכוח מקצועי איתם הוא זוכר. התשובה מגלה אם הוא רואה בהם שותפים או ספקים של פיצ׳רים.

איך מגייסים מנהל מוצר AI ומה בודקים בראיון

מתחילים מהגדרה: האם המוצר כבר פועל וצריך מי שישפר אותו, או שהוא עדיין רעיון שצריך לבנות סביבו צוות ותהליך. אלה שני תפקידים שונים, והמועמדים המתאימים לכל אחד מהם שונים. כדאי גם להחליט מראש עד כמה התפקיד טכני, וממי המועמד יקבל את התמונה על מגבלות המודל.

בראיון המקצועי מבקשים מהמועמד לפרק מוצר אמיתי: מה הוא היה מודד, איך היה בונה סט הערכה, ומה היה עושה כשהמודל טועה מול לקוח חשוב. תרגיל בית קצר, שבו המועמד מגדיר מדדי הצלחה לפיצ׳ר מבוסס מודל, חושף מהר את מי שמבין את התחום ואת מי שרק מכיר את המונחים.

בשלב האחרון כדאי לשוחח עם ממליצים, ובמיוחד עם חוקר או מהנדס שעבד עם המועמד. הם יספרו אם קיבל החלטות על בסיס נתונים, אם ידע לעצור פרויקט בזמן, ואם הצוות שלו הבין למה הוא בונה את מה שהוא בונה.

AI האנטרס מגייסת מנהלי מוצר שיודעים לעבוד עם מודלים

ב-AI האנטרס אנחנו מכירים את מנהלי המוצר שהובילו מוצרים מבוססי מודלים בחברות ישראליות, ויודעים להבחין בין מי שניהל מוצר כזה בפועל לבין מי שהוסיף אותו לקורות החיים. ההיכרות עם התפקיד נעשית בשיחת וידאו עם מי שינהל את המגויס, כל מועמד עובר שיחה מקצועית מעמיקה, ובדיקת הרקע נעשית בשיחות עם ממליצים.

אנחנו מגייסים גם את המנהלים שמעל מנהל המוצר וגם את מי שעובד לצידו בצוות. מי שבונה במקביל צוות מחקר יכול לקרוא על גיוס חוקרים ומדעני מודלים, ומי שמתכנן את ההנהגה כולה ימצא את התמונה הרחבה בעמוד המנהלים ומובילי ההטמעה שאנחנו מגייסים.