利用生成式人工智能打造优秀产品

利用生成式人工智能打造优秀产品

关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， New Relic， Generative Ai， Product Strategy， Data Utilization， Operational Efficiency， Developer Productivity]

导读

Generative AI正在改变独立软件供应商(ISVs)对其业务的思考方式。在本次会议中，您将看到各种ISV如何使用生成式AI技术来改进其运营并提升产品质量。了解大多数ISV目前在采用曲线上的位置，探讨在您的业务中采用生成式AI的考虑因素，并了解亚马逊云科技提供的支持您生成式AI之旅的项目。

演讲精华

以下是小编为您整理的本次演讲的精华。

下午好大家。我们现在开始吧。我是Jeffrey Hammond，是亚马逊云科技全球ISP产品管理转型的负责人。这意味着我要花很多时间与产品团队合作，他们是我们的客户，在设计体验时，你可以想象，很多体验都涉及将生成式AI作为产品策略的一部分，我今天将就此谈一点。

我也想介绍一下Siraj。大家下午好!很高兴见到大家。我是Siraj Krishtan，是新Relicon工程遥测数据平台的集团副总裁。

Siraj将带领我们深入探讨一家公司在应用生成式AI方面的产品体验。正如我所提到的，我将从更广泛的角度开始。我要做的一件事就是花很多时间与不同的客户交谈，因此我想让你们了解我们看到许多不同的软件公司是如何应对生成式AI的，以及他们如何将这项技术作为产品策略的一部分来使用。

大多数软件公司会关注两种不同类型的用例，并对它们采取非常不同的对待方式。让我们从专注于公司本身如何有效交付推动其业务的产品的运营改进的优化之旅开始。在运营改进方面，你经常会看到投资于诸如客户自助服务、改善收入运营、提高销售产品的效率、创建作为营销策略一部分的内容等方面，这也是营销推广产品的一部分。我们看到生成式AI被用于潜在客户开发运营以及整体软件产品交付。

刚开始使用生成技术的公司往往会关注这些用例，尽管你从这些投资中看到的回报实际上往往会低于另一种选择。为什么会这样呢?因为这些用例中的许多都是相对低风险的，当你只是想了解你能做什么、生成式AI如何作为你努力的一部分时，在你开始时保持人工干预总是很好的，这样可以降低一些风险，否则你的客户可能会突然遇到一些挑战、一些幻觉。

一个来自亚马逊的例子是生成合成测试数据。如果你不熟悉亚马逊One，它是我们的一项服务，可以读取掌纹并让你在商店结账。要达到使这项技术成为可行技术所需的弹性和关键任务级别，你真的必须能够在数百万个掌纹上进行测试。你能想象需要花费多少时间和精力去寻找100万个这样的掌纹、捕获它们并将它们作为测试套件的一部分吗?通过能够生成合成测试数据，他们能够显著减少生成所需测试数据量的工作量，从而达到所需的弹性水平。

另一个例子是一家金融服务领域的客户。他们提到的一件事是，他们的客户希望确保自己的基础设施能够扩展到数百万客户，每天可能有数千万笔交易，因此他们需要构建基础设施来设置、执行这些测试并将其拆除，以证明他们现在向企业客户销售的能力。这是一个测试数据生成问题，加上一个DevOps和自动化问题，是生成式技术的理想应用场景，可用于合成测试数据。

另一个例子是使用亚马逊CodeWhisperer来加速开发，提高自身软件开发实践的效率。在这些专注于内部运营改进的努力中，我们看到了一些例子，比如25%的更快开发速度、高达40%的开发人员生产力提高、37%的代码被开发人员接受率、12%的重复性任务自动化增加。在Evident的案例中，能够在几分钟内现代化遗留代码，并降低整体运营成本，包括开发成本和销售自身产品的成本。

虽然运营改进很有趣，但从产品团队的角度来看，更具战略意义的用例是将这些技术嵌入到他们作为整体产品策略的一部分销售的产品中，我倾向于就此进行更深入的探讨并与团队合作。我们看到的一些例子包括:投资于差异化，使你已经拥有的特色变得更加与众不同，通过应用生成式技术;通过新产品(如聊天机器人或协同飞行员)产生额外增长;简化用户体验;改善自动化;总结运营数据或甚至点亮暗数据。

Appian是一个有趣的例子，因为当他们首次开始研究语义搜索时(这是我们看到人们使用生成式技术的常见用例之一)，他们是使用自己的文档、客户支持材料来做的。在学会如何做到这一点后，他们将这些信息插入到自己的产品中，并进一步利用产品本身的数据来创建更加强大的混合搜索功能，帮助客户做出选择，在他们的案例中是如何成功应用数据和分析。

另一个例子是Alida。如果你不