بررسی ایده کسب‌وکار با هوش مصنوعی: پیدا کردنِ جایی که ایده می‌شکند
هوش مصنوعی نمی‌تواند بگوید مردم برایِ ایده‌ات پول می‌دهند یا نه؛ اما می‌تواند پیش از خرج کردنِ وقت و پول، فرض‌هایِ خطرناکش را بیرون بکشد و اولین آزمایشِ ارزان را نشانت بدهد.
بررسی ایده کسب‌وکار با هوش مصنوعی نمی‌تواند به تو بگوید مردم واقعاً برایش پول می‌دهند یا نه؛ این را فقط مشتریِ واقعی جواب می‌دهد. کاری که به‌خوبی از پسش برمی‌آید این است که ایده‌ات را پیش از خرج کردنِ وقت و پول زیرِ فشار بگذارد: فرض‌هایِ پنهانش را بیرون بکشد، ضعیف‌ترین حلقه را پیدا کند و نشان دهد اولین آزمایشِ ارزان چه باید باشد. وقتی چند مدل با نقش‌هایِ متفاوت و یک صندلیِ مخالف رویِ ایده بحث کنند، احتمالِ این‌که فقط تشویق بشنوی خیلی کمتر می‌شود.
هوش مصنوعی چه چیزی را نمی‌تواند بگوید
پیش از هر چیز، مرزها را روشن کنیم تا از ابزار انتظارِ اشتباه نداشته باشی:
- به مشتریانِ تو دسترسی ندارد. نمی‌داند کارمندانِ یک محله یا صاحبانِ مغازه‌هایِ یک راسته دقیقاً چه دردی دارند و برایِ حلش چه کرده‌اند.
- عددهایِ بازار را از حافظه می‌گوید. اندازه‌ی بازار یا نرخِ رشدی که یک مدل بی‌منبع می‌گوید، ممکن است قدیمی یا کاملاً ساختگی باشد.
- تمایل دارد تشویق کند. مدل‌هایِ گفت‌وگو طوری تربیت شده‌اند که همراه باشند؛ ایده‌ای که با شوق تعریفش کنی، معمولاً با شوق پاسخ می‌گیرد.
- ایده در متن منسجم‌تر از واقعیت است. در گفت‌وگو هیچ پیکی دیر نمی‌رسد و هیچ تأمین‌کننده‌ای قیمت را عوض نمی‌کند.
پس هدفِ بررسی ایده کسب‌وکار با هوش مصنوعی «تأیید گرفتن» نیست. هدف پیدا کردنِ جایی است که ایده می‌شکند، پیش از آن‌که واقعیت با هزینه‌ی بیشتری نشانش بدهد.
قدمِ اولِ بررسی ایده کسب‌وکار با هوش مصنوعی: ایده را به فرض‌هایش بشکن
هر ایده‌ی کسب‌وکار زنجیره‌ای از فرض‌هاست و کافی است یکی از حلقه‌ها غلط باشد. پیش از نشست، یا به‌عنوانِ اولین درخواست از میز، ایده را به این حلقه‌ها بشکن:
- مسئله: این درد واقعی و تکرارشونده است، یا فقط گاهی آزاردهنده؟
- مشتری: دقیقاً چه کسی؟ آیا کسی که پول می‌دهد همان کسی است که استفاده می‌کند؟
- جایگزینِ فعلی: امروز بدونِ تو چه می‌کنند؟ رقیبِ اصلی اغلب یک شرکتِ دیگر نیست؛ «هیچ کاری نکردن»، یک دفترچه یا یک گروهِ پیام‌رسان است.
- تمایل به پرداخت: آیا این درد آن‌قدر هست که برایش پول بدهند، آن هم به اندازه‌ای که برایِ تو صرف کند؟
- کانالِ جذب: مشتریِ اول را از کجا پیدا می‌کنی و مشتریِ صدم را از کجا؟
- اقتصادِ واحد: هزینه‌ی تحویلِ یک واحد و هزینه‌ی به دست آوردنِ یک مشتری، در برابرِ آنچه در طولِ همکاری از او درمی‌آید.
- عملیات: چه چیزی باید هر روز بی‌نقص اجرا شود و کجا گره می‌خورد؟
- قانون و مجوز: آیا این کار مجوز، استاندارد یا قراردادِ خاصی لازم دارد؟
بعد از میز بخواه این فرض‌ها را بر اساسِ دو معیار رتبه‌بندی کند: اگر غلط باشد چقدر ویران‌کننده است، و آزمودنش چقدر ارزان است. فرضی که هم خطرناک است و هم ارزان آزموده می‌شود، اولین کارِ توست.
پیش‌مرگ: فرض کن شکست خورده‌ای
یکی از مفیدترین تمرین‌ها پیش‌مرگ است: به جایِ پرسیدنِ «این ایده موفق می‌شود؟»، بگو «فرض کن یک سال گذشته و این کسب‌وکار تعطیل شده؛ محتمل‌ترین دلیل‌ها چه بوده‌اند؟» این قاب‌بندی مدل را از حالتِ تشویق بیرون می‌آورد، چون حالا وظیفه‌اش توضیحِ شکست است، نه دفاع از ایده.
در میزگرد این تمرین قوی‌تر می‌شود، چون مرحله‌ی اول مستقل است: هر صندلی دلیل‌هایِ شکست را بدونِ دیدنِ جوابِ بقیه می‌نویسد، پس از رویِ دستِ هم کپی نمی‌کنند. در دورِ نقد، دلیل‌هایِ ضعیف کنار می‌روند و آن‌هایی که چند صندلی مستقل به آن رسیده‌اند برجسته می‌شوند. البته رسیدنِ چند مدل به یک دلیل، آن دلیل را قطعی نمی‌کند؛ فقط می‌گوید ارزشِ آزمودن دارد.
یک نمونه‌ی فرضی: اشتراکِ ناهارِ خانگی برایِ کارمندان
این بخش نمونه‌ی فرضی است و فقط شکلِ کار را نشان می‌دهد؛ نشست، کاربر و نتیجه‌ی واقعی نیست.
فرض کن می‌خواهی اشتراکِ هفتگیِ ناهارِ خانگی برایِ کارمندانِ یک منطقه‌ی اداری راه بیندازی: غذا در یک آشپزخانه پخته می‌شود و هر روز سرِ ظهر به ساختمان‌ها می‌رسد.
- نوعِ نشست: «بحث و تصمیم»، با «آستانه‌ی اجماع» ۸۰٪ تا اگر یک صندلی تا آخر مخالف ماند، نشست گیر نکند و مخالفتش همچنان ثبت شود.
- صندلی‌ها: پنج صندلی از خانواده‌هایِ مختلف، دوتایشان با قالبِ «بازاریابی». یک ایده‌پرداز که ایده را گسترش می‌دهد، یک منتقد که در متنِ موضوع از او خواسته‌ای مثلِ سرمایه‌گذارِ بدبین نگاه کند، یک عمل‌گرا برایِ آشپزخانه و تحویل، یک معمار برایِ مدلِ درآمد، و صندلیِ «وکیلِ مدافعِ شیطان».
- عمق: «عمیق».
- پیوست‌ها: فایلِ Excelِ برآوردِ هزینه‌ها (مواد، بسته‌بندی، پیک، اجاره‌ی آشپزخانه) و یک سند با یادداشت‌هایِ گفت‌وگوهایت با چند کارمند.
- پیش از شروع: «جست‌وجوی زنده قبل از شروع» را روشن می‌کنی تا اطلاعاتِ به‌روز درباره‌ی الزاماتِ بهداشتیِ تولیدِ غذا با منبع اضافه شود. در «تأییدِ فرض‌ها» فرضِ «شرکت‌ها هزینه‌ی ناهارِ کارمندان را می‌پردازند» را رد می‌کنی، چون نمی‌دانی.
حکمِ نوشته‌شده در این نمونه می‌تواند این‌ها را داشته باشد:
- توافق: ریسکِ اصلی تقاضا نیست، عملیات است؛ رساندنِ غذایِ گرم سرِ وقت در اوجِ ظهر و ثابت نگه داشتنِ کیفیت. اقتصادِ واحد به تعدادِ سفارش در هر مسیرِ پیک بستگی دارد، پس شروع باید متمرکز باشد: یک یا دو ساختمان، نه کلِ منطقه.
- توافقِ دوم: تولیدِ غذا برایِ فروش مجوز و الزاماتِ بهداشتی دارد؛ منابعِ جست‌وجو در حکم آمده‌اند و باید پیش از هر فروشی با کارشناسِ این حوزه چک شوند.
- اختلاف: ایده‌پرداز می‌گوید به جایِ تک‌تکِ کارمندان به خودِ شرکت‌ها به‌عنوانِ رفاهِ کارکنان بفروشید؛ منتقد می‌گوید چرخه‌ی فروش به شرکت طولانی است و برایِ آزمایشِ اول مناسب نیست.
- قوی‌ترین مخالفتِ باقی‌مانده: وکیلِ مدافعِ شیطان می‌گوید اشتراکِ هفتگی از مشتری تعهد می‌خواهد پیش از آن‌که اعتماد ساخته شود؛ شاید مشکل خودِ قالبِ اشتراک باشد و مردم انتخابِ روزانه را ترجیح دهند.
- توصیه: یک آزمایشِ دو هفته‌ای و دستی در یک ساختمان با پیش‌سفارش از طریقِ یک فرمِ ساده، هم با گزینه‌ی روزانه و هم هفتگی، و سنجیدنِ این‌که چند نفر در هفته‌ی دوم دوباره سفارش می‌دهند. معیارِ ادامه یا توقف پیش از شروعِ آزمایش نوشته شود.
بعد از حکم می‌توانی بپرسی «در این دو هفته از مشتری‌ها چه سؤال‌هایی بپرسم؟» و همان صندلی‌ها کوتاه جواب می‌دهند. اگر هم خواستی بدانی چرا حکم به این‌جا رسید، «نقشه‌ی تصمیم» نقطه‌هایِ توافق و اختلاف و دلیلشان را نشان می‌دهد.
سؤال‌هایی که ارزش دارد به میز بدهی
از حکم تا آزمایشِ کوچک
در بررسی ایده کسب‌وکار با هوش مصنوعی، حکمِ میزگرد نقطه‌ی شروع است، نه پایان. این چرخه را دنبال کن:
- خطرناک‌ترین فرض را انتخاب کن، همانی که در رتبه‌بندی بالا آمد یا در قوی‌ترین مخالفت ماند.
- آزمایشی طراحی کن که بتواند ردش کند. گفت‌وگو با مشتری، یک صفحه‌ی معرفی با دکمه‌ی پیش‌ثبت‌نام، یا اجرایِ دستیِ خدمت برایِ چند نفر پیش از ساختنِ هر نرم‌افزاری.
- معیارِ قبولی را پیش از شروع بنویس. اگر بعد از دیدنِ نتیجه معیار را تعیین کنی، تقریباً همیشه خودت را قانع می‌کنی.
- در گفت‌وگو با مشتری از گذشته بپرس، نه آینده. «آخرین بار که این مشکل را داشتی چه کردی؟» خیلی بیشتر از «اگر بود، می‌خریدی؟» می‌گوید.
- نتیجه را به میز برگردان. یادداشت‌ها و عددهایِ آزمایش را در یک نشستِ تازه پیوست کن و بپرس حالا کدام فرض تقویت شد و کدام فرو ریخت.
اگر حکم ایده را جدی زیرِ سؤال برد، لزوماً پایانِ راه نیست. یک نشستِ «تولیدِ ایده‌ی عمیق» می‌تواند چرخش‌هایِ ممکن را رویِ همان دانسته‌ها بسازد؛ مثلاً همان آشپزخانه با مشتری یا قالبِ فروشِ دیگر.
تله‌هایی که باید حواست باشد
- سؤالِ جهت‌دار: «این ایده‌ی عالی را چطور بزرگ کنم؟» جوابِ تشویقی می‌گیرد. ایده را بی‌طرف شرح بده. در چرا هوش مصنوعی همیشه با من موافق است دیده‌ایم چرا صندلیِ مخالف این‌جا فرق می‌سازد.
- اجماع را با حقیقت یکی نگیر: همه‌ی مدل‌ها ممکن است یک باورِ رایج درباره‌ی بازار را تکرار کنند. به همین دلیل حکم اختلاف‌ها را هم می‌نویسد؛ درباره‌ی این‌که داور چطور موضع‌ها را می‌سنجد، داوری هوش مصنوعی را بخوان.
- منبع را باز کن: وقتی جست‌وجوی زنده منبع آورده، خودِ منبع را بخوان؛ خلاصه ممکن است نکته‌ای را جا انداخته باشد.
- تصمیمِ مالی و حقوقی جدی: برایِ سرمایه‌گذاری، قرارداد، مالیات و مجوز، حکمِ میزگرد را با حسابدار یا وکیل مرور کن. این ابزار کمک به فکر کردن است، نه مشاوره‌ی حرفه‌ای.
- اطلاعاتِ محرمانه‌ی دیگران: اطلاعاتِ شخصیِ مشتریان یا اسنادِ محرمانه‌ی شریک را بدونِ اجازه پیوست نکن.
برایِ شروع لازم نیست نشستِ بزرگ باشد. یک نشستِ «سریع» با مدل‌هایِ سبک‌تر برایِ دیدنِ حفره‌هایِ اولیه کافی است و بعد رویِ فرضِ اصلی عمیق‌تر می‌شوی. هزینه تومانی و به‌اندازه‌ی مصرف است، پیش از هر نشست برآوردش را می‌بینی، و کاربرانِ تازه ۱۶ هزار تومان هدیه‌ی خوش‌آمد می‌گیرند که برایِ یک نشستِ کوچک کافی است، شاید نه برایِ یک نشستِ بزرگ. جزئیات در صفحه‌ی قیمت‌ها است.
جمع‌بندی
بررسی ایده کسب‌وکار با هوش مصنوعی وقتی مفید است که به جایِ تأیید، دنبالِ نقطه‌ی شکست باشی: ایده را به فرض‌هایش بشکن، پیش‌مرگ را امتحان کن، بگذار یک صندلی مخالفت کند و حکم را به یک آزمایشِ کوچک و ارزان تبدیل کن. جوابِ نهایی را همچنان مشتریِ واقعی می‌دهد. این یکی از کاربردهایِ چندهوش در تصمیم‌گیری است و اگر تازه با این پلتفرم هوش مصنوعیِ چندمدلی آشنا شده‌ای، از صفحه‌ی اصلی شروع کن.
وقتی ایده از آزمایش سربلند بیرون آمد و نوبتِ ساختن رسید، انتخاب معماری نرم‌افزار با هوش مصنوعی و بعد بررسی کد با هوش مصنوعی قدم‌هایِ بعدی‌اند.