Bir kurucu geçen ay bana deney panelini gururla gösterdi: 41 test çalışıyor. Kendisine son çeyrekte hangi üç testin gerçek bir kararı değiştirdiğini sordum. Sessiz kaldı, bir süre kaydırdı ve bir tanesinde durdu: 'Belki.' Bu, her büyüme takımının karşılaşacağı bir sorunun erken belirtisi. Eskiden bir deneyi hayata geçirmek için tasarımcıya brif vermek, reklam varyantlarını beklemek, takibi kurmak ve sayfayı oluşturmak gerekiyordu; bu bir hafta sürerdi. Şimdi ise aynı sürede 40 test başlatabiliyor ancak neredeyse hiçbiri bir şey öğretmiyor.
Hacim hiçbir zaman takımları geri tutan şey olmadı. Asıl zorluk, gerçek sonucu rastgele gürültüden ayırmak ve kaybedenleri bütçeyi tüketmeden önce durdurma cesaretini bulmaktı. Yapay zeka ucuz sorunu çözdü ama pahalı sorunu olduğu gibi bıraktı. Üstelik herkese yanlış yapmanın daha hızlı bir yolunu sundu. Bu yüzden önemli kural şu: İhtiyacınız olan çerçeve, testler yapılması kolaylaştıkça geçmesi zorlaşan çerçevedir.
Yapay zekayı üretim işine yönlendirin ve hipotez, tasarım ile durdurma kararında aklınızı başınızda tutun; her şey birbirini besler. Ama her şeyi AI'ya yönlendirirseniz, yakalayamayacağınız kadar hızlı gürültü üreten bir makine inşa etmiş olursunuz. İlk adım, test birikimini küçültmek, beslemek değil. Bir modelden fikir isteyin, size seve seve 200 tane verir. 200 sıralanmamış fikir bir strateji değil, meşgul hissetme yoludur. Önemli olan, bu çeyrekte sayacak beş taneyi seçip diğer 195'ine hayır diyebilmektir.
Her fikri üç soruyla sıralıyoruz: Kazanç ne kadar büyük? Ne kadar eminiz? Maliyeti ne? Ucuz, yüksek güvenli, yüksek getirili fikirler öne geçer. LinkedIn'de görülen bir fikir aynı çıtayı geçmedikçe sırada bekler. Disiplin, kulağa hoş gelen bir fikri üç hafta yemeden öldürmektir. Bir müşteri, tüm onboarding akışını içgüdüsel olarak değiştirmek istedi. Test düşük güven ve yüksek maliyet puanı aldı, bu yüzden mevcut akışa karşı üç ekranlık bir test yaptık. İçgüdüsü yanlıştı. Ucuz test, yakmak üzere olduğu mühendislik zamanının çeyreğini geri kazandırdı.
