AI endrer grunnleggende hvordan vi utvikler digitale løsninger. Her deler Christoffer Endresen, Head of Digital Commerce i Knowit, refleksjoner fra retail:talk@oslo om hvorfor kundeinnsikt blir viktigere når det blir raskere å bygge.
Vi som utvikler digitale løsninger står midt i en grunnleggende endring. AI gjør det mulig å bygge mer med samme kapasitet.
Da jeg lanserte min første nettbutikk på Magento i 2010, brukte jeg fem dager på å bytte toppbildet og teksten på forsiden. Jeg måtte inn i koden. Jeg gjorde feil underveis, og endte med å installere Magento på nytt flere ganger. Jeg husker fortsatt gleden da bildet og teksten endelig satt.
I oktober lanserte Shopify Canvas. Nå endrer butikkeieren det visuelle i nettbutikken med en prompt. Det som tok meg fem dager, tar noen sekunder.
Et nytt toppbilde er likevel sjelden det som holder noen som driver nettbutikk våken om natta. Det er søket som ikke finner varen, bestillingen som stopper opp, og kunden som gir opp og handler hos konkurrenten.
Canvas viser retningen. Vi kommer til å skrive mindre kode for hånd og produsere mer på kortere tid. Når det blir raskere å produsere, blir det viktigere enn noen gang å sikre at vi løser de riktige problemene.
Utviklingskapasitet har nesten alltid vært den begrensende faktoren. De fleste organisasjoner har flere idéer enn tid og budsjett. Det har vært frustrerende, og det har tvunget frem prioritering. Med ti idéer på bordet var det kapasitet til å teste et par og bygge én. Resten måtte diskuteres, begrunnes og lukes bort.
I dag kan et team lage prototyper av alle ti på noen timer, eller sende ti lite gjennomtenkte løsninger rett i produksjon. AI fjerner dermed en mekanisme som har beskyttet oss mot dårlige beslutninger. Grensen kapasiteten satte, må vi nå sette selv.
Forstår vi ikke problemet før vi bygger, utvikler vi løsninger brukerne ikke trenger. Kostnaden vokser over tid:
- Hver ny funksjon er noe brukeren må forholde seg til.
- Hver funksjon må vedlikeholdes og forvaltes.
- Hver funksjon kan gjøre løsningen vanskeligere å bruke.
Når noe først er lansert, får det dessuten et eget liv. Noen har investert i det, og noen må forvalte det.
Ber du en AI bygge noe, bygger den det. Verktøyene tar betalt for bruk og tjener på at du produserer mer. Du tjener på at du produserer det riktige. Evnen til å si nei kan derfor bli like viktig som evnen til å produsere.
Heidenreich viser hva som skjer når innsikt styrer prioriteringene. Den forrige nettbutikken hadde svært mye funksjonalitet, utviklet av et stort team sentralt i konsernet. Kundene fant ikke frem, søket fungerte dårlig, og løsningen var lite tilpasset norske forhold. Brukerne er rørleggere med dårlig tid, som står ute på prosjekt og trenger en bestemt vare med riktig informasjon.
Arbeidet startet med hypoteser og kundeintervjuer på tvers av kundesegmenter. Vi besøkte butikkene, satte oss inn i rørleggernes hverdag og lot brukerne teste prototyper underveis.
Innsikten endret prioriteringene. Heidenreich valgte å slippe en ekte MVP som dekket det viktigste: å finne og bestille riktige varer så enkelt som mulig. Løsningen gikk først til ti pilotkunder og ble deretter utvidet i bolker opp til 300. Hver bolk ga ny innsikt.
Hos Heidenreich handler mange innkjøpere på vegne av flere kundenummer. Da vi spurte hva som skulle skje med handlekurven når de byttet kundenummer, fikk vi tre ulike svar. Da jeg spurte ChatGPT, valgte den motsatt løsning av den vi landet på hos Heidenreich. Det viste oss at vi hadde valgt riktig.
Resultatet ble at nettbutikken leverte 120 prosent av salgsmålet det første året, og at salget økte med 180 prosent fra år én til år to. Jeg vil være forsiktig med å gi ett grep hele æren. Mye av verdien kom likevel av det som ble valgt bort.
Startet vi prosjektet i dag, kunne vi produsert langt mer funksjonalitet, langt raskere. Det er ikke gitt at løsningen hadde blitt bedre. God utvikling handler like mye om hva vi velger bort som om hva vi bygger, og valgene ble tatt på innsikt.
Når konkurrentene har de samme verktøyene og den samme kapasiteten, er det du vet om kundene som skiller løsningen din fra deres. Funksjonalitet kan kopieres. Det konkurrentene ikke ser, er hvorfor den ble bygget, hva som ble valgt bort og hvordan helheten henger sammen. Kopierer de løsningen, kopierer de også feilene.
Innsikten må samles, deles og brukes av hele teamet. Den er heller ikke ferdig på lanseringsdagen. Det er først når løsningen møter virkeligheten at vi vet hvordan den blir brukt.
Min største bekymring er at det blir enda lettere å hoppe over innsikten når det blir billigere å bygge.
Hva bør du spørre om før du bygger?
Spørsmålet tvinger oss til å forstå behovet før vi hopper til løsningen.
Spørsmålet tvinger oss til å definere ønsket effekt før vi bygger.
Spørsmålet tvinger oss til å finne den enkleste veien til effekten, særlig når AI gjør det fristende å bygge mer.
AI gir oss en produksjonskapasitet vi ikke har hatt før, og den skal vi bruke. Den største muligheten ligger likevel i å utvikle bedre løsninger: løsninger som er ønsket, som virker og som varer.
AI endrer hvordan vi bygger. Kundeinnsikten avgjør hva som er verdt å bygge.