Заметка о том, как этап Product Discovery предотвратил создание нежизнеспособного ИИ-продукта.

Идея сервиса

Во время работы в научном стартапе с большими амбициями руководство регулярно приходило к продуктовой команде с новыми идеями о том, как можно было бы применить ИИ в научной работе. HypoSearcher был одним из таких проектов.

Идея продукта была следующей: учёный открывает сервис и пишет что-то вроде «Придумай мне идею для научного проекта в такой-то области научного знания», затем свайпает сгенерированные моделью гипотезы, как карточки прекрасных дам в «Тиндере», выбирает одну. Затем, пройдя небольшой визард, получает полное ТЗ на научное исследование и буквально на следующий день идёт подаваться на грант в выбранную институцию.

В продуктовую команду эта идея пришла в виде пожелания получить MVP работающего продукта. Получив такую вводную, я предложил провести исследование, чтобы ознакомиться с реальным процессом «придумывания гипотез» и избежать возможных подводных камней.

Product Discovery

Я провёл глубинные интервью с четырьмя учёными, имеющими большой опыт ведения научных проектов и представляющими разные области науки:

• Респондент 1: Профессор теоретической физики
• Респондент 2: Профессор психологии и аффективных наук
• Респондент 3: Профессор биохимии и клеточной биологии
• Респондент 4: Профессор теоретической биофизики

Моей задачей было изучить жизненный цикл научного проекта, в частности его начальные этапы, и роль документации в нём.

Результаты исследования

В ходе интервью выяснилось следующее:

• У учёных нет недостатка в гипотезах. Практически всегда идеи для новых исследований появляются в процессе работы над текущими проектами, являются их продолжением или ответвлениями и могут храниться годами в ожидании своего часа.
• Новые проекты опираются на старые исследования. Тема нового исследования выбирается с учётом имеющихся данных и доступных ресурсов. Ведь если в научном проекте использовался датасет с подготовленными данными, логично использовать этот датасет для других исследований в той же области.
• Инструментальный зоопарк. И данные, и материалы, которые являются источником вдохновения для новых проектов, хранятся у учёных в привычных им форматах, и у каждого учёного инструментарий для работы с данными свой. Та же документация может создаваться разными учёными в Word (doc), Overleaf (LaTeX), Obsidian (md).
• Отсутствие стандартов в документации. Форматы грантовых заявок и состав необходимых документов радикально различаются в зависимости от фонда, страны и института. Вести же постоянно актуализируемую базу шаблонов для подачи на гранты было бы нецелесообразно, даже если бы и было возможно.

В совокупности эти наблюдения показали, что в предложенном виде генератор гипотез делать нецелесообразно, а визард для подачи на гранты — крайне сложно технически.

Сила инерции

Несмотря на то что внутри компании не было недостатка в выходцах из академической среды, которые могли подтвердить обоснованность всех этих выводов, менеджмент не сразу отказался от идеи. По инерции мы всё же нарисовали пару прототипов, но при их проверке с учёными встретили всё те же фундаментальные препятствия. Попытки обойти эти ограничения без смены концепции успехом не увенчались, так что довольно быстро от идеи отказались в пользу более перспективных.

Смена фокуса

По итогам проверки идеи компания отказалась от разработки сервиса для создания гипотез и подачи на гранты. Ресурсы были перенаправлены на направления с большим потенциалом, одним из которых стало развитие LLM-модулей, работающих с пользовательскими базами данных (Knowledge Base), в том числе и для работы над гипотезами, но уже не в качестве ключевого сценария.

В конечном итоге компания сэкономила несколько месяцев разработки и валидации MVP и переключилась на более перспективные направления при помощи быстрого и незатратного исследования реалий работы над проектной документацией в научной среде.