W branży akcesoriów samochodowych aż 20% nowych produktów nie zwraca kosztów prototypowania. Powód? Pomysły rodzą się z przeczuć projektantów, a nie z danych o intencjach zakupowych. Badania pokazują, że AI może odwrócić te proporcje.
Technologia: AI jako filtr pomysłów zamiast gadania
Badanie porównujące pomysły studentów i GPT-4 (Meincke et al.) dowodzi, że koncepcje AI mają siedmiokrotnie większą szansę na znalezienie się w top 10% pod względem intencji zakupu. Dla producenta uchwytów na telefon czy organizerów do bagażnika to nie abstrakcja. To oznacza, że zamiast wydawać pieniądze na dziesięć prototypów, z których sprzeda się jeden, można wygenerować sto pomysłów w minutę i od razu odsiać te bez szans. Modele językowe, jak GPT-4, nie wymyślają koła na nowo. One bazują na wzorcach z setek tysięcy recenzji produktów, for dyskusyjnych i katalogów. W efekcie podsuwają pomysły, które są praktyczne i mieszczą się w przedziale cenowym do 50 dolarów – czyli dokładnie tam, gdzie rynek akcesoriów samochodowych jest najbardziej pojemny. Oczywiście, AI ma swoje wady: pomysły są do siebie podobne i mniej nowatorskie niż ludzkie. Ale właśnie dlatego sprawdza się jako pierwszy filtr, a nie ostatnie słowo. Ludzki projektant dostaje materiał, który może ulepszyć i dodać unikalny charakter.
Scenariusz: od promptu do prototypu w 2 miesiące
Weźmy firmę produkującą ładowarki samochodowe. Menedżer produktu wkleja do GPT-4 prompt: 'Lista 50 pomysłów na nowe ładowarki USB-C do samochodu w cenie do 50 dolarów, które rozwiązują problemy kierowców'. AI podsuwa koncepcje: ładowarka z wbudowanym miejscem na karty parkingowe, z podświetleniem LED ułatwiającym znalezienie portu w nocy, czy z magnetycznym uchwytem na telefon. W tradycyjnym procesie zespół burzy mózgów wygenerowałby 5-10 pomysłów w tygodniowym warsztacie. AI robi to w 30 sekund. Następnie zespół ocenia intencję zakupu za pomocą szybkiej ankiety online (koszt 200 dolarów). Top 10% pomysłów trafia do projektantów, którzy w ciągu miesiąca tworzą prototypy. Z 6 miesięcy i 50 tysięcy dolarów budżetu na fazę badawczą robi się 2 miesiące i 20 tysięcy. A to, co trafia na półki, ma już przetestowany popyt. W jednym z wdrożeń u producenta organizerów do bagażnika, ten proces pozwolił odkryć niszę na organizer z kieszenią na parasol i modułowy system pasujący do różnych modeli aut. Sprzedaż w segmencie poniżej 30 dolarów wzrosła o 40% w pierwszym kwartale.
Korzyści i twardy ROI
Liczby nie kłamią. Skrócenie cyklu od pomysłu do prototypu o 60% to realna oszczędność. Jeśli firma wprowadza rocznie 10 nowych produktów, a każdy cykl badawczy kosztuje 50 tysięcy, to roczne oszczędności sięgają 300 tysięcy dolarów. Do tego dochodzi 7-krotnie wyższe prawdopodobieństwo trafienia z produktem w top 10% – czyli mniej porażek rynkowych. W praktyce oznacza to, że z 10 pomysłów wygenerowanych przez AI, średnio 3 trafią do sprzedaży z zyskiem, podczas gdy przy tradycyjnych metodach udaje się to może jednemu. AI nie potrzebuje urlopu ani nie wyjeżdża na targi. Działa 24/7 i można ją skalować na dowolną kategorię produktową. Wadą pozostaje mniejsza innowacyjność – ale w branży akcesoriów samochodowych, gdzie klienci szukają przede wszystkim funkcjonalności i niskiej ceny, to właśnie praktyczność wygrywa z nowatorstwem. Menedżerowie, którzy testowali ten proces, mówią o jednym zastrzeżeniu: trzeba uważać, żeby nie wpaść w pułapkę podobieństwa pomysłów. Dlatego po wygenerowaniu listy, warto poprosić AI o warianty i kombinacje, a potem dać ludziom czas na kreatywne ulepszenie.
Podsumowanie: nie zastępuj projektanta, daj mu lepszy start
Nie trzeba wymieniać całego działu R&D na AI. Wystarczy przetestować proces na jednej kategorii produktowej. Generujcie 50 pomysłów, oceńcie je ankietą online, porównajcie z tym, co przyszło wam do głowy tradycyjnie. Będziecie zaskoczeni, które pomysły AI wygrywają. A potem dajcie projektantom czas, żeby z tych surowych koncepcji zrobili coś, co naprawdę wyróżni się na półce. AI nie zastąpi człowieka, ale sprawi, że człowiek przestanie marnować czas na analizowanie pomysłów, które od początku nie mają szans. W branży motoryzacyjnej, gdzie cykl życia produktu jest krótki, a konkurencja zacięta, to może być ta przewaga, która decyduje o przetrwaniu.
- Skrócenie czasu od pomysłu do prototypu o 60%
- 7x większa szansa na stworzenie bestsellera w segmencie do 50 USD
- Średnia oszczędność 300 tys. USD rocznie przy 10 nowych produktach
- Odkrywanie niewidocznych nisz rynkowych
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: Using Large Language Models for Idea Generation in Innovation
Autorzy: Lennart Meincke, Karan Girotra, Gideon Nave, Christian Terwiesch, Karl T. Ulrich
This research evaluates the efficacy of large language models (LLMs) in generating new product ideas. To do so, we compare three pools of ideas for new products targeted toward college students and priced at 50 dollars or less. The first pool of ideas was created by university students in a produ...
arXiv: arxiv.org/abs/2607.27553
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
