Штучний інтелект (AI) зробив доступ до інформації майже миттєвим. За кілька секунд можна отримати 10 варіантів кар'єрного рішення, сценарій складної розмови або покроковий план дій. Але що простіше отримати відповідь, то помітнішою стає інша проблема — зрозуміти, яка з цих відповідей підходить саме тобі.
Універсальної рекомендації часто недостатньо. Рішення залежить від цілей людини, її досвіду, обмежень і ситуації, у якій вона перебуває. На мою думку, саме тут сьогодні змінюється роль персоналізації в tech-продуктах. Вона виходить за межі рекомендацій на основі попередньої поведінки й починає працювати з ширшим контекстом конкретної людини. Дефіцитом стає вже не інформація, а ясність. Цю зміну я називаю переходом до економіки ясності.
Користувачі вже платять за ясність
Зміну пріоритетів добре видно за тим, на що люди готові витрачати гроші й час. Психотерапія, коучинг, медитації, wellness-застосунки, цифрові щоденники, освітні платформи та AI-асистенти існують у різних категоріях, але часто відповідають на схожий запит — допомогти людині краще зрозуміти себе та власну ситуацію.
Це вже великий ринок. За оцінкою Global Wellness Institute, глобальна wellness-економіка у 2024 році досягла $6,8 трлн, а до 2029-го може зрости до $9,8 трлн. Mental wellness є одним із її окремих сегментів, до якого входять, зокрема, продукти та практики для self-improvement, медитації й mindfulness. Ці категорії не можна звести до самопізнання, однак їхнє зростання показує важливу зміну: люди готові платити за інструменти, які допомагають краще працювати зі своїм станом, поведінкою та рішеннями.
Попит на персоналізацію видно і в дослідженнях споживчої поведінки. За даними McKinsey, 71% споживачів очікують від компаній персоналізованої взаємодії, а 76% розчаровуються, коли її не отримують.
Персоналізація поступово переходить із категорії додаткових функцій у базове очікування користувача.
Люди приходять по відповіді, але цінність отримують від ясності
Коли людина відкриває AI-асистента, звертається до коуча чи починає вести цифровий щоденник, зазвичай у неї є конкретне запитання: яку роботу обрати, як провести складну розмову чи чому вона відкладає певне рішення. У більшості таких ситуацій немає однієї правильної відповіді.
За хвилину можна згенерувати список із 10 способів провести складну розмову. Наступний крок потребує особистого контексту: чого саме людина боїться, якого результату хоче досягти, як зазвичай поводиться в конфліктах і що вже пробувала раніше. Для мене саме з урахування цього контексту починається справжня персоналізація. Продукт може відсіяти частину нерелевантних рекомендацій і звузити коло можливих рішень відповідно до ситуації конкретної людини.
Що вища посада, то дорожчим може бути нерозпізнаний патерн
Самопізнання легко залишити в категорії психології чи особистого розвитку. Проте наслідки того, наскільки добре людина розуміє власні патерни, проявляються і в роботі, де ми постійно ухвалюємо рішення в умовах неповної інформації.
Керівник, який під тиском починає мікроменеджити, може сповільнювати роботу всієї команди. Фаундер, який не помічає власної схильності триматися за вже зроблені інвестиції, може довше підтримувати рішення, яке перестало працювати. Уникнення складної розмови інколи закінчується втратою сильного спеціаліста, а нездатність делегувати поступово перетворює керівника на вузьке місце для всієї команди.
Сам факт усвідомлення патерну ще не гарантує іншої поведінки. Але він дає можливість помітити автоматичну реакцію до того, як вона перетвориться на рішення. Саме тому компанії інвестують у executive coaching, leadership development, психологічну підтримку та розвиток soft skills. Тут є цілком прагматична бізнес-логіка: що більше людей залежать від рішень конкретного спеціаліста, то дорожчими можуть бути його автоматичні реакції. У цьому сенсі здатність краще розуміти себе стає не лише особистою навичкою, а й одним із чинників якості управлінських рішень.
AI переводить персоналізацію з поведінки в контекст
Ще кілька років тому персоналізація цифрового продукту переважно означала аналіз поведінки. Netflix знає, що ви дивилися, Spotify — що слухали, маркетплейс — що купували й на які товари натискали. На основі цього система прогнозує, що може зацікавити вас далі.
AI додає інший рівень. Система може працювати не лише з попередньою поведінкою, а й із тим, що користувач розповідає про себе в діалозі, сформульованими цілями, попередніми взаємодіями та накопиченим контекстом.
Сучасні AI-асистенти вже рухаються в цьому напрямку. Вони можуть зберігати частину інформації з попередніх взаємодій і використовувати її в наступних розмовах. У результаті асистент поступово переходить від роботи з окремим запитом до роботи з накопиченим контекстом.
Дві людини можуть поставити однакове запитання про те, чи варто змінювати роботу. Для класичної системи це один запит. Для контекстної персоналізації це дві різні ситуації залежно від цілей, фінансових обмежень, попереднього досвіду, причин невдоволення роботою та ставлення людини до ризику.
Під час роботи над Teya ми доволі швидко побачили ще одну проблему. Просто дати користувачеві більше інструментів недостатньо. Якщо людині самій потрібно вирішити, який із 10 інструментів для рефлексії застосувати саме зараз, частину когнітивного навантаження продукт повертає їй назад. Тому наступний рівень персоналізації я бачу не в кількості доступних функцій, а в здатності продукту зрозуміти ситуацію користувача й запропонувати релевантний інструмент саме в той момент, коли він потрібний.
Персоналізація не повинна вирішувати за людину
Що глибшою стає персоналізація, то важливіше визначити межу впливу продукту на рішення користувача. Система може знати його цілі, попередній досвід і типові реакції та формувати на цій основі дедалі точніші рекомендації. Водночас така рекомендація залишається інтерпретацією доступного контексту й не стає об'єктивно правильним рішенням.
Надмірна персоналізація створює ризик замкненого контуру. Якщо система постійно спирається на попередню поведінку й сформоване уявлення про користувача, вона може знову й знову підтверджувати вже відомі патерни та звужувати простір для інших поглядів. У рекомендаційних системах це може означати постійно схожий контент. У продуктах для самопізнання система може закріплювати певні висновки людини про власний характер, поведінку чи можливості.
Завдання таких продуктів я бачу в іншому — показувати релевантний контекст, допомагати помічати закономірності й ставити точніші запитання, залишаючи остаточне рішення за людиною.
Наступний етап персоналізації потребуватиме більше довіри
Сьогодні цифровий досвід людини фрагментований. Календар знає її графік, фітнес-трекер — дані про сон і фізичну активність, цифровий щоденник зберігає рефлексії, застосунок для медитації — історію практик, AI-асистент — частину попередніх розмов. Кожен із цих продуктів бачить окремий фрагмент життя користувача.
Наступним етапом розвитку персоналізації я вважаю появу екосистем, здатних працювати з ширшим контекстом людини й поєднувати різні інструменти навколо її потреб. Але разом із новими можливостями це підвищує вимоги до довіри між користувачем і продуктом.
Глибша персоналізація потребує більше інформації. Дані про страхи, сумніви, стосунки, емоційний стан чи складні рішення значно чутливіші за історію переглянутих серіалів. Тому майбутня конкуренція персоналізованих продуктів залежатиме не лише від того, наскільки добре вони працюють із контекстом, а й від готовності користувачів цей контекст їм довірити.
Більша кількість даних сама по собі не гарантує кращої персоналізації. Варто збирати мінімально необхідний контекст, пояснювати, навіщо він потрібний, і залишати користувачеві контроль над власними даними.
Конкуренція зміщується від кількості відповідей до якості контексту
AI зробив інформацію доступнішою, але не зробив простішим вибір між десятками можливих відповідей. Саме цей дефіцит я називаю економікою ясності. Тому наступний етап конкуренції tech-продуктів я бачу не в тому, хто зможе дати користувачеві більше інформації чи функцій. Перевагу отримуватимуть продукти, які краще розуміють контекст людини, допомагають відсіяти зайве й водночас не забирають у неї право на остаточне рішення.
Для цього недостатньо просто накопичувати більше даних. Потрібно знати, який контекст справді необхідний, навіщо продукт його використовує і де проходить межа, за якою персоналізація з допомоги перетворюється на надмірний вплив. Саме здатність втримати цей баланс, на мою думку, визначатиме наступний етап розвитку персоналізованих tech-продуктів.