Co obnáší zabudování AI do mobilního produktu

Proč mobilní rozhraní prochází změnou

Vidím, že se kolem mě děje něco zásadnějšího než chatboti. Lidé celkově mění svůj vztah k digitálním rozhraním.

‍

Posledních deset let učily mobilní aplikace uživatele přemýšlet strukturovaně. Otevřít menu, klepnout na kategorii, vyfiltrovat, vyplnit formulář. V každém navigačním sledu bylo skrytě zabudované, že si uživatelé dají práci a logiku aplikace se naučí. Spousta z nich to skutečně udělala. Jenže v době s AI se očekávání posouvají.

‍

Lidé dnes denně používají hlasové asistenty, vyhledávání s AI i velké jazykové modely. Zvykají si tím na něco jiného. Řeknou, co potřebují, a cestu nechají na systému. Tenhle posun se odehrává mimo vaši aplikaci a je jedno, jestli ho vaše appka stihla dohnat, nebo ne.

‍

Všiml jsem si toho nedávno například u Revolutu. Používám ho skoro deset let a pořád mě na něm baví jedna věc. Jejich produktový tým se nikdy nespokojí s tím, jak interakce funguje teď, a znovu ji promýšlí. V tuhle chvíli už zkoušejí, co se stane, když samotné rozhraní přestane být potřeba. Jestli jim to vyjde, nejspíš to pak ovlivní i další bankovní aplikace.

‍

U složitých produktů, kde hraje roli velké množství kontextu, začíná pevně daná struktura uživatele spíš brzdit, než aby mu pomáhala se dobře zorientovat. Neplatí to všude a nestane se to naráz. Ale v některých oblastech, třeba u finančního plánování, vyhledávání produktů, zdravotního poradenství nebo řízení spotřeby energií, uživatel čím dál častěji naráží na to, že by požadavek raději vyslovil, ale rozhraní ho místo toho vede předem danou cestou.

Konverzační AI, nebo strukturované UI

Tady se vyplatí přibrzdit. Nasadit konverzační vrstvu na cokoli je snadné, ale ve většině případů pro to vlastně není důvod.

‍

Na každý lineární a předvídatelný postup je pořád lepší dobře navržené a strukturované UI. Když si chce člověk dobít předplacenou kartu, zkontrolovat fakturu nebo změnit doručovací adresu, dvě klepnutí a potvrzovací obrazovka v čistém nativním rozhraní porazí chat pokaždé.

‍

Konverzační vrstva s sebou totiž nese latenci, nejednoznačnost a spoustu chybových stavů, které strukturovaný postup vůbec nezná.

‍

Konverzační vrstvu má cenu nasadit až ve chvíli, kdy se potká několik podmínek:

• Zralost produktu. Konverzační rozhraní musí mít z čeho čerpat. Datový model, obsahová vrstva, historie toho, co uživatel dělal. Bez strukturovaných dat, na která se dá dotazovat, nemá AI co personalizovat a z čeho odvozovat kontext. Revolut už ukazuje, jak to vypadá v praxi. Přiletíte do jiné země a jejich cestovní pojištění Pay-per-Day se zapne samo, spustí ho poloha, žádnou obrazovku neotvíráte a nic nepotvrzujete. Aplikace nečeká na to, až něco zadáte, a rovnou jedná podle kontextu. Díky roky shromažďovaným transakčním a cestovním datům je to snadné vylepšení. Pro aplikace, které taková data nemají, je to nedosažitelné.‍
• Složitá a nelineární rozhodování. Čím složitější rozhodnutí, tím víc přirozený jazyk pomáhá. Odstraní překážky, které navigační menu naopak vytváří. Typické je to pro výběr finančního produktu, zdravotního pojištění nebo konfigurace napříč desítkami parametrů. Uživatel se dnes už nechce učit vaše kategorie. Má popsat svoji situaci a zbytek nechat na aplikaci.‍
• Zaběhnutý produkt s reálnými uživateli a jejich historií. Kvalita personalizované AI je přesně tak dobrá jako data, ze kterých se AI učí. Bez nich vám zbude generický asistent, jakého může kdokoli nasadit na libovolný produkt. Uživatelé rozdíl rychle poznají a podle toho se k němu budou i chovat.

Pokud tyto podmínky nejsou splněné, vyhraje nejspíš klasické UI. Cílem přece nikdy není přidat AI. Jde o to odstranit překážky a zlepšit výsledek. A někdy k tomu vede lepší informační architektura, ne jazykový model.

Jak jsme postavili Rossi pro ROSSMANN

Na aplikaci ROSSMANN CLUB pracujeme od roku 2019. Z původně věrnostní aplikace a webu mezitím vyrostl personalizovaný retailový ekosystém, který dnes používá přes 1,2 milionu zákazníků.

‍

Problém, který vedl k Rossi, zná každý retailer s širokým sortimentem. Jak ve velkém měřítku zopakovat to, co v obchodě zvládne zkušený prodavač. Ten se v kamenné prodejně zeptá na to podstatné a nasměruje vás ke správnému produktu. V aplikaci se o totéž snaží filtry a doporučovací karusely, jenže ty jsou ze své podstaty reaktivní a neosobní.

‍

Přesně pro tuto situaci jsme Rossi navrhli. 

‍

Virtuální poradkyně běží na RAG architektuře nad celým produktovým katalogem a zvládne hledání produktů, personalizovaná doporučení, dostupnost produktů skladem i dotazy k věrnostnímu programu. Drží se striktně kontextu ROSSMANN, takže mimo tuhle oblast neodpovídá a nedoporučuje ani konkurenční produkty.

‍

Základní předpoklad byl brát Rossi jako plnohodnotnou součást produktu, ne jako pozlátko na povrchu. Rossi vidí do katalogu, do historie nákupů, zná polohu i další kontextové signály. Během prvních dvou týdnů po spuštění stoupl počet dotazů o 80 % a zhruba polovina z nich skončila nákupem ještě týž den.

Kde AI vlastně běží

Zdaleka ne každá AI funkce potřebuje cloud. Na jasně ohraničené úlohy nad lokálním obsahem dnes stačí on-device modely. Zvládnou práci bez jediného síťového volání, bez latence a bez toho, aby data uživatele opustila zařízení. A takových případů je v praxi celkem dost:

• shrnout obsah, který už v telefonu je
• odpovědět na otázku z dat, která uživatel má u sebe
• zařadit něco podle profilu, který známe

Právě to, že data zůstanou na zařízení, má velkou váhu na regulovaných trzích. Můj kolega Antonín „Tony" Šimek napsal svůj článek o tom, co se naučil při vývoji s Apple Foundation Models, včetně toho, kde lokální přístup obstojí a kde zatím naráží na strop.

‍

Ve zkratce: na složitější uvažování, dlouhé dokumenty a volnou konverzaci pořád sáhnete po cloudu, ale čím dál větší část užitečných funkcí se bez něj obejde.

‍

V produkci to nakonec skoro vždycky dopadne na hybrid. Výkonný cloudový model na složité a hodnotné interakce, menší nebo lokální modely na běžný provoz. Tlačit každý dotaz přes ten největší dostupný model není potřeba a ve větší škále se ukazuje, že to je i velmi neekonomické.

Co přijde po navigaci

Souvisí to úzce s rozvojem superaplikací. Jen tomu obvykle předchází ještě jeden krok. V praxi totiž větší firmy málokdy rozvíjejí jedinou aplikaci. Často se jedná o kombinace jako třeba věrnostní aplikace od jednoho týmu, platební od druhého a k tomu něco, co vzniklo externě před dvěma lety, a pořádně to už nikdo nemá na starost. Často pak vzniká potřeba tohle všechno sloučit do jednoho soudržného produktu.

‍

Jakmile vše sjednotíte a začnete přidávat platby, mobilitu a další služby, navigace se propadne do nesmyslné hloubky. Zažil jsem to na vlastní kůži. V určitém bodě už žádné menu tu změť neudrží pohromadě. A přesně tady se hodí agent řízený záměrem uživatele, protože to je ta vrstva, díky které zůstane celek použitelný.

‍

Stejný postup vidíme zblízka i u našeho klienta. V ČSOB postupně integrujeme jejich AI asistentku Kate hlouběji do jádra bankovní aplikace. Uživatel díky ní vyřídí platby, karty, půjčky nebo pojištění přirozeně, hlasem nebo v chatu, místo aby se prokousával klasickými bankovními obrazovkami.

‍

Tímhle směrem se posouvá i samotná infrastruktura. Google nedávno představil AppFunctions pro Android. To zjednodušeně řečeno promění logiku aplikace v API, na které se agenti jako Gemini napojí napřímo.

‍

První náznaky už jsou vidět v mapách. Agent přeskočí rozhraní a spustí logiku hledání trasy rovnou, aniž by otevřel jedinou obrazovku. Navigace jsou v tomto napřed a spousta složitějších aplikací ji bude následovat.

‍

Lidská potřeba je v tomto silnější, než by možná člověk čekal. Například mojí tchyni je 69 a už teď radši ovládá telefon hlasem, než aby se snažila zorientovat ve složitém menu. A není zdaleka sama. Když takové ovládání funguje spolehlivě, usnadní to život velkému množství uživatelů.

‍

Nemyslím si, že tradiční rozhraní ze dne na den zmizí. Ale jako alternativa k němu? Nepochybně.

‍

Není nutné hned zítra začít rušit tlačítka a navigaci. Jde spíš o to poznat, kam trh míří, a začít se tam posouvat dřív, než vás k tomu donutí sám.

‍

Nejtěžší na tom celém je postavit produkt, kde AI opravdu znatelně vylepší současný uživatelský zážitek. Trvá to a na začátku to firmy stojí víc, než se zdá. Dobré AI rozhraní pak ale provozujete roky a uživatelé vám to vrátí.

‍

Na tyto úvahy se vždy díváme, jako bychom u produktu zůstávali dlouhodobě a ne stylem, že ho po spuštění předáme dál a tím to pro nás končí.