Produktmanager, die die Front-End- und Back-End-Entwicklung noch nicht beherrschen, sind bereits out.

Gestern sprach ich mit den Entwicklern unseres Teams darüber, dass Produktmanager heutzutage selbst zu Entwicklern werden können, und wir erörterten die beruflichen Entwicklungsherausforderungen von Programmierern. Einer unserer Entwickler erwähnte dabei, dass der Chef seines früheren Unternehmens inzwischen selbstständig die gesamte Front-End- und Back-End-Entwicklung durchführen kann.

Ich hänge aber immer noch nur im Front-End-Bereich fest – das ist total out!

Man kann sehen, dass die CEOs dieser gewinnbringenden Technologieunternehmen inzwischen in der Lage sind, Produktentwicklungen selbstständig durchzuführen, und sogar ohne auf Programmierer angewiesen zu sein, nutzbare Anwendungen auf Spatial-Computing-Plattformen wie Vision Pro oder Android XR zu erstellen. Das war früher fast unmöglich, aber die Situation hat sich inzwischen geändert.

Vorher habe ich eine App entwickelt, aber als es wirklich um die Online-Bereitstellung ging, kam man nicht um Themen wie Server und Domains herum – zu diesem Zeitpunkt muss ein Produktmanager sowohl Front-End als auch Back-End beherrschen.

Nicht nur Front- und Back-End: Produktmanager sollten auch die Feinabstimmung von Modellen beherrschen

Ein Kollege aus meinem Team sagte zu mir: „Du bist immer noch nicht fortschrittlich genug, du beherrscht nur das Front-End! Der Chef meines früheren Unternehmens kann inzwischen sowohl Front-End als auch Back-End.“ Später habe ich dann geteilt, dass ich während meiner Doktorarbeit auch mit Astra die Feinabstimmung von Modellen und sogar das experimentelle Training durchgeführt habe – etwas, das früher auch nicht alleine machbar war.

Das ist etwas, womit sich sein Chef gar nicht auskennt, und an dem sich sogar viele Produktmanager nicht beteiligen.

Insbesondere wenn man lokale GPUs nutzt, kann man mit Agenten wie Codex die KI dabei unterstützen, Modelle gemeinsam abzustimmen, und sogar Experimente nach deinen eigenen Entwürfen durchzuführen.

Natürlich hat kürzlich ein Professor der Tsinghua-Universität erwähnt, dass die Ideen der Studierenden nicht aus Modellen stammen sollen. Ich finde das etwas zu eingeschränkt. Schließlich lassen sich die Kombinationsmöglichkeiten von Wissen nicht erschöpfen, und Innovationen, die durch die gemeinsame Kombination von menschlichen Prompts und KI entstehen, zählen auch dazu – man kann die KI ja einfach dabei unterstützen, zu prüfen, ob es bereits entsprechende Forschungsergebnisse gibt.

Man muss wissen, dass man früher alles selbst durch Codierung erledigen und das trockene Python lernen musste, heute ist das völlig überflüssig.

Wenn Produktmanager Back-End-Entwicklung durchführen, ist die Technologieauswahl nicht mehr wie früher durch die Teammitglieder eingeschränkt

Jetzt wählen wir basierend auf KI-Empfehlungen das am besten geeignete Back-End für unser Team aus. Früher hat unser Team wegen des angesammelten Technologie-Stacks immer Java verwendet, da die Back-End-Entwickler entweder mit Java oder Python arbeiteten.

Seit September wird die gesamte Projektbearbeitung über das von der KI empfohlene Back-End abgeschlossen. So kann sichergestellt werden, dass für die entsprechenden Geschäftsbereiche und Produktlinien das am besten geeignete Back-End verwendet wird, das Projekt nicht überladen ist, gleichzeitig den geschäftlichen Anforderungen voll entspricht und zudem die Wartungskosten niedrig hält (niedrige Kosten für den Verbrauch von Tokens).

Wenn Produktmanager Spatial Computing betreiben, ist die Nutzung von KI zum Ausführen von Spatial-Simulatoren noch eingeschränkt

Heutzutage gibt es Simulatoren für Android XR, visionOS und PICO OS – Apples vision OS ist zweifellos weit voraus. Aber ohne die Hardware einer MR-Brille braucht man trotzdem ein echtes Gerät, um eine Spatial-Anwendung zu entwickeln.

Inzwischen haben alle großen Hersteller von MR-Brillen Entwicklungswerkzeuge und SDKs für ihre eigenen Betriebssysteme herausgebracht. Mit Hilfe der leistungsstärksten KI-Modelle können Produktmanager auch relativ schnell die Entwicklung von der Idee bis zum Prototyp abschließen. Im Grunde genommen handelt es sich dabei um die Entwicklung von Spatial-Computing-Anwendungen. Verglichen mit der Anfangsphase des mobilen Internets sind heute die Entwicklungshürden und -kosten niedriger, die Geschwindigkeit höher und die Unterstützung der Hersteller stärker – der Hauptgrund liegt darin, dass das aktuelle Ökosystem an MR-Anwendungen extrem mangelhaft ist, und viele Menschen nach dem Kauf einer Brille fast keine Inhalte zum Nutzen haben.

Der Simulator von vision OS kann als der leistungsstärkste bezeichnet werden. Abgesehen von der Kamera, der Steuerung durch Gesten und der Objektverfolgung lassen sich fast alle anderen Funktionen realisieren.

Produktmanager sollten KI nutzen, um eine Spatial-Anwendung zu entwickeln. Natürlich braucht man zum lokalen Ausführen des Simulators einen Computer mit ausreichend großem Arbeitsspeicher und Videospeicher. Zum Beispiel hat mein aktuelles MacBook Air mit 32 GB Arbeitsspeicher so starke Ruckler beim Öffnen des Simulators, dass die Leistung des Airs für Produktmanager in Zukunft nicht mehr ausreicht, der Computer wird extrem heiß und der Simulator läuft außerordentlich langsam und ruckelig.

Bei der Entwicklung von Spatial-Computing-Anwendungen öffne ich als Produktmanager gleichzeitig Blender, Unity und den Anwendungssimulator – das ist völlig anders als früher, als man nur Axure oder ein Dokumentenwerkzeug sowie ein Flussdiagramm-Werkzeug geöffnet hat.

Man kann also sehen, dass die Nachfrage nach Air-Laptops bei Produktmanagern künftig nicht mehr an die nach MacBook Pro heranreichen wird.

Mein aktuelles Gerät hat noch einen M4-Chip – man muss wissen, dass der M4 ein Laptop-Chip der letzten zwei Jahre ist, der sich noch im Lebenszyklus befindet, auch wenn er nicht mit dem aktuellen M5-Chip von Apple mithalten kann.

Wenn man zudem selbst Nachforschungen zu Anforderungen durchführt, anstatt wirklich die KI dazu zu bringen, die Umsetzung zu realisieren, ist man im Vergleich zu früher, als man nur bei Prototyp- und UI-Design stand, jetzt in der Lage, wirklich praktisch zu prüfen, ob die Anwendung lauffähig ist. Außerdem kann man die Nutzererfahrung und die Nutzungsrate der einzelnen Funktionsklicks auswerten – all das können Produktmanager heute sofort umsetzen.

Man muss wissen, dass man früher dafür noch auf Entwickler warten oder sie bitten musste. Heute braucht man niemanden mehr zu bitten, man muss nur sich selbst gut verwalten.

Produktmanager denken weiter voraus als Entwickler und verfügen über Produktframework-Prompts

Die Prompt-Entwicklung, die Produktmanager durchführen, verfügt über ein umfassenderes Produktframework und eine globalere Gestaltung. Sowohl bei der UED-Interaktion als auch bei der Anordnung der Produktfunktionen wissen sie, was global erforderlich ist und was nur aktuell geändert werden muss. Dadurch lassen sich viele Anforderungen vermeiden, später immer wieder angepasst zu werden.

Das ist der Vorteil von Produktmanagern: Sie können im Voraus verschiedene Funktionen planen, die mit unterschiedlichen Lebenszyklen zusammenhängen, um das endgültige Interaktionsergebnis zu erzielen. All das zeigt: Produktmanager, die KI heute nur zum Schreiben von Front-End-Code nutzen, sind out.

Das war es für den heutigen Austausch.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Kevins Momente, die die Welt verändern“ (ID: Kevingbsjddd), Autor: Kevins Angelegenheiten, veröffentlicht mit Genehmigung von 36Kr.