ਇਕ ਕਹਾਣੀ-ਅਧਾਰਿਤ ਗਾਈਡ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਵੇਂ AI ਇੱਕ ਸਾਦੇ ਸਵਾਲ ਨੂੰ ਰਿਸਰਚ, ਪ੍ਰੋਟੋਟਾਈਪ, ਵੈਲੀਡੇਸ਼ਨ ਅਤੇ ਲਾਂਚ ਯੋਜਨਾ ਵਿੱਚ ਬਦਲਦਾ—ਕਦਮ-ਦਰ-ਕਦਮ।

ਮਾਇਆ ਕਿਸੇ "ਸਟਾਰਟਅਪ ਸ਼ੁਰੂ" ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਹੀ। ਉਹ ਇਕ ਛੋਟੀ, ਪਰ ਜ਼ਰੂਰੀ ਗੱਲ ਦਾ ਮੁਕਾਬਲਾ ਮੁੜ-ਮੁੜ ਹੋਣ ਤੋਂ ਰੋਕਣਾ ਚਾਹੁੰਦੀ ਹੈ।
ਹਰ ਸੋਮਵਾਰ, ਉਸਦੀ ਟੀਮ ਦੇ ਸਟੈਟਸ ਅੱਪਡੇਟ ਪੰਜ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਆਉਂਦੇ—ਬੁਲੇਟ, ਪੈਰਾਗ੍ਰਾਫ, ਸਕਰੀਨਸ਼ਾਟ, ਅਧ-ਖਤਮ ਸੋਚਾਂ—ਅਤੇ ਉਹ ਇਕ ਘੰਟਾ ਇਹਨਾਂ ਨੂੰ ਐਸੋ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਲੀਡਰਸ਼ਿਪ ਪੜ੍ਹ ਸਕੇ। ਇਹ ਮੁਸ਼ਕਲ ਕੰਮ ਨਹੀਂ। ਇਹ ਸਿਰਫ਼... ਬੇਕਾਰ ਹੈ।
ਕੁਝ ਮਹੀਨਿਆਂ ਬaad, ਸਵਾਲ ਅਖੀਰਕਾਰ ਫਸ ਗਿਆ:
ਕਿਉਂ ਇਹ ਰੁਕਾਵਟ ਮੁੜ ਹੋ ਰਹੀ ਹੈ?
ਸ਼ੁਰੂ ਵਿੱਚ, ਮਾਇਆ ਉਹੀ ਕਰਦੀ ਹੈ ਜੋ ਅਸੀਂ ਵੱਧਤਰ ਕਰਦੇ ਹਾਂ: ਸ਼ਿਕਾਇਤ, ਫਿਰ ਝੱਲ, ਫਿਰ ਨਵਾਂ ਸਪ੍ਰੈਡਸ਼ੀਟ।
ਪਰ ਇਸ ਵਾਰੀ ਉਹ ਰੁਕਦੀ ਹੈ ਅਤੇ ਆਪਣੀ ਚਿੜਚਿੜਾਹਟ ਨੂੰ ਇੱਕ ਇਸ਼ਾਰੇ ਵਾਂਗ ਸਮਝਦੀ ਹੈ। ਜੇ ਇਹ ਸਮੱਸਿਆ ਹਰ ਹਫਤੇ—ਕਈ ਲੋਕਾਂ ਲਈ—ਉੱਠਦੀ ਹੈ, ਤਾਂ ਸ਼ਾਇਦ ਇਹ "ਸਿਰਫ਼ ਮਾਇਆ ਦੀ ਟੀਮ" ਦੀ ਗੱਲ ਨਹੀਂ। ਸ਼ਾਇਦ ਇਹ ਇਕ ਪੈਟਰਨ ਹੈ ਜੋ ਸਮਝਣਯੋਗ ਹੈ।
ਇਹ ਬਦਲਾਅ ਹੈ: "ਇਹ ਰਿੜਬਾ ਹੈ" ਤੋਂ "ਸ਼ਾਇਦ ਇਹ ਸਮੱਸਿਆ ਹੈ ਜਿਸਦੇ ਲਈ ਹੋਰ ਲੋਕ ਭੁਗਤਾਨ ਕਰਨਗੇ।" ਨਾ ਕਿ ਹੱਲ ਚਮਕਦਾਰ ਹੈ, ਸਗੋਂ ਦਰਦ ਆਮ ਹੈ।
ਮਾਇਆ ਆਪਣਾ AI ਸਹਿਯੋਗੀ ਖੋਲਦੀ ਹੈ ਅਤੇ ਇਕ ਗੁੰਝਲਦਾਰ, ਇਮਾਨਦਾਰ ਪ੍ਰੌੰਪਟ ਲਿਖਦੀ:
"ਮੈਨੂੰ ਸਟੈਟਸ ਅੱਪਡੇਟ ਮੁੜ-ਲਿਖ ਕੇ ਥਕਾਵਟ ਹੋ ਰਹੀ ਹੈ। ਕੀ ਇਥੇ ਕੋਈ ਸਧਾਰਨ ਉਤਪਾਦ ਦਾ ਵਿਚਾਰ ਹੋ ਸਕਦਾ ਹੈ?"
ਚਮਕਦਾਰ ਐਪ ਦੀ ਥਾਂ, AI ਪੁੱਛਦਾ ਹੈ ਸਪਸ਼ਟੀਕਰਨ ਵਾਲੇ ਸਵਾਲ:
ਮਾਇਆ ਜਵਾਬ ਦਿੰਦੀ—ਅਤੇ ਪਤਾ ਲੱਗਦਾ ਕਿ ਉਹ ਇਕਠੇ ਤਿੰਨ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀ ਸੀ। ਇਕ ਚੀਜ਼ ਉੱਪਰ ਆਉਂਦੀ ਹੈ: கருத்தែ ਅਪੜੇਟਾਂ ਨੂੰ ਇੱਕ ਨਿਰੰਤਰ, ਪੜ੍ਹਨਯੋਗ ਹਫਤਾਵਾਰੀ ਸੰਞੋਗ ਵਿੱਚ ਬਦਲਣਾ।
AI ਮਾਇਆ ਦੀ ਸੋਚ ਨੂੰ ਸੰਰਚਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ—ਸਮੱਸਿਆ ਨੂੰ ਢਾਂਚਾਬੱਧ ਕਰਨਾ, ਧਾਰਣਾਵਾਂ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਉਣਾ, ਪਰਖਣ ਦੇ ਤਰੀਕੇ ਸੁਝਾਉਣਾ। ਪਰ ਮਾਇਆ ਫੈਸਲਾ ਕਰਦੀ ਹੈ ਕਿ ਕੀ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਕਿਹੜਾ ਦਰਦ ਹੱਲ ਕਰਨਾ, ਕਿਹੜੇ ਸਮਝੌਤੇ ਸਵੀਕਾਰਯੋਗ ਹਨ, ਅਤੇ "ਬਿਹਤਰ" ਮਨੁੱਖਾਂ ਲਈ ਕਿਵੇਂ ਦੇਖਣਾ ਹੈ।
ਸਹਿਯੋਗੀ ਵਿਕਲਪ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਨਿਰਮਾਤਾ ਫੈਸਲੇ ਲੈਂਦਾ ਹੈ।
ਜਿਗਿਆਸਾ ਅਕਸਰ ਇਕ ਧੁੰਦਲੀ ਲਾਈਨ ਵਾਂਗ ਹੁੰਦੀ ਹੈ: "ਇਹ ਇਤਨਾ ਔਖਾ ਕਿਉਂ ਹੈ?" ਜਾਂ "ਕੀ ਕੋਈ ਬਿਹਤਰ ਤਰੀਕ ਹੈ?" ਮਾਇਆ ਦੇ ਨੋਟਸ ਐਪ ਵਿੱਚ, ਇਹ ਦਿਲਚਸਪ ਸੀ—ਪਰ ਕਾਰਜਯੋਗ ਨਹੀਂ।
ਇਸ ਲਈ ਉਹ ਆਪਣੇ AI ਸਹਿਯੋਗੀ ਨੂੰ ਇੱਕ ਧੀਰਜ ਵਾਲਾ ਸੰਪਾਦਕ ਬਣਨ ਲਈ ਕਹਿੰਦੀ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਹਾਈਪ ਮਸ਼ੀਨ। ਮਕਸਦ ਜਿਆਦਾ ਵਿਚਾਰ ਨਹੀਂ। ਮਕਸਦ ਇੱਕ ਸਾਫ ਸਮੱਸਿਆ ਹੈ।
ਉਹ ਆਪਣੀ ਗੁੰਝਲਦਾਰ ਸੋਚ ਪੇਸਟ ਕਰਦੀ ਹੈ ਅਤੇ ਕਹਿੰਦੀ:
"ਇਸ ਨੂੰ ਇਕ ਵਾਕ ਵਿੱਚ ਦੁਬਾਰਾ ਲਿਖੋ। ਫਿਰ ਮੈਨੂੰ ਤਿੰਨ ਵਰਜਨ ਦਿਓ: ਸ਼ੁਰੂਆਤੀ-ਦੋਸਤਾਨਾ, ਕਾਰੋਬਾਰੀ-ਦੋਸਤਾਨਾ, ਅਤੇ ਭਾਵੁਕ ਸੱਚਾਈ ਵਾਲਾ।"
ਕੁਝ ਸਕਿੰਟਾਂ ਵਿੱਚ, ਉਸ ਕੋਲ ਮੌਲਾਂਕਣ ਲਈ ਕਾਫੀ ਵਿਸ਼ੇਸ਼ ਵਿਕਲਪ ਹੁੰਦੇ ਹਨ। ਉਹ ਉਹ ਚੁਣਦੀ ਹੈ ਜੋ ਸੱਚੇ ਰੁਕਾਵਟ ਦਾ ਨਾਮ ਲੈਂਦਾ—ਫੀਚਰ ਨਹੀਂ।
ਸਮੱਸਿਆ ਬਿਆਨ: "ਜਿਹੜੇ ਲੋਕ [X] ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ ਉਹ ਅਕਸਰ [Y ਪਲ] 'ਤੇ ਫਸ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ [Z ਅਸਰ] ਹੁੰਦਾ ਹੈ।"
ਅਗਲੇ, AI ਇੱਕ ਸਵੀਨ ਦਰਸਾਉਂਦਾ ਹੈ:
ਇਹ "ਕੋਈ ਵੀ" ਦਰਸ਼ਕ ਨੂੰ ਇਕ ਅਸਲੀ ਦਰਸ਼ਕ ਬਣਾਉਂਦਾ: "ਨਵੇਂ ਟੀਮ ਲੀਡ, ਹਫਤਾਵਾਰੀ ਰਿਪੋਰਟਿੰਗ ਤੋਂ 30 ਮਿੰਟ ਪਹਿਲਾਂ"।
AI ਇੱਕ ਤੁਰੰਤ ਧਾਰਣਾ-ਸੂਚੀ ਸੁਝਾਉਂਦਾ, ਟੈਸਟ ਕਰਨਯੋਗ ਦਾਵਿਆਂ ਦੇ ਰੂਪ ਵਿੱਚ:
ਆਖ਼ਿਰ ਵਿੱਚ, ਉਹ ਬਿਨਾਂ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਦੇ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੀ ਕਿ "ਬਿਹਤਰ" ਕੀ ਹੈ:
ਸਫਲਤਾ ਮਾਪਦੰਡ: "ਇੱਕ ਪਹਿਲੀ-ਵਾਰ ਯੂਜ਼ਰ 10 ਮਿੰਟ ਤੋਂ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਫਸਣ ਤੋਂ ਮੁਕਤ ਹੋ ਕੇ ਕੰਮ ਮੁਕੰਮਲ ਕਰ ਸਕੇ, ਬਿਨਾਂ ਮਦਦ ਪੁੱਛੇ।"
ਹੁਣ ਸਵਾਲ ਸਿਰਫ ਦਿਲਚਸਪ ਨਹੀਂ—ਇਹ ਟੈਸਟ ਕਰਨ ਯੋਗ ਹੈ।
ਮਾਇਆ ਦੀ ਜਿਗਿਆਸਾ ਨੂੰ ਇੱਕ ਸਮੱਸਿਆ ਹੈ: ਇਹ ਸ਼ੋਰ ਕਰਦੀ ਹੈ। "MVP ਯੋਜਨਾ ਬਦਲੀ" ਵਾਂਗਾ ਖੋਜ ਸੈਂਕੜੇ ਟੈਬਾਂ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ—ਟੈਮਪਲੇਟ, ਕੋਰਸ, 'ਨੋ-ਕੋਡ' ਟੂਲ ਅਤੇ ਵਿਰੋਧੀ ਰਾਏ।
ਤਾਂ ਉਹ ਆਪਣੇ AI ਸਹਿਯੋਗੀ ਨੂੰ ਆਸਾਨ ਨਿਰਦੇਸ਼ ਦਿੰਦੀ: "ਜਾਂਚੋ ਕਿ ਪਹਿਲਾਂ ਕੀ ਮੌਜੂਦ ਹੈ, ਅਤੇ ਦੱਸੋ ਕਿ ਲੋਕ ਉਤਪਾਦ ਖਰੀਦਣ ਦੀ ਥਾਂ ਕੀ ਕਰ ਰਹੇ ਹਨ।"
ਕੁਝ ਮਿੰਟਾਂ ਵਿੱਚ, AI ਖੇਤਰ ਨੂੰ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਦਾ:
ਇਹ ਫੈਸਲਾ ਨਹੀਂ—ਸਿਰਫ਼ ਇਕ ਨਕਸ਼ਾ ਹੈ। ਇਹ ਮਾਇਆ ਨੂੰ ਦਿਖਾਉਂਦਾ ਕਿ ਉਸਦਾ ਵਿਚਾਰ ਕਿੱਥੇ ਫਿੱਟ ਹੋ ਸਕਦਾ ਹੈ, ਬਿਨਾਂ ਇਹ ਦਿਖਾਉਣ ਦੇ ਕਿ ਤਿੰਨ ਬਲਾਗ ਪੋਸਟ ਪੜ੍ਹ ਕੇ ਉਹ "ਰਿਸਰਚ ਕਰ ਚੁੱਕੀ" ਹੈ।
ਅਗਲੇ, ਉਹ ਇੱਕ ਟੇਬਲ ਮੰਗਦੀ ਹੈ: "ਟਾਪ ਵਿਕਲਪ, ਆਮ ਕੀਮਤ, ਗੈਪ, ਅਤੇ ਆਮ ਸ਼ਿਕਾਇਤਾਂ।"
| ਵਿਕਲਪ ਕਿਸਮ | ਆਮ ਕੀਮਤ ਦੀ ਸੀਮਾ | ਆਮ ਸ਼ਿਕਾਇਤਾਂ | ਸੰਭਵ ਗੈਪ |
|---|---|---|---|
| ਕੋਰਸ | $50–$500 | ਬਹੁਤ ਜਨਰਲ, ਲਾਗੂ ਕਰਨਾ ਔਖਾ | ਤੁਹਾਡੇ ਪ੍ਰਸੰਗ ਲਈ ਪਹਿਲਾਂ ਤੋਂ ਦਿਸ਼ਾ-ਦਰਸ਼ਨ |
| ਟੈਮਪਲੇਟ | $10–$100 | ਚੰਗੇ ਦਿਖਦੇ ਹਨ, ਨਤੀਜੇ ਨਹੀਂ ਬਦਲਦੇ | ਫੀਡਬੈਕ ਲੂਪ + ਜ਼ਿੰਮੇਵਾਰੀ |
| ਕੋਚ/ਕਨਸਲਟੈਂਟ | $100–$300/hr | ਮਹਿੰਗੇ, ਗੁਣਵੱਤਾ ਭਿੰਨ-ਭਿੰਨ | ਸਸਤੀ, ਲਗਾਤਾਰ ਮਦਦ |
| ਕਮਿਊਨਿਟੀਆਂ | $0–$50/mo | ਘੱਟ ਸਿਗਨਲ, ਬਹੁਤ ਸ਼ੋਰ | ਢਾਂਚੇਬੱਧ ਪ੍ਰੌਂਪਟ + ਚੈੱਕਪੌਇੰਟ |
AI ਫਿਰ ਇਕ ਕਠਿਨ ਸਵਾਲ ਪੁੱਛਦਾ: "ਇਸਨੂੰ ਅਸਲੀ ਤਰ੍ਹਾਂ ਵੱਖਰਾ ਕੀ ਬਣਾਏਗਾ?" ਇਹ ਮਾਇਆ ਨੂੰ ਇੱਕ ਸਾਫ ਕੋਣ ਵੱਲ ਧੱਕਦਾ—ਤੇਜ਼ ਸਪੱਸ਼ਟਤਾ ਅਤੇ ਘੱਟ ਫੈਸਲੇ—ਨਾ ਕਿ "ਸਭ ਕੁਝ ਇਕੱਠੇ ਕਰਨ ਵਾਲਾ ਪਲੇਟਫਾਰਮ।"
ਅੰਤ ਵਿੱਚ, ਉਸਦਾ AI ਉਹ ਬਿਆਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਤ ਕਰਦਾ ਜੋ ਗਾਹਕ ਖੋਜ ਵਿੱਚ ਪੀਛੇ ਜाँचਣੇ ਚਾਹੀਦੇ ਹਨ: "ਲੋਕ ਕੋਰਸ ਨਹੀ ਪਸੰਦ ਕਰਦੇ", "ਟੈਮਪਲੇਟ ਕੰਮ ਨਹੀਂ ਕਰਦੇ", "ਕੋਚਿੰਗ ਮਹਿੰਗੀ ਹੈ"। ਇਹ ਲੋੜੀਂਦੇ ਹਿਪੋਥੇਸਿਸ ਹਨ—ਜਦ ਤੱਕ ਅਸਲੀ ਯੂਜ਼ਰ ਉਨ੍ਹਾਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦੇ।
ਜਿਗਿਆਸਾ ਤੁਹਾਡੇ ਮਨ ਵਿੱਚ ਇੱਕ ਭੀੜ ਖਿੱਚ ਸਕਦੀ ਹੈ: ਵਿਦਿਆਰਥੀ, ਮੈਨੇਜਰ, ਫ੍ਰੀਲਾਂਸਰ, ਮਾਪੇ, ਫ਼ਾਊਂਡਰ। ਤੁਹਾਡਾ AI ਸਹਿਯੋਗੀ ਖੁਸ਼ੀ-ਖੁਸ਼ੀ ਹਰ ਕਿਸੇ ਲਈ ਫੀਚਰ ਸੋਚੇਗਾ—ਅਤੇ ਇਹੀ ਉਹ ਹੈ ਜੋ ਪਰੋਜੈਕਟਾਂ ਨੂੰ ਆਹਿਸਤਾ-ਆਹਿਸਤਾ ਵੱਡਾ ਕਰ ਦਿੱਤਾ।
ਸੁਧਾਰ ਸਧਾਰਾ ਹੈ: ਇਕ ਅਸਲੀ ਵਿਅਕਤੀ ਅਸਲ ਸਥਿਤੀ ਵਿੱਚ ਚੁਣੋ ਅਤੇ ਪਹਿਲੀ ਵਰਜਨ ਉਹਨਾਂ ਲਈ ਬਣਾਓ।
"ਬਿਜੀ ਪ੍ਰੋਫੈਸ਼ਨਲ" ਵਰਗੇ ਸਟੇਰੀਓਟਾਇਪ ਦੇ ਬਦਲੇ, AI ਨੂੰ ਕਹੋ ਕਿ ਪ੍ਰਸੋਨਾ ਥੋੜ੍ਹੇ ਵੱਧ ਵਿਵਰਣ ਨਾਲ ਬਣਾਏ:
ਉਦਾਹਰਨ ਪ੍ਰਸੋਨਾ:
AI ਨੂੰ ਕਹੋ ਕਿ ਹਰ ਪ੍ਰਸੋਨਾ ਲਈ 2–3 ਯੂਜ਼ਰ-ਸਟੋਰੀਜ਼ ਬਨਾਵੇ ਫਾਰਮੈਟ:
"ਜਦੋਂ X, ਮੈਨੂੰ Y ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਕਿ ਮੈਂ Z ਕਰ ਸਕਾਂ।"
ਮਾਇਆ ਲਈ: "ਜਦੋਂ ਕਲਾਈਟ ਅਧ-ਵਿਖੇ ਗਲਤ ਨੋਟ ਭੇਜੇ, ਮੈਨੂੰ ਇਕ ਸਾਫ਼ ਬ੍ਰੀਫ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਕਿ ਮੈਂ ਹਰ ਸੰਦਰਭ ਮੁੜ ਪੜ੍ਹੇ ਬਿਨਾਂ ਪੱਕੀ ਤਰ੍ਹਾਂ ਜਵਾਬ ਦੇ ਸਕਾਂ।"
ਹੁਣ ਕਠਿਨ ਚੋਣ ਕਰੋ: ਵਰਜਨ ਇਕ ਲਈ ਇਕ ਪ੍ਰਾਇਮਰੀ ਯੂਜ਼ਰ।
ਚੰਗਾ ਨਿਯਮ: ਉਹ ਪ੍ਰਸੋਨਾ ਚੁਣੋ ਜਿਸਦਾ ਦਰਦ ਸਭ ਤੋਂ ਸਾਫ਼ ਅਤੇ ਛੋਟੇ ਜਿੱਤ ਦੇ ਰਾਹ ਨਜ਼ਦੀਕ ਹੋਵੇ। ਫਿਰ ਇੱਕ ਮੁੱਖ ਕੰਮ-ਟੂ-ਬੀ-ਡਨ ਕਰਦੋ—ਉਹ ਨਤੀਜਾ ਜੋ ਪਹਿਲੀ ਵਰਜਨ ਨੇ ਦੇਣਾ ਹੈ। ਹੋਰ ਸਭ "ਬਾਅਦ ਵਿੱਚ"।
ਸਾਡਾ ਜਿਗਿਆਸੂ ਨਿਰਮਾਤਾ ਇੱਕ ਪ੍ਰੋਟੋਟਾਈਪ ਮਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ, ਕੁਝ ਮਜ਼ਬੂਤ ਰਾਏਂ, ਅਤੇ ਇੱਕ ਵੱਡਾ ਖ਼ਤਰਾ: ਲੋਕਾਂ ਨਾਲ ਐਸੇ ਸਵਾਲ ਕਰਨਾ ਜੋ ਸਿਰਫ਼ ਉਸਦੀ ਹੀ ਸੋਚ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ।
AI ਗਾਹਕ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ—ਪਰ ਅਸਲ ਜਿੱਤ ਇਹ ਹੈ ਕਿ ਇਹ ਸਾਫ਼ ਕਰਦਾ: ਘੱਟ ਲੀਡਿੰਗ ਸਵਾਲ, ਸਪੱਸ਼ਟ ਨੋਟਸ, ਅਤੇ ਇੱਕ ਆਸਾਨ ਤਰੀਕਾ ਇਹ ਨਿਰਣੈ ਕਰਨ ਦਾ ਕਿ ਕਿਹੜਾ ਫੀਡਬੈਕ ਮਾਇਆ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਵਧੀਆ ਖੋਜ ਸਵਾਲ ਕਹਾਣੀ ਬੁਲਾਉਂਦਾ। ਬੁਰਾ ਸਵਾਲ ਆਗਿਆ ਮੰਗਦਾ ਹੈ।
AI ਨੂੰ ਆਪਣੀਆਂ ਸਵਾਲਾਂ ਨੂੰ assumptions ਤੋਂ ਬਿਨਾਂ ਦੁਬਾਰਾ ਲਿਖਵਾਓ। ਉਦਾਹਰਨ:
ਤੁਸੀਂ ਵਰਤ ਸਕਦੇ ਪ੍ਰੌਂਪਟ:
Rewrite these interview questions to avoid leading language or assumptions.
Make them open-ended, focused on past behavior, and easy to answer.
Questions: ...
(ਇਸ ਕੋਡ ਫੇੰਸ ਦੇ ਅੰਦਰ ਦੀ ਸਮਗਰੀ ਬਦਲੀ ਨਹੀਂ ਜਾ ਸਕਦੀ)
ਗਤੀ ਢਾਂਚੇ ਤੋਂ ਆਉਂਦੀ ਹੈ। AI ਨੂੰ ਕਹੋ ਕਿ ਇੱਕ ਸਧਾਰਾ ਫਲੋ ਤਿਆਰ ਕਰੇ ਜੋ ਤੁਸੀਂ ਦਸ ਵਾਰੀ ਦੁਹਰਾਉਂ:
ਫਿਰ ਇੱਕ ਨੋਟ-ਟੇਕਿੰਗ ਟੈਮਪਲੇਟ ਬਣਵਾਓ ਤਾਂ ਜੋ ਤੁਸੀਂ ਟਰਾਂਸਕ੍ਰਿਪਟ ਵਿੱਚ ਡੁੱਬੋ ਨਾ:
AI ਨੂੰ ਪੁੱਛੋ ਕਿ ਤੁਹਾਡਾ ਨਿਸ਼ਚਿਤ ਦਰਸ਼ਕ ਕਿੱਥੇ ਇਕੱਠਾ ਹੁੰਦਾ ਹੈ, ਫਿਰ ਉਹਨਾਂ ਵਿੱਚੋਂ ਦੋ ਚੈਨਲ ਚੁਣੋ ਜੋ ਅਸੀਂ ਇਸ ਹਫ਼ਤੇ ਕਰ ਸਕਦੇ ਹਾਂ: ਨਿਸ਼ Slack/Discord ਗਰੁੱਪ, LinkedIn ਖੋਜ, Reddit ਕਮਿਊਨਿਟੀ, ਮੇਟਅਪ ਸੂਚੀਆਂ, ਜਾਂ ਦੋਸਤ-ਦੋਸਤ।
ਤੁਹਾਡਾ ਮਕਸਦ "ਬਹੁਤ ਸਾਰੇ ਇੰਟਰਵਿਊ" ਨਹੀਂ—ਇਹ 10 ਸਬੰਧਤ ਗੱਲਬਾਤਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਦੇ ਸਵਾਲ ਸੰਗਤ ਹੋਣ।
ਚੰਗਾ ਫੀਡਬੈਕ ਕਹਿੰਦਾ: "ਕੂਲ ਆਈਡੀਆ!" ਸਿਗਨਲ ਕਹਿੰਦੇ ਹਨ:
AI ਨੂੰ ਆਪਣੇ ਨੋਟਸ ਨੂੰ Signal / Maybe / Noise ਨਾਲ ਟੈਗ ਕਰਨ ਲਈ ਕਰੋ—ਪਰ ਅੰਤਿਮ ਨਿਰਣੈ ਤੁਹਾਡਾ ਹੀ ਹੋਵੇ।
ਕੁਝ ਗਾਹਕ ਗੱਲਬਾਤਾਂ ਦੇ ਬਾਅਦ, ਨਿਰਮਾਤਾ ਕੋਲ ਸਧਾਰਨ ਸਮੱਸਿਆ ਹੁੰਦੀ ਹੈ: ਨੋਟਸ ਦੇ ਪੁੱਤੇ, ਦਰਜ "ਸ਼ਾਇਦ", ਅਤੇ ਉਹ ਡਰ ਕਿ ਉਹ ਸਿਰਫ਼ ਉਹੀ ਸੁਣ ਰਹੇ ਹਨ ਜੋ ਉਹ ਸੋਚਦੇ ਹਨ।
ਇੱਥੇ AI ਆਪਣੀ ਥਾਂ ਯੋਗਤਾ ਨਾਲ ਕਮਾਈ ਕਰਦਾ—ਨਵੇਂ ਇਨਸਾਈਟ ਬਣਾਉਣ ਦੀ ਥਾਂ, ਗੁੰਝਲਦਾਰ ਗੱਲਬਾਤਾਂ ਨੂੰ ਕਾਰਜਨੁਮਾਤਮਕ ਚੀਜ਼ਾਂ ਵਿਚ ਬਦਲ ਕੇ।
ਕੱਚੇ ਨੋਟਸ ਇਕ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਡ੍ਰੌਪ ਕਰੋ (ਹਰੇਕ ਇੰਟਰਵਿਊ ਇੱਕ ਸੈਕਸ਼ਨ)। ਫਿਰ AI ਨੂੰ ਕਹੋ ਕਿ ਹਰ ਬਿਆਨ ਨੂੰ ਸਧਾਰਨ ਬਕਟਸ ਵਿੱਚ ਟੈਗ ਕਰੇ:
ਮਕਸਦ ਪਰਫੈਕਟ ਟੈਕਸੋਨੋਮੀ ਨਹੀਂ—ਇੱਕ ਸਾਂਝਾ ਨਕਸ਼ਾ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਵਾਪਸ ਦੇਖ ਸਕਦੇ ਹੋ।
ਅਗਲਾ, AI ਨੂੰ ਕਹੋ ਕਿ ਮੁੜ-ਆਉਣ ਵਾਲੇ ਪੈਟਰਨ ਸੰਖੇਪ ਕਰੇ ਅਤੇ ਵਿਰੋਧਾਂ ਨੂੰ ਹਾਈਲਾਈਟ ਕਰੇ। ਵਿਰੋਧ ਸੋਨੇ ਵਰਗੇ ਹੁੰਦੇ ਹਨ: ਉਹ ਅਕਸਰ ਵੱਖ-ਵੱਖ ਯੂਜ਼ਰ ਕਿਸਮਾਂ ਜਾਂ ਵੱਖਰੇ ਸੰਦਰਭਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।
ਉਦਾਹਰਨ:
"ਮੇਰੇ ਕੋਲ ਸੈਟਅਪ ਕਰਨ ਲਈ ਸਮਾਂ ਨਹੀਂ ਹੈ।"
…ਇਸ ਦੇ ਨਾਲ ਹੋ ਸਕਦਾ ਹੈ:
"ਜੇ ਇਹ ਮੈਨੂੰ ਹਫਤੇ ਵਿੱਚ 2 ਘੰਟੇ ਬਚਾਏ, ਤਾਂ ਮੈਂ ਇਹ ਸਿੱਖ ਲਵਾਂਗਾ।"
AI ਇਨ੍ਹਾਂ ਨੂੰ ਸਾਇਡ-ਬਾਈ-ਸਾਇਡ ਦਿਖਾ ਸਕਦਾ ਹੈ ਤਾਂ ਕਿ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਮਿਸ ਨਹੀਂ ਕਰੋ।
ਹੁਣ ਧਾਰਨਾਵਾਂ ਨੂੰ "ਟੌਪ 3 ਸਮੱਸਿਆਵਾਂ" ਦੀ ਸਧਾਰਨ ਸੂਚੀ ਵਿੱਚ ਬਦਲੋ, ਹਰ ਇੱਕ ਨਾਲ:
ਸਮੱਸਿਆ ਦਾ ਸਾਦਾ ਬਿਆਨ
ਕੌਣ ਇਸਨੂੰ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ (ਭੂਮਿਕਾ/ਪ੍ਰਸੰਗ)
1–2 ਸਬੂਤ ਉਧਰਨ
ਉਦਾਹਰਨ ਫਾਰਮੈਟ:
ਇਹ ਤੁਹਾਨੂੰ ਇਮਾਨਦਾਰ ਰੱਖਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ ਕੋਟਸ ਨਹੀਂ ਲੱਭ ਸਕਦੇ, ਤਾਂ ਸ਼ਾਇਦ ਇਹ ਤੁਹਾਡੀ ਧਾਰਣਾ ਹੈ—ਉਹਨਾਂ ਦੀ ਹਕੀਕਤ ਨਹੀਂ।
ਆਖਿਰਕਾਰ, AI ਨੂੰ ਕਹੋ ਕਿ ਤੁਹਾਡੇ ਸਿੱਖੇ ਆਧਾਰ 'ਤੇ ਇਕ ਫੈਸਲਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇ:
ਤੁਹਾਨੂੰ ਅਜੇ ਪੁਸ਼ਟੀ ਕੀ ਲੋੜ ਨਹੀਂ—ਸਿਰਫ ਇੱਕ ਜ਼ਮੀਨੀ ਅਗਲਾ ਕਦਮ ਚਾਹੀਦਾ ਹੈ।
ਇਸ ਵਕਤ, ਨਿਰਮਾਤਾ ਕੋਲ ਨੋਟਬੁੱਕ ਭਰ ਕਰ ਇਨਸਾਈਟ ਹੈ ਅਤੇ ਦਿਮਾਗ 'ਚ "ਅਸੀਂ ਹੋਰ ਕੀ ਵੀ ਕਰ ਸਕਦੇ ਹਾਂ..."। ਇੱਥੇ AI ਸਭ ਤੋਂ ਵਧੀਆ ਮਦਦ ਕਰਦਾ—ਨਵੰ ਫੀਚਰ ਨਹੀਂ ਜੋੜ ਕੇ, ਪਰ ਤੁਹਾਨੂੰ ਘੱਟ ਤੋਂ ਕੁਝ ਐਸਾ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਕੇ ਜੋ ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਸਪਸ਼ਟ ਰੂਪ ਨਾਲ ਜਾਰੀ ਕਰ ਸਕੋ।
ਇੱਕ ਵਿਚਾਰ 'ਤੇ ਲੇਟੇ ਬੈਠਣ ਦੀ ਥਾਂ, AI ਨੂੰ ਕਹੋ ਕਿ 5–7 ਹੱਲ ਦੇ ਸਕੈਚ ਬਣਾਏ: ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਜਿਨ੍ਹਾਂ ਨਾਲ ਉਤਪਾਦ ਮੁੱਲ ਦਿਵਾ ਸਕਦਾ ਹੈ। ਫਿਰ ਉਹ ਹਰ ਸਕੈਚ ਨੂੰ ਕਸ਼ਮਕਸ਼ ਬਨਾਮ ਪ੍ਰਭਾਵ ਦੇ ਅਧਾਰ ਤੇ ਰੈਂਕ ਕਰੇ।
ਇਕ ਸਧਾਰਾ ਪ੍ਰੌਂਪਟ: "ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਦੇ 7 ਤਰੀਕੇ ਲਿਖੋ। ਹਰ ਇਕ ਲਈ ਅੰਦਾਜ਼ਾ ਲਗਾਓ: ਮਹਨਤ (S/M/L) ਅਤੇ ਪ੍ਰਭਾਵ (S/M/L), ਅਤੇ ਵਜਾਹ ਦੱਸੋ।"
ਤੁਸੀਂ ਪਰਫੈਕਸ਼ਨ ਨਹੀਂ ਚਾਹੁੰਦੇ—ਸਿਰਫ਼ ਇੱਕ ਅੱਗੇ ਵਾਲਾ ਅਸਲ ਹੋਵੇ।
MVP "ਪੂਰੇ ਉਤਪਾਦ ਦਾ ਸਭ ਤੋਂ ਛੋਟਾ ਵਰਜਨ" ਨਹੀਂ—ਇਹ ਸਭ ਤੋਂ ਛੋਟਾ ਵਰਜਨ ਹੈ ਜੋ ਇੱਕ ਨਾਪ-ਯੋਗ ਨਤੀਜਾ ਦੇ ਵੇਖਾ ਸਕੇ।
AI ਇਸ ਨਤੀਜੇ ਨੂੰ ਟੈਸਟ ਕਰਨਯੋਗ ਵਾਅਦੇ ਵਜੋਂ ਫਰਮੇ:
ਜੇ ਨਤੀਜਾ ਸਾਫ਼ ਨਹੀਂ, ਤਾਂ MVP ਅਜੇ ਧੁੰਦਲਾ ਹੈ।
ਫੀਚਰ-ਕ੍ਰੀਪ ਤੋਂ ਬਚਣ ਲਈ, AI ਨਾਲ ਇੱਕ ਸਪੱਸ਼ਟ "Not in v1" ਸੂچی ਬਣਾਓ:
ਇਹ ਸੂਚੀ ਨਵੀਂ ਵਿਚਾਰ ਆਉਣ 'ਤੇ ਤੁਹਾਡੀ ਪਰਤ ਹੋਵੇਗੀ।
ਅੰਤ ਵਿੱਚ, AI ਤੁਹਾਡੀ ਮੈਸਜਿੰਗ ਤਿਆਰ ਕਰਦਾ ਜੋ ਤੁਸੀਂ ਆਸਾਨੀ ਨਾਲ ਦੋਹਰਾ ਸਕੋ:
ਹੁਣ MVP ਛੋਟਾ, ਮਕਸਦੀ ਅਤੇ ਸਮਝਣਯੋਗ ਹੈ—ਜੋ ਕਿ ਪ੍ਰੋਟੋਟਾਈਪ ਤੋਂ ਪਹਿਲਾਂ ਤੁਹਾਨੂੰ ਚਾਹੀਦਾ ਹੈ।
ਪ੍ਰੋਟੋਟਾਈਪ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਉਤਪਾਦ ਇਕ ਚਮਕੀਲੇ ਵਰਣਨ ਤੋਂ ਹਟ ਕੇ ਕਿਸੇ ਅਜਿਹੀ ਚੀਜ਼ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ ਜੋ ਲੋਕ ਕਲਿੱਕ ਕਰ ਸਕਦੇ, ਪੜ੍ਹ ਸਕਦੇ, ਅਤੇ ਪ੍ਰਤਿਕ੍ਰਿਆ ਦੇ ਸਕਦੇ। ਨਾ ਪੂਰੀ ਤਿਆਰ, ਨਾ ਪਰਫੈਕਟ—ਸਿਰਫ਼ ਇਹਨਾ ਕਾਫੀ ਕਿ ਕੋਈ ਇਸਨੂੰ ਸਮਝ ਸਕੇ।
AI ਸਹਿਯੋਗੀ ਨੂੰ ਕਹੋ ਕਿ ਤੁਹਾਡੇ MVP ਨੂੰ ਸਕ੍ਰੀਨ-ਬਾਈ- ਸਕਰੀਨ ਆਕਾਰ-ਰੇਖਾ ਵਿੱਚ ਤਰਜਮਾ ਕਰੇ। ਉਦੇਸ਼ ਇੱਕ ਛੋਟੀ ਰਾਹ ਹੈ ਜੋ ਮੁੱਖ ਮੁੱਲ ਨੂੰ ਪਰਖੇ।
ਉਦਾਹਰਨ ਪ੍ਰੌਂਪਟ:
You are a product designer. Create a simple user flow for a first-time user.
Context: [what the product helps with]
MVP scope: [3–5 key actions]
Output:
1) Flow diagram in text (Screen A -> Screen B -> ...)
2) For each screen: title, primary CTA, and 2–4 lines of copy
Keep it friendly and clear for non-technical users.
(ਇਸ ਕੋਡ ਫੇੰਸ ਦੇ ਅੰਦਰ ਦੀ ਸਮਗਰੀ ਬਦਲੀ ਨਹੀਂ ਜਾਵੇਗੀ)
ਇਸ ਤੋਂ ਤੁਸੀਂ ਤੇਜ਼ ਵਾਇਰਫ੍ਰੇਮ (ਅੱਤਾਂ ਕਾਗਜ਼ 'ਤੇ) ਜਾਂ ਸਧਾਰਨ ਕਲਿੱਕੇਬਲ ਮੌਕ ਬਣਾ ਸਕਦੇ ਹੋ। ਲਕੜੀ ਇਹ ਹੈ: ਲੋਕਾਂ ਨੂੰ 10 ਸਕਿੰਟ ਵਿੱਚ "ਇਹ ਮਿਲਦਾ ਕੀ ਹੈ" ਸਮਝ ਆ ਜਾਣਾ ਚਾਹੀਦਾ।
ਜ਼ਿਆਦਾਤਰ ਪ੍ਰੋਟੋਟਾਈਪ ਫੇਲ ਹੁੰਦੇ ਹਨ ਕਿਉਂਕਿ ਕਾਪੀ ਧੁੰਦਲੀ ਹੁੰਦੀ ਹੈ। AI ਦੀ ਵਰਤੋਂ ਕਰੋ:
ਜੇ ਤੁਸੀਂ ਪ੍ਰੋਟੋਟਾਈਪ ਆਵਾਜ਼ ਵਿੱਚ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਅਤੇ ਇਹ ਅਰਥ ਰੱਖਦਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਚੰਗੇ ਰਸਤੇ 'ਤੇ ਹੋ।
ਸਭ ਕੁਝ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਕ ਲੈਂਡਿੰਗ ਪੇਜ ਬਣਾਓ ਜੋ ਵਾਅਦੇ ਨੂੰ ਵਰਣਨ ਕਰਦੀ, 2–3 ਪ੍ਰੋਟੋਟਾਈਪ ਸਕ੍ਰੀਨ ਦਿਖਾਂਦੀ, ਅਤੇ ਇਕ ਪੱਕਾ CTA ਰੱਖਦੀ (ਜਿਵੇਂ "ਐਕਸੈਸ ਬੇਨਤੀ" ਜਾਂ "ਵੈਟਲਿਸਟ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ")। ਜੇ ਕੋਈ ਐਸਾ ਫੀਚਰ ਕਲਿੱਕ ਕਰਦਾ ਜੋ ਬਣਾਇਆ ਨਹੀਂ ਗਿਆ, ਤਾਂ ਦੋਸਤਾਨਾ ਸੁਨੇਹਾ ਦਿਖਾਓ ਅਤੇ ਉਹਨਾਂ ਦਾ ਈਮੇਲ ਲੈ ਲਓ।
AI ਤੁਹਾਨੂੰ ਲੈਂਡਿੰਗ ਪੇਜ, FAQs ਅਤੇ ਇੱਕ ਸਧਾਰਨ ਕੀਮਤ-ਟਿਝ (ਚਾਹੇ ਓਹ ਅਸਥਾਈ ਹੋਵੇ) ਲਿਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
ਤੁਸੀਂ ਜਿਸ ਦੀ ਖੋਜ ਕਰ ਰਹੇ ਹੋ ਉਹ ਬਾਰੇ ਨਹੀਂ—ਤੁਸੀਂ ਸਮਰੱਥਾ ਲੈਣ ਦੀ ਖੋਜ ਕਰ ਰਹੇ ਹੋ: ਕਲਿੱਕ, ਸਾਈਨਅਪ, ਜਵਾਬ, ਅਤੇ ਵਿਸ਼ੇਸ਼ ਸਵਾਲ ਜੋ ਅਸਲ ਰੁਚੀ ਦਾ ਪਤਾ ਦਿੰਦੇ ਹਨ।
ਵੈਰੀਫਿਕੇਸ਼ਨ ਉਹ ਸਮਾਂ ਹੈ ਜਦੋਂ ਨਿਰਮਾਤਾ "ਕੀ ਇਹ ਕੰਮ ਕਰ ਸਕਦਾ?" ਪੁੱਛਣਾ ਛੱਡ ਕੇ "ਕੀ ਕੋਈ ਐਸਾ ਹੈ ਜੋ ਇਸ ਲਈ ਕਾਰਵਾਈ ਕਰੇਗਾ?" ਪੁੱਛਦਾ ਹੈ। ਲਕੜੀ ਉਦੇਸ਼: ਸਭ ਤੋਂ ਘੱਟ ਊਰਜਾ ਵਿੱਚ ਮੁੱਲ ਦੀ ਸਾਬਤਕਰਨ।
ਫੀਚਰ ਬਣਾਉਣ ਦੀ ਥਾਂ, ਇੱਕ ਟੈਸਟ ਚੁਣੋ ਜੋ ਫੈਸਲਾ ਕਰਾਉਂਦਾ:
AI ਇਸਨੂੰ ਇੱਕ ਸਾਫ ਆਫਰ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ: ਹੈਡਲਾਈਨ, ਛੋਟੀ ਵਰਣਨਾ, ਕੁਝ ਫਾਇਦੇ, ਅਤੇ ਇੱਕ CTA ਜੋ ਮਾਰਕੀਟਿੰਗ ਵਾਂਗ ਨਹੀਂ ਲੱਗੇ।
ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ, ਲਿਖੋ ਕਿ "ਸਫਲਤਾ" ਅੰਕਾਂ ਵਿੱਚ ਕੀ ਮਤਲਬ ਹੈ। ਵੈਨਿਟੀ ਮੈਟ੍ਰਿਕਸ ਨਹੀਂ—ਇਰਾਦੇ ਦੇ ਸਿਗਨਲ।
ਉਦਾਹਰਣ:
ਜੇ ਤੁਸੀਂ ਉਸਨੂੰ ਮਾਪ ਨਹੀਂ ਸਕਦੇ, ਤਾਂ ਤੁਸੀਂ ਉਸ ਤੋਂ ਸਿੱਖ ਨਹੀਂ ਸਕੋਗੇ।
AI ਨੂੰ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਵਿਅਕਤੀ ਨੂੰ ਨਿਸ਼ਾਨ ਬਣਾਕੇ 10 ਹੈਡਲਾਈਨ + CTA ਜੋੜੇ ਦਿਓ, ਫਿਰ ਦੋ ਚੁਣੋ। ਇੱਕ ਸੰਸਕਰਣ "ਸਮਾਂ ਬਚਾਓ" 'ਤੇ ਧਿਆਨ ਦੇ ਸਕਦੀ ਹੈ, ਦੂਜੀ "ਗਲਤੀਆਂ ਤੋਂ ਬਚੋ"।
ਟੈਸਟ ਦੇ ਬਾਅਦ, AI ਜੋ ਹੋਇਆ ਉਸਦਾ ਸੰਖੇਪ ਲਿਖਦਾ: ਲੋਕ ਕਲਿੱਕ ਕੀਤੇ, ਕੀ ਪੁੱਛਿਆ, ਕੀ ਉਨ੍ਹਾਂ ਨੂੰ ਉਲਝਾਇਆ, ਕੀ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ। ਤੁਸੀਂ ਇੱਕ ਸਧਾਰਨ ਫੈਸਲਾ ਲੈਂਦੇ ਹੋ: ਰੱਖੋ, ਬਦਲੋ, ਜਾਂ ਰੋਕੋ—ਅਤੇ ਇਕ ਵਾਕ ਵਿੱਚ ਅਗਲੇ ਕਦਮ ਦੀ ਰੇਖਾ।
ਤੁਹਾਨੂੰ "ਡਿਵੈਲਪ੍ਰ" ਭਾਸ਼ਾ ਜਾਣਨ ਦੀ ਲੋੜ ਨਹੀਂ—ਤੁਹਾਨੂੰ ਸਪੱਸ਼ਟਤਾ ਚਾਹੀਦੀ ਹੈ: ਪਹਿਲੇ ਦਿਨ ਲਈ ਉਤਪਾਦ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ, ਕੀ ਬਾਅਦ ਵਿੱਚ ਆ ਸਕਦਾ, ਅਤੇ ਤੁਸੀਂ ਕਿਵੇਂ ਜਾਣੋਗੇ ਕਿ ਇਹ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ।
ਇੱਥੇ ਤੁਹਾਡਾ AI ਸਹਿਯੋਗੀ ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ ਛੱਡ ਕੇ ਧੀਰਜ ਨਾਲ ਕੰਮ ਕਰਨ ਲੱਗਦਾ ਹੈ।
AI ਨੂੰ ਕਹੋ ਕਿ ਤੁਹਾਡੇ ਵਿਚਾਰ ਨੂੰ ਸਧਾਰਨ ਬਣਾਏ: Must-haves, Nice-to-haves, ਅਤੇ Later। Must-haves ਬਹੁਤ ਹੀ ਨਿਰਧਾਰਿਤ ਰੱਖੋ—ਉਹ ਫੀਚਰ ਜੋ ਸਿੱਧਾ ਤੁਹਾਡੇ ਵਾਅਦੇ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹੋਣ।
ਫਿਰ ਹਰ must-have ਲਈ ਇੱਕ-ਪੰਨੇ "definition of done" ਬਣਵਾਓ। ਉਦਾਹਰਨ ਪ੍ਰੌਂਪਟ:
AI ਨੂੰ ਕਹੋ:
ਇਸ ਨਾਲ ਫ੍ਰੀਲਾਂਸਰ ਜਾਂ ਡੇਵ ਟੀਮ ਕੋਲ ਘੱਟ ਅਣਡਿੱਠੇ ਮੌਕੇ ਰਹਿੰਦੇ ਹਨ।
ਜੇ ਤੁਸੀਂ ਹੋਰਾਂ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹੋ, AI ਨੂੰ ਕਹੋ ਕਿ ਰੋਲ ਆਊਟਲਾਈਨ ਕਰੇ: ਕੌਣ ਸਕਰੀਨ ਡਿਜ਼ਾਈਨ ਕਰਦਾ, ਕੌਣ ਬੈਕਇਂਡ ਬਣਾਉਂਦਾ, ਕੌਣ ਕਾਪੀ ਲਿਖਦਾ, ਕੌਣ ਐਨਾਲਿਟਿਕਸ ਸੈੱਟ ਕਰਦਾ, ਕੌਣ QA ਦਾ ਮਾਲਕ। ਭਾਵੇਂ ਇਕ ਵਿਅਕਤੀ ਕਈ ਟੋਪੀਆਂ ਪਹਿਨੇ, ਨਾਂ ਹੀ ਟੋਪੀ ਮੁਕੱਦਰ ਰੱਖਣ ਨਾਲ ਮਿਸਿੰਗ ਕੰਮ ਘੱਟ ਹੁੰਦਾ ਹੈ।
ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, AI ਨੂੰ ਵਰਤੋ ਕਿ ਇਕ ਛੋਟੀ ਸੂਚੀ ਬਣਾਏ: ਅਸੀਂ ਕਿਹੜਾ ਡਾਟਾ ਇਕੱਠਾ ਕਰਦੇ ਹਾਂ? ਕਿੱਥੇ ਸਟੋਰ ਹੁੰਦਾ ਹੈ? ਕੌਣ ਪਹੁੰਚ ਕਰ ਸਕਦਾ? ਯੂਜ਼ਰ ਕਿਵੇਂ ਡਾਟਾ ਮਿਟਾ ਸਕਦਾ? ਤੁਸੀਂ ਏਥੇ ਲੀਗਲ ਪਾਲਸੀ ਨਹੀਂ ਲਿਖ ਰਹੇ—ਸਿਰਫ਼ ਬਾਅਦ ਦੀਆਂ ਹੈਰਾਨੀਆਂ ਤੋ ਬਚਣ ਲਈ ਸਵਾਲ।
ਜੇ ਤੁਸੀਂ ਗੈਰ-ਤਕਨੀਕੀ ਹੋ (ਜਾਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧਣਾ ਚਾਹੁੰਦੇ ਹੋ), ਤਾਂ "vibe-coding" ਪਲੇਟਫਾਰਮ ਸਹਾਇਕ ਹੋ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, Koder.ai ਤੁਹਾਨੂੰ ਇਹਨਾਂ ਸਪੈਕਸ ਨੂੰ ਸਧਾਰਨ ਭਾਸ਼ਾ ਵਿੱਚ ਲੈ ਕੇ ਇੱਕ ਕੰਮ ਕਰਨ ਵਾਲੀ ਵੈੱਬ/ਬੈਕਇਂਡ/ਮੋਬਾਈਲ ਐਪ ਬਣਾਉਣ ਦਿੰਦਾ—ਫਿਰ ਟੈਸਟ ਕਰਦਿਆਂ ਸਨੇਪਸ਼ਾਟ ਅਤੇ ਰੋਲਬੈਕ ਨਾਲ ਇਟਰੇਟ ਕਰੋ।
ਪ੍ਰਯੋਗਿਕ ਲਾਭ ਜਾਦੂ ਨਹੀਂ; ਇਹ discovery ਤੋਂ ਲੈ ਕੇ "ਕੰਮ ਕਰਨ ਵਾਲਾ ਵਰਜਨ" ਤੱਕ ਦੇ ਲੂਪ ਨੂੰ ਛੋਟਾ ਕਰਦਾ। ਫਿਰ ਜੇ ਤੁਸੀਂ ਰਵਾਇਤੀ ਪਾਈਪਲਾਈਨ 'ਤੇ ਜਾਣਾ ਚਾਹੋ, ਸੋਰਸ ਕੋਡ ਐਕਸਪੋਰਟ ਕਰਨ ਦਾ ਵਿਕਲਪ ਖੁੱਲਾ ਰਹਿੰਦਾ ਹੈ।
ਲਾਂਚ ਦਿਨ ਨੂੰ ਸਟੇਜ 'ਤੇ ਬਿਨਾਂ ਸਕ੍ਰਿਪਟ ਦੇ ਕੂਦਨ ਵਾਂਗ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ। ਜੇ ਤੁਸੀਂ ਖੋਜ ਕੀਤੀ ਅਤੇ ਇਕ ਛੋਟਾ, ਉਪਯੋਗੀ MVP ਬਣਾਇਆ, ਤਾਂ ਅਗਲਾ ਕੰਮ ਸਧਾਰਨ ਹੈ: ਇਹ ਸਾਫ਼ ਸਮਝਾਉਣਾ—ਅਤੇ ਪਹਿਲੇ ਲੋਕਾਂ ਲਈ ਅਸਾਨ ਬਣਾਉਣਾ।
AI ਨੂੰ ਇੱਕ ਪ੍ਰੈਕਟਿਕਲ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਰ ਵਾਂਗ ਵਰਤੋ: ਆਪਣੇ ਗੁੰਝਲਦਾਰ ਨੋਟਸ ਨੂੰ ਇਕ ਸੁਥਰੀ ਸੂਚੀ ਵਿੱਚ ਬਦਲਣ ਲਈ ਕਹੋ, ਫਿਰ ਤੁਸੀਂ ਫੈਸਲਾ ਕਰੋ ਕਿ ਕੀ ਅਸਲ ਹੈ।
"ਥੀਕ-ਕੋਈ" ਚੈਕਲਿਸਟ:
ਖੋਜ ਵਿੱਚ ਉਠੀਆਂ ਸਿਖਿਆਵਾਂ—"ਕੀ ਇਹ ਮੇਰੇ ਵਰਕਫਲੋ ਲਈ ਕੰਮ ਕਰੇਗਾ?", "ਸੈਟਅਪ ਕਿੰਨਾ ਸਮਾਂ ਲਵੇਗਾ?", "ਮੇਰਾ ਡਾਟਾ ਸੁਰੱਖਿਅਤ ਹੈ?"—ਲੋ ਅਤੇ AI ਨੂੰ ਤੁਹਾਡੇ ਟੋਨ ਵਿੱਚ ਜਵਾਬ ਲਿਖਣ ਲਈ ਕਹੋ।
ਫਿਰ ਇमानਦਾਰੀ ਲਈ ਸੋਧੋ। ਜੇ ਕੋਈ ਗੱਲ ਅਣਿਸ਼ਚਿਤ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਹੋ ਅਤੇ ਯੋਜਨਾ ਦੱਸੋ।
AI ਤੋਂ ਸਧਾਰਾ ਆਊਟਲਾਈਨ ਮੰਗੋ:
ਪਹਿਲੇ ਐਲਾਨ ਪੋਸਟ ਲਈ, ਮਨੁੱਖੀ ਭਾਵ ਨਾਲ ਲਿਖੋ: "ਇਹ ਰਿਹਾ ਜੋ ਅਸੀਂ ਬਣਾਇਆ, ਇਹ ਕਿਸ ਲਈ ਹੈ, ਅਤੇ ਅਸੀਂ ਅਗਲੇ ਵਿਚ ਕੀ ਟੈਸਟ ਕਰ ਰਹੇ ਹਾਂ।"
ਇੱਕ ਹਕੀਕਤੀ ਲਾਂਚ ਵਿੰਡੋ ਰੱਖੋ ਅਤੇ ਇੱਕ ਪਹਿਲੀ ਜਿੱਤ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਜਿਵੇਂ: 10 ਸਰਗਰਮ ਯੂਜ਼ਰ, 5 ਪੂਰੇ ਓਨਬੋਰਡਿੰਗ ਫਲੋ, ਜਾਂ 3 ਭੁਗਤਾਨੀ ਟ੍ਰਾਇਅਲ। AI ਤੁਹਾਡੀ ਪ੍ਰਗਤੀ ਟ੍ਰੈਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਤੁਸੀਂ ਉਹ ਲਕੜੀ ਨਿਸ਼ਾਨ ਚੁਣਦੇ ਹੋ ਜੋ ਮੁੱਲ ਸਾਬਤ ਕਰਦਾ ਹੈ—ਨਾ ਕਿ ਸ਼ੋਅ-ਮੈਟਰਿਕਸ।
ਲਾਂਚ ਦੇ ਬਾਦ, ਨਿਰਮਾਤਾ AI ਤੋਂ "ਗ੍ਰੈਜੂਏਟ" ਨਹੀਂ ਹੁੰਦਾ। ਉਹ ਇਸਨੂੰ ਵਰਤਣ ਦਾ ਢੰਗ ਬਦਲਦਾ ਹੈ।
ਸ਼ੁਰੂ ਵਿੱਚ, ਸਹਿਯੋਗੀ ਤੇਜ਼ੀ ਨਾਲ ਮਦਦ ਕਰਦਾ—ਡਰਾਫਟ, ਢਾਂਚਾ, ਪ੍ਰੋਟੋਟਾਈਪ। ਬਾਅਦ ਵਿੱਚ, ਇਹ ਰਿਥਮ ਵਿੱਚ ਮਦਦ ਕਰਦਾ: ਪੈਟਰਨ ਨੋਟਿਸ ਕਰਨਾ, ਲਗਾਤਾਰ ਰਹਿਣਾ, ਅਤੇ ਛੋਟੇ ਫੈਸਲੇ ਘੱਟ ਤਣਾਅ ਨਾਲ ਕਰਨਾ।
ਸਧਾਰਾ ਕੈਡੈਂਸ ਰੱਖੋ: ਯੂਜ਼ਰ ਨਾਲ ਗੱਲ ਕਰੋ, ਇਕ ਛੋਟਾ ਸੁਧਾਰ ਜਾਰੀ ਕਰੋ, ਅਤੇ ਕੀ ਹੋਇਆ ਲਿਖੋ। AI ਚੁੱਪਚਾਪ ਸਹਿਯੋਗੀ ਬਣ ਕੇ ਲੂਪ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।
ਕੁਝ ਆਦਤਾਂ ਜੋ ਇਹ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਦੀਆਂ ਹਨ:
ਸਹਿਯੋਗੀ ਨੂੰ ਮਦਦਗਾਰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਸਪਸ਼ਟ ਲਕੀਰਾਂ ਖਿੱਚੋ:
ਜਦੋਂ ਗਤੀ ਘੱਟ ਹੋਵੇ, ਵਾਪਸ ਇਕ ਸਧਾਰਾ ਸਕ੍ਰਿਪਟ:
ਇਸ ਤਰ੍ਹਾਂ ਜਿਗਿਆਸਾ ਇੱਕ ਉਤਪਾਦ ਬਣਦਾ ਹੈ—ਅਤੇ ਉਤਪਾਦ ਇੱਕ ਅਭ્યાસ।