سرعة التعلّم (Learning Velocity): لماذا تتفوق سرعة التعلّم على سرعة الشحن
جعل الذكاء الاصطناعي البناء أسرع، لكنه لم يجعل معرفة ما يجب بناؤه أسرع. سرعة التعلّم، أي السرعة من السؤال إلى قرار مدعوم بالأدلة، هي الميزة التي تتراكم.
سرعة التعلّم (learning velocity) هي مدى سرعة تحويل فريق المنتج سؤالًا مفتوحًا إلى قرار مدعوم بالأدلة: من «نعتقد أن العملاء يريدون X» إلى «اختبرنا ذلك، وهذا ما سنفعله». وهي أهم من سرعة الشحن لأن معظم أفكار المنتجات تفشل، فالفريق الذي يتخلص من الأفكار السيئة ويؤكد الجيدة أسرع من غيره تتراكم ميزته.
أبرز النقاط
معظم الأفكار لا تنجح. في Microsoft، لم يحسّن سوى نحو ثلث الأفكار المختبَرة في تجارب مضبوطة المقياس الذي صُممت لتحسينه، وجعل نحو ثلثها المقياس أسوأ (Kohavi et al., 2009).
أصبح البناء أسرع. في دراسة GitHub المضبوطة عام 2022 على 95 مطورًا، أنهى مستخدمو Copilot مهمة أسرع بنسبة 55% (GitHub, 2022). أما التعلّم فلم يتسارع من تلقاء نفسه.
تتوقف مقاييس التسليم عند النشر. يمتد مقياس change lead time في DORA من الـ commit إلى الإنتاج (DORA)؛ ولا يقيس أي شيء فيه ما إذا كان التغيير نجح.
الشركات التي تتعلم كثيرًا تختبر بكثافة: تُجري Booking.com نحو 25,000 اختبار سنويًا (HBR, 2020).
يمكنك قياسها بأربعة أرقام: زمن دورة التعلّم، والقرارات في الشهر، ونسبة الرهانات المُطلقة التي جرت مراجعتها، ونقاط التواصل الأسبوعية مع العملاء.
ما هي سرعة التعلّم؟
هي المعدل الذي ينتج به الفريق قرارات مُتحقَّقًا منها: خيارات بأن يبني شيئًا أو يغيّره أو يوقفه، استنادًا إلى أدلة جُمعت لهذا الغرض. وهي النسخة الخاصة بالمنتجات من فكرة Eric Ries بأن «وحدة التقدم لدى الشركات الناشئة الرشيقة هي التعلّم المُتحقَّق منه» (The Lean Startup). ويرى Ries أن على كل عملية في الشركة الناشئة أن تُسرّع حلقة Build-Measure-Learn.
هناك أمران يميّزانها عن سرعة الشحن:
تعدّ القرارات لا الإصدارات. ميزة أُطلقت ولم تُقَس لا تضيف أي تعلّم. واختبار يستغرق يومين ويقتل فكرة سيئة يضيف الكثير.
تشمل الجزء البطيء بعد الإطلاق. لا تُغلق الحلقة حتى يتحقق أحدهم من نجاح الرهان ويغيّر الخطة.
زمن دورة التعلّم، والقرارات المُتحقَّق منها شهريًا
يبدأ العدّاد
عند عمل commit للشيفرة
عند تدوين الافتراض
يتوقف العدّاد
عند نشر التغيير
عند اتخاذ قرار بناءً على النتيجة
نمط الفشل
إصدارات بطيئة ومحفوفة بالمخاطر
إصدارات سريعة لأشياء لم يحتجها أحد
كلتاهما مهمة. لكن الفريق قد يكون من النخبة في التسليم ومع ذلك يتعلم ببطء؛ ويتناول مقالنا عن وهم سرعة المنتج ذلك بتفصيل أكبر.
لماذا تُعد سرعة التعلّم ميزة تنافسية في 2026؟
تجتمع ثلاث حقائق.
1. معظم الأفكار تفشل، لذا تهمّ سرعة التخلص منها. وجد فريق Kohavi في Microsoft أن نحو ثلث الأفكار فقط حسّن مقياسه المستهدف، وثلثًا لم يؤثر، ونحو ثلث أضرّ به (Kohavi et al., 2009). ويلاحظون أن معدل نجاح Amazon كان كذلك أقل من 50%. فإذا كان رهانان من كل ثلاثة لا يؤتيان ثمارهما، فالفريق الذي يكتشف ذلك في أسبوع يتفوق على الفريق الذي يكتشفه في ربع سنة.
2. الرابحون كبار ويصعب التنبؤ بهم. رفعت تجربة واحدة في Bing، وهي تغيير في طريقة عرض عناوين الإعلانات، الإيرادات بنسبة 12%، بما يساوي أكثر من 100 مليون دولار سنويًا في الولايات المتحدة وحدها (HBR, 2017). لم تتطلب سوى بضعة أيام من الهندسة، ومع ذلك بقيت دون بناء أكثر من ستة أشهر لأنها صُنّفت منخفضة الأولوية. وتعثر على رابحين كهؤلاء باختبار أفكار أكثر، لا بتخمين أفضل.
3. لم يعد البناء هو العنق الزجاجة. خفّضت مساعدات البرمجة زمن المهام بشكل كبير في دراسات مضبوطة؛ ففي دراسة GitHub كان الزمن ساعة و11 دقيقة مع Copilot مقابل ساعتين و41 دقيقة بدونه. وحين يصبح البناء أرخص، يصبح شحن ميزات غير مُتحقَّق منها أرخص أيضًا، ويصبح من الأسهل تكرار ما وجدته Pendo من أن 80% من الميزات في المنتج المتوسط نادرًا ما تُستخدم أو لا تُستخدم أبدًا (Pendo, 2019). ما يبقى شحيحًا هو معرفة أي الميزات تستحق الوجود.
يستطيع المنافسون نسخ ميزة في أسابيع. لكنهم لا يستطيعون نسخ السجل المتراكم لما اختبرته، وما فعله عملاؤك، ولماذا قررت ما قررته.
كيف تقيس سرعة التعلّم؟
لا توجد صيغة قياسية معتمدة في الصناعة. هذه هي المقاييس الأربعة التي نوصي بها؛ وهي معًا يصعب التلاعب بها.
المقياس
التعريف
كيف تجمعه
الاتجاه الصحي
زمن دورة التعلّم
الوسيط بالأيام من تدوين افتراض إلى اتخاذ قرار بشأنه
سجل افتراضات أو سجل قرارات بتاريخين
نزولًا
القرارات المُتحقَّق منها شهريًا
قرارات بناء أو تغيير أو إيقاف تستشهد بأدلة جُمعت لتلك المسألة
عدّ مدخلات سجل القرارات المرفق بها أدلة
صعودًا
الرهانات المُطلقة التي روجعت
نسبة الإطلاقات التي سُجّلت نتيجتها مقابل مقياسها المستهدف خلال 6 أسابيع
مقارنة قائمة الإطلاقات بمراجعات ما بعد الإطلاق
صعودًا، والهدف 80%+
نقاط التواصل مع العملاء أسبوعيًا
محادثات أو اختبارات أو ملاحظات يشارك فيها الفريق الذي يبني المنتج
التقويم أو سجل البحث
واحدة على الأقل، بحسب Torres
المقياس الأخير من Teresa Torres، التي تعرّف الاكتشاف المستمر (continuous discovery) بأنه نقاط تواصل أسبوعية مع العملاء يجريها الفريق الذي يبني المنتج، سعيًا إلى نتيجة مرغوبة (Product Talk).
مثال مُحلَّل: كم تساوي سرعة تعلّم أكبر بثلاث مرات (توضيحي)
لنفترض أن فريق منتج من 5 أشخاص يتخذ 3 قرارات مُتحقَّقًا منها شهريًا، بزمن دورة تعلّم وسيط قدره 41 يومًا. استخدم معدل Microsoft الأساسي: نحو فكرة واحدة من كل 3 أفكار مختبَرة تحسّن مقياسها المستهدف.
قبل: 3 قرارات × 1/3 نجاح = نحو تغيير رابح واحد شهريًا، أي 12 في السنة.
بعد خفض زمن الدورة إلى 12 يومًا باختبارات أصغر ومراجعة أسبوعية: 9 قرارات شهريًا × 1/3 = نحو 3 تغييرات رابحة شهريًا، أي 36 في السنة.
ويوقف الفريق أيضًا نحو 6 أفكار خاسرة شهريًا في وقت أبكر، قبل أن تستهلك أسابيع من الهندسة.
النسبة هي بيت القصيد: الفريق ليس أفضل في التخمين مما كان. إنه أسرع بثلاث مرات في الاكتشاف.
كيف تساعد فريق المنتج على التعلّم أسرع؟ منهج من 7 خطوات
اكتب السؤال قبل الحل. لكل رهان، دوّن الافتراض والقرار الذي سيستنير به والمقياس الذي سيحسمه. الافتراض غير المختبَر الذي لا قرار مرتبطًا به مجرد رأي.
اختر أرخص اختبار يمكن أن يغيّر رأيك. كثيرًا ما تجيب المقابلات والأبواب الوهمية (fake doors) واختبارات الكونسيرج (concierge) والنماذج الأولية في أيام عمّا يجيب عنه بناء كامل في شهور. يطابق دليلنا لاختيار تجربة المنتج بين 55 طريقة والسؤال الذي تحتاج إلى الإجابة عنه.
حدّد قاعدة القرار مسبقًا. «إذا نقر أقل من 15% من مستخدمي النسخة التجريبية على زر الاستيراد خلال أسبوعين، نتخلى عنه.» الالتزام المسبق يمنع إعادة تفسير النتائج لتتلاءم مع الخطة.
تحدّث مع العملاء كل أسبوع. يحافظ إيقاع Torres الأسبوعي على تدفق ثابت من الأدلة، فتنطلق الاختبارات من مشكلات حقيقية. يشرح مقالنا عن الاكتشاف المستمر كيف تجدوله دون أن يستولي على خارطة الطريق.
تحرك بسرعة في القرارات القابلة للعكس. يرى Jeff Bezos أن معظم القرارات ينبغي اتخاذها بنحو 70% من المعلومات التي تتمنى امتلاكها، ويسمي القرارات القابلة للعكس أبوابًا ذات اتجاهين تستحق عملية خفيفة (Amazon, 2017). وهدفه: «قرارات عالية الجودة وعالية السرعة». احتفظ بالمراجعة البطيئة الثقيلة للقرارات التي لا يمكنك التراجع عنها.
أغلق الحلقة بعد الإطلاق. احجز المراجعة عند الشحن: افحص المقياس المستهدف عند أسبوعين وعند 6 أسابيع، وسجّل النتيجة، وقرّر الإبقاء أو التكرار أو الإزالة.
اجعل التعلّم مشتركًا. اكتب كل قرار وأدلته ونتيجته في سجل قرارات المنتج. التعلّم الذي في رأس شخص واحد لا يتراكم حين يغادر أو ينسى.
ما الذي يبطّئ تعلّم فريق المنتج؟
معظم الفرق بطيئة لأسباب بنيوية، لا لقلة الجهد:
الدفعات الكبيرة. مشروع يمتد ربع سنة يعطي إجابة واحدة كل ربع سنة. وتقسيمه إلى 3-4 شرائح قابلة للاختبار يعطي 3-4 إجابات.
خرائط طريق تَعِد بميزات في تواريخ. تتحول الميزة المؤرَّخة إلى التزام، فتُتجاهل الأدلة ضدها. تُبقي خارطة الطريق القائمة على النتائج النتيجة ثابتة وتترك الرهانات تتغير.
أدلة مبعثرة عبر الأدوات. مقابلات في مكان، وتذاكر في آخر، وتحليلات في ثالث، فتبدأ كل قرار بمشروع تنقيب أثري.
لا استراتيجية يُختبر في مقابلها. من دون رهان مُعلن، تكون الاختبارات عشوائية. ولوحة استراتيجية من صفحة واحدة تسمّي أخطر الافتراضات التي يجدر اختبارها أولًا.
الأخطاء الشائعة والحدود
عدّ التجارب بدل القرارات. الفريق الذي يجري 40 اختبارًا شهريًا ولا يغيّر شيئًا لديه نشاط لا تعلّم. تتبّع القرارات المتخذة بناءً على النتائج.
السرعة بلا صرامة. تحذّر ورقة Kohavi من التجارب المتتابعة غير المضبوطة، مثل مقارنة هذا الأسبوع بالأسبوع الماضي بدل تشغيل مجموعة ضابطة في الوقت نفسه، لأنها كثيرًا جدًا ما تضلّل. السريع الخاطئ أسوأ من البطيء الصحيح.
افتراض أنك تحتاج إلى اختبارات A/B. تحتاج التجارب المضبوطة إلى حركة مرور. منتج لديه 200 مستخدم أسبوعيًا لا يستطيع رصد التأثيرات الصغيرة. وتحت هذا الحجم يأتي التعلّم السريع من المقابلات واختبارات سهولة الاستخدام والأبواب الوهمية وعروض الكونسيرج، لا من الإحصاء.
مسرح التعلّم. البحث الذي لا يغيّر قرارًا أبدًا مسرح. إذا لم تغيّر آخر 10 دراسات شيئًا في خارطة الطريق، فاسأل نفسك هل كانت الخارطة محسومة سلفًا.
تجاهل القرارات التي لا رجعة فيها. تغييرات الأسعار وترحيل البيانات والالتزامات العلنية أبواب باتجاه واحد. وهي تستحق المسار البطيء، حتى في فريق سريع التعلّم.
أين يندرج Specky
أبطأ أجزاء الحلقة هي عادةً جمع الأدلة وإغلاق الحلقة بعد الإطلاق، وهنا يساعد Specky. فهو يقرأ مكالمات العملاء والملاحظات وSlack وJira والتحليلات داخل Product Graph، فيبدأ كل سؤال جديد مما تعرفه بالفعل. أما Alex، وكيل البحث بالذكاء الاصطناعي فيه، فيُجري مقابلات العملاء عبر رابط قابل للمشاركة، فلا ينتظر البحث التقاويم. وبعد الإطلاق، يتحقق مما إذا كان الرهان حرّك هدفه، ويحتفظ Decision Log بالسجل. وبالنسبة إلى المؤسسات الأكبر، فإن الحلقة نفسها عبر فرق (squads) كثيرة جزء من نموذج تشغيل المنتج للفرق المتنامية.
الأسئلة الشائعة
ما هي سرعة التعلّم في إدارة المنتج؟
سرعة التعلّم هي السرعة التي يحوّل بها فريق المنتج الافتراضات إلى قرارات مدعومة بالأدلة. وتُقاس من لحظة تدوين السؤال إلى لحظة اتخاذ قرار ببناء أو تغيير أو إيقاف بناءً على النتيجة. وتختلف عن سرعة التسليم، التي تقيس مدى سرعة وصول الشيفرة إلى الإنتاج، سواء نجحت أم لا.
كيف تقيس سرعة التعلّم؟
تتبّع أربعة أرقام: زمن دورة التعلّم الوسيط (الأيام من الافتراض إلى القرار)، والقرارات المُتحقَّق منها شهريًا، ونسبة الرهانات المُطلقة التي روجعت مقابل مقياسها المستهدف خلال نحو 6 أسابيع، ونقاط التواصل مع العملاء أسبوعيًا. استخدمها معًا، لأن أيًّا منها وحده يمكن التلاعب به، مثل إجراء تجارب كثيرة تافهة.
هل سرعة التعلّم هي نفسها سرعة التجريب؟
لا. سرعة التجريب تعدّ الاختبارات المُجراة؛ وسرعة التعلّم تعدّ القرارات التي غيّرتها الأدلة أو أكدتها. قد يجري الفريق تجارب كثيرة ويتعلم قليلًا إذا كانت الاختبارات تافهة أو لم تؤثر النتائج في خارطة الطريق قط. سرعة التجريب مُدخل مفيد، لكن المخرج المهم هو قرارات أفضل تُتخذ أبكر.
هل يستطيع شركة ناشئة صغيرة أن تتعلم أسرع دون اختبارات A/B؟
نعم. يأتي معظم التعلّم في المراحل المبكرة من الأساليب النوعية ومنخفضة حركة المرور: مقابلات العملاء، واختبارات سهولة الاستخدام، واختبارات الأبواب الوهمية، وعروض الكونسيرج، ومحادثات التسعير. ويمكنها الإجابة عن سؤال في 2-10 أيام. ولا تصبح اختبارات A/B مفيدة إلا حين تمتلك حركة مرور كافية لرصد أحجام التأثير التي تهمك، وهو ما لا تملكه معظم المنتجات التي يقل مستخدموها الأسبوعيون عن بضعة آلاف.
لماذا تهمّ سرعة التعلّم أكثر الآن وقد صار الذكاء الاصطناعي يكتب الشيفرة؟
لأن الذكاء الاصطناعي يخفّض تكلفة البناء، لا تكلفة بناء الشيء الخاطئ. وجدت دراسة GitHub لعام 2022 أن المطورين أنهوا مهمة أسرع بنسبة 55% باستخدام Copilot. وحين تصبح الميزات رخيصة البناء، تصبح المهارة الشحيحة هي معرفة أيها يُبنى، والفريق الذي يتحقق من أفكاره أسرع يُهدر أقل من قدرته الجديدة.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing