Sådan bryder du ind i produktledelse i 2025 (med Mariana Antaya, produktchef hos Microsoft)

Læs transskriptionen:

Vi prøver at transskribere vores podcasts ved hjælp af et softwareprogram. Bær over med eventuelle slåfejl, da botten ikke er korrekt 100 % af tiden.

Hannah Clark: Du ved, når du støder ind i en person, du ikke har set i virkelig lang tid, og en af jer siger: “Hvad er der nyt hos dig?” Og der faktisk er gået så lang tid, siden I sidst så hinanden, at du ikke engang ved, hvor du skal begynde? Sådan havde jeg det, da jeg talte med Mariana Antaya, som var gæst hos os tilbage i februar 2024.

Da Mariana var med i programmet dengang, var hendes karriere som produktchef netop begyndt, hun havde lige lanceret sin TikTok-konto, og hun var på vej ind i sit tredje år som grundlægger af quantifAI, et værktøj til optimering af kryptostrategier. Men hun kom med nogle meget praktiske tips til kommende produktchefer, der gerne vil bryde ind i branchen, og den dag i dag er det stadig vores mest downloadede episode nogensinde.

Og lige nu kan jeg næsten ikke tro, at det kun var et år siden. Siden da er AI blevet mainstream, arbejdsmarkedet inden for teknologi ser helt anderledes ud, og vores respektive platforme er vokset betydeligt. Derfor syntes vi, at det var på høje tid at invitere Mariana tilbage i programmet for at indhente det forsømte og, endnu vigtigere, give dagens kommende produktchefer en opdatering om, hvad de skal vide for at få succes som produktchef i 2025. Lad os komme i gang.

Nå ja, vi har samtaler som denne hver uge, så hvis det lyder interessant for dig, hvorfor så ikke abonnere? Okay, lad os komme i gang.

Velkommen tilbage til Product Manager-podcasten. Vi har en meget særlig episode i dag. I dag har vi besøg af Mariana Antaya, som faktisk var med i vores podcast for lidt over et år siden. Så til jer, der ikke har fulgt os så længe: Jeg føler mig som sådan en mor, en stolt mor, når jeg fortæller denne historie. Mariana er ikke min datter, men jeg er stadig meget stolt, for grunden til, at vi mødte hinanden, er, at hun kontaktede os på LinkedIn. Hun kommenterede på et opslag om en af vores episoder og skrev sådan lidt tilfældigt: “Jeg ville elske at være med i en podcast en dag.”

Og Becca, vores producent, og jeg talte sammen, og vi sagde: “Lad os få hende med, lad os se, hvad hun kan.” Det endte med at blive vores mest populære episode nogensinde med en ganske stor margin. Så Mariana er produktchef hos Microsoft nu, og jeg taler om hende, som om hun ikke sidder lige her. Så tak, fordi du ville være med.

Mariana Antaya: Selvfølgelig. Helt sikkert. Jeg er meget begejstret for at være sammen med dig igen og kunne tale om det nyeste og bedste inden for AI og produkter, og det har været en rejse. Vi er begge vokset så meget, så jeg er meget stolt.

Hannah Clark: Det er jeg også. Åh gud.

Okay, sidst vi talte sammen, var vi lige ved at starte programmet. Du var lige ved at få din karriere i gang. Du var begyndt på TikTok for nylig. Vi var lige begyndt at optage og udgive episoder. Vi har begge oplevet en meget stor forandring i vores liv. Så nok om os. Fortæl os om dig. Hvad er der sket i din karriere? Hvad er der sket med dit indhold på sociale medier? Fortæl mig alt.

Mariana Antaya: Ja, det går rigtig godt med min karriere. Jeg er stadig hos Microsoft, og vi har helt sikkert bevæget os mere i retning af et fokus på AI-produkter og AI-strategi, ligesom de fleste virksomheder også har gjort. Det har været virkelig fascinerende at se den ændring finde sted og vokse i virksomhedskulturen.

Og når det gælder indhold, skaber jeg en masse produktindhold, men også en masse indhold om kunstig intelligens, og jeg fremhæver virkelig anvendelsesmuligheder for AI i virksomheder eller anvendelsesmuligheder, som mit publikum ville være meget interesseret i i hverdagen. En af de seneste ting, jeg lavede, var at forudsige resultatet af et Formel 1-løb, hvilket er en hobby, jeg selv dyrker.

Og jeg tænkte: Hvorfor ikke bare lægge det ud og se, om folk kunne relatere til det? Det virker, som om folk virkelig reagerer positivt på alle kodeprojekterne og de virkelig seje og fantastiske anvendelsesmuligheder, som AI har gjort synlige.

Hannah Clark: Ja, helt sikkert. Og jeg glæder mig så meget til at dykke ned i det her, for vi taler ofte med folk, der er helt på toppen af deres karriere, CPO’er og produkt-VP’er, som ser på implementering af AI i en organisation fra et ledelsesperspektiv. Og nu taler vi virkelig med dig, som rent faktisk bruger det og arbejder med det i praksis dag ud og dag ind.

Så lad os tale lidt om ændringen i kulturen og AI. Vi kommer til at have en masse om AI, men helt generelt: Når du tænker på, hvordan produktkulturen var, da du startede din karriere, og på de mennesker, der kommer ind nu, og som er mere junior end dig, hvad er så anderledes i dag?

Mariana Antaya: Der er helt sikkert sket et stort skift, når man ser på, hvor meget teknologien har udviklet sig. For det første tror jeg ikke engang, at ChatGPT fandtes, da jeg lige var begyndt.

Nu bruger vi det hver eneste dag i vores arbejdsgang. Så én ændring er, at selve teknologien har udviklet sig så meget på så kort tid. Og med det følger evnen til at indarbejde og forstå anvendelsesmulighederne for, hvordan en stor virksomhed kan integrere det i vores arbejdsgange og faktisk tilbyde de anvendelser og løsninger, som kunderne gerne vil bruge.

Der er altså sket et stort kulturskift fra en mere helhedsorienteret tilgang til nu også en lidt mere eksperimenterende tilgang, hvor man forsøger at iterere hurtigere for bedre at forstå, hvilke anvendelsesmuligheder kunderne er villige til at betale for og faktisk købe, eller hvilke anvendelsesmuligheder der reelt vil slå igennem på dette nye område.

Det er helt klart et mere eksperimenterende og hurtigere tempo end da jeg begyndte.

Hannah Clark: Noget, vi taler meget om som kultur og ikke nødvendigvis kun i programmet, er afskedigelser og den slags ustabilitet på teknologimarkedet. Jeg vil gerne høre dit perspektiv: Ser du det som en periode, hvor folk, der gerne vil ind i faget, møder større konkurrence, eller handler det mere om, at virksomhederne leder efter andre kompetencer?

Mariana Antaya: Jeg tror, at man vil begynde at lede efter andre og mere nicheprægede kompetencer til de forskellige anvendelsesmuligheder. Hvis du er domæneekspert, tror jeg virkelig, at det vil komme til udtryk i denne tid, fordi de specifikke instruktioner eller anvendelsesmuligheder, som et bestemt målmarked har, virkelig vil vække genklang.

Så hvis du virkelig kan specialisere dig inden for et område, hvor du har domæneekspertise eller praktisk erfaring, tror jeg, at det fra mit perspektiv er det, der vil gøre dig til en meget succesfuld produktchef på det marked.

Hannah Clark: Det giver rigtig god mening. Lad os gå videre til AI-delen. Jeg ved, at vi begge glæder os meget til at tale om det. Vi deler det op i nogle forskellige afsnit. Lad os først fokusere på din hverdag. Vi taler om at bygge med AI om lidt.

Du nævnte, at ChatGPT er en del af din daglige arbejdsgang, og jeg er sikker på, at det er blevet integreret i en masse forskellige funktioner. Hvilke forskellige måder bruger du AI på for at få dit daglige arbejde fra hånden?

Mariana Antaya: De største anvendelsesmuligheder er, at jeg bruger det som markedsanalytiker og til at lave konkurrentanalyser for mig. Så nu behøver jeg ikke længere vente på, at en analytiker indsamler oplysningerne for mig, eller på et stort firma, der bliver hyret til at lave al markeds- og konkurrentanalysen. Og selv når jeg gør det selv, tager det mindre tid at undersøge kunderne eller konkurrenterne og se, hvilke nye funktioner de har.

Jeg kan bare bede en stor sprogmodel om at udarbejde en markedsanalyse for mig, fortælle mig, hvilke mangler mit produkt har sammenlignet med deres, og også hjælpe mig med at forstå, hvordan vores produkt kan være foran udviklingen. Det er en af de mest praktiske anvendelsesmuligheder. Det samme gælder udarbejdelse af produktspecifikationer. AI kommer ikke til at tage vores karriere som produktchefer fra os, bare fordi den kan skrive en produktspecifikation.

Selv med nogle af de store sprogmodeller har man stadig brug for menneskelig interaktion og det menneskelige element, fordi det er os, der rent faktisk taler med kunderne hele dagen, hver dag. Det er derfor vigtigt at kunne bevare den menneskelige kontakt, men det giver mig et rigtig godt udgangspunkt for de produktspecifikationer, jeg skriver, uanset om det er en ny funktion eller flere funktioner.

Så det er endnu en meget værdifuld anvendelsesmulighed, som jeg elsker at bruge AI til.

Hannah Clark: Ja. Okay. Jeg tror, vi finder nye måder hver dag. Vi har haft gæster med, som har talt om at bruge AI til at blive bedre til at analysere data fra brugerinterviews og om forskellige måder at træne den på til at svare som en brugerpersona.

Ja, det er virkelig innovativt, de forskellige måder at understøtte sin arbejdsgang på, som simpelthen ikke var mulige før.

Mariana Antaya: Man kan endda oprette agenter. Det er virkelig fantastisk at oprette agenter. Jeg var i stand til at oprette en agent, som grundlæggende kunne opbygge mange af de kontrolpaneler, jeg har til mine funktioner. Så nu behøver jeg ikke længere bruge timevis på at opbygge kontrolpaneler for at se alle brugermålingerne, hvilket er noget, vi som produktchefer er meget afhængige af, fordi vi også bruger data til at understøtte vores hypoteser.

Ja, det har også været en gamechanger at bygge agenter til ting, man gør meget gentagne gange.

Hannah Clark: Ja. Vi havde en fantastisk episode med Tal Raviv for et stykke tid siden om, hvordan man bygger en AI-assistent til produktchefer. Han tog os gennem processen, og bare det at høre ham forklare det fik en til at tænke: Det kan man virkelig gøre. Det var virkelig sejt.

Og når vi går videre til kompetencerne: Når vi først er i branchen, kommer vi selvfølgelig til at bruge det hele tiden. Men hvordan forbereder vi os, hvis vi lige nu, lad os sige, taler til kommende produktchefer? Jeg er sikker på, at der er flere, der lytter, og som gerne vil vide: Hvad skal jeg være bekendt med, eller hvad skal jeg blive fortrolig med, før jeg begynder at søge job, hvor jeg kommer til at bruge AI hele tiden?

Mariana Antaya: Jeg tror, at en af de mest relevante kompetencer, du kan lære, især som kommende produktchef, er promptteknik og evnen til at eksperimentere med forskellige store sprogmodeller. Og hvilke anvendelsesmuligheder er de store sprogmodeller bedst til? Når jeg for eksempel skriver kode, kan jeg virkelig godt lide at bruge Claude. Claude Sonnet 3.7 er fantastisk.

Til kodning foretrækker jeg derimod noget som ChatGPT til at lave konkurrentanalyser eller produktplaner eller endda til at hjælpe mig med at strukturere mine instruktioner til andre store sprogmodeller. Faktisk kan jeg spørge ChatGPT: “Hej, hvordan skal jeg formulere min instruktion til denne sprogmodel for at få det bedst mulige resultat af X, Y, Z?” En af de bedste og mest værdifulde kompetencer, du kan lære som kommende produktchef, er efter min mening promptteknik, at udforske og endda at bygge dit eget produkt.

Der er også hele det her fænomen med kreativ kodning, og det er en fantastisk måde, selv hvis du er en ikke-teknisk produktchef, virkelig at sætte dine produktkompetencer på prøve, fordi du bogstaveligt talt bare kan bede en stor sprogmodel om at skabe et produkt og forsøge at udvikle en markedsføringsstrategi, forsøge at sælge dit produkt.

Prøv at gå til kunder og spørge dem om deres oplevelse med at bruge produktet. Det er virkelig produkt­arbejdserfaring, du får, som man ikke nødvendigvis lærer i skolen. Og det er meget værdifuld erfaring, som også kan overføres til den virkelige verden. Så det er helt klart et af de vigtigste punkter, jeg gerne vil fremhæve.

Hannah Clark: Ja, helt sikkert. Jeg er meget begejstret for den her nye trend med kreativ kodning. Jeg skal på en workshop om det senere på ugen, og jeg glæder mig virkelig til at dykke ned i det. Så vi kommer snart ind på promptteknik.

Jeg vil gerne tale lidt om at bygge AI-produkter. Altså den anden, mere kundeorienterede side. Du nævnte kreativ kodning som en måde at komme i gang med at bygge produkter til kunder på. Men specifikt at bygge AI-produkter er noget helt andet, som har ændret landskabet for AI og produktledelse. Det arbejder du med lige nu, så hvordan er det? Hvordan kan man forberede sig på at bygge AI-produkter?

Mariana Antaya: Jeg tror, at en stor del af det handler om at forstå, at alle er på denne rejse sammen lige nu. Vi eksperimenterer alle sammen. Vi ved endnu ikke helt, hvad de store anvendelsesmuligheder er, som folk virkelig vil tage til sig, eller hvilke produkter kunderne faktisk er villige til at betale for, og hvilken pris de vil betale for den funktion eller det produkt.

For det første er vi altså alle sammen i det her, men for det andet handler det virkelig om at eksperimentere mere med modeller. Jeg synes, der er så mange forskellige modeller til rådighed for os som produktchefer, og man skal samarbejde meget tæt med udviklingsteamet, så man sikrer, at nøjagtighed er vigtig, og det samme gælder svartid.

Vi ser nu, at større kompleksitet i softwaren for eksempel kommer til at øge den tid, det tager, før ting vises på skærmen. Derfor bliver det vigtigt virkelig at forstå forholdet mellem risiko og belønning: Hvor længe er din bruger villig til at vente for at få den ekstra værdi?

Og det er produktchefens rolle at træde ind og analysere det. Det bliver vigtigt at holde en tæt kontakt med kunden. Og at forstå deres arbejdsgang. Måske fungerer en forsinkelse på fire eller fem sekunder, før de ser et ekstra AI-genereret resumé, ikke i deres arbejdsgang. Så det er vigtigt at kunne forstå disse udfordringer.

Hannah Clark: Ja, det er en god pointe.

Lad os gå videre til promptteknik. Du nævnte, at det er en vigtig kompetence. Jeg tror ikke kun, det er en vigtig kompetence for vores produktchefer, der gerne vil bruge AI, eller for folk, der drømmer om at blive produktchefer. Det er en ny kompetence for alle, og jeg tror ikke, at nogen kan blive for dygtig til det.

Hvordan ser din introduktion til promptteknik ud? Når du tænker på at bygge en prompt af høj kvalitet, hvad er så det vigtigste at huske på?

Mariana Antaya: Jo mere information og kontekst du kan skrive ind i prompten, desto bedre. Hvis din prompt er meget vag, får du højst sandsynligt et meget vagt svar tilbage.

Så det er en god måde at skrive sin argumentation trin for trin på for at lave bedre prompts. Du kan for eksempel sige: “Analyser X, Y, Z i trin et, trin to og trin tre,” eller formatere dine prompts, hvilket også kan hjælpe. Der er også kommet nyere modeller, der er bedre til ræsonnement. Derfor er det vigtigt at forstå, hvilken type model du vil bruge til din prompt, men det kan også være en god idé at bede modellen om flere oplysninger.

Vær ikke bange for at fortælle den store sprogmodel, at den gjorde det dårligt. Ret modellen, så du kan få den prompt, du ønsker. Eller som jeg nævnte tidligere: Spørg en anden stor sprogmodel: “Hvordan får jeg det mest effektive output fra denne sprogmodel?” Der er også mennesker, som har skrevet artikler om det.

Det handler altså om at kunne forklare og strukturere sin prompt og give den så meget kontekst som muligt: alle dokumenterne, billeder, bøger, alt hvad du har brug for, ind i dens hjerne, så den kan forstå, hvor du kommer fra, og hvilken kontekst du har brug for. Jeg tror, det er en af de mest effektive måder, jeg har fundet til at blive bedre til promptteknik og samtidig forstå, at du skal fortælle den store sprogmodel noget. Fortæl ChatGPT: “Forestil dig, at du er dataforsker,” eller “Forestil dig, at du er seniorproduktchef hos virksomhed X, Y, Z.” At give den en identitet er også en god måde at strukturere dine prompts på, fordi den så begynder at tænke mere i den retning.

Hannah Clark: Når vi taler om at iterere på ting, nævnte du at rette store sprogmodeller. Noget, jeg er begyndt at gøre, og som virkelig har hjulpet mig, er at lukke feedbacksløjfen med dem. Hvis den giver mig et output, og jeg ændrer outputtet, før jeg bruger det, giver jeg det tilbage og siger: “Her er det, jeg har gjort med dit seneste output.”

“Husk det, så du senere kan give mig et mere effektivt eller mere præcist output.” Det har en tendens til at skubbe den i den rigtige retning, og jeg har fundet det meget nyttigt og nemt at gøre. Men hvilke tips har du samlet op, eller hvilke små tricks har du i ærmet, når det handler om at få bedre resultater hver gang?

Mariana Antaya: Jeg er stadig selv på den rejse. Ud over at give den mere kontekst, som i de tips jeg delte, lærer jeg stadig. Jeg er ikke selv ekspert i promptteknik. Jeg prøver helt sikkert bare at iterere på svaret, eller nogle gange indsætter jeg den samme prompt i en anden stor sprogmodel og ser, hvad svaret er.

Legepladser er især nyttige til det, fordi der findes et værktøj, jeg bruger, og GitHub har også noget tilsvarende, hvor man kan sammenligne outputtet fra to forskellige modeller side om side. Det er en rigtig god måde bedre at analysere, hvilken stor sprogmodel der giver dig det mest præcise svar, eller et svar, der er bedre tilpasset det, du ønsker.

Hannah Clark: Det er et virkelig godt tip. Ja, det er vel sådan, man kan afgøre, om Claude eller ChatGPT passer bedst til en bestemt opgave. Jeg ville faktisk spørge om det: Var der en grund til, eller er der nuancer i, hvorfor du valgte at bruge ChatGPT til mere analyse og Claude til at skrive kode? Og lagde du mærke til, at den ene især var bedre i de specifikke anvendelsesområder end den anden?

Mariana Antaya: Ja, helt sikkert. I kodeeksemplet sker der for eksempel ofte det, at hvis jeg prøver at kode med ChatGPT, og jeg får en fejlmeddelelse, eller hvis jeg får en fejl, efter at jeg har kørt koden, og derefter indsætter fejlen i ChatGPT, så løser den nogle gange ikke fejlen.

Det kan tage flere forsøg, før den store sprogmodel løser fejlen, mens jeg har en meget højere succesrate med Claude. Jeg synes bare, at den skriver meget renere og mere kortfattet kode. Derfor foretrækker jeg Claude. Men det er små nuancer, som man ikke kender, medmindre man virkelig prøver forskellige store sprogmodeller af og eksperimenterer med dem.

Hannah Clark: Det er interessant, for jeg oplever det samme. Jeg synes næsten, at Claude er en mere kreativ tænker, hvis det giver mening. Jeg føler mig lidt mærkelig ved at bruge ordet kreativitet i samme sammenhæng som store sprogmodeller, fordi det er så ukendt et område. Men jeg oplever, at den er mere effektiv til det, jeg har brugt den til, for eksempel at udvikle markedsføringsmateriale, mens ChatGPT … ja, jeg er enig.

Jeg synes, den er lidt mere effektiv eller bare giver bedre output, når det handler om research eller mere analytisk arbejde. Hvorfor foretrækker du ChatGPT på det område? Hvorfor synes du, at ChatGPT er bedre til mere analytiske opgaver?

Mariana Antaya: Jeg synes, at den research, den kan lave, også er meget dybdegående, og den er meget grundig.

Den er mere præcis, og måden, researchen bliver præsenteret på, kan tilpasses meget. Jeg kan sige: “Jeg vil gerne have et diagram,” eller “Giv mig en rapport.” Den ræsonnerer i højere grad over, hvad jeg beder den om at gøre. Så det handler også lidt om personlig præference, hvad du skal bruge den til, og hvilken rolle du har.

Der er helt klart et element af personlig præference.

Hannah Clark: Ja, det er jeg helt enig i. Vi talte faktisk om det internt, og mange af os var bare begejstrede for, hvordan Claude bruger sepiatoner. Noget så enkelt som en lille ændring i brugeroplevelsen, der er mere behagelig for øjnene, gør faktisk en forskel.

Jeg vil ikke holde dig for længe, så tusind tak, fordi du tog en pause fra dit travle liv for at tale med os og indhente det forsømte. Men til dem, der ikke kan få nok og gerne vil tale mere med dig eller følge med i det, du laver: Hvor kan folk finde dig online?

Mariana Antaya: Du kan finde mig på LinkedIn under Mariana Antaya eller altid på TikTok og Instagram på @mar_antaya. Jeg lægger en masse videoer om kodning, produkter og AI op der.

Hannah Clark: Fedt. Okay. Tak, fordi du ville være med.

Mariana Antaya: Jeg taler altid gerne med dig og samarbejder med dig. Hvis du har lyst til en kaffesnak, er jeg åben for at tale, så du skal bare kontakte mig på LinkedIn.

Hannah Clark: Tusind tak. Tak.

Tak, fordi du lyttede med. Få flere gode indsigter, vejledninger og anmeldelser af værktøjer ved at abonnere på vores nyhedsbrev på theproductmanager.com/subscribe. Du kan høre flere samtaler som denne ved at abonnere på The Product Manager dér, hvor du normalt hører dine podcasts.