Senior vicepræsident for produktområdet siger, at traditionel produktledelsespraksis er “helt forkert” takket være AI

Ibrahim Bashir har tidligere stået i spidsen for produktinitiativer hos Box, Twitter, Amplitude og Amazon, og han er i øjeblikket SVP for produkt hos Ontra. Han er skaberen af nyhedsbrevet Run the Business.

Vi satte os ned med Ibrahim for at få en fornemmelse af, hvordan AI ændrer hans organisation – og produktledelse generelt. Her er, hvad han delte.

Opbygning af teams, lancering af produkter og gentagelse af resultater

Jeg hedder Ibrahim Bashir. Jeg er i øjeblikket SVP for produkt hos Ontra, hvor jeg leder omkring 60 personer inden for produktledelse, brugeroplevelse, datavidenskab og drift.

Ontra er et AI-drevet juridisk operativsystem til private markeder: Vi automatiserer kontrakter, forpligtelser, enhedsstyring og arbejdsgange for compliance gennem hele fondens livscyklus. Vores kunder er primært private equity- og venturekapitalfonde, investeringsbanker, direkte långivere samt de advokatfirmaer og tjenesteudbydere, der understøtter dem. Alt i alt arbejder vi med mere end 1.000 firmaer globalt, herunder ni af de ti største private equity-firmaer.

Vores leverancemodel er nok det mest særegne ved os, og den er særligt relevant for denne samtale. Vi leverer både traditionelle SaaS-produkter via abonnement og et tilbud om administrerede tjenester, hvor juridiske eksperter bruger AI til at udføre arbejdet direkte på kundernes vegne.

Denne dobbelte model giver os mulighed for i realtid at se, hvor AI kan håndtere hele arbejdsgangen fra ende til anden, og hvor et menneske stadig skal være involveret. Det giver et enestående perspektiv på, hvordan AI-baserede produkter bliver udviklet og taget i brug i virksomhedsmiljøer, hvor der er meget på spil.

Før Ontra skalerede jeg det førende produkt hos Amplitude, udviklede nye forretningsområder hos Box, byggede serviceinfrastruktur hos Twitter og lancerede produkter i Kindle-økosystemet hos Amazon.

Gennem det hele har jeg fokuseret på tre ting: at opbygge teams, lancere produkter og gentage resultater. Jeg skriver også Run the Business, et Substack-nyhedsbrev for B2B-produktledere, som jeg bruger som en slags lærred til at tydeliggøre mine tanker. Mit mål er at forbinde erfaringer fra praksis, idéer fra min læsning og rammeværk, jeg har lånt gennem samarbejde.

Hvorfor AI gjorde gamle produktantagelser forkerte

Det, der gør dette AI-øjeblik anderledes for mig, er ikke kurven for modellernes kapacitet. Det er, at AI stille og roligt udhuler de fleste af de antagelser, jeg som B2B-produktleder har internaliseret gennem det seneste årti.

Driftsprincipper, som jeg tidligere kunne fremsige uden at tænke, er ikke ligefrem forkerte, men AI omformer dem i realtid.

Tag forandringsledelse. Det handlede om at reducere indlæringskurven, så brugerne kom igennem friktionen ved et nyt værktøj. I et AI-baseret produkt er værktøjet ofte ikke svært at bruge; modstanden er mere eksistentiel – "Er jeg ved at oplære min afløser?" En anden grundårsag kræver et andet svar.

Så det reelle arbejde med produktledelse lige nu handler mindre om at tilføje AI til køreplanen og mere om ærligt at gennemgå, hvilke af dine tidligere antagelser der stadig fortjener at blive bevaret.

Ibrahim deler

Så det reelle arbejde med produktledelse lige nu handler mindre om at tilføje AI til køreplanen og mere om ærligt at gennemgå, hvilke af dine tidligere antagelser der stadig fortjener at blive bevaret.

Hvor AI giver det største afkast for produktledere

Jeg bruger AI i alle dele af produktudviklingens livscyklus, men syntese i stor skala giver det største afkast:

• Opsummering af temaer på tværs af kundesamtaler
• Generering af varianter af præsentationer om køreplanen
• Omsætning af strategiske talepunkter til kommunikation på forskellige niveauer
• Og så videre

Arbejdet med vurdering og fortolkning, som mangler meget fortilfælde eller kontekst, kræver stadig primært mennesker. Men AI er ved at blive en god sparringspartner, selv i disse scenarier.

Hvordan AI kan forene forskellige produktperspektiver

Her er en anden fordel: AI forenkler processen med at samle og forene produktperspektiver på tværs af en virksomhed, hvilket reducerer den friktion, der typisk opstår, når et produkt nærmer sig lancering.

Nu kan teams lettere opbygge en fælles forståelse af problemet, personaen, løsningen og differentieringen langt tidligere ved hjælp af skriftlige og visualiserede artefakter, hvilket forhindrer uoverensstemmelser senere i udviklingsforløbet.

Hvordan produktledere kan forberede sig til kundemøder med AI

Når jeg forbereder mig til et kundemøde, samler jeg alle vores oplysninger om kontoen fra forskellige systemer, herunder udskrifter af opkald, for at få et 360-graders billede af, hvad de interesserer sig for, fremskridtene med produktfeedback og et dossier om de vigtigste interessenter.

Arbejdsgangen involverer Claude sammen med værktøjer som Gainsight, Gong og Snowflake.

Hvordan AI påvirker produktets cyklustid

AI har tilskyndet mig til at være mere ambitiøs og også genbesøge gamle idéer, som måske ville have været sværere at udforske tidligere.

Det har også gjort mig mere tilbøjelig til hurtigt at afprøve og skrotte produktidéer. I vores branche taler vi ganske vist om produktinitiativer, men vi starter sjældent noget, der ikke bliver lanceret.

AI gør det muligt for os at gennemføre hurtigere idéudvikling og prototypeudvikling, hvilket reducerer cyklustiden fra idé til lancering.

Men det har også en bagside. Produktteams skal overveje og reagere på flere idéer. At følge med i mængden af idéer fra hele virksomheden gør hver uge til en hackuge.

Hvordan kunder kan begrænse fordelene ved AI

Nu hvor AI har reduceret vores cyklustider, er vi stødt på et nyt problem.

Partnernes tilgængelighed som medudviklere er stadig begrænset. Vi sælger til en nichepræget købergruppe, så deres tid og mulighed for at deltage i betaprogrammer er begrænset. De kan kun håndtere en begrænset mængde forandringsledelse.

Så selvom AI har hjulpet med mængden, er vi stadig ved at finde ud af, hvordan vi skal rulle det ud og understøtte det.

Hvordan AI skaber urealistiske forventninger

AI skaber en falsk fornemmelse af, at det er nemt at gøre noget produktionsklart, så forventningerne til lanceringshastighed og udbredelse ikke stemmer overens med virkeligheden.

Forvent hurtigere idéudvikling, men på et tidspunkt er GA en helt anden målestok.

Hvorfor AI's omkostningseffektivitet skal vurderes

Vi diskuterede ikke de samlede omkostninger ved at bygge det.

Mange ser AI som et næsten gratis produktivitetsboost, men på et tidspunkt skal man sammenligne tokenforbrug med medarbejderforbrug, og regnestykket er måske ikke altid til AI's fordel.

For eksempel er det måske snart ikke omkostningseffektivt at bruge Claude til at overvåge din Slack og læse beskeder.

Hvorfor produktledere må smøge ærmerne op og eksperimentere med AI

Jeg opfordrer produktledere til at bevare en lærende indstilling, forblive nysgerrige og tilskynde til eksperimenter. Vær ikke for hængt op på bedste praksis fra den tidligere æra inden for softwareudvikling.

Jeg har haft gode resultater med selv at rulle ærmerne op og dele mine egne eksperimenter, motivere teams med sjove priser for kreativitet og afsætte tid specifikt til at gå på opdagelse i stedet for at fokusere 100 % på at levere køreplanen.

Det er også helt i orden at afprøve flere værktøjer til det samme scenarie. Modeller og produkter udvikler sig hurtigt — der er ingen grund til at træffe for tidlige beslutninger om at låse sig fast.

Ibrahim deler

…det er også helt i orden at afprøve flere værktøjer til det samme scenarie. Modeller og produkter udvikler sig hurtigt — der er ingen grund til at træffe for tidlige beslutninger om at låse sig fast.

Følg med

Du kan følge Ibrahim Bashirs arbejde på LinkedIn. Tjek også hans Substack, Kør forretningen.

Der kommer flere ekspertinterviews på The CPO Club!