Teknologichef for produktudvikling siger, at produktledere stiller de forkerte spørgsmål – og går glip af de største muligheder

Emrecan Dogan er CPO hos Glean. Han har også haft ledende produktroller hos Stripe og LinkedIn.

Vi talte med ham for at få en fornemmelse af, hvordan PM-perspektiver skal ændre sig med AI. Han sagde, at de fleste teams stadig behandler AI som en funktion – og det er en fejl.

AI er en mulighed for at bygge kontekstbevidste systemer

Jeg er Emrecan Dogan, produktdirektør hos Glean. Jeg har ansvar for produkt, datavidenskab, produktdrift og tekniske programmer, og jeg fokuserer på at hjælpe teams med virkelig at basere deres daglige arbejde på AI.

Min karriere har altid ligget i krydsfeltet mellem systemer, produktmæssig dømmekraft og skalering. Før Glean arbejdede jeg i ledende produktroller hos Stripe og LinkedIn. Jeg brugte også tid på startups og investeringer, hvilket gav mig en plads på første række til at se, hvordan platformsændringer sker, og hvor hurtigt produktantagelser kan bryde sammen, når ny teknologi bliver levedygtig.

AI greb mig så dybt, fordi det ikke bare er endnu en bølge af funktioner. Det ændrer selve produktets form. I mange år hjalp software primært brugerne med at navigere i systemer, der fungerede som autoritative datakilder. Men AI giver os mulighed for at bygge systemer, der forstår kontekst, ræsonnerer på tværs af værktøjer og hjælper mennesker med at gå fra intention til udførelse. Som produktleder er jeg mest interesseret i denne transformation.

Emrecan deler

I mange år hjalp software primært brugerne med at navigere i systemer, der fungerede som autoritative datakilder. Men AI giver os mulighed for at bygge systemer, der forstår kontekst, ræsonnerer på tværs af værktøjer og hjælper mennesker med at gå fra intention til udførelse. Som produktleder er jeg mest interesseret i denne transformation.

Udfordringen ved at bygge værktøjer, der både er brede og præcise

Min organisation bygger AI til sikkert arbejde i virksomheder: virksomhedssøgning, proaktive assistenter, agenter og det kontekstlag, der hjælper disse oplevelser med at forstå en virksomheds medarbejdere, viden, værktøjer og tilladelser.

Produktet er grundlæggende horisontalt. Vi bygger til alle afdelinger og teams på tværs af virksomheden – fra produkt og produktudvikling til salg og support samt IT, HR, økonomi, jura og meget mere. De deler alle det samme grundlæggende behov: at hjælpe mennesker med at træffe beslutninger og få arbejdet udført på tværs af et fragmenteret landskab af apps, dokumenter, samtaler og systemer.

Vi leverer dette som en SaaS-platform til virksomheder, der er designet til at fungere på tværs af et bredt og komplekst udvalg af systemer, samtidig med at den tager dybt hensyn til tilladelser, er pålidelig og indlejret i brugernes daglige arbejdsgange. Udfordringen – og muligheden – er at bygge noget, der kan være bredt nyttigt i hele virksomheden, samtidig med at det føles præcist og relevant i hvert teams specifikke kontekst.

Hvordan AI ændrer produkter fra funktioner til arbejdsgange

Vi definerer ikke længere primært produktet som isolerede funktioner. Vi definerer det som en ende-til-ende-produktarbejdsgang.

For et år siden tænkte mange teams, inklusive vores eget, stadig i termer som: “Hvor findes denne funktion?” eller “Hvilken side skal eje denne anvendelse?” AI fik os til at stille et andet spørgsmål: “Hvordan får brugeren opgaven udført fra intention til resultat?”

Det lyder måske subtilt, men det ændrer alt. Det ændrer omfang, målinger, evaluering, UX og endda hvordan teams organiseres.

Mit synspunkt, som ikke er konsensus: De fleste teams undervurderer stadig, hvor dybtgående denne ændring er. De bruger AI til at tilføje en funktion til det eksisterende produkt. Men den større mulighed er at gentænke hele arbejdets kredsløb.

I mange tilfælde er det rigtige spørgsmål ikke længere “Hvor placerer vi denne funktion?” Det er: “Hvilken eksisterende brugergrænseflade bør forsvinde, fordi systemet nu kan udføre arbejdet mere direkte?”

Hvordan AI informerer produktbeslutninger, mens mennesker sikrer tillid

Jeg bruger AI intensivt til syntese, udforskning og til at gøre mit arbejde hurtigere. Opgaverne omfatter:

• Opsummering af kundefeedback på tværs af mange input
• Identifikation af mønstre i brugs- og workflowdata
• Udarbejdelse af PRD-struktur eller indramningsmuligheder
• Hurtig udforskning af flere UX-retninger
• Stresstest af antagelser
• Oprettelse af første udkast til materialer til planlægning, gennemgange og kommunikation

Det, der fortsat udtrykkeligt er menneskeligt, er dømmekraft. Mange placerer grænsen mellem menneske og maskine det forkerte sted. Grænsen går ikke ved, at AI udfører arbejde med lav værdi, mens mennesker udfører arbejde med høj værdi. Grænsen går ved, at AI bør stå for den brede søgning, komprimering og generering af muligheder, mens mennesker fortsat er ansvarlige for sans for kvalitet, tillid og uigenkaldelige afvejninger.

Jeg ville aldrig udlicitere produktfornemmelse. Jeg ville aldrig udlicitere beslutninger om adgangsstyring eller tillid. Og jeg ville aldrig lade en model træffe den endelige beslutning om, hvad der skal bygges, blot fordi den kan argumentere for flere muligheder.

Det er billigt at generere muligheder nu. Sammenhængende dømmekraft er det ikke.

Sådan forbedrer AI arbejdsgange til produktplanlægning

Lad os tage vores arbejdsgang til produktplanlægning som eksempel.

Jeg begynder måske med et bredt spørgsmål som: “Hjælp mig med at vurdere, om dette problem er værd at løse nu.”

Derfra samler systemet kundefeedback, tidligere interne dokumenter, brugssignaler, relateret køreplansarbejde og konkurrencemæssig kontekst. Og jeg bruger AI til at sammenfatte de vigtigste mønstre, identificere ubesvarede spørgsmål og udarbejde en første indramning af produktet.

Derefter bruger jeg det til at omsætte denne indramning til mere konkrete materialer: et udkast til en specifikation, en række muligheder, afhængigheder, overvejelser ved lancering og handlingspunkter for teamet.

Og i den stærkeste version af denne arbejdsgang stopper assistenten ikke ved at udarbejde udkast. Den hjælper med at oprette eller opdatere de underliggende objekter i de systemer, hvor arbejdet foregår, med et menneske i processen, før noget bliver forpligtende.

Arbejdsgangen bevæger sig fra undersøgelse til sammenfatning til udførelse i én sammenhængende proces. Det er her, AI bliver langt mere værdifuld end en chatbot.

Hvorfor AI fremskynder produktudvikling, men udfordrer tilliden

Et positivt resultat af alt dette er, at loftet ligger betydeligt højere.

AI kan komprimere arbejdsgange, der tidligere krævede omfattende skift mellem faner, manuel sammenfatning og gentagen koordinering. Det kan gøre produktteams hurtigere til at bevæge sig fra spørgsmål til kontekst, fra kontekst til beslutning og fra beslutning til handling. Det hæver også brugernes forventninger. Når først folk oplever en assistent, der kan forstå deres værktøjer, historik og tilladelser, holder de op med at ønske punktløsninger, der kun besvarer snævre spørgsmål.

AI udvider altså mulighederne hurtigt, men varig produktværdi kommer stadig fra grundighed.

Sådan forebygger design med fokus på tillid faldgruber i AI-produkter

Et negativt resultat er, at AI også gør det lettere at lancere noget imponerende, som endnu ikke er troværdigt. Tidligt i processen fokuserer mange teams for meget på demoværdi og for lidt på evaluering, tilladelser, pålidelighed og tydelig UX vedrørende systemets funktion. Man kan hurtigt skabe begejstring, men hvis resultaterne er inkonsekvente, eller arbejdsgangen bryder sammen i den sidste del, mister brugerne lige så hurtigt tilliden.

Tillid bør ikke være et lag, du tilføjer senere. Det er en del af produktet fra dag ét.

Brugerne stiller næsten øjeblikkeligt dybere spørgsmål: Hvor stammer dette fra? Hvorfor gjorde den det? Kan jeg stole på det? Vil det respektere tilladelser? Hvad sker der, hvis det er forkert? Hvis du ikke designer med disse spørgsmål for øje tidligt, ender du med at genopbygge centrale dele af produktet senere.

Hvis jeg havde vidst det mere indgående tidligt i min produktledelse, ville jeg endnu tidligere have insisteret på tydelige kildehenvisninger, bedre evalueringer, større synlighed omkring fremskridt og strammere kontroller med mennesker i løkken.

Hvorfor systemet omkring AI betyder mest

AI har endnu ikke konsekvent leveret fuldt autonome arbejdsgange med lang tidshorisont, sådan som mange håbede.

Det udmærker sig ved afgrænsede opgaver. Det bliver bedre til flertrinsudførelse. Men når det står over for tværfunktionelt arbejde med uklare rammer, som kræver vedvarende dømmekraft, skiftende mål og en nuanceret forståelse af interessenter, er forskellen mellem en stærk demonstration og pålidelig værdi i produktion stadig reel.

AI leverer også under forventningerne, når teams antager, at modellen alene er produktet. I praksis kommer den reelle værdi fra kontekst, tilladelser, orkestrering, evaluering og gennemtænkt design af arbejdsgange. Uden dette omkringliggende system er modellen ofte den mindst differentierede del.

Emrecan Shares

Det (AI) udmærker sig ved afgrænsede opgaver. Det bliver bedre til flertrinsudførelse. Men når det står over for tværfunktionelt arbejde med uklare rammer, som kræver vedvarende dømmekraft, skiftende mål og en nuanceret forståelse af interessenter, er forskellen mellem en stærk demonstration og pålidelig værdi i produktion stadig reel.

Sådan gør AI produktteams tværfaglige

AI har gjort de bedste teams mere tværfaglige. Grænserne mellem PM, design, udvikling, datavidenskab og produktdrift er mindre rigide, fordi selve produktet er mindre rigidt.

Udvikling af stærke AI-baserede produkter kræver tættere samarbejde om design af arbejdsgange, evaluering, tillid og iteration. Det øger også betydningen af personer, der kan skifte perspektiv mellem brugeroplevelse og systemadfærd.

Sådan bør produktledere tilpasse sig AI-drevet forandring

Her er mit råd:

1. Gentænk jeres arbejdsgange.
2. Se kontekst som en grundlæggende produktbyggesten. I AI-produkter er forskellen mellem noget magisk og noget middelmådigt ofte ikke modellen. Det afgørende er, om systemet har den rette kontekst på det rette tidspunkt og kan handle sikkert på den.
3. Investér i evaluerings- og tillidsinfrastruktur tidligere, end det føles naturligt. Produktledere er vant til at instrumentere klik og salgstragte. I AI skal I også instrumentere kvalitet, forankring, sikkerhed, tilladelser og opgavesucces. Det er ikke valgfrit. Branchen investerer stadig for lidt her, fordi demonstrationer belønner nytænkning, og brugere belønner pålidelighed. Vend den sædvanlige rækkefølge af aktiviteter på hovedet: Hvis jeres team ikke har opbygget evalueringer, tilladelsesstyring, kildehenvisninger og tydelige overdragelser, er I ikke klar til at skalere oplevelsen, uanset hvor god modellen ser ud i en demonstration.
4. Vent endelig ikke på sikkerhed. Det er et tidspunkt, hvor man lærer ved at sende ting ud, men med disciplin.

Følg med

Du kan følge Emrecan Dogans arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CPO Club!