Senior vicepræsident for produktledelse fortæller om skiftet fra lineære processer til parallel iteration

Suman Chittimuri er senior vicepræsident for produktledelse hos Kore.ai, hvor han leder AI-drevne produkter, der betjener millioner af brugere på tværs af virksomhedsarbejdsgange som HR, IT, indkøb og kundeoplevelse.

Vi talte med Suman for at forstå, hvordan AI omformer produktudvikling som disciplin. Han argumenterede for, at AI i stedet for blot at forbedre eksisterende arbejdsgange tvinger teams til at gentænke dem fuldstændigt — fra lineære processer til kontinuerlig, parallel iteration.

Anvendelse af AI på tværs af virksomhedsarbejdsgange

Jeg er senior vicepræsident for produktledelse hos Kore.ai, hvor jeg leder produktinitiativer, der anvender AI på tværs af virksomhedsarbejdsgange — inden for HR, IT, indkøb og kundeoplevelse.

Vi designer vores produkter til store virksomheder, hvor de betjener både medarbejdere og slutkunder i stor skala på tværs af brancher som bankvæsen, sundhedssektoren og detailhandel og understøtter millioner af interaktioner. Vi anvender desuden en platformbaseret leverancemodel, hvor vi opbygger centrale AI-funktioner som genanvendelige komponenter og implementerer dem på tværs af flere arbejdsgange — så vi kan skalere anvendelsesområder hurtigere og samtidig bevare ensartethed og kontrol.

I løbet af det seneste år er AI gået fra at være et understøttende lag til at være et centralt eksekveringslag. Denne ændring påvirker ikke kun funktioner, men også hvordan vi designer produkter, hvordan teams arbejder, og hvor hurtigt vi bevæger os fra idé til effekt.

Denne ændring i vores måde at tænke produkter på formede min rejse ind i AI-ledet produkttransformation.

Sådan fremskynder AI arbejdsgange inden for produktudvikling

På grund af AI er vi gået fra en lineær produktudviklingsmodel til en mere kontinuerlig, AI-understøttet arbejdsgang.

Tidligere foregik afdækning, udarbejdelse af PRD'er, design og prototyper sekventielt. AI bryder denne model. Den understøtter hvert af disse trin parallelt ved næsten samtidig at generere input til research, udarbejde specifikationer og skabe tidlige prototyper.

Resultatet var ændringer i hastighed og iteration. Det, der tidligere tog dage, sker nu på timer, så teams kan undersøge flere muligheder og forbedre hurtigere. Det betyder, at teams kan — og bør — undersøge flere muligheder, før de træffer en beslutning.

Alt dette kræver nogle ændringer:

• Fra sekventielle overdragelser til kontinuerlig iteration
• Fra produktion af artefakter til forbedring af resultater
• Fra begrænset udforskning til hurtige eksperimenter

Flaskehalsen er ikke længere at bygge — men at beslutte, hvad der skal bygges, og validere det effektivt. Vi har været nødt til at styrke valideringslagene og anvende menneskelig dømmekraft mere bevidst.

Hvorfor AI informerer produktbeslutninger — men mennesker træffer de endelige beslutninger

Vi er i høj grad afhængige af AI til at informere og fremskynde opstrømsaktiviteter og aktiviteter, der kræver meget eksekvering:

• Understøttelse af afdækning (sekundær research, konkurrentanalyse)
• Problemformulering og indledende udforskning af løsninger
• Udarbejdelse af PRD'er og input til produktplaner
• UX-koncepter og tidlig prototypeudvikling
• Eksperimentdesign og udforskning af tekniske afvejninger

Det er områder, hvor hastighed, bredde og iteration er vigtige. Her klarer AI sig godt.

Menneskelig involvering er fortsat eksplicit i beslutningstagning og områder, hvor kontekst spiller en stor rolle:

• Primær undersøgelse og dyb kundeindsigt
• Endelig prioritering og forpligtelser i roadmapet
• Forfinelse af brugeroplevelsen og designkonsistens
• Fortolkning af eksperimentresultater
• Afvejning af beslutninger på tværs af forretning, teknologi og interessenter

Årsagen er enkel: AI er stærk til at generere muligheder og mønstre, men svagere, når det gælder dømmekraft, kontekst og ansvarlighed.

Efter min erfaring accelererer AI "hvordan" og "hvad der er muligt", mens mit team og jeg har ansvaret for "hvad der er vigtigt" og "hvad vi forpligter os til".

Hvordan AI øger produktudviklingens hastighed, men udfordrer kvaliteten

Overordnet set har jeg set tydelige forbedringer i hastighed og gennemløb på tværs af produktaktiviteter:

• Oprettelse af PRD'er reduceret fra ~1 dag til ~2–3 timer
• Tidlig prototypeudvikling reduceret fra ~2 dage til ~4–6 timer
• Konkurrent- og markedsundersøgelse reduceret fra ~5–6 timer til ~1–2 timer
• Dataanalysecyklusser forkortet med ~60–70 %

Det giver teams mulighed for at undersøge flere muligheder og iterere hurtigere inden for de samme tidsrammer.

På den negative side er kvalitet og konsistens ujævn:

• AI-output kræver ofte betydelig validering og efterbearbejdning.
• Teams har en tendens til at stole for meget på de første resultater, hvilket fører til overfladisk tænkning.
• Konsistensen i brugeroplevelsen forringes, når AI genererer prototyper uden stærkt designtilsyn.
• I nogle domæner stagnerer nøjagtigheden (f.eks. 80–85 % ved struktureret ekstraktion), hvilket begrænser anvendelsen i beslutninger med store konsekvenser.

AI forbedrer effektiviteten markant, men resultaterne afhænger stadig i høj grad af, hvor grundigt teams gennemgår og forfiner det, AI producerer.

Suman deler

AI forbedrer ikke bare arbejdsgange — det tvinger dig til at gentænke dem…AI forbedrer effektiviteten markant, men resultaterne afhænger stadig i høj grad af, hvor grundigt teams gennemgår og forfiner det, AI producerer.

Hvorfor AI kræver, at produktarbejdsgange gentænkes

Her er noget, produktledere skal vide: AI forbedrer ikke bare arbejdsgange — det tvinger dig til at gentænke dem.

De fleste teams starter med at lægge AI oven på eksisterende processer og tilføjer copiloter, assistenter eller automatisering i foruddefinerede trin. Det fører normalt til trinvise forbedringer i hastighed eller effektivitet, men det grundlæggende system forbliver uændret.

Den reelle mulighed opstår, når du redesigner arbejdsgange med udgangspunkt i, at AI er en kernekomponent fra starten.

Når du gør det, ændrer nogle ting sig:

• Arbejdet bliver mindre lineært og mere parallelt — produktopdagelse, prototypeudvikling og validering kan foregå samtidigt.
• Omkostningerne ved at skabe og teste idéer falder markant, hvilket muliggør flere iterationer.
• Teamets rolle bevæger sig fra at generere output til at gennemgå, forfine og træffe beslutninger.
• Flaskehalsene flytter sig fra udførelse til dømmekraft, validering og koordinering.

Men det kræver, at man gentænker ikke bare processer, men også roller, ejerskab og hvordan man måler kvalitet.

Hvis du ikke ændrer systemet, begrænser du resultatet. Du får hurtigere versioner af de samme arbejdsgange — ikke grundlæggende bedre arbejdsgange.

Hvordan AI har effektiviseret arbejdsgange for produktopdagelse og prototypeudvikling

Lad os tale om vores arbejdsgang fra produktopdagelse til prototypeudvikling.

Vi begynder med AI-understøttet produktopdagelse, hvor AI sammenfatter markedssignaler, konkurrenternes tiltag og interne data for at skabe et indledende billede af problemområdet. Primær undersøgelse ledet af mennesker — kundesamtaler og input fra interessenter — supplerer dette.

Derefter hjælper AI med at strukturere problemet og udforske løsninger ved at generere flere tilgange, afvejninger og indledende hypoteser.

Herefter går vi videre til oprettelsen af PRD'en, hvor AI udarbejder den første version af krav, brugerflows og særtilfælde. Produktchefer forfiner dette med forretningskontekst, begrænsninger og prioriteter.

Sideløbende understøtter AI UX-idéudvikling og tidlig prototyping ved at generere wireframes eller flows til hurtig gennemgang og iteration.

Endelig gennemfører vi en valideringsrunde, før vi bygger:

• Produktledelse, design og udvikling gennemgår resultaterne.
• Vi identificerer mangler, uoverensstemmelser og risici.
• Vi bruger AI igen til at forbedre resultaterne baseret på feedback.

Det, der tidligere var en sekventiel proces, foregår nu i en tæt løkke, som ofte komprimerer flere dages arbejde til timer.

Hvorfor produktarbejdsgange fra ende til anden med AI stadig ikke er fuldt realiseret

Når alt dette er sagt, er AI endnu ikke i stand til at håndtere en virkelig pålidelig, autonom produktarbejdsgang fra ende til anden.

Vi ser store fremskridt i de enkelte trin, men et system, der konsekvent bevæger sig fra problem → løsning → lanceret produkt med minimal menneskelig indblanding, findes stadig ikke.

Der er mangler inden for:

• Opretholdelse af kontekst på tværs af trin
• Håndtering af kanttilfælde og tvetydighed
• Sikring af ensartet kvalitet og overensstemmelse med forretningsmål

Potentialet er overbevisende, men i dag kan AI kun accelerere arbejdsgangen. Den kan ikke pålideligt have fuldt ansvar for den fra ende til anden.

Hvordan AI omformer produktteamets roller og kompetencer

Hvad angår produktteams, skiller nogle få ændringer sig ud:

• Produktledere bliver “byggere”, hvilket betyder, at det forventes, at de arbejder tæt sammen med AI, itererer hurtigt og forstår, hvordan ting implementeres, ikke kun hvad der skal bygges.
• Design- og udviklerrollerne flyttes tidligere frem i cyklussen, så de samarbejder fra starten i stedet for først at deltage, efter kravene er fastlagt.
• Ansvaret for kvalitet er mere distribueret. Alle er ansvarlige for at validere AI-resultater, ikke kun inden for deres eget funktionsområde.

Vi ser også et behov for nye kompetencer:

• Stærkere fokus på evaluering og test
• Evnen til at arbejde med tvetydighed og ikke-deterministiske systemer
• Tryghed ved hurtig iteration og eksperimentering

Hvorfor ledere skal være på vagt over for AI's falske selvsikkerhed

Ledere undervurderer en væsentlig risiko: Falsk tillid til AI-resultater.

AI producerer ofte velformulerede og velstrukturerede svar, der virker korrekte — selv hvis de er ufuldstændige eller forkerte. Teams har en tendens til at stole på resultaterne uden tilstrækkelig validering.

I lille skala resulterer dette i mindre fejl. I stor skala kan det føre til systematiske fejl, der spreder sig gennem arbejdsgange — i produktbeslutninger, kundeinteraktioner eller operationelle processer.

Suman deler

Ledere undervurderer en væsentlig risiko: Falsk tillid til AI-resultater…Teams har en tendens til at stole på resultaterne uden tilstrækkelig validering.

Hvorfor Claude er det mest værdifulde værktøj inden for produktledelse

Hvis jeg kun måtte beholde ét AI-værktøj, ville det være et AI-arbejdsområde til generelle formål - Claude og Claude Work.

Ikke fordi det er perfekt, men fordi det er det mest alsidige gennem hele produktets livscyklus — opdagelse, problemformulering, udarbejdelse af PRD'er, input til prototyper og endda teknisk udforskning.

Værdien ligger ikke kun i selve værktøjet, men i hvor nemt det passer ind i forskellige arbejdsgange uden at kræve omfattende opsætning eller integration.

Specialiserede værktøjer er nyttige, men de har en tendens til at løse specifikke trin. Et AI-arbejdsområde til generelle formål fungerer som et tænke- og udførelseslag, der kan anvendes på tværs af flere faser.

Hvorfor evaluering og dømmekraft er det, der betyder noget for produktledere

Her er det, jeg ville ønske, jeg havde vidst, før jeg begyndte at arbejde med AI:

1. Udvikling drevet af evaluering er afgørende: Du har brug for klare metoder til at måle kvaliteten af de tidlige resultater. Uden dette er det svært at have tillid til eller skalere AI-systemer.
2. Eksperimentering er ikke valgfrit: AI-systemer er ikke-deterministiske. Du opnår ikke et godt resultat i ét forsøg; du itererer gennem flere versioner.

Så det er mit råd. Begynd med stærke evalueringsrammer. Hvis jeg havde gjort det, ville vi have undgået ekstraarbejde og falsk tillid til de tidlige resultater.

Forstå også dette: Stærk produktfaglig tænkning er ikke længere primært drevet af dyb domæneviden.

Tidligere opbyggede og anvendte produktchefer dyb ekspertise over tid. AI gør nu en stor del af denne grundlæggende viden — markedskontekst, indsigt i konkurrenter og endda analyse på første niveau — let tilgængelig.

Det, der betyder mere nu, er ikke kun, hvad du ved, men hvordan du stiller spørgsmål, syntetiserer og udøver dømmekraft. Dybde er stadig vigtig, men det er ikke længere den eneste faktor, der adskiller dig.

Følg med

Du kan abonnere på Suman Chittimuris AI Fluency-nyhedsbrev på LinkedIn og hans produktnyhedsbrev på Substack. Og følg ham på LinkedIn.

Der kommer flere ekspertinterviews på The CPO Club!