Hvorfor AI tvinger produktledere til at redesigne organisationen, ikke kun produktet

Lukas Egger er VP for produktstrategi og innovation hos SAP Signavio. Han er også skaberen af podcasten Process Transformers.

Vi satte os ned med Lukas for at få indblik i, hvordan AI ændrer den måde, han leder sin produktorganisation på, samt hvordan det påvirker selve produktet. Her er, hvad han fortalte.

At adskille varig værdi fra støj

Jeg hedder Lukas Egger og er VP for produktstrategi og innovation hos SAP Signavio. Mit arbejde ligger i krydsfeltet mellem produktstrategi, forretnings­transformation og AI, især hvordan store organisationer kan omsætte nye teknologier til nyttige, pålidelige og økonomisk meningsfulde produkter.

Min vej til dette punkt udspringer mindre af en enkelt ”AI-opvågning” og mere af en mangeårig interesse for, hvordan organisationer skaber mening i kompleksitet. Tidligere i min karriere arbejdede jeg med data, analyse, produkt og strategi, og jeg blev stadig mere interesseret i kløften mellem teknologiske muligheder og organisatorisk virkelighed. Mange idéer ser overbevisende ud i en demonstration eller prototype, men den egentlige prøve er, om de kan klare incitamenter, styring, kundearbejdsgange, tekniske begrænsninger og faktisk anvendelse.

Jeg tænker også på AI i produktledelse på denne måde. Det spændende er ikke blot modeller, der genererer tekst, kode, billeder eller analyser. Det dybere skift er, at AI ændrer omkostningsstrukturen for kognitivt arbejde i virksomheder. Det sænker omkostningerne ved at skabe, sammenligne, opsummere, simulere og koordinere arbejde. Det har dybtgående konsekvenser for produktteams, fordi det ikke kun ændrer, hvad vi kan bygge, men også hvor hurtigt vi kan afprøve idéer, hvordan vi forstår kunder, hvordan vi designer arbejdsgange, og hvordan vi definerer værdi.

Hos SAP Signavio bruger jeg betydelig tid på at overveje, hvordan AI kan understøtte forretningstransformation i en seriøs virksomhedskontekst. Det betyder, at vi bevæger os ud over generelle påstande om produktivitet og stiller skarpere produktspørgsmål: Hvilke nye kundeproblemer kan løses? Hvilke arbejdsgange forbedres mærkbart? Hvor skaber AI målbar forretningsværdi? Hvor skaber det nye risici? Og hvordan mindsker vi risikoen ved innovation på tværs af attraktivitet, gennemførlighed, levedygtighed og organisatorisk accept?

For produktledere er dette et sjældent øjeblik. AI er ikke bare endnu et funktionslag. Det tvinger os til at genoverveje antagelser om brugeroplevelse, differentiering, leveringshastighed, data, tillid og selve softwarens rolle. Produktledelsens opgave er derfor ikke at jagte det mest omtalte AI-anvendelsestilfælde, men at opbygge den dømmekraft, de systemer og de driftsmodeller, der hjælper teams med at adskille varig værdi fra støj.

At gøre forandring lettere

For at sætte det i perspektiv understøtter mit team LabSpace, et vigtigt innovationsmiljø med kundekontakt. LabSpaces enkle idé er at lade erhvervskunder engagere sig i innovation tidligt, sikkert og med meget lav friktion. I traditionel B2B-software, især inden for ERP og forretningstransformation, er forandring ofte dyr, langsom og operationelt risikabel. LabSpace reducerer denne barriere. I stedet for at bede kunderne om at foretage en vanskelig ændring med det samme skaber vi et rum, hvor de kan udforske, hvordan en bedre fremtidig arbejdsgang kunne se ud, før de forpligter sig til anvendelse, implementering eller opskalering.

Vores organisation har to slags brugere. Eksternt bruger kunderne det til at forstå, hvad nye muligheder kan betyde for deres virksomhed. Internt bruger produkt-, teknik- og innovationsteams det til at udsætte tidlige idéer for ægte kundefeedback uden for tidligt at gøre hvert eksperiment til en fuld produktforpligtelse.

I den forstand er LabSpace både et udstillingsvindue og et læringssystem. Det hjælper os med at teste attraktivitet, gennemførlighed, levedygtighed og organisatorisk tilpasning på en langt mere konkret måde. Omfanget er bredt: Vi sigter mod at gøre innovation tilgængelig for hele SAP Signavios kundebase og samtidig give interne teams en gentagelig vej fra lovende idéer til valideret produktretning.

Leverancemodellen er bevidst enkel. Vi tvinger ikke kunderne ind i omfattende implementeringsforløb bare for at opleve innovation. Vi skaber strukturerede måder med lav risiko, hvor de kan engagere sig i nye muligheder, indsamle feedback og lære, hvor der er reel værdi. Den dybere produktfilosofi er, at virksomhedssoftware ikke kun skal hjælpe virksomheder med at forandre sig; den skal gøre selve forandringen lettere.

Hvordan produktmodellen omformer sig selv med AI

Vi er for nylig begyndt at gentænke det minimale team til produktinnovation i tidlige faser.

Historisk set krævede det ofte en lille tværfunktionel gruppe at nå frem til et troværdigt første koncept inden for virksomhedssoftware: produkt, design, teknik, domæneekspertise og sommetider support fra data- eller arkitektursiden. Det gav mening, fordi hver rolle omfattede specialiserede opgaver, som var vanskelige at komprimere. Men AI begyndte at adskille disse roller i opgaver med meget forskellige grader af automatisering.

Det seneste år har vi set tiden fra idé til det første kundevaliderbare koncept falde dramatisk. Produktchefer og ingeniører kan nu selv dække langt mere af den tidlige innovationsflade: sammenfatte kundesignaler, generere alternative koncepter, skabe prototyper, udforske kanttilfælde, udarbejde fortællinger og forberede mere sammenhængende kundesamtaler. Det fjerner ikke behovet for ekspertise, dømmekraft eller tværfunktionelt samarbejde, men det ændrer, hvornår — og til hvad — disse personer skal involveres.

Resultatet er ikke kun større hastighed eller lavere omkostninger. Den mere interessante ændring handler om ejerskab. Mindre grupper, og i nogle tilfælde enkeltpersoner, kan nu føre en idé langt nok frem til at skabe værdifuld læring, før et større team samles. Det reducerer den kontrol, der ligger mellem rollerne, og giver personer med stærke idéer større frihed til at skabe effekt.

For mig er dette en af de mest spændende ændringer, AI har bragt til produktarbejdet. Vi leverer ikke bare mere output efter den gamle model. I stedet ændrer selve modellens form sig: færre overdragelser, hurtigere læringssløjfer og større handlekraft for de mennesker, der er tættest på muligheden.

Sådan udvider AI beslutningsfladen, mens mennesker træffer beslutningerne

Jeg tænker i stigende grad mindre i termer af “hvilken produktaktivitet bruger AI?” og mere i termer af “hvilken type beslutning træffer vi?”

AI bliver meget effektiv inden for aktiviteter, der er informationsbaserede, generative, sammenlignende eller reversible. AI understøtter nu i høj grad markedsundersøgelser, skrivebordsresearch, sammenfatning af kundesignaler, konkurrentanalyser, første udkast til fortællinger, konceptudforskning, alternativ indramning og endda tidlig prototypeidéudvikling. På mange af disse områder gør AI ikke kun arbejdet hurtigere; det ændrer også grundforventningen til, hvor meget kontekst en produktleder eller et team bør bearbejde, før der træffes en beslutning.

Jeg er langt mere forsigtig med beslutninger, der kræver dømmekraft under reel usikkerhed. AI kan informere disse beslutninger, men bør ikke eje dem. Prioritering, produktplanens retning, strategiske afvejninger, kundeløfter, prislogik, organisatoriske forpligtelser og teknologiske satsninger kræver stadig, at mennesker står til ansvar. Det er ikke kun optimeringsproblemer. De involverer ufuldstændig information, konkurrerende værdier, politiske begrænsninger, kundetillid, timing og konsekvenser, som vi ikke fuldt ud kan modellere på forhånd.

Kort sagt: AI er fremragende til at udvide beslutningsfladen. Den kan vise flere muligheder, flere beviser, flere modargumenter, flere risici og flere mønstre, end et team måske selv ville generere. Men mennesker skal stadig beslutte, hvad der betyder noget, hvad det er værd at satse på, og hvilken risiko organisationen er villig til at bære.

Denne sondring bliver endnu vigtigere, efterhånden som indhold bliver billigere. Hvis alle teams kan generere gennemarbejdet research, plausible strategier og overbevisende fortællinger, er den knappe ressource ikke længere indhold. Det er tillid. Produktledelse handler derfor mindre om at producere flere artefakter og mere om at opbygge den dømmekraft, styring og troværdighed, der skal til for at vide, hvilke artefakter der fortjener handling.

Sådan kan AI hjælpe produktledere med at forbedre deres kommunikation med teams

En AI-understøttet arbejdsgang, jeg bruger næsten hver dag, er ikke en klassisk produktarbejdsgang, men den har gjort mig til en bedre produktleder: at omdanne ufiltreret tænkning til kommunikation, andre kan forstå.

Produktledelse indebærer tvetydighed, spændinger og feedback. Nogle gange får jeg en stærk reaktion på noget: en strategi, et forslag, et møde, en beslutning eller et mønster, jeg ser opstå. Tidligere omsatte jeg straks denne reaktion til noget gennemarbejdet og diplomatisk. Det kan være nyttigt, men det kan også få dig til at miste det oprindelige signal.

Nu bruger jeg ofte AI som et oversættelseslag. Først nedskriver jeg ærligt mine rå tanker: hvad der frustrerer mig, hvad der er forkert, hvad det egentlige problem er, og hvilken afvejning vi undgår. Jeg sender ikke denne version til nogen. Det er den private, ufiltrerede analyse.

Derefter beder jeg AI om at hjælpe med at omsætte det til noget, der er nyttigt for modtageren: en e-mail, en Slack-besked, feedback på et møde, et beslutningsnotat eller en række spørgsmål. Arbejdsgangen er: rå tanke → struktureret analyse → modtagerbevidst kommunikation → menneskelig gennemgang → endelig besked.

AI erstatter ikke min dømmekraft; i stedet hjælper den med at bevare sandheden i feedbacken, samtidig med at unødvendig skarphed fjernes. Den lader mig først være mere ærlig over for mig selv og derefter mere effektiv over for andre.

For produktledere er det vigtigt, fordi jobbet ikke kun handler om at have den rigtige analyse. Det handler om at hjælpe andre med at høre den, engagere sig i den og handle på den uden at gå i forsvarsposition. AI er blevet nyttig som en bro mellem en autentisk reaktion og konstruktiv kommunikation.

Hvorfor AI-produktarbejde kræver organisatorisk forandring

AI-produktarbejde er ikke kun en produkt- eller teknologiudfordring. Det er en udfordring inden for organisatorisk forandring.

Det er ikke svært at finde en lille gruppe mennesker, der er begejstrede for AI. Det er heller ikke den sværeste del at bygge tidlige prototyper. Det er langt sværere at føre innovation i AI-tempo gennem incitamentsstrukturer, styringsmodeller, godkendelsesveje og leveranceprocesser, der er designet til en anden softwareæra.

Mange af disse strukturer findes af gode grunde. De beskytter kvalitet, sikkerhed, ensartethed, brand, compliance og kundernes tillid. Men AI ændrer dramatisk på hastighed, omfang og muligheder, så nogle af disse strukturer kan blive flaskehalse, hvis organisationer ikke genovervejer dem.

Derfor har du brug for et mandat, der ikke kun handler om at købe værktøjer, men også om at uddanne medarbejdere eller bygge AI-funktioner. Du har også brug for et mandat til at ændre den måde, arbejdet bevæger sig gennem organisationen på: hvem der må eksperimentere, hvordan beslutninger og risici evalueres, hvordan feedback indarbejdes, og hvor hurtigt en idé kan bevæge sig fra udforskning til læring fra kunderne.

Hvis jeg tidligere havde forstået det tydeligere, ville jeg have brugt endnu mere tid på det “uheroiske” fundament: incitamenter, tilladelser, reviewmodeller, læringssløjfer og organisatorisk tillid. Det arbejde skaber ikke altid et spektakulært lanceringsøjeblik. Men uden det kan processer, der ikke er designet til AI's hastighed, nemt begrænse AI-innovation.

Og vi kunne også have undgået noget af den friktion, der opstod, fordi vi bad folk om at innovere med AI, samtidig med at vi stadig tvang dem gennem driftsmæssige begrænsninger fra før AI.

Hvorfor produktledere skal redesigne, hvordan værdien flyder

Produktledere er nødt til at stille svære spørgsmål: Hvor flyder værdien? Hvilke dele af produktets overflade forbliver værdifulde, når agenter bliver brugere? Hvilke arbejdsgange bliver standardiserede? Hvilke flaskehalse flytter sig fra skabelse til verifikation, tillid, integration og ibrugtagning? Ting som Wardley-kortlægning og analyse af værdistrømme bliver vigtigere, fordi de tvinger dig til at se, hvor produktet og organisationen måske skal ændres, ikke kun hvor AI kan indsættes.

Vi har redesignet, hvordan innovation når ud til kunderne. Historisk set kunne innovation nemt koncentreres i et specialiseret team, næsten som en specialbutik, der reducerede risikoen ved idéer for resten af organisationen. Det kan fungere i lille skala, men AI ændrer mulighedernes størrelse. Et lille innovationsteam bør ikke udføre interessant AI-arbejde, mens alle andre ser på. Målet er at gøre innovation til en bredere organisatorisk kapacitet.

Det betyder, at der skal skabes systemer, hvor flere mennesker kan engagere sig i nye idéer, teste dem med kunder, lære af feedback og bidrage til produktets retning. I praksis betyder det, at man bevæger sig fra “innovation som et team” hen imod “innovation som en gentagelig driftsmodel”.

Lukas States

Resultatet er vigtigere end hastighed alene. Flere mennesker kan deltage og validere idéer tidligere, så organisationen bliver bedre i stand til at skelne reel værdi fra imponerende demoer.

Resultatet er vigtigere end hastighed alene. Flere mennesker kan deltage og validere idéer tidligere, så organisationen bliver bedre i stand til at skelne reel værdi fra imponerende demoer. For en AI-udvidet fremtid kan det være en af de vigtigste redesigner: ikke endnu en funktion, men et produktsystem, der hjælper hele organisationen med at lære hurtigere.

Hvorfor produktorganisationer skal belønne nye adfærdsmønstre for at få mest muligt ud af AI

Det største hul har været udformningen af incitamenter.

Det er sværere at ændre det, organisationen belønner. AI-værktøjer er nemme at få adgang til, og det er nemt at finde begejstrede mennesker. Hvis folk stadig motiveres til at beskytte snævre rollegrænser, undgå eksperimenter, følge langsomme godkendelsesveje og optimere efter forudsigelig levering, vil ibrugtagningen af AI forblive overfladisk.

AI skaber værdi, når mennesker kan bevæge sig på tværs af grænser, teste hurtigt og tage større ansvar fra start til slut. Det kræver tilladelse, tillid og incitamenter, der passer til den nye måde at arbejde på.

Så spørgsmålet er ikke kun, om folk bruger AI. Det bedre spørgsmål er, om organisationen belønner den adfærd, der gør AI nyttig.

Hvordan mangel på kontekst kan blive en flaskehals for investeringsafkastet

En stor del af virksomheders værdi afhænger af tavs viden: hvordan processer foregår, hvor undtagelser opstår, hvilke overdragelser der er vigtige, hvilke regler der er formelle versus uformelle, og hvor organisatoriske incitamenter ubemærket former adfærd. Systemer, dokumentation eller data indfanger ofte ikke denne viden på en entydig måde. Så når virksomheder tilføjer AI, kan AI se imponerende ud på grænsefladeniveau, men den når ikke nødvendigvis ind til kernen af, hvordan arbejdet udføres.

Det er en af grundene til, at det har været sværere at opnå investeringsafkast, end mange forventede. Muligheden er reel, og modelomkostningerne vil fortsat falde, men flaskehalsen er ofte ikke selve modellen. Flaskehalsen er kontekst. Hvis organisationen ikke har gjort processer, beslutninger, data og ansvarlighed forståelige, har AI begrænset gennemslagskraft.

Så min skuffelse skyldes ikke, at AI er svag. Den skyldes, at AI blotlagde, hvor meget organisatorisk viden virksomheder aldrig fik struktureret ordentligt i første omgang.

Lukas States

Hvis organisationen ikke har gjort processer, beslutninger, data og ansvarlighed forståelige, har AI begrænset gennemslagskraft. Så min skuffelse skyldes ikke, at AI er svag. Den skyldes, at AI blotlagde, hvor meget organisatorisk viden virksomheder aldrig fik struktureret ordentligt i første omgang.

Hvorfor du ikke bør montere AI på et produkt som en eftertanke

Dårlige resultater opstår ofte, fordi AI behandles som en tilføjelse. Den mest åbenlyse version tilføjer en chat- eller promptgrænseflade til en eksisterende arbejdsgang, blot for at vise, at AI er til stede. Det kan skabe et falsk løfte. En promptgrænseflade antyder åbne muligheder, men virksomhedssoftware har normalt brug for afgrænset, styret, arbejdsgangsspecifik intelligens. Når AI-laget overstiger dets faktiske kapacitet, forsvinder tilliden hurtigt.

Jeg ser ikke AI som en legoklods, du bare kan sætte fast på et produkt. Jeg ser det mere som at skifte en spiller ud på et sportshold. Når én spiller skifter, ændres strategi, interaktioner, afhængigheder og fejlsituationer alt sammen. Hvis du ikke redesigner det omkringliggende system, får du måske en imponerende demonstration, men du skaber ofte mere kompleksitet senere.

De bedste integrationer er ofte de mest ubemærkede. AI hjælper brugerne med at arbejde hurtigere, forstå kontekst, træffe bedre beslutninger eller undgå unødvendigt arbejde — uden at kræve, at de håndterer AI som en separat ting.

Hvorfor produkter ikke længere kun bygges til mennesker

Produkter bygges ikke længere kun til menneskelige brugere. AI introducerer en ny type bruger: agenter, automatiseringer og maskinaktører, der interagerer med produkter på andre måder end mennesker.

I årtier har produktteams taget udgangspunkt i den menneskelige kunde: deres mål, smertepunkter, arbejdsgange, opmærksomhed, tålmodighed og forventninger. Det er stadig afgørende. Men i mange virksomhedskontekster designer vi nu til et blandet miljø, hvor både mennesker og agenter anvender, fortolker og handler ud fra produktets funktioner.

Det ændrer subtile, men vigtige antagelser. Tag noget så enkelt som søgning. En svartid, der føles øjeblikkelig for et menneske, kan være for langsom for en agent, der arbejder inde i en større arbejdsgang. Et brugerfladeelement, der hjælper en person med at forstå kontekst, kan være irrelevant for en agent, mens strukturerede metadata, ensartede API'er, tilladelsesstyring, sporbarhed og maskinlæsbar semantik bliver vigtigere.

Så den antagelse, jeg giver slip på, er ikke »byg til mennesker«. Det er »mennesker er de eneste meningsfulde brugere«. AI tilføjer en ny brugertype med andre begrænsninger: hastighed, pålidelighed, sammensættelighed, observerbarhed og adgang til kontekst.

Tre råd til produktledere, der implementerer AI

Her er mine råd til produktledere:

1. Betragt ikke AI som en indkøbsøvelse. At købe værktøjer, tilføje AI-assistenter eller implementere agenter er ikke transformationen. Transformationen består i at forstå, hvordan AI ændrer opdelingen af arbejdet, grænserne mellem roller, overleveringerne i arbejdsgangen og den måde, der skabes værdi for kunderne på.
2. Optimér for effekt før effektivitet. AI bør ikke kun reducere indsatsen; det bør hjælpe produktteams med at løse problemer, som tidligere var for langsomme, for dyre eller for komplekse at håndtere. Spørgsmålet bør ikke blot være: “Kan vi gøre dette billigere?” Det bør være: “Kan vi nu skabe et bedre resultat, som tidligere var uden for rækkevidde?”
3. Mål på pålidelige resultater, ikke AI-aktivitet. At tælle prompts, tokens, AI-assistenter, agenter eller prototyper kan nemt blive produktivitetsteater. Produktledere bør i stedet spørge: Kom kunden hurtigere frem til værdien? Blev arbejdsgangen forbedret? Bevægede cyklustid, kvalitet, risiko, compliance eller kundeoplevelse sig i den rigtige retning? Traf vi en bedre beslutning, eller producerede vi blot flere artefakter?

Kort sagt: AI bør få produktledere til at blive mere ambitiøse, ikke blot mere effektive. Muligheden består ikke i at føje intelligens til det eksisterende system. Muligheden består i at redesigne systemet, så intelligens kan skabe ansvarlig, målbar og varig værdi.

Følg med

Du kan følge Lukas Eggers arbejde på LinkedIn og X. Du kan også lytte til hans podcast, Process Transformers.

Der kommer flere ekspertinterviews på CPO-klubben!