Paramounts VP for produktudvikling siger, at de største AI-gevinster inden for produktledelse kommer fra syntese af feedback

Joshua Karp har over 20 års erfaring med produktledelse — han arbejdede endda med produkter hos MySpace i virksomhedens tidlige dage. I dag er han vicepræsident for produktudvikling hos Paramount, hvor han har ansvaret for streamingtjenesten BET+.

Vi talte med Joshua for at få indblik i, hvordan AI ændrer den måde, han leder produktteams på. Han sagde, at brugen af AI til at syntetisere feedback har været hans største gevinst.

Produktledere vil overreagere på AI

Jeg er produktleder inden for forbrugerprodukter og har over 20 års erfaring med at udvikle digitale produkter inden for streaming, medier, sociale tjenester, handel og abonnementsforretninger.

Et ret enkelt spørgsmål har været centralt i min karriere: Hvad får folk til at prøve et produkt, vende tilbage til det og til sidst gøre det til en del af deres rutine?

Jeg har arbejdet med produkter på meget forskellige stadier og i forskellige størrelser, fra mit tidlige produktarbejde hos MySpace under en periode med hastig vækst blandt forbrugerne, til produktledelse hos WWE og til at lede produktstrategien for BET+ hos Paramount på tværs af kundeanskaffelse, engagement, fastholdelse, indtjening, personalisering, eksperimenter og oplevelser på tværs af platforme.

Det er en del af grunden til, at jeg er så begejstret for dette AI-øjeblik. Teknologien er ikke perfekt, og jeg tror, at branchen vil overreagere på den på nogle områder, ligesom vi ofte gør med større platformsskift. Men det er en reel forandring, og produktledere er nødt til at engagere sig i den, lære af den og forstå, hvor den skaber meningsfuld værdi for kunder og forretning.

At lede produktarbejdet hos BET+

BET+ er en premiumstreamingtjeneste med abonnement, som blev lanceret i partnerskab med Paramount og Tyler Perry Studios. Vi byggede tjenesten op omkring et passioneret publikum, et stærkt udvalg af originalprogrammer og en streamingoplevelse på tværs af platforme i vækst.

Jeg var en del af BET+ fra den første lancering og har ledet produktarbejdet for forretningen de seneste 4.5 år. I den periode blev tjenesten udvidet til mere end et dusin platforme, herunder web, mobil, tilsluttede TV-enheder og partnerplatforme.

Produktorganisationen dækker indtjening, indholdsopdagelse, videoengagement, eksperimenter, personalisering, overholdelse af regler og indholdsstrategi. Leveringsmodellen er både direkte til forbrugeren og distribueret gennem partnere og betjener kunder på egne platforme og partnerplatforme.

Hvordan AI lader produktchefer fokusere på produktvurderinger

I lang tid indebar produktarbejde omfattende planlægning, brainstorming og analyse på forhånd, før et team kunne reagere på en idé. Selvom det arbejde stadig er værdifuldt, mener jeg ikke længere, at det altid behøver at foregå på den måde.

AI fremskynder de tidlige dele af produktprocessen — opdagelse, syntese, analyse, prototyper og forberedelse — så teams hurtigere kan fokusere på det reelle problem og bevæge sig hurtigere mod den rigtige løsning.

AI kan for eksempel hjælpe produktteams med at analysere både kvantitative og kvalitative data, syntetisere kundefeedback, identificere temaer og stressteste tidlige hypoteser. Det kan også hjælpe med at generere udgangspunkter for prototyper, budskaber, produktkoncepter eller kundesamtaler. Evnen til at syntetisere feedback har især været en afgørende forandring for mig.

Det er værdifuldt, fordi det hjælper teams med at arbejde hurtigere og eliminerer problemet med den blanke side i begyndelsen. Det skaber også en mere overbevisende diskussion, fordi folk reagerer på noget konkret i stedet for at diskutere en abstrakt idé.

Men dette er stadig startlinjen, ikke målstregen.

Mennesker skal stadig forstå kunderne, fastlægge forretningsstrategi og -mål, foretage afvejninger, lægge en rækkefølge for køreplanen og beslutte, hvad der er værd at bygge, og hvor meget der skal bygges. AI kan hjælpe med at kvalificere dette arbejde, men menneskelig produktvurdering er stadig afgørende for prioritering, strategi, kundeempati og ansvarlighed for de endelige beslutninger.

Jeg tror stadig fuldt og fast på værdien af godt produktdesign, stærk softwareudvikling og teams, der forstår den fulde kontekst for det, de bygger. AI erstatter ikke dette. Men AI har ændret, hvor hurtigt jeg kan skabe noget konkret. Det giver mig mulighed for at bruge mere energi på at evaluere, forfine og beslutte, hvad der er værd at gå videre med. Og det er enormt.

Joshs noter

AI kan hjælpe produktteams med at analysere både kvantitative og kvalitative data, sammenfatte kundefeedback, identificere temaer og afprøve tidlige hypoteser. Det kan også hjælpe med at generere udgangspunkter for prototyper, budskaber, produktkoncepter eller kundesamtaler. Evnen til især at sammenfatte feedback har været en afgørende ændring for mig.

Sådan forbedrer AI tværfunktionel produktplanlægning

AI giver også produktledere mulighed for at gentænke tværfunktionel produktplanlægning.

Alt for ofte planlægger teams isoleret. Produkt og design kan forme en oplevelse, før de tager højde for tekniske begrænsninger. Produkt og teknik kan gå videre, før de overvejer designsystemer eller konsekvenserne for brugeroplevelsen. Eller teams kan planlægge en funktion uden at tage højde for marketingbehov, operationelle arbejdsgange, konsekvenserne for kundeservice eller hvordan funktionen skal understøttes, når den er lanceret.

AI skaber en mulighed for at integrere disse signaler tidligere i processen. Det kan hjælpe med at sammenfatte feedback og begrænsninger fra produkt, design, teknik, marketing, drift, kundeservice, data og andre interessenter, så teamet får et mere helhedsorienteret billede af, hvad de bygger, og hvorfor.

AI skaber en mulighed for at integrere disse [kunde]signaler tidligere i processen

Med tiden kan AI også bevare og genbruge denne kontekst. Når den forstår, hvordan teams arbejder sammen, hvor der findes afhængigheder, hvilke begrænsninger der normalt er vigtige, og hvad der tidligere har skabt friktion, kan den bringe denne viden tilbage i fremtidig planlægning. Det hjælper teams med at undgå gentagne fejltrin og træffe bedre beslutninger tidligere.

Sådan er AIs største fordel inden for produktledelse også en risiko

Det største positive resultat af AI er, at teams hurtigere når frem til startlinjen.

Det kan betyde, at man skaber mening i komplekse data, sammenfatter store mængder kvalitativ kundefeedback, analyserer sentiment mere dybtgående eller forbereder produktkrav bedre.

Selvom det er utrolig nyttigt, indebærer det også en reel risiko. Produktchefer skal stadig udvise disciplin og dømmekraft.

Produktkrav er et godt eksempel. AI kan være meget nyttigt til at udarbejde et første udkast eller hjælpe dig med at gennemtænke strukturen, men det er farligt at stole for meget på det. AI får sjældent alting rigtigt på egen hånd, og det overser ofte kritiske særtilfælde, forretningskontekst, kundemæssige nuancer og tekniske begrænsninger, som former kravene.

Det gode resultat er altså hastighed og fremdrift. Det dårlige resultat, hvis man ikke er forsigtig, er, at teams kan forveksle AI-genererede krav med et færdigt produktsvar.

AI kan endnu ikke omsætte feedback til retning

Jeg nævnte tidligere, at det har været en afgørende ændring at sammenfatte kundefeedback med AI. Men at omsætte denne feedback til produktretning er et område, hvor AI endnu ikke har leveret resultater.

AI er meget nyttigt til sammenfatning. Det kan analysere enorme mængder kundefeedback, identificere tilbagevendende temaer, opsummere sentiment og synliggøre mønstre. Der er dog stadig behov for forsigtighed, når det gælder retningsgivende vejledning.

Uden disciplin kan AI få et lille signal til at virke større, end det er. Jeg har set AI overreagere på en klynge af kundefeedback og foreslå en ændring af produktretningen, som ikke var understøttet af den bredere kontekst.

Det er derfor, menneskelig dømmekraft er vigtig. Kundefeedback er utrolig værdifuld, men al feedback har ikke samme vægt. Du skal stadig forstå, hvem der leverer feedbacken, hvor repræsentativ den er, hvordan den stemmer overens med den overordnede strategi, og hvilke afvejninger der er forbundet med den.

Betragt AI som endnu et værdifuldt signal, ikke som en beslutningstager.

En feedbacksyntesearbejdsgang fra den virkelige verden

Her er en AI-arbejdsgang, jeg bruger på et sideprojekt.

Den starter med at samle rå kundefeedback, data om produktbrug og analysedashboards. AI sammenfatter derefter disse oplysninger til klare temaer, kundernes problemer og produktmuligheder.

AI identificerer for eksempel fælles temaer på tværs af kundefeedback, afdækker stemninger og forbinder disse temaer med vigtige datapunkter. Det fremhæver, hvor kundeadfærd og produktets resultater kan pege på det samme problem. Til dette bruger vi ChatGPT og Claude.

Derefter indsnævrer jeg fokus til de to eller tre vigtigste produktudfordringer eller -muligheder og anvender min dømmekraft. Jeg vurderer, om temaerne er meningsfulde, om dataene understøtter feedbacken, om muligheden stemmer overens med produktstrategien, og om den er værd at teste.

Denne arbejdsgang resulterer normalt i en klar produkthypotese, en skarp problemformulering eller løsningsidéer, der kan omsættes til enkle prototyper, krav eller eksperimenter.

Hvorfor AI-drevne produkter og funktioner har brug for feedback hurtigt

Med AI-drevne oplevelser er det vigtigt at få dem foran brugerne så tidligt som muligt. Brugerfeedback er altid vigtig, men med AI er den endnu vigtigere, fordi du ofte ikke vil kunne forudse brugernes reaktioner, kanttilfælde eller uventede anvendelsesområder under planlægningen.

Den største fejl, man skal undgå, er at bygge for længe i et vakuum. Sæt i stedet AI-funktioner foran brugerne så tidligt som muligt, også selvom de stadig kun er prototyper eller koncepter. Se, hvordan brugerne fortolker og interagerer med oplevelsen.

Den største fejl er at bygge for længe i et vakuum.

Du vil ofte lære noget, der gør en stor forskel og fører til et mere gennemarbejdet endeligt produkt eller en mere gennemarbejdet funktion.

Hvorfor produktledere bør eksperimentere med AI derhjemme

Mit råd er at tage produktbrillerne på, forblive nysgerrig og arbejde praktisk med AI.

Den eneste måde at forstå, hvad AI er i stand til, hvor den kommer til kort, og hvordan den måske kan hjælpe din organisation, er at bruge den.

Jeg mener ikke kun, at du skal bruge den professionelt. Jeg anbefaler også at bruge AI til personlige ting. Opret agenter, test arbejdsgange, og brug AI til at planlægge, undersøge, lave prototyper og tænke problemer igennem. Nogle gange kan noget, du prøver af privat, åbne dine øjne for et anvendelsesområde eller en produktmulighed professionelt.

Produktledere skal også opmuntre deres teams og organisationer til ikke at være bange for den. De bør skabe et miljø, hvor folk er åbne over for at eksperimentere med AI, lære hvad der virker, være ærlige om det, der ikke gør, og dele deres læring med hinanden regelmæssigt.

Men samtidig bør AI være et værktøj i værktøjskassen. Den bør ikke være det, der driver produktet. Produktledere skal stadig styre skibet.

AI er kommet for at blive, og det er uklogt at ignorere den. Forstå, hvad den kan, hvad den ikke kan, og hvad den måske vil kunne over tid, så din produktorienterede tankegang kan udvikle sig sammen med den.

Følg med

Du kan følge med i Joshua Karps arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CPO Club!