Disse arbejdsgange har desperat brug for en AI-opdatering, siger global produktleder

Tony Pagliocco er vicedirektør for global produktledelse hos Aldar, hvor han er ansvarlig for produktstrategi, driftsrammer og arbejdsmetoder på tværs af 24 produktorienterede teams.

Han og hans team fokuserer på at integrere AI direkte i deres produktarbejdsgange. Derfor satte vi os ned med ham for at finde ud af, hvilke arbejdsgange han optimerer i øjeblikket, og hvordan han sikrer udbredelsen i hele organisationen. Her er, hvad han sagde.

Komplekse problemer i stor skala

Jeg har brugt de seneste 20+ år på at udvikle og skalere digitale produkter på tværs af brancher, fra medier og spil til luftfart, logistik og nu ejendomme her i De Forenede Arabiske Emirater. Jeg løser konsekvent komplekse problemer i stor skala og opbygger teams, der skaber resultater.

Tidligere i min karriere var jeg meget praktisk orienteret — jeg lancerede produkter og lærte at føre dem ud i livet. Derefter ledede jeg større produktorganisationer og drev transformationer på virksomhedsniveau. Et af de mest betydningsfulde kapitler var hos Boeing, hvor jeg ledede produktarbejdet for digitale platforme til intelligente fabrikker, der understøttede 777- og 787-programmerne. Vi arbejdede med datamiljøer på flere petabyte og anvendte NLP og computersyn på arbejdsgange inden for produktion og forsyningskæder. Vi byggede systemer til at forudsige problemer, optimere driften og fungere i global skala. Den erfaring formede min måde at tænke på data, platforme og nu AI.

Hos Aldar er AI dybt integreret i det, vi bygger, fra platforme til intelligente byer og digitale tvillinger til helhedsplanlægning og værktøjer til gennemførlighedsvurdering. Vi bruger AI til at simulere, forudsige og optimere beslutninger, længe før noget bliver bygget fysisk, hvilket grundlæggende ændrer den måde, virksomheden fungerer på.

Dette øjeblik er et vendepunkt. Vi bevæger os fra at bygge software til at bygge intelligente systemer — og produktledelsens rolle ændrer sig fra at administrere køreplaner til at orkestrere data, AI og resultater i den virkelige verden i stor skala.

Ledelse af produktstrategien

I dag er jeg vicedirektør for global produktledelse hos Aldar, hvor jeg refererer til vores digitaldirektør. Her leder jeg produktstrategi, driftsrammer og arbejdsmetoder på tværs af 24 produktorienterede teams.

Vores teams dækker et bredt økosystem, herunder ejendomssalg, detailhandel, erhverv, bolig, loyalitet og markedsføring, e-handel, hotel- og restaurationsbranchen samt IoT til intelligente byer — og vores flagskibsplatform, Live Aldar, understøtter det hele. Vi understøtter både kundeorienterede oplevelser og interne platforme med et stærkt fokus på at forbinde alt i en sammenhængende rejse fra start til slut.

Med hensyn til leverancer arbejder vi gennem tværfunktionelle teams, der er tilpasset forretningsresultater, samtidig med at vi investerer i fælles platforme som identitet, betalinger, data og AI for at kunne skalere på tværs af økosystemet. Min rolle er at sikre konsekvens i den måde, vi bygger på, samtidig med at hvert domæne kan bevæge sig hurtigt og skabe resultater.

Hvorfor AI kræver et godt grundlag

Tonys tanker

Teams, der har problemer med AI, forsøger som regel at lægge det oven på et defekt grundlag.

Her er det første, der skal siges: AI er ikke en funktion. Det er en kapacitet, der ændrer den måde, hele dit produkt og din organisation fungerer på.

Mange teams griber AI an som enhver anden forbedring — de tilføjer en chatbot, automatiserer en arbejdsgang eller forbedrer en funktion. Den tilgang begrænser effekten. Det reelle skifte er, at AI ændrer den måde, beslutninger træffes på, produkter bygges på, og værdi skabes på.

Det blotlægger også de grundlæggende forudsætninger. Hvis dine data er fragmenterede, dine arbejdsgange uklare, eller din produktforståelse svag, vil AI forstærke disse problemer. Teams, der har problemer med AI, forsøger som regel at lægge det oven på et defekt grundlag.

Det egentlige arbejde består i at sikre, at AI har de rette input, den rette struktur og de rette sikkerhedsforanstaltninger. Uden disse kan resultaterne se gode ud på overfladen, men mangle den pålidelighed, der kræves til reel produktanvendelse. Hvis jeg havde vidst det fra starten, ville jeg tidligere have investeret i oprydning i data, en tydeligere afgrænsning af problemområdet og fastsættelse af stærkere grænser for brugen af AI i produktet.

Det alene ville have sparet tid ved at undgå urealistiske forventninger. Der er ofte pres for at handle hurtigt og fremvise AI, men uden det rette fundament kommer man til at iterere mere end nødvendigt — eller endnu værre, mister brugernes tillid.

Så før de går i gang, skal ledere spørge: "Har vi dataene, driftsmodellen og den produktdisciplin, der skal til for at udnytte dette?"

Sådan transformerer AI produktudviklingsprocessen

En af de største ændringer, vi har foretaget det seneste år, er skiftet fra statisk, dokumenttung produktudvikling til AI-understøttet, kontinuerlig opdagelse og levering.

Traditionelt var vores proces baseret på strukturerede artefakter — PRD'er, businesscases og researchdokumenter — som var tidskrævende at udarbejde og ofte hurtigt blev forældede. Vi introducerede AI direkte i denne arbejdsgang for at sammenfatte kundefeedback, analysere supportsager, generere indledende produktkrav og endda udfordre antagelser under opdagelsen.

Det ændrede hastigheden og kvaliteten af beslutningstagningen. Produktchefer starter ikke længere fra bunden; de starter med indsigt. Vi oplever hurtigere cyklusser fra idé til validering, bedre koordinering på tværs af interessenter og en mere datainformeret prioritering.

Det ændrede også den måde, vores teams arbejder på. I stedet for at AI er et separat værktøj, er det nu indlejret i de daglige arbejdsgange, hvad enten det drejer sig om at generere hypoteser, sammenfatte data eller fremskynde leveringen. PM'ens rolle har ændret sig en smule fra skaber til kurator og beslutningstager.

Sådan kan produktopdagelsen gentænkes med AI

Af hele produktlivscyklussen er det dog opdagelsen, der har brug for den største gentænkning.

Historisk set var opdagelsen langsom, manuel og i høj grad baseret på små stikprøver — interviews, undersøgelser og begrænset dataanalyse. Med AI holder den model ikke længere. Vi kan nu behandle enorme mængder kundefeedback, adfærdsdata og signaler næsten i realtid.

Men de fleste teams gennemfører stadig opdagelsen, som om det var 2015.

Vi begyndte med at integrere Jira Product Discovery i vores arbejdsgang for bedre at strukturere idéer, indsigter og prioritering. Det gav os et solidt fundament, men vi satte for alvor fart på, da vi lagde Rovo AI-agenter ovenpå og forbandt dem med vores bredere økosystem — dokumentation, tekniske designs, Figma og andre leveringsværktøjer.

Derudover integrerede vi kontinuerlige datastrømme — undersøgelsesresultater, kundefeedbacksløkker, data fra kontaktcentre og produktanalyse — og førte det hele ind i én samlet opdagelsesarbejdsgang.

Nu kan teams hurtigt sammenfatte signaler, generere indledende krav og forbinde opdagelsen direkte med eksekvering i stedet for manuelt at samle input. Afstanden mellem “indsigt” og “levering” er blevet betydeligt mindre.

Det resulterer i hurtigere cyklusser og bedre kvalitet. Teams starter fra et mere informeret udgangspunkt med bedre koordinering på tværs af produkt, design og ingeniørarbejde.

Hvorfor AI informerer produktaktiviteter, men mennesker træffer beslutningerne

Vi bruger AI aggressivt til skalering, hastighed og mønstergenkendelse — opdagelse, dataanalyse og tidlig idéudvikling. Det er nu vores naturlige udgangspunkt, ikke længere blot noget, der er rart at have.

AI sammenfatter kundefeedback, supportsager og adfærdsdata på få minutter, former hypoteser og genererer endda krav i første udkast. I vores arbejde med intelligente byer og digitale tvillinger bruger vi det også til at simulere scenarier, så teams kan undersøge beslutninger om planlægning og gennemførlighed, før de bygger noget.

Men vi er meget tydelige om, hvor AI stopper.

Prioritering, beslutninger om køreplanen, UX-nuancer og afvejninger forbliver menneskelige, fordi det er her, kontekst, erfaring og ansvarlighed betyder noget. AI forstår ikke strategi, politik eller risiko på en meningsfuld måde. Det kan informere beslutninger, men bør ikke træffe dem.

Vi brugte for eksempel AI til at analysere kundefeedback og supportsager for at understøtte prioriteringen. Modellen identificerede mønstre og fandt effektivt problemer, der ofte blev nævnt, men den kunne ikke skelne mellem det, der var højtråbende, og det, der var vigtigt. Problemer med lav påvirkning blev overrepræsenteret, blot fordi kunderne rapporterede dem oftere, mens mere kritiske, men mindre hyppige problemer blev undervurderet.

Det manglede også kontekst om kunderejsen – hvorfor noget skete, ikke bare at det skete. Menneskelig dømmekraft var afgørende for at fortolke signalet korrekt.

Set fra et tillidsperspektiv afviste interessenterne det hurtigt, hvis AI fremhævede noget, der ikke stemte overens med deres intuition. Så nøjagtighed alene var ikke nok – det skulle kunne forklares og stemme overens med den virkelige kontekst.

Hvorfor produktchefer skal være forsigtige med at stole for meget på AI

Hastighed og kapacitet er de største fordele ved AI. Produktchefer går betydeligt hurtigere fra idé til valideret retning; det, der tidligere tog dage med sammenfatning og udarbejdelse, sker nu på timer. På tværs af teams vil jeg anslå en hastighedsstigning på 30–50 % i de tidlige faser af opdagelses- og dokumentationscyklusser.

Kvaliteten er også blevet forbedret. AI hjælper teams med at tage udgangspunkt i et mere velinformeret grundlag, indarbejde kundesignaler, fremhæve mønstre og reducere blinde vinkler. Det fører til bedre indledende hypoteser og mere datainformerede diskussioner med interessenter.

På den anden side er overdreven afhængighed den største risiko, jeg har set. Nogle teams behandlede i begyndelsen AI-output som “svar” i stedet for input, hvilket førte til overfladisk tænkning eller generiske løsninger. Vi var nødt til aktivt at vejlede teams i at udfordre og forfine det, AI producerer, i stedet for bare at acceptere det.

Der findes også et konsistensgab. AI er kun så god som den kontekst, du giver den. Stærke produktchefer får eksponentielt mere værdi, fordi de ved, hvordan de skal vejlede den. Mindre erfarne produktchefer kan få problemer eller skabe støjende output.

Samlet set er fordelene reelle. Hurtigere cyklusser, bedre udgangspunkter – men kun med stærk produktforståelse. Ellers når du bare hurtigere frem til det forkerte svar.

Hvorfor automatisering fra start til slut skuffer produktchefer

I begyndelsen antog jeg, at AI i væsentlig grad kunne drive beslutninger om produktplanen eller producere løsninger af høj kvalitet, der var klar til lancering. I virkeligheden er det, den genererer, ofte nyttigt i den overordnede retning, men stadig generisk. Den mangler forretningskontekst, kundenuancer og de afvejninger, som erfarne teams foretager hver dag.

Automatisering fra start til slut er et andet område, hvor det endnu ikke er lykkedes fuldt ud. AI-agenter viser stort potentiale til at køre arbejdsgange eller erstatte dele af leveringen, men i praksis kræver det stadig omfattende menneskeligt tilsyn for at være pålideligt i stor skala.

Gabet ligger altså mellem forventning og virkelighed. AI er utroligt kraftfuld som accelerator, men den kan ikke erstatte produktmæssig dømmekraft – og teams, der behandler den sådan, bliver som regel ret hurtigt skuffede.

Tonys tanker

AI er utroligt kraftfuld som accelerator, men den kan ikke erstatte produktmæssig dømmekraft – og teams, der behandler den sådan, bliver som regel ret hurtigt skuffede.

Hvorfor PM'er skal skifte fra kontrol til tillid med AI

Produktkvalitet kommer ikke længere fra stramt kontrollerede, deterministiske oplevelser. Vi er nødt til at give slip på forestillingen om, at den gør.

Traditionelt designede vi produkter til at opføre sig forudsigeligt – tydelige flows, definerede output og kortlagte særtilfælde. Med AI, især generativ AI, introducerer du variabilitet som udgangspunkt. Det samme input giver måske ikke altid præcis det samme output, og det ændrer den måde, du tænker på kvalitet på.

Det tvinger til et skifte fra “Er dette perfekt defineret?” til “Er dette pålideligt nyttigt og inden for acceptable grænser?”

Det er en stor ændring i tankegangen. Du designer ikke længere hvert resultat – du designer systemer med sikkerhedsforanstaltninger, feedbacksløjfer og måder til løbende forbedring. Det betyder også, at man accepterer en vis grad af ufuldkommenhed, så længe værdien er til stede, og risiciene håndteres.

Så jeg skiftede fra kontrol til tillid – jeg stolede på, at systemet fungerede inden for bestemte grænser, i stedet for at forsøge at definere ethvert muligt resultat på forhånd.

Hvordan AI ændrer dynamikken i produktteams

AI har ikke ændret teamets struktur så meget, som den har ændret måden, teamet arbejder på.

Vi har ikke erstattet roller, men forventningerne til rollerne har ændret sig. Produktchefer bruger mindre tid på manuel sammenfatning og dokumentation og mere tid på dømmekraft, prioritering og på at skabe resultater. Kravene til tænkning er blevet højere.

Den har også udvisket nogle af grænserne mellem rollerne. PM'er kommer tættere på data, designere bruger AI til at iterere hurtigere, og udviklere udnytter den til at sætte fart på udviklingen. Samarbejdssløjferne er tættere, fordi alle kan arbejde hurtigere individuelt.

Samtidig ser vi en tydelig kløft opstå: mellem mennesker, der ved, hvordan man arbejder med AI, og dem, der ikke gør. De teams, der engagerer sig, er markant mere produktive.

Sådan forbedrer integration af AI i arbejdsgange implementeringen

Implementeringen har været en udfordring. Ikke alle bevæger sig i samme tempo. Nogle engagerer sig, eksperimenterer og tilpasser sig hurtigt. Andre tøver, stiller spørgsmål eller venter på, at det bliver perfekt, før de engagerer sig — og det er her, kløften bliver synlig.

Vi gjorde brugen af AI synlig og forventet — ikke valgfri.

I stedet for at rulle det ud som “her er et nyt værktøj” integrerede vi det direkte i teamets arbejdsgange. Vi opdaterede for eksempel vores produktarbejdsgange, så hver opdagelses- eller PRD-cyklus omfattede et første udkast med AI-assistance — hvad enten det handlede om at sammenfatte kundefeedback, generere indledende krav eller opstille hypoteser. Det blev en del af processen, ikke et tilvalg.

Vi opstillede også en enkel forventning: Kom ikke til en gennemgang eller diskussion med en tom side. Start med noget, der er udarbejdet med AI-assistance, og vis derefter, hvordan du har videreudviklet det. Det ændrede hurtigt tankegangen fra modstand til praktisk anvendelse.

Samtidig fremhævede vi resultater — vi viste, hvordan ét team halverede tiden til opdagelsesarbejde eller forbedrede kvaliteten af deres indledende overvejelser ved hjælp af AI. Denne synlighed blandt kolleger skabte momentum.

Det handlede ikke om at tvinge implementeringen igennem; det handlede om at gøre den naturlig i arbejdsgangen og tydeliggøre fordelene gennem virkelige eksempler.

Hvorfor produktledere skal engagere sig i AI — nu

Her er mit råd: Vent ikke på klarhed — engagér dig, og gå i gang nu.

Det er et tidspunkt, hvor de, der går forrest, vil definere det næste. Du kan enten læne dig tilbage og analysere det eller få fingrene i det og finde ud af, hvordan det fungerer i virkelige arbejdsgange. Der er allerede ved at opstå en kløft mellem dem, der bruger AI hver dag, og dem, der stadig taler om det.

Vær en frontløber. Hvis du tror på, at dette er fremtiden, så handl derefter. Sæt handling bag dine ord—brug det i dit eget arbejde, udfordr dine teams til at bruge det, og integrér det i den måde, din organisation arbejder på. Det handler ikke om at køre pilotprojekter ved siden af, men om at ændre den måde, du udvikler produkter på.

Samtidig skal du bevare jordforbindelsen. AI er ikke en erstatning for tænkning. Det er en forstærker. De ledere, der vinder, vil kombinere stærk produktdømmekraft med en villighed til at lære hurtigt.

Det handler i bund og grund om læring. Hvis du ikke aktivt lærer, eksperimenterer og udvikler dig lige nu, kommer du bagud. Så enkelt er det.

Så engagér dig, bevar nysgerrigheden, og gå forrest.

Følg med

Du kan læse mere om Tony Paglioccos arbejde på tonypag.com eller komme i kontakt med ham på LinkedIn.

Flere ekspertinterviews følger på The CPO Club!