Gründerin und ehemalige Apple-Produktmanagerin sagt: PRD-Prozesse müssen grundlegend überarbeitet werden — hier ist der Leitfaden

Sonia Vora war als Leiterin der Produktentwicklung und als Direktorin des Produktmanagements bei verschiedenen Gesundheitsunternehmen tätig. Außerdem leitete sie die Produktentwicklung für einige Gesundheitsprodukte von Apple. Heute ist sie Gründerin eines KI-Unternehmens im Gesundheitsbereich.

Wir haben uns mit Sonia zusammengesetzt, um zu erfahren, wie sie Agenten in Produktmanagement-Workflows einsetzt. Das hat sie uns erzählt.

Einblicke in KI-Produkte im Gesundheitsbereich

Hallo, ich bin Sonia. Ich habe meine Karriere in der Strategieberatung bei McKinsey und GoogleX begonnen. Danach wurde ich Direktorin des Produktmanagements bei ACKO Insurance, einem indischen Versicherungsunternehmen im Direktvertrieb mit einer Finanzierungsrunde der Serie D. Später wurde ich Leiterin der Produktentwicklung bei Narayana One Health, einer integrierten Versorgungseinheit innerhalb eines Krankenhaussystems in Indien. Außerdem leitete ich die Produktentwicklung für zwei Gesundheitsprodukte bei Apple – die Attain-App (entwickelt in Zusammenarbeit mit Aetna Insurance) und Lumihealth (entwickelt in Zusammenarbeit mit der Regierung von Singapur). Außerdem wurde ich in die Forbes 30 Under 30 aufgenommen.

2017, noch vor der Entwicklung von Transformern und LLMs, untersuchte ich bei McKinsey und Google die Auswirkungen von KI und erforschte bei Apple und ACKO ML-basierte Möglichkeiten zur Verbesserung der Patientenversorgung. Seitdem hatte ich jedoch nicht mehr direkt mit KI gearbeitet. Vor etwa 1,5 Jahren wurde mir dann klar, dass KI nicht nur meine Branche (das Gesundheitswesen), sondern auch das Produktmanagement verändern würde. Ich startete sofort mehrere Initiativen:

1. Mich selbstständig mit den Grundlagen der KI vertraut machen.
2. ChatGPT/Gemini in die tägliche Produktmanagementarbeit meines Produktteams integrieren. Dazu gehörten die Erstellung von Prompts für präzisere PRDs, das gemeinsame Brainstorming von PRDs, die Durchführung von Recherchen mit Deep Research sowie der Einsatz von ChatGPT und Gemini, um Design-Feedback zu geben und UX-Probleme zu erkennen.
3. Mit Tools wie Lovable experimentieren, um schnell Prototypen zu erstellen und UX-Feedback von Nutzern und Käufern einzuholen.

Heute bin ich Gründerin von Alongside Health, einem Unternehmen an der Schnittstelle von KI und Gesundheitswesen. Ich nutze eine Kombination aus den Fähigkeiten von LLMs zur Verarbeitung natürlicher Sprache und deterministischen Protokollen, um die klinische Versorgung zu automatisieren. Für die Entwicklung unserer ersten Pilotprojekte verwende ich täglich Claude Code, um deterministische Systeme zu entwerfen und Agenten bereitzustellen, die unsere Pilotkunden testen können. Außerdem entwickle ich Prototypen und unsere Website direkt mit Claude Code.

Sonia teilt

Produktverantwortliche müssen das System, in dem Produktmanager ein PRD verfassen, es an das Designteam und anschließend an die Entwicklung übergeben, grundlegend neu denken.

Wie KI den PRD-Prozess verändert

Produktverantwortliche müssen das System, in dem Produktmanager ein PRD verfassen, es an das Designteam und anschließend an die Entwicklung übergeben, grundlegend neu denken. Ziel ist es, diesen gesamten Zyklus zu beschleunigen, zu verhindern, dass Produktmanager und Designer durch die Entwicklung ausgebremst werden, und die Entwicklung früher einzubeziehen, wenn ihr Fachwissen am dringendsten benötigt wird.

Menschen gehen dabei unterschiedlich vor, aber ich sehe zwei besonders wirkungsvolle Möglichkeiten, die sich leicht umsetzen lassen:

1. Die anfängliche „PRD-Aufbereitung“ und Ideenfindung beschleunigen, indem zunächst von Produktmanagern und anschließend von Designern verfeinerte Prototypen bereitgestellt werden, die mit Claude erstellt wurden. Dadurch erhalten Entwickler eine konkrete Grundlage für die Erstellung von Designdokumenten für neue Funktionen, anstatt mit umfangreichen schriftlichen Anforderungen zu beginnen.
2. Bei einer bestehenden Funktion habe ich es als hilfreich empfunden, Produktmanagern und Designern vollständigen Zugriff zu geben, damit sie bestimmte Änderungen vornehmen und PRs einreichen können – solange diese Änderungen die Architektur nicht grundlegend beeinflussen. Wenn ihr über einen guten Code-Review-Prozess verfügt, verhindert ihr viel unsauberen neuen Code, wenn Produktmanager und Designer Änderungen einreichen.

Persönlich schreibe ich keine langen PRDs mehr im Voraus, die jeden Sonderfall abdecken sollen. Stattdessen arbeite ich sofort mit Claude daran, mein erstes Anforderungsdokument durch Frage-und-Antwort-Gespräche weiter auszuarbeiten.

Anschließend nutze ich dieses Dokument als Ausgangspunkt für Claude Code und verwende den tatsächlichen Prototypen, um Sonderfälle zu finden und diese Anforderungen vor dem Start mit Claude wieder in das PRD-Dokument zu integrieren.

Dadurch erstelle ich in derselben Zeit deutlich hochwertigere Arbeit. Ich habe einen Sparringspartner und Gesprächspartner, der mir hilft, gründlich vorzugehen, schneller Optionen zu erkunden und hilfreiche Online-Ressourcen zu recherchieren.

Warum Experimentieren die größte Stärke von KI ist

Ich erläutere, wie ich KI im Produktmanagement einsetze:

• Problemerkennung: Hier ist KI am wenigsten hilfreich, weil sie die realen Probleme der Nutzer nicht kennt. KI kann Hypothesen aufstellen, aber diese beruhen nicht auf eigener Erfahrung und bringen keine Wahrheiten zutage, die nicht dem Konsens entsprechen. Nichts ist vergleichbar damit, mit einem Nutzer zusammenzusitzen und seine Gedanken zu verstehen.
• Priorisierung: Ebenso kann KI einen „gesunden Menschenverstand“ entsprechenden ersten Priorisierungsentwurf liefern, aber ihr fehlen echtes Nutzerfeedback und Produktverständnis. Daher musst du die KI in diesem Bereich sorgfältig überwachen.
• Designverständnis und UX-Entscheidungen: KI liefert einen hervorragenden ersten Entwurf, aber sie versteht deine Nutzer oder deren Ziele nicht; sie ahmt lediglich bestehende Abläufe nach. Du musst das „menschliche“ Element sorgfältig berücksichtigen, das den Nutzern hilft, ihre Aufgaben zu erledigen. Ich habe die UX umfassend überarbeitet, um Konsistenz sicherzustellen, Komponenten zu berücksichtigen und eine Informationsarchitektur zu erreichen, die den Erwartungen und Zielen der Nutzer wirklich entspricht. Es ist wie bei einem Entwickler mit großartigen Frontend-Bibliotheken, der jeden Bildschirm gestaltet – manchmal sieht das Ergebnis großartig aus, hilft den Nutzern aber nicht dabei, einfach zu verstehen, wie sie ihre Aufgaben erledigen können.
• Planung: Dies ist ein Bereich, in dem KI hervorragend einen ersten Entwurf erstellen kann. Mit ausreichend Kontext kann sie effektiv erste Zeitpläne entwickeln und bei Planungstaktiken unterstützen. Linear gefällt mir dabei besonders gut.
• Erkennen von Zielkonflikten und den Auswirkungen von Designentscheidungen: Programmieragenten tun dies oft nicht, sofern sie nicht ausdrücklich darum gebeten werden. Wenn man sie jedoch dazu auffordert, stellen sie effektiv mehrere Vor- und Nachteile sowie interne Abwägungen dar und helfen dir dadurch, die Auswirkungen gründlicher zu durchdenken. Beim Erstellen von Ursachenanalysen und beim Brainstorming mit Programmieragenten entdecke ich nach wie vor häufig Lücken, aber manchmal weisen sie auch auf Punkte hin, die ich nicht sofort berücksichtigt hatte.
• Experimentieren: Das ist die wahre Superkraft der KI. Weil du Konzepte so schnell entwickeln kannst, kannst du viele verschiedene Dinge ausprobieren, das Produkt erleben und anschließend auf Grundlage deiner Erkenntnisse iterieren.

Wie KI Evaluierungsabläufe unterstützen kann

Hier ist ein Beispiel für einen KI-Arbeitsablauf, den ich in meinem Produktmanagement einsetze.

Ich habe Claude verwendet, um einen Prozess zu erstellen, bei dem ich für jede neue Produktversion OpenAI oder Gemini (über API-Aufrufe) bitte, eine Patientenpersona zu verkörpern und meinem Agenten in einem simulierten Chat zu antworten.

Ich generiere Patientenpersonas mit einem Skript, das alle Protokollzweige erstellt und jeden einzelnen testet. Das Skript bezieht außerdem Persönlichkeitstypen aus unserem forschungsbasierten Generator ein. Nachdem jede Persona mit der neuen Agentenversion interagiert hat, bitten wir Gemini oder OpenAI, das Gespräch anhand unserer 10 Evaluierungskriterien zu bewerten und Bestanden/Nicht-bestanden-Bewertungen zu vergeben.

Anschließend überprüfe ich die Evaluierungsergebnisse, liste vorgeschlagene Änderungen zur Behebung der Probleme von Claude auf, veröffentliche eine neue Agentenversion und führe die gesamte Pipeline erneut aus.

Ich habe Claude Code verwendet, um die Benutzeroberfläche zu erstellen, in der ich die Evaluierungsergebnisse, die simulierten Gespräche und die simulierten Patientenpersonas anzeigen kann.

Das war äußerst hilfreich, allerdings mit einer Einschränkung: KI ist nach wie vor extrem stochastisch. In Bereichen, die Zuverlässigkeit erfordern, hatte ich Schwierigkeiten. Bei Evaluierungen wie dieser, bei denen ein LLM als Beurteiler fungiert, vergibt die KI beispielsweise in einem Durchlauf oft ein „Bestanden“ und in einem anderen ein „Nicht bestanden“, was ein erhebliches Problem darstellt.

Du kannst dein Design so gestalten, dass Inkonsistenzen reduziert werden, musst aber immer auch darauf ausgelegt sein, potenzielle Fehler der KI zu erkennen.

Wie Produktmanager ihre Scheu vor Claude Code überwinden können

Anfangs fühlte ich mich von der Vorstellung eingeschüchtert, Claude Code als Nichtentwicklerin effektiv einzusetzen, insbesondere weil die meisten Menschen es im Terminal verwendeten.

Aber ich begann, Dinge zu entwickeln. Ich behandelte Claude/Cursor wie einen Junior-Mitarbeiter, der umfangreiches Brainstorming und viel Anleitung benötigt. Das half mir, die potenziellen Probleme beim Programmieren nach Art von Claude zu verstehen. Und inzwischen beuge ich ihnen in meinem Arbeitsablauf vor.

Claude kann beispielsweise „vergesslich“ wirken, weil es Informationen komprimiert, damit sie in sein Kontextfenster passen. Um dies zu umgehen, bitte ich es inzwischen, immer einen Plan aufzuschreiben und vor der Umsetzung darauf Bezug zu nehmen – genau wie bei einem echten Menschen; auch wir sind vergesslich!

Claude ist inzwischen besonders einfach zu verwenden, weil sich die Modelle deutlich verbessert haben. Selbst bei unvollständigem Kontext kann es sich mit dir austauschen, wenn du es aufforderst, Fragen zu stellen, und zunächst einen umfassenden Plan zu erstellen. Anschließend kann es zuverlässiger handeln, sodass du dir weniger Gedanken über die vorbereitende Struktur machen musst.

Warum Programmieragenten keine Wunderwaffe sind

Mit Programmieragenten kann jetzt jeder Ingenieur sein. Deshalb sollten wir die Experten auf die Dinge konzentrieren, die nur sie gut beherrschen, und alle anderen die einfachen Aufgaben erledigen lassen. Die Denkweise „jeder ist ein Ingenieur“ ist äußerst wichtig.

Es ist jedoch erwähnenswert, dass Programmieragenten Fehler nicht ohne menschliches Eingreifen wie durch Zauberhand beheben können. Oft fehlt Programmieragenten der gesunde Menschenverstand oder der Designkontext, sodass sie die Ursache von Problemen falsch bestimmen oder diese falsch lösen.

Mit ein wenig Anleitung leisten sie deutlich mehr, doch kontextuelle Einschränkungen können unmerklich zu nachlässiger Ausführung oder Denkweise führen.

Die Entwicklungszeit wurde dennoch enorm verkürzt, aber ein gutes Produkt auf den Markt zu bringen erfordert weiterhin erhebliches Nachdenken.

Wie man mit der KI-Entwicklung Schritt hält

Beginne jetzt damit, mit diesen Tools in deiner echten Arbeit zu arbeiten! Je später du sie einführst, desto weiter wirst du hinter Kollegen zurückfallen, die ihre Arbeitsabläufe bereits mit diesen Agenten optimiert haben.

Behalte dabei eine offene Haltung gegenüber den Stärken und Schwächen der KI – und erkenne, dass sich dies fast jeden Monat verändert.

Experimentiere. Nutze Claude Code oder andere Tools für deine tägliche Arbeit, um die Stärken und Schwächen der Modelle zu verstehen. Wenn du täglich auch nur 30 Minuten für eine Aufgabe aufwendest, lohnt es sich wahrscheinlich, ein oder zwei Stunden in ihre Automatisierung zu investieren – diese Zeitersparnis summiert sich.

Probiere mehrere LLM-Chat-Tools aus, wenn du nach Antworten suchst, um zu sehen, wie verschiedene Anbieter und Modelle reagieren. Und ändere deine LinkedIn-„Ernährung“, um über Menschen auf dem Laufenden zu bleiben, die KI einsetzen, um die bestmöglichen PMs zu werden.

Im Moment fühlen sich alle überfordert, und das ist in Ordnung. Ich spreche mit hauptberuflichen KI-Fachleuten, die sich überfordert fühlen – sei freundlich zu dir selbst und feiere kleine Erfolge, während du mit den Entwicklungen im Bereich KI Schritt hältst.

Bleib auf dem Laufenden

Du kannst dich auf LinkedIn mit Sonia Vora vernetzen.

Weitere Experteninterviews folgen im The CPO Club!