Der Vizepräsident für Produktdesign sagt, dass Produkt-, Design- und Entwicklungsteams ein gemeinsames KI-Grundgerüst benötigen, um effektiv zusammenzuarbeiten

Andy Vitale ist VP für Produktdesign und des AI-Kompetenzzentrums bei Taxwell.

Wir haben uns mit Andy zusammengesetzt, um darüber zu sprechen, wie Design, Produkt und Softwareentwicklung effektiv mit AI zusammenarbeiten können. Das hat er uns erzählt.

Wo Design, Technologie und Organisation aufeinandertreffen

Ich bin Andy Vitale, eine Führungskraft im Design, die im vergangenen Jahrzehnt AI-gestützte Produkte entwickelt und auf den Markt gebracht hat. Heute leite ich bei Taxwell das Design und das AI-Kompetenzzentrum. Dort entwickeln wir Softwareprodukte, die jedes Jahr mehr als 90.000 Steuerfachkräfte und 3 Millionen Personen, die ihre Steuererklärung selbst erstellen, bei Dutzenden Millionen Steuererklärungen unterstützen.

Die Arbeit reicht von Verbraucherprodukten, die sich unter echtem finanziellen Druck einfach anfühlen müssen, bis hin zu professionellen Tools, bei denen Tiefe und Zuverlässigkeit wichtiger sind als eine umfassende Nutzerführung. Meine Organisation umfasst die Bereiche Verbrauchersteuern, professionelle Steuern, die gemeinsame Plattform darunter sowie neuere Produktbereiche, die wir noch gestalten. Das Team ist um diese Bereiche herum organisiert, und wir bewegen uns auf ein AI-gestütztes Bereitstellungsmodell zu, sodass Design enger am Produkt arbeitet, anstatt es lediglich zu übergeben.

Meine Reise mit AI begann 2015 mit der Verarbeitung natürlicher Sprache im Gesundheitswesen bei 3M. Das war meine erste echte Erfahrung damit, Produkte rund um maschinelle Intelligenz statt nur um Benutzeroberflächen zu gestalten. Danach leitete ich das Design bei Rocket und sah, wie sich Technologie durch eine große Organisation bewegt. Später, als Designleiter bei Constant Contact, erlebte ich, wie generative AI begann, die Möglichkeiten von Produkten neu zu gestalten. Heute mache ich unsere Produkte bei Taxwell intelligenter und unsere Teams leistungsfähiger, damit sie souverän mit AI entwickeln können.

Mich haben schon immer die Schnittstellen angezogen — dort, wo Design, Technologie und die Organisation aufeinandertreffen. AI hat diese Schnittstellen zum wichtigsten Teil der Arbeit gemacht. Dieser Moment fühlt sich an wie das, worauf mich mein gesamter Weg vorbereitet hat.

Wie man eine gemeinsame AI-Grundlage über Disziplinen hinweg schafft

Wir haben aufgehört, AI als Funktion zu betrachten, die man hinzufügen kann, und begonnen, sie als Infrastruktur zu verstehen, die aufgebaut werden muss. Im vergangenen Jahr haben Design, Produkt und Softwareentwicklung gemeinsam eine Grundlage geschaffen, die es dem Team ermöglicht, schneller voranzukommen, ohne dabei unachtsamer zu werden.

Das bedeutet gemeinsame Gerüste und Werkzeuge für die Arbeit mit Modellen sowie AI-gestützte Schritte vom Konzept bis zur Validierung. Wir müssen nicht abwarten, bis eine Möglichkeit etabliert ist, eine Idee mit AI zu testen.

Der zweite Teil dieser Veränderung besteht darin, dass das Team nun mit denselben Materialien und Tools arbeitet, anstatt an einem Ort zu entwerfen und die Umsetzung an einem anderen Ort neu erstellen zu lassen. Dadurch verschwinden die Schnittstellen, an denen Arbeit normalerweise verloren geht oder verfälscht wird. Wenn ein Designer in derselben Umgebung arbeitet, in der das Produkt entsteht, dreht sich das Gespräch nicht mehr um Spezifikationen und Übergaben, sondern um das Produkt selbst.

Das Ergebnis ist gleichzeitig Geschwindigkeit und Genauigkeit — zwei Eigenschaften, die normalerweise miteinander konkurrieren. Die gemeinsame Grundlage bedeutet, dass wir schneller vorankommen, weil die schwierigen Teile bereits erstellt und wiederverwendbar sind. Die Arbeit mit denselben Tools führt zu weniger Übersetzungsfehlern, weil es weniger Übersetzungen gibt. Das Team verwendet seine Zeit auf Urteilsvermögen statt darauf, die Arbeit der jeweils anderen neu aufzubauen.

Das Ergebnis war eine Reihe von Markteinführungen von Grund auf. Ein kleines Team kann eine Idee nun vollständig umsetzen und in wenigen Wochen vom Konzept zu funktionierender Software gelangen, anstatt mehrere Planungs- und Übergabezyklen zu durchlaufen.

Ein AI-gestützter Arbeitsablauf vom Konzept bis zur Software

Ich führe euch durch unseren Prozess, mit dem wir eine Idee vom Konzept zu funktionierender Software machen, weil AI diesen Arbeitsablauf für uns am stärksten verändert hat.

Er beginnt mit der Recherche, und AI ist ab der ersten Minute beteiligt. Bevor jemand irgendetwas entwirft, nutzen wir AI, um vorhandenes Wissen über das Problem, Muster aus Forschungs- und Supportdaten, frühere Versuche und relevante Steuerszenarien zusammenzutragen. Statt mit einer leeren Seite beginnt das Team mit einer zusammengefassten Perspektive, auf die es reagieren und die es einem kritischen Praxistest unterziehen kann.

Während wir die Idee ausarbeiten, nutzen wir synthetische Nutzer für die Ideenfindung. Diese auf unserer Verhaltensforschung basierenden Nutzer ermöglichen es uns, zu untersuchen, wie verschiedene Arten von Steuerpflichtigen auf einen Ansatz reagieren könnten, bevor wir uns darauf festlegen. Sie sind ein Werkzeug zur Ideenfindung, das die Richtungen erweitert, die wir in Betracht ziehen, und uns hilft, Schwachstellen in unseren Überlegungen frühzeitig zu erkennen — kein Ersatz für echte Nutzer zu einem späteren Zeitpunkt.

Als Nächstes gehen wir in die Entwicklung über — an dieser Stelle fand früher die Übergabe statt. Wie bereits erwähnt, arbeiten wir direkt in gemeinsamen Materialien und Tools am Konzept, also in derselben Umgebung, in der wir das Produkt entwickeln, anstatt an einem Ort zu entwerfen und eine Spezifikation zu verfassen, damit jemand anderes das Produkt neu erstellt. Ein Designer kann schnell einen echten, funktionierenden Prototyp erstellen, nicht nur ein Bild davon. Das ist wichtig, weil wir nun das tatsächliche Verhalten des Produkts beurteilen und nicht nur eine Darstellung davon.

Dann validieren wir mit echtem Feedback. Wir setzen KI ein, um Testrunden zu moderieren, sodass wir weitaus mehr Sitzungen und diese konsistenter durchführen können, als es ein von Menschen moderierter Zeitplan erlauben würde. Günstiges, schnelles Feedback kommt früh und fließt direkt in dasselbe Arbeitsartefakt ein, nicht in eine neue Runde von Spezifikationen. Da Design, Prototyp und Entwicklung dieselben Werkzeuge nutzen, ist der Weg von „Wir haben etwas gelernt“ zu „Das Produkt spiegelt dies nun wider“ kurz. Das Gespräch konzentriert sich auf das Produkt selbst, statt auf die Übersetzung zwischen Dokumenten.

Während des gesamten Prozesses bleibt eine Person für das Ergebnis verantwortlich. KI erweitert die Eingaben und beschleunigt den Weg, aber wir behalten die Verantwortung für die Beurteilung dessen, was korrekt, konform und wirklich gut für jemanden ist, der unter realem Stress eine Steuererklärung einreicht. In einem regulierten Bereich ist genau das der richtige Ansatz.

Dadurch kann ein kleines Team eine Idee innerhalb weniger Wochen von einem groben Konzept zu funktionierender Software entwickeln und die Übersetzungsverluste und Wartezeiten beseitigen, die zuvor zwischen den einzelnen Phasen entstanden sind.

Warum KI für den Weg zu einer Entscheidung verantwortlich ist, nicht aber für die Entscheidung selbst

Wir setzen KI am intensivsten ein in den Phasen der explorativen Arbeit, in denen die Kosten eines Fehlers gering und der Wert schnellen Vorankommens hoch sind.

In der Entdeckung hilft uns KI, schnell Erkenntnisse zu gewinnen. Sie bündelt vorhandenes Wissen, erkennt Muster in Forschungs- und Supportdaten und verschafft uns einen Vorsprung beim Verständnis eines Problems, statt bei null anzufangen.

Bei Experimenten und der Prototypenerstellung ermöglicht uns KI, in einem Bruchteil der Zeit von einer Idee zu etwas Testbarem zu gelangen. Wir können einen funktionierenden Prototyp erstellen und KI zur Moderation einiger Nutzertests einsetzen. Dadurch können wir mehr Sitzungen und diese konsistenter durchführen, als es ein von Menschen moderierter Zeitplan jemals erlauben würde.

Für UX-Entscheidungen bietet KI eine schnelle zweite Meinung. Sie hilft uns, Abläufe einem Stresstest zu unterziehen, Verhaltensdaten zu überprüfen und zu erkennen, an welchen Stellen Nutzer zögern oder abspringen könnten. Sie erweitert die Eingaben, mit denen ein Designer arbeitet.

Die Entscheidung selbst bleibt jedoch bewusst menschlich. KI ist hervorragend darin, uns zu sagen, was geschieht und was tendenziell funktioniert. Sie entscheidet nicht, welche Erfahrung wir der Person auf der anderen Seite des Bildschirms bieten. Die Priorisierung und die Beurteilung, ob eine Erfahrung gut, ehrlich und respektvoll gegenüber jemandem ist, der unter realem Stress seine Steuererklärung einreicht, bleiben unsere Aufgabe.

Ich sehe es so: KI erweitert die Eingaben und beschleunigt den Weg zu einer Entscheidung. Sie trifft keine Entscheidungen, die Geschmack, Verantwortlichkeit oder Fürsorge für die Person erfordern, für die wir gestalten.

Andy teilt

Wir setzen KI am intensivsten ein in den Phasen der explorativen Arbeit, in denen die Kosten eines Fehlers gering und der Wert schnellen Vorankommens hoch sind. Ich sehe es so: KI erweitert die Eingaben und beschleunigt den Weg zu einer Entscheidung. Sie trifft keine Entscheidungen, die Geschmack, Verantwortlichkeit oder Fürsorge für die Person erfordern, für die wir gestalten.

Wie die Vorteile von KI zugleich Schwächen offenlegen

Das eindeutigste positive Ergebnis ist die Geschwindigkeit. Wir haben in einer einzigen Steuersaison eine Reihe von Produkten und Funktionen von null auf eins entwickelt und ausgeliefert, deren Umsetzung zuvor weitaus länger gedauert hätte. Dazu gehörte auch ein eigener Claude-Konnektor, den wir innerhalb weniger Tage statt Monaten eingerichtet haben. Durch KI-moderierte Tests konnten wir weitaus mehr Runden durchführen und diese konsistenter gestalten, als es allein mit menschlichen Moderatoren möglich gewesen wäre. Dadurch konnten wir früher Entscheidungen auf Grundlage einer größeren Menge an Belegen treffen.

Das schnelle Vorankommen legte jedoch jede Schwäche in unserem Prozess offen. Ohne die richtigen Leitplanken führte die Geschwindigkeit zu Nacharbeit, und das Tempo verlangte dem Team viel ab. KI beschleunigte unsere Stärken und machte unsere Lücken offensichtlicher.

Das eigentliche Ergebnis, das andere Führungskräfte meiner Meinung nach hören sollten, ist, dass Teams, die gute Leistungen erbrachten, von Anfang an über gesunde Grundlagen verfügten. KI wirkt als Beschleuniger. Sie belohnt gute Prozesse und legt Lücken offen. Deshalb ist es heute wichtiger, diese Grundlagen zu schaffen, nicht weniger.

Warum KI in komplexen Produktszenarien Schwierigkeiten hat

Am deutlichsten bleibt KI in der schwierigen Mitte der Arbeit hinter den Erwartungen zurück, also in dem Bereich zwischen einem vielversprechenden Prototyp und etwas, das man mit Zuversicht ausliefern kann.

Sie ist tatsächlich hervorragend darin, schnell zu einer ersten Version zu gelangen. Die letzte Meile bewältigt sie jedoch nicht. Je weiter man sich von einem klaren, gut definierten Problem entfernt, desto mehr Arbeit fällt auf die Menschen zurück. Sonderfälle, komplexe Steuerszenarien, die vom üblichen Ablauf abweichen, und Ermessensentscheidungen darüber, was korrekt und regelkonform ist, erfordern nach wie vor denselben menschlichen Aufwand wie zuvor.

Das ist die eigentliche Grenze. Man ist nur so schnell wie der langsamste Teil des eigenen Prozesses. Die anfängliche Geschwindigkeit ist real, aber sie summiert sich nicht wie erwartet, weil sich der Rest des Systems nicht im gleichen Tempo verändert.

Warum KI am besten als Denkpartner funktioniert

Meiner Erfahrung nach liefert KI den größten Nutzen, wenn man sie als Denkpartner und nicht als Antwortmaschine betrachtet.

In einem Bereich wie unserem sind Genauigkeit und Verantwortlichkeit keine optionalen Eigenschaften. Der Wert liegt also nicht darin, eine Antwort zu generieren und weiterzumachen. Er liegt darin, mithilfe von KI schneller zu einer gründlicher durchdachten Antwort zu gelangen.

Wenn unsere Teams sie nutzen, um Optionen zu erkunden, ihre Überlegungen einem Stresstest zu unterziehen und schneller durch Bereiche zu gelangen, die sie bereits verstehen, wirkt sie als echter Multiplikator.

Andy teilt mit

In einem Bereich wie unserem sind Genauigkeit und Verantwortlichkeit keine optionalen Eigenschaften. Der Wert liegt also nicht darin, eine Antwort zu generieren und weiterzumachen. Er liegt darin, mithilfe von KI schneller zu einer gründlicher durchdachten Antwort zu gelangen.

Warum Produktverantwortliche steuern müssen, wie Nutzer ein KI-Produkt aufnehmen

Der schwierigste Teil bei der Einführung von KI ist nicht die Technologie, sondern die Art und Weise, wie Menschen sie aufnehmen.

Mein erstes KI-Produkt aus dem Jahr 2015 umfasste automatisch vorgeschlagene medizinische Kodierungen im Gesundheitswesen. Das System las die klinische Dokumentation und schlug die richtigen Codes vor – eine Aufgabe, die professionelle medizinische Kodierfachkräfte zuvor immer von Hand erledigt hatten. Ich konzentrierte mich darauf, ob die Vorschläge korrekt sein würden. Ich unterschätzte die Frage, die sich die Kodierfachkräfte selbst leise stellten: Soll dieses System mich ersetzen?

Diese Angst prägt alles, ganz gleich, ob man sich mit ihr auseinandersetzt oder nicht. Sie zeigt sich als Widerstand, als stille Nichtnutzung oder darin, dass Menschen zwar technisch mitmachen, aber hoffen, dass es scheitert. Und sie war vollkommen nachvollziehbar.

Wir stellten den Menschen ein Werkzeug vor, das einen Teil ihrer Arbeit erledigte, ohne zunächst zu benennen, was das für sie bedeutete. Also füllten sie diese Stille mit der schlimmstmöglichen Vorstellung. Ich lernte, dass man diese Angst nicht durch mehr Funktionen überwinden kann. Keine noch so hohe Genauigkeit beantwortet die Frage, die sie sich stellen.

Diese Erkenntnis habe ich in jedes weitere KI-Produkt mitgenommen. Man führt die Veränderung und die Bedeutung der Veränderung gleichzeitig ein. Die technologische Frage ist die einfache. An der menschlichen Frage entscheidet sich, ob diese Dinge erfolgreich sind oder scheitern.

Warum Designsysteme grundlegend überarbeitet werden müssen

Wenn dein Designsystem nur in einer Designdatei existiert, ist jede KI-generierte Ausgabe im Unternehmen leicht von der Marke abweichend, und jemand muss dies später korrigieren. Diese Abstimmungsarbeit ist die neue Kostenlast, die Teams stillschweigend tragen, wenn sie sich nicht rechtzeitig darum kümmern.

Überarbeite das Designsystem also so, dass es nicht mehr als Referenzdokument, sondern als Laufzeitartefakt betrachtet wird – als etwas, das innerhalb der tatsächlichen Werkzeuge lebt, mit denen die Arbeit erzeugt wird.

Das bedeutet mehr als eine Komponentenbibliothek. Es bedeutet, Designtokens und Komponenten so zu verpacken, dass Werkzeuge und Teams sie direkt in den Code übernehmen, als nutzbare Pakete verteilen und mit zugehörigen Fähigkeiten und Best Practices kombinieren können – mit den Regeln und dem Kontext, die ein KI-Werkzeug benötigt, um das System korrekt zu verwenden. Wenn Standards, Komponenten und Know-how dort vorhanden sind, wo die Arbeit stattfindet, zeigt sich die Marke bereits ab der ersten Eingabe, statt am Ende nachträglich hinzugefügt zu werden.

Wenn Sie es richtig machen, sind Ihre Designstandards in allem verankert, was das Unternehmen veröffentlicht – unabhängig davon, wer es erstellt hat oder welches Tool verwendet wurde. Das System ist dann nichts mehr, worauf Menschen erst im Nachhinein zurückgreifen, sondern steuert stillschweigend die Qualität in großem Maßstab.

Warum CPOs die Arbeit selbst erledigen müssen

Mein Rat ist einfach: Legen Sie los. Erledigen Sie die Arbeit jetzt selbst – mit Ihren eigenen Händen.

Viele Führungskräfte übergeben KI instinktiv an ihre Teams, warten darauf, dass sich Best Practices herausbilden, und legen dann auf Grundlage ihrer Erkenntnisse die Richtung fest. Das hat bei früheren Veränderungen funktioniert. Bei dieser funktioniert es nicht. Sie schreitet zu schnell voran, und die Kluft zwischen denjenigen, die die Tools nutzen, und denjenigen, die über sie sprechen, wird jede Woche größer. Wenn Sie Tools vorschreiben, die Sie selbst noch nie geöffnet haben, merkt das jeder im Raum.

Ich verbringe einen großen Teil meiner Woche mit der praktischen Arbeit in diesen Tools, zum Teil, weil mir die Arbeit wirklich Spaß macht, vor allem aber, weil ich glaube, dass man ein Team nicht glaubwürdig durch eine Veränderung führen kann, die man nur beobachtet. Indem Sie damit etwas entwickeln, erfahren Sie, was wirklich funktioniert und was nur Hype ist. Sie verdienen sich das Recht, die Richtung vorzugeben, und können viel bessere Entscheidungen darüber treffen, wo KI sinnvoll ist und wo nicht.

Hören Sie also auf, dies als etwas zu betrachten, das man delegieren und aus der Distanz studieren kann. Verbringen Sie echte Zeit mit der Arbeit. Veröffentlichen Sie etwas Kleines. Spüren Sie, wo es hilft und wo es an seine Grenzen stößt. Die Führungskräfte, die sich an die Spitze setzen werden, sind diejenigen, die sich auf diesen Moment einlassen – nicht diejenigen, die darauf warten, dass er sich beruhigt.

Bleiben Sie auf dem Laufenden

Sie können Andy Vitale auf andyvitale.com und auf LinkedIn folgen.

Weitere Experteninterviews folgen im CPO Club!