CPO und KI-native Gründerin erklärt, wie man eine Roadmap intelligent mit KI verwaltet

Tara Sakhuja ist die CPO von Luv or Pop und die Gründerin eines KI-nativen Unternehmens namens Data Dumpling. Vor diesen Tätigkeiten arbeitete sie im Produktbereich bei Unternehmen wie Meta und Bumble.

Wir haben uns mit Tara zusammengesetzt, um zu erfahren, wie sie ihre PM-Workflows mit KI verändert. Dabei teilte sie eine der größten Fallen für Menschen, die KI-Produkte entwickeln.

Intelligente Produkte, intelligent entwickelt

Ich bin Tara Sakhuja. Ich arbeite an der Schnittstelle von KI, Produktstrategie und menschlichem Verhalten.

Ich bin Gründerin und CEO von Data Dumpling, einer KI-Plattform, die Unternehmen dabei unterstützt zu verstehen, wer ihre Kunden sind, welche Signale relevant sind und worauf sich ihre Teams konzentrieren sollten. Außerdem bin ich Produktchefin bei Luv or Pop, wo wir Dating und Online-Communities durch eine der viralsten Shows der Welt neu denken: Pop the Balloon or Find Love with Arlette Amuli.

Davor habe ich ein Jahrzehnt lang Produkte bei Meta und später bei Bumble entwickelt und in den Bereichen Werbung, Handel, Geschäftsnachrichten, Integrität, Vertrauen und maschinelle Lernsysteme gearbeitet.

Eine einzige Frage verbindet all diese Erfahrungen: Wie entwickelt man Systeme, die Menschen dabei helfen, bessere Entscheidungen zu treffen?

Bei Meta habe ich Systeme entwickelt, die im Maßstab von Milliarden von Nutzern arbeiten. Bei Bumble konzentrierte ich mich auf Sicherheit, Vertrauen und die Auswirkungen von KI auf zutiefst menschliche Erfahrungen. Heute entwickle ich als Gründerin KI-native Produkte von Grund auf.

Wir treten in eine der größten Veränderungen in der Produktentwicklung seit dem Aufkommen des Mobilfunks ein. Die größte Veränderung besteht nicht darin, dass Produkte intelligent werden. Es geht darum, dass auch die Art und Weise, wie wir Produkte entwickeln, intelligent werden muss.

Die nächste Generation von Produkten

Data Dumpling ist KI-nativ. Die Plattform verknüpft Unternehmenswissen, Einkaufsgremien, Beziehungssignale und Echtzeit-Kaufabsichten. So hilft sie Teams, ihre wertvollsten Chancen zu identifizieren und zu verstehen, welche Maßnahme als Nächstes ergriffen werden sollte. Wir arbeiten mit Unternehmen aus den Bereichen Unternehmenstechnologie, Beratung und Industrie zusammen und helfen Umsatzteams dabei, von statischen Listen und manueller Recherche zu KI-gestützten Entscheidungssystemen überzugehen.

Bei Luv or Pop leite ich die Produktstrategie für eine soziale Plattform für Konsumenten, die Dating durch Vertrauen, Identität und Gemeinschaft neu gestaltet. Wir haben auf Zehntausende Nutzer in den USA, im Vereinigten Königreich, Kanada und Teilen Afrikas skaliert und Systeme für Verifizierung, Matching und authentische menschliche Verbindungen entwickelt.

Auch wenn die Produkte sehr unterschiedlich wirken, ist die zugrunde liegende Produktphilosophie dieselbe: Die nächste Generation von Produkten wird Menschen nicht nur dabei helfen, mehr Arbeit zu erledigen. Sie wird ihnen helfen, bessere Entscheidungen zu treffen.

Ob es darum geht, einem GTM-Team dabei zu helfen, seinen nächsten Kunden zu finden, oder jemandem dabei zu helfen, eine bedeutungsvolle Beziehung aufzubauen – die Herausforderung besteht darin, Technologie zu entwickeln, die menschliches Urteilsvermögen verstärkt.

Wie KI kleineren Teams ermöglicht, eine hohe Produktqualität zu erreichen

Eine der größten Veränderungen für mich besteht darin, wie KI die operative Hebelwirkung kleiner Produktteams erhöht hat.

Als ich bei Meta war, verfügten wir über eine umfangreiche Infrastruktur für die Entscheidungsfindung. Dedizierte Teams, ausgereifte Plattformen für Experimente, Dashboards, Datenwissenschaftler, Forscher und Analysten halfen den Produktteams, das Nutzerverhalten zu verstehen und bessere Entscheidungen zu treffen.

Historisch konnten nur Unternehmen mit Hunderten oder Tausenden von Mitarbeitern ein solches Maß an Produktqualität erreichen. KI verändert das.

Auch mit meinen kleineren Teams setzen wir intensiv KI ein, um Nutzerinteraktionen zu verstehen und unsere nächsten Schwerpunktbereiche festzulegen.

Wir verbinden unsere Produktdaten mit Claude und nutzen Tools wie Mixpanel, um das Nutzerverhalten zu verstehen. Früher hätte ein kleines Team viel Zeit damit verbracht, Dashboards zu erstellen, Abfragen zu schreiben und Muster manuell zu analysieren, bevor es sich mit der Produktfrage befasste. Jetzt können wir uns mit unseren Daten unterhalten.

Wenn wir also eine neue Funktion einführen oder eine Kampagne durchführen, können wir schnell verstehen:

• Auf welche Nutzersegmente reagieren sie?
• Wo springen Nutzer ab?
• Welche Verhaltensweisen korrelieren mit der Kundenbindung?
• Was sollten wir als Nächstes testen?

Das bedeutet nicht, dass KI die Entscheidung für uns trifft. Sie verändert, wofür wir unsere Zeit einsetzen.

Die Rolle des Menschen verlagert sich weg vom Abrufen von Daten und hin zum Stellen besserer Fragen.

Ein Modell kann Veränderungen bei Kennzahlen erkennen, die Veränderung segmentieren und mögliche Erklärungen vorschlagen, aber letztlich kann das menschliche Produkturteil tatsächlich feststellen, welche Hypothesen glaubwürdig sind, ob die Veränderung relevant ist und was als Nächstes zu tun ist.

Wie schnelle Prototypenerstellung die Diskussion verändert

KI verkürzt die Distanz zwischen einer Idee und echtem Kundenfeedback.

Wir setzen KI in der frühen Produktentwicklung intensiv ein. Statt mit einem schriftlichen Konzeptdokument zu beginnen, programmieren wir jetzt schnell Prototypen und interaktive Erlebnisse durch intuitives Programmieren, die es dem Team ermöglichen, das Produkt zu erleben, bevor wir uns auf Entwicklungsressourcen festlegen.

Das hat die Qualität der Gespräche verändert, die wir intern und extern führen.

Eine Produktidee kann in einem Dokument großartig klingen, aber sobald jemand damit interagiert, bemerkt man Dinge, die man sonst übersehen würde: Reibungspunkte für Nutzer, emotionale Reaktionen, verwirrende Abläufe oder Annahmen, die sich nicht bestätigen.

Wir unterziehen Prototypen strengen Belastungstests, sammeln Feedback, entwickeln sie weiter und gehen erst danach in die vollständige Entwicklung über.

Und das ist besonders wichtig, weil KI es auch leichter macht, beeindruckende Dinge zu entwickeln, die keine bedeutenden Probleme lösen. Bei Data Dumpling haben wir beispielsweise mit synthetischen Kundenprofilen experimentiert, weil wir über umfangreiche Informationen zu Unternehmen, Käufern und Entscheidungsträgern verfügten. Wir konnten simulieren, wie verschiedene Profile auf Botschaften oder Kampagnen reagieren könnten. Technisch gesehen war es eines der interessantesten Dinge, die wir entwickelt haben. Aber unsere Kunden brauchten es nicht.

Tara's Gedanken

Wir unterziehen Prototypen strengen Belastungstests, sammeln Feedback, entwickeln sie weiter und gehen erst danach in die vollständige Entwicklung über. Und das ist besonders wichtig, weil KI es auch leichter macht, beeindruckende Dinge zu entwickeln, die keine bedeutenden Probleme lösen.

Wie KI die Kundenerkundung und Roadmaps beeinflusst

Historisch betrachtet war die Kundenerkundung verlustbehaftet. Ein PM machte sich Notizen, fasste Gespräche zusammen, identifizierte Themen und übersetzte diese Erkenntnisse in Entscheidungen für die Roadmap. Vieles hing davon ab, woran sich jemand erinnerte oder was dokumentiert wurde.

Ich habe diesen Arbeitsablauf mit KI neu aufgebaut. Read AI erfasst jedes Gespräch mit Kunden und Interessenten, und Claude fasst sie zusammen. Wir haben eigene Skills entwickelt, die diese Gespräche direkt unseren Roadmaps gegenüberstellen. So können wir verstehen, welche Probleme wiederholt auftreten, welche Kundensegmente davon betroffen sind und wie diese Anfragen mit Umsatzchancen zusammenhängen.

Jederzeit können wir nicht nur nachvollziehen, wie viele Kunden eine Funktion angefragt haben, sondern auch, wie wichtig das Problem ist, wer davon betroffen ist und ob seine Lösung das Unternehmen voranbringt.

Das Ergebnis ist, dass Produktentscheidungen auf einem sich kontinuierlich aktualisierenden System für Kundeninformationen basieren und nicht auf einer Sammlung statischer Notizen und einzelner Gespräche.

Warum PMs vorsichtig sein sollten, wenn sie auf Grundlage dessen entwickeln, was Basismodelle nicht leisten können

Wenn Sie KI-Produkte entwickeln, müssen Sie verstehen, wie schnell sich Basismodelle verbessern. Erst im vergangenen Jahr betraf eine der ersten KI-Funktionen, die wir bei Data Dumpling entwickelt haben, die Inhaltserstellung. Damals fühlte es sich wie ein echter Wettbewerbsvorteil an, hochgradig kontextbezogene Ansprache mithilfe von Unternehmensinformationen zu erstellen.

Bis zum Jahresende hatten sich die Fähigkeiten der Modelle, Bilder, Links und umfangreiche Kontexte zu verstehen und direkt hochwertige Inhalte zu erstellen, drastisch verbessert. Etwas, das sich zunächst differenzierend anfühlte, wurde bemerkenswert schnell zum Mindeststandard.

Ich denke, es ist gefährlich, Produkte zu entwickeln, deren primärer Wert darauf beruht, was das Modell heute noch nicht leisten kann. Stattdessen konzentrieren wir uns darauf, Produkte rund um Kundenarbeitsabläufe, proprietäre Daten und Systeme zu entwickeln, die im Laufe der Zeit immer wertvoller werden.

Warum Produktverantwortliche experimentieren, aber entschlossen handeln müssen

Mein Rat ist einfach: Bleiben Sie neugierig, aber handeln Sie entschlossen.

Neue Modelle, Werkzeuge und Fähigkeiten entstehen beinahe jede Woche. Niemand hat alle Antworten. Deshalb sind die Teams, die am schnellsten lernen, diejenigen, die bereit sind zu experimentieren.

Beginnen Sie mit einem langsamen, repetitiven oder frustrierenden Teil Ihres Produktentwicklungsprozesses. Probieren Sie verschiedene KI-Werkzeuge aus. Finden Sie heraus, was die Arbeit Ihres Teams tatsächlich verbessert. Messen Sie die Auswirkungen, behalten Sie bei, was funktioniert, und scheuen Sie sich nicht, aufzugeben, was nicht funktioniert.

Gleichzeitig besteht derzeit die Versuchung, alles neu aufzubauen, nur weil es KI gibt. Das ist nicht der richtige Ansatz.

Wenn ein Prozess bereits gut funktioniert, gehört KI nicht unbedingt dorthin. KI sollte echte Probleme lösen und keine neuen schaffen.

Außerdem sollte nicht jede Entscheidung automatisiert werden. Bei Data Dumpling automatisiert KI zwar einen großen Teil der Lead-Ermittlung, der Abbildung des Einkaufsgremiums und der Analyse von Kaufsignalen, aber wir bauen unseren gesamten Arbeitsablauf rund um einen Menschen in der Entscheidungsschleife auf. KI ist hervorragend darin, Chancen aufzudecken, Signale miteinander zu verknüpfen und zu priorisieren, worauf die Aufmerksamkeit gelenkt werden sollte. Die endgültige Entscheidung trifft jedoch weiterhin ein Mensch – unabhängig davon, ob es darum geht, ein Kundenkonto weiterzuverfolgen, eine Strategie zu ändern oder zu entscheiden, wie auf ein komplexes Kaufsignal reagiert werden soll.

Das ist eine bewusste Designentscheidung. Es geht nicht darum, menschliches Urteilsvermögen zu ersetzen, sondern Menschen einen besseren Kontext zu geben, damit sie bessere Entscheidungen treffen können.

Letztendlich entsteht Erfolg im KI-Zeitalter nicht durch den Einsatz der meisten Werkzeuge. Er entsteht dadurch, zu wissen, wo KI einen Hebel schafft und wo menschliches Urteilsvermögen weiterhin wichtig ist.

Auf dem Laufenden bleiben

Sie können die Arbeit von Tara Sakhuja auf LinkedIn und Instagram verfolgen. Sehen Sie sich außerdem Data Dumpling und Luv or Pop an.

Weitere Experteninterviews folgen im The CPO Club!