Kuinka sopeutua tuotehallinnan uuteen kultastandardiin

Lue litterointi:

Kokeilemme podcastiemme litterointia ohjelmiston avulla. Annethan anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole aina sataprosenttisen tarkka.

Hannah Clark: Teknologian kehittyessä myös käyttäytymisemme muuttuu. Aiemmin nämä muutokset tuntuivat melko vähittäisiltä. Esimerkiksi ansioluetteloa ei enää toimiteta henkilökohtaisesti, vaan haemme työpaikkoja verkossa. Mutta teknologian muuttuessa rajusti tuotealan ammattilaiset ovat keskellä täydellistä uudistumista. Emme ainoastaan sopeudu uusiin käyttäytymismalleihin käyttäjinä, vaan myös täysin uusiin standardeihin siinä, miten työskentelemme.

Ja ollaanpa rehellisiä: muutos tuntuu joskus siltä kuin rakentaisimme laskuvarjoa vasta hypättyämme lentokoneesta. Kuinka siis rakennat kunnollisen kuvainnollisen laskuvarjon, kun olet jo hämmentynyt eikä kukaan ole laatinut sinulle virallista käyttöohjetta? Hyvä lähtökohta on tarkkailla laskuvarjohyppääjiä, jotka ovat onnistuneet käyttämään samoja materiaaleja kuin sinä ja löytäneet tavan lentää.

Vieraamme tänään on tohtori Maryam Ashoori, IBM Watsonxin tuote- ja suunnittelujohtaja. Tohtori Ashoori, joka vakuutti minulle, että voin kutsua häntä yksinkertaisesti Maryamiksi, on työskennellyt tekoälyn parissa yli 20 vuotta. Vaikka harva on ollut tämän teknologian eturintamaa lähempänä kuin hän, vasta viime aikoina hän on nähnyt valtavan muutoksen menestyvien tuotealan ammattilaisten toimintatavoissa. Jos siis haluat lainata sen tuote-tiimin toimintamallia, joka on ollut lähimpänä tekoälyn historian merkittävimpiä edistysaskeleita, tämä jakso saattaa kiinnostaa sinua. Aloitetaan.

Niin muuten, käymme tällaisia keskusteluja joka viikko. Jos tämä kuulostaa kiinnostavalta, mikset tilaisi ohjelmaa? Hyvä, aloitetaan.

Tervetuloa takaisin Tuotepäällikkö-podcastiin. Tänään kanssani on tohtori Maryam Ashoori. Hän on IBM Watsonxin tuote- ja suunnittelujohtaja.

Maryam, olen todella innoissani tästä keskustelusta. Kuinka voit tänään?

Maryam Ashoori: Voin hyvin. Entä sinä?

Hannah Clark: Minulla menee hienosti. Olen todella innoissani tästä keskustelusta, joten aloitetaan tapaan, jolla aina aloitamme.

Voisitko kertoa hieman taustastasi ja siitä, miten päädyit nykyiseen asemaasi?

Maryam Ashoori: Tietenkin. Olen työskennellyt tekoälyn parissa yli 20 vuotta useilla eri aloilla. Urani aikana olen työskennellyt suunnittelijana ja rakentanut käyttäjälähtöisiä tekoälyjärjestelmiä. Olen työskennellyt insinöörinä ja tuonut dataa sekä optimointia rakentamiimme järjestelmiin.

Olen työskennellyt tekoälytutkijana ja vienyt sitä, mihin tekoäly pystyy, yhä pidemmälle. Lopulta löysin paikkani tuotehallinnasta, jossa voin yhdistää kaikki nämä näkökulmat oikeiden ongelmien ratkaisemiseksi. Viime aikoina — tarkemmin sanottuna viimeisten kahden vuoden aikana generatiivisen tekoälyn parissa — olen ollut eturintamassa suunnittelemassa ja rakentamassa seuraavan sukupolven tekoälyä, joka on IBM:n keskeinen generatiivisen tekoälyn yritysalusta.

Tämä työ toi yhteen kaiken, mistä pidän: strategian määrittelyn nopeasti muuttuvilla markkinoilla, oikeudellisten ja eettisten kysymysten käsittelyn sekä uuden alan, kuten tässä tapauksessa generatiivisen tekoälyn, rajoitusten huomioimisen. Tavoitteena on rakentaa jotain hyödyllistä, joka ratkaisee todellisen ongelman.

Sen aikana ymmärsin, että vastuullinen tekoäly on ratkaiseva osa-alue, jonka parissa meidän on työskenneltävä tiiviisti ja joka on otettava huomioon suunnittelussa. Se johti minut nykyiseen tehtävääni, jossa johdan tekoälyn hallintaa koskevaa tuote- ja suunnittelutyötä.

Hannah Clark: Tämä on meille ohjelmassa suuri kunnia, sillä tekoäly on ollut meille valtava puheenaihe. On kiehtovaa keskustella henkilön kanssa, jolla on kokemusta tästä alasta paljon pidemmältä ajalta kuin siitä on keskusteltu julkisesti nykyisessä laajuudessaan. Tänään keskitymme kuitenkin erityisesti tuotehallinnan rooliin ja siihen, miten se kehittyy tekoälypohjaisten työkalujen ja työnkulkujen myötä.

Tämä liittyy läheisesti alaasi. Haluaisin, että aloitat kertomalla hieman muutoksista, joita olet havainnut IBM Watsonxissa, ja siitä, mitä nämä muutokset kertovat ammatin tulevaisuudesta.

Maryam Ashoori: Nostaisin esiin kaksi asiaa.

Ensimmäinen liittyy itse ammattiin ja toinen tuotteisiin, joita tuotehallinnan ammattilaiset rakentavat. Aloitetaan ensimmäisestä. Ei ole epäilystäkään siitä, että generatiivinen tekoäly kiihdyttää merkittävästi tuotehallinnan arjen tuottavuutta. Kun tarkastelen omia tuotehallinnan ammattilaisiani, he koodaavat luonnollisella tavalla.

He eivät tehneet niin vuosi sitten. Jos halusin heidän laativan vaatimusmäärittelyn, työskentelevän suunnittelijoiden kanssa mallien kokoamiseksi, siirtyvän insinöörien luo prototyypin rakentamiseksi, palaavan takaisin ja esittelevän idean, siihen kului aikaa. Nyt he rakentavat sen alle 24 tunnissa ja näyttävät minulle jotain täysin valmisra ja toimivaa. Silloin kysyn: mitä oikein katson?

Onko tämä varsinainen tuote vai rakentamasi malli? Se osoittaa, miten ammatti muuttuu tekoälyn avulla. Tässä oli kyse vain idean testaamisen nopeuttamisesta, mutta voit ajatella myös vaatimusmäärittelyjen luomista tekoälyn avulla sekä sen hyödyntämistä ideointiin ja käytettävissä olevien vaihtoehtojen arviointiin.

Tuottavuuden näkökulmasta nämä tuotehallinnan ammattilaiset ovat vastuussa ongelman ratkaisevan tuotteen rakentamisesta. On hyvin mahdollista, että generatiivinen tekoäly voi nopeuttaa tällaisen tuotteen kehittämistä. Siksi heidän on olennaista ymmärtää syvällisesti, miten tämä teknologia voi auttaa heidän omaa tuotettaan ja työtään sekä nopeuttaa heidän rakentamaansa kokonaisuutta.

Hannah Clark: Uskon, että tämä on parhaillaan erittäin mielenkiintoinen osaamisalue, koska se kehittyy nopeasti. Muodollinen koulutus ei oikein pysy muutoksen tahdissa. Mitä olet havainnut omassa tiimissäsi ja alalla tällä hetkellä? Millä tavoin tuotehallinnan ammattilaiset, jotka haluavat pysyä kilpailukykyisinä ja kuroa umpeen tuottavuuskuilua, voivat tehdä sen?

Kuinka voimme kehittää osaamistamme?

Maryam Ashoori: Mainitsemasi heikkous on mahdollisuus. Jossain vaiheessa tulevaisuudessa tämä kaikki nopeutuminen muuttuu normaaliksi. Ajattelen usein vertauskuvana laskinta. Monia vuosia sitten ihmiset laskivat kaiken käsin. Muistan jopa, että koulussa laskimen käyttö oli kielletty, koska haluttiin meidän laskevan käsin.

Sitten ylitimme tämän kynnyksen ja pääsimme tilanteeseen, jossa siirrytään ratkaisemaan erilaisia ongelmia manuaalisen laskemisen sijaan. Sama vertauskuva ja ajattelutapa pätevät tässä. Tulevaisuuden tuotehallinnan ammattilaisten odotetaan käyttävän tekoälyä tehokkaasti työssään, mutta nyt on siirtymävaihe. Ne, jotka hyödyntävät sitä, voivat luoda itselleen mahdollisuuden pysyä kehityksen edellä.

Tämä heikkous on siis oikeastaan hyvä mahdollisuus. Teimme hiljattain tutkimuksen tuhannen ihmisen kanssa ja keskityimme siihen, kuinka paljon tuottavuus nopeutuu tekoälyn avulla. Esitimme heille yhden yksinkertaisen kysymyksen. He olivat tuhat yhdysvaltalaista tekoälysovellusten kehittäjää, jotka keskittyivät yritysratkaisuihin.

Kysyimme: käytättekö tekoälyn avustamaa koodausta? 38 prosenttia vastasi käyttävänsä sitä usein. Kysyimme seuraavaksi, kuinka paljon aikaa se säästää. 41 prosenttia vastasi säästävänsä yhdestä kahteen tuntia päivässä. Yhdestä kahteen tuntia aikaa päivässä. Neljä prosenttia kertoi säästävänsä yli neljä tuntia. Mitä tämä kertoo minulle?

Riippumatta alasta, jos osaat käyttää tekoälyä tehokkaasti ja saada sen työskentelemään puolestasi, voit avata monia uusia ajattelutapoja myös tuotehallinnassa — sellaisia, joita emme ole vielä tutkineet. Uskon, että tässä on teknologian todellinen mahdollisuus tuotehallinnan ammattilaisille.

Hannah Clark: Olen samaa mieltä. Erityisesti luonnollisella tavalla koodaaminen yhdistää monia kokeneelle tuotehallinnan ammattilaiselle ainutlaatuisia taitoja. Sen avulla voidaan luoda lähtökohta, joka on, kuten sanoit, vuosia edellä sitä, että aloitettaisiin pelkästä vaatimusmäärittelystä.

Kun ajattelemme tekoälyyn liittyviä työkaluja ja luonnollisella tavalla koodaamista, olet maininnut aiemmassa keskustelussa, että tekoälysovelluksen rakentaminen vaatii yleensä paljon työkaluja, noin kuudesta viiteentoista erilaista työkalua. Jos tekoälyosaamisemme on rajallista, miten suosittelet lähestymään monimutkaisten teknologiakokonaisuuksien ymmärtämistä ja orkestrointia, etenkin kun työkalut ovat muuttuneet monimutkaisemmiksi ja kehittyneemmiksi?

Maryam Ashoori: Ajattelisin kysymystä kahdesta näkökulmasta: teknologiasta ja ihmisistä. Teknologian näkökulmasta ala kehittyy nopeasti. Tuotehallinnan ammattilaisella on ehkä alle kaksi tuntia aikaa tutustua uuteen markkinoille tulevaan asiaan ja päättää, onko se hyödyllinen, kannattaako siihen käyttää lisää aikaa ja tuoda se omaan tuotteeseen vai onko kyse vain melusta, jonka voi jättää huomiotta.

Aikaa ja tekoälyosaamista on rajallisesti, ja markkinat kehittyvät nopeasti. Tuotehallinnan ammattilaisella ei todennäköisesti ole samanlaista syvällistä tekoälyosaamista kuin tutkijalla, joka on käyttänyt alaan vuosia. On siis todella tärkeää selvittää, kuinka markkinoilla olevaa tilannetta ja teknologiaa arvioidaan. Jos luotat pelkästään työkaluihin, saatat mielestäni jäädä paitsi ihmisnäkökulmasta, joka voi auttaa rajallisen tietämyksesi vuoksi.

Ihmisten näkökulmasta paras apu tulee todennäköisesti suunnittelukumppaneiltasi ja tutkimuskumppaneiltasi. Joissakin yrityksissä heitä kutsutaan tutkijoiksi tai tutkimustieteilijöiksi. He ymmärtävät, miten ala kehittyy ja mikä teknologian arvo on käyttötarkoituksessasi.

Kun tarkastelet alaa kokonaisuutena, näiden roolien ja vastuiden välinen raja hämärtyy — erityisesti insinöörien ja tuotehallinnan ammattilaisten välillä. Historiallisesti sanoimme, että yhtä tuotehallinnan ammattilaista kohden tarvitaan ehkä viidestä kymmeneen insinööriä. Kuukausi sitten kuulimme Andrew Ngin sanovan lavalla, että hänen tiiminsä ehdotti yhtä tuotehallinnan ammattilaista jokaista puolta insinööriä kohden. Tuotehallinnan ammattilaisia olisi siis enemmän. En väitä, että tämä olisi oikea suhde, mutta se osoittaa, että roolien ja vastuiden välinen raja sekä oikean tuotteen rakentamiseen tarvittava osaaminen ovat muuttumassa.

Neuvoni tuotehallinnan ammattilaisille on keskittyä oikean tuotteen rakentamiseen. Kun määritelmä on kohdallaan, voit antaa sen ihmis- tai tekoälykumppaneillesi ja saada heidät työskentelemään puolestasi. Olennaista on kuitenkin määritellä ja ymmärtää asia oikein.

Hannah Clark: Juuri tätä haastetta me kaikki yritämme ratkaista: kuinka paljon tukeudumme työkaluihin ja kuinka paljon tuomme mukaan omaa asiantuntemustamme sekä yhteistyökumppaniemme osaamista.

Kun arvioimme tekoälyteknologioita esimerkiksi tuotesuunnitelmaa varten, millä kriteereillä erottaisit työkalut, joihin kannattaa investoida, niistä, jotka saattavat olla poissa markkinoilta jo kuuden kuukauden kuluttua?

Maryam Ashoori: Olen nähnyt ihmisten tavoittelevan ratkaisuja sen sijaan, että he ratkaisisivat ongelmia.

Hyvä esimerkki on henkilö, joka tuli luokseni ja sanoi: haluan tuoda tuotteeseeni kaksi tekoälyagenttia vuoden loppuun mennessä. Vastasin: odota hetki, mitä nämä kaksi agenttia tarkalleen ottaen tekevät? Tämä on mielestäni teknologian jahtaamista: yritetään keksiä, miten se voidaan tuoda tuotteeseen sen sijaan, että ensin ymmärrettäisiin kunnolla ratkaistava ongelma ja arvioitaisiin, onko uusi tekoälytyökalu häiriötekijä vai todellinen hyöty tuotteelle.

Aloittaisin siitä. Silloin sinulla on viitekehys ja näkökulma, joiden avulla voit arvioida minkä tahansa eteesi tulevan teknologian arvoa.

Selvitä, haluatko käyttää sen arviointiin lisää resursseja tai omaa aikaasi.

Hannah Clark: Tämä toistaa hiljattain paneelitapahtumassa käymämme keskustelun. Drill Bit Labsin toinen pääjohtaja Thomas Stokes tutkii vahvasti käyttäjäkokemusta ja toi esiin samoja ajatuksia. Näemme ratkaisulähtöisen ajattelun yleistyvän: miten käytämme tekoälyä sen sijaan, että aloittaisimme ongelmasta.

Tämä on hyvä hetki palata perusteisiin ja muistaa, että vaikka teknologia on erittäin kiinnostavaa ja sille on ilmeisesti paljon käyttötapauksia, meidän on edelleen ajateltava ongelmalähtöisesti. Vain siten voimme varmistaa, että käytämme sitä tarkasti ja että se todella ratkaisee ongelman ytimen.

Miten IBM:llä tasapainotatte tekoälyominaisuuksien rakentamisen itse ja kolmansien osapuolten ratkaisujen käyttöönoton? Olette tämän alan edelläkävijöitä, joten haluaisin kuulla, miten lähestytte tätä kysymystä.

Maryam Ashoori: En sanoisi sitä ongelmaksi vaan mahdollisuudeksi vahvistaa työtämme, erityisesti generatiivisen tekoälyn yhteydessä.

Katso vain, mitä ympärillä tapahtuu, myös avoimen lähdekoodin parissa. Innovaatioita syntyy korkeakouluissa, yrityksissä ja kehittäjien omissa intohimoprojekteissa. Niitä tulee kaikkialta. Jos rajoitat itsesi ajatukseen, että haluat rakentaa kaiken itse, rajoitat pääsyäsi mahdolliseen innovaatioon.

Jokaisella alueella tarkastelemme yleensä oman sisäisen osaamisemme hyödyntämisen arvoa. Meillä on esimerkiksi IBM Researchin 2 500 henkilöä, jotka elävät alan uusimman teknologian keskellä. Keskustelen heidän kanssaan usein selvittääkseni, miten he ajattelevat ja mikä voisi hyödyttää tuotetta.

Samalla keskustelen markkinoilla toimivien kumppaneidemme ja yhteisön valittujen jäsenten kanssa. Kysyn, mihin heidän mielestään ollaan menossa seuraavien kolmen kuukauden aikana ja miten voimme tukea yhteisön rakentamista.

Käytän myös kalenteristani aikaa satunnaisten uutisten etsimiseen. Se on vaikea osa, mutta juuri siellä intohimoiset kehittäjät rakentavat jotain ja julkaisevat sen ilman, että suuret yritykset ovat nostaneet sen parrasvaloihin ilmoittamalla merkittävistä ominaisuuksista. Näiden kanavien kautta saat laajan näkyvyyden markkinoille tulevaan teknologiaan.

Kun palaan kysymykseen siitä, mitä ongelmaa yritän ratkaista, voin tarkastella ympärilleni ja arvioida, mitä hyötyä ja kustannuksia teknologian hankkimisesta on eri lähteistä: yrityksiltä, yhteisöltä tai yksittäisiltä kehittäjiltä. Ehkä voin palkata heidät tai tehdä jotain muuta asian tuomiseksi meille. Näin voin tehdä tietoon perustuvan päätöksen.

Hannah Clark: Tämä on hyvin kokonaisvaltainen tapa tarkastella päätöksenteon viitekehystä. Siirrytäänkin johtamiseen. Kun johdat tiimiä, mitä uusia taitoja ja valmiuksia etsit palkatessasi uusia tuotehallinnan ammattilaisia — erityisesti verrattuna vuoden takaiseen aikaan, jolloin teknologia oli uudempaa?

Maryam Ashoori: Jälleen tarkastelisin ongelmaa, jota yritän palkkauksella ratkaista. Arvioin yleensä tiimin jäsenten osaamista ja tunnistan puutteen, sillä palkkaamme tavallisesti juuri tätä puutetta paikkaamaan. Kysyn itseltäni: haluaisinko joskus raportoida tälle henkilölle?

Kun palkkaat jonkun, haluat henkilön, joka tietää enemmän, täyttää kyseisen aukon ja on asiantuntija siinä asiassa, jota varten hänet palkataan. Sen jälkeen väisty tieltä ja anna hänelle autonomia toimittaa tulokset, sillä hänen pitäisi olla siinä aidosti paras. Tämä on ajattelutapani: ymmärrä aukot ja täytä ne.

En ajattele ensisijaisesti, että minulla on tuotehallinnan ammattilainen ja suunnittelija. Mietin tarkemmin, että tämä henkilö on erittäin hyvä esimerkiksi markkinoilleviennissä ja asiakaskeskusteluissa, toinen SaaS-liiketoiminnan kasvattamisessa ja kolmas jossain muussa. Tarkastelemme siis taitoja emmekä nimikkeitä.

Yritä täyttää kyseinen osaamisaukko ja löytää paras mahdollinen henkilö tiimiin.

Hannah Clark: Tämä on kiinnostavaa, koska ajattelutapa vaikuttaa muuttuvan myös siinä, millaisia muita kokemuksia, tilanteita, yhteyksiä ja persoonallisia ominaisuuksia henkilöllä on muodollisten pätevyyksien lisäksi.

Tämä poikkeaa aiemmasta rekrytointiajattelusta, jossa keskityttiin hyvin tarkkoihin koviin taitoihin, sertifikaatteihin ja pätevyyksiin. Nyt vaikuttaa siltä, että kokemuksen laajuus ja yksilön mukanaan tuomat ainutlaatuiset asiat merkitsevät enemmän.

Onko tämä mielestäsi totta?

Maryam Ashoori: On. Viimeisten kahden vuoden aikana tekemissäni rekrytoinneissa generatiivisen tekoälyn aikakaudella on ollut kaksi yhteistä piirrettä. Ensimmäinen on uteliaisuus: osoita kiinnostuksesi siihen, mihin ala on menossa, tartu siihen, tutki ja rakenna.

Toinen on tekninen osaaminen ja todellinen ymmärrys siitä, mitä tapahtuu. Olen nähnyt tuotehallinnan ammattilaisten luokittelevan itsensä markkinoilleviennin tai teknisen tuotehallinnan ammattilaisiksi. Silloin ajattelen: hetkinen, elämme tekoälyn aikakautta. Sinun on ymmärrettävä erittäin hyvin, miten se voi auttaa tuotettasi ja sinua itseäsi.

Jos et pysty vastaamaan siihen, saatat olla väärässä tehtävässä.

Hannah Clark: Olen samaa mieltä. Mainitsemasi kysymys siitä, haluaisitko joskus raportoida tälle henkilölle, muistuttaa minua keskustelusta, jonka kävin puolitoista vuotta sitten Atlassianin Kovan kanssa. Hän puhui samankaltaisista asioista ja siitä, mitä hän etsii ehdokkaassa.

Yksi erityisesti mieleeni jäänyt asia oli tämä: kun kysyn henkilöltä, ketä hän ihailee, mainitseeko hän koskaan itseään juniorimman henkilön? Se oli minusta kiinnostavaa, sillä siinä etsitään henkilön kykyä tehdä yhteistyötä ja kunnioittaa kaikkia organisaation osaajia.

Nyt tämä on erityisen hyvä mahdollisuus tarkastella sitä, miten henkilö tekee yhteistyötä muiden kanssa, kun teknologia itsessään on luonteeltaan niin yhteistyöhön perustuvaa. Tämä on kiehtovaa.

Mainitsit aiemmin kaksi keskeistä aluetta, joilla tekoäly vaikuttaa tuotehallintaan: olemassa olevien tuotteiden kehittämisen ja henkilökohtaisen tuottavuuden parantamisen.

Haluaisin puhua hieman siitä, miten kehitämme olemassa olevia tuotteita tekoälyn avulla. Mitä loistavia käyttötapauksia olet nähnyt näillä kahdella alueella? Olet varmasti täynnä esimerkkejä.

Maryam Ashoori: Tekoälyn voi tuoda tuotteisiin monella tavalla. Ensimmäinen on toimia tämän teknologian toimittajana maailmalle. Esimerkiksi IBM:n uusi tekoälyalusta pakkaa suuret kielimallit, työkalut ja kaiken muun tarvittavan kokonaisuudeksi, jonka päälle muut voivat rakentaa.

Toinen tapa on rakentaa tekoälyllä rikastettuja sovelluksia. Tuotteesta riippumatta voit kysyä, miten tekoäly voisi rikastaa nykyisiä ominaisuuksia ja auttaa hyödyntämään nopeutumista.

Se voi tarkoittaa suoria generatiivisen tekoälyn käyttötapauksia, kuten tietojen luokittelua ja poimintaa, kysymyksiin vastaamista, asiakaspalvelubotteja, sisällön luomista tai koodin luomista. Se voi myös tarkoittaa automaatiota, esimerkiksi agentteja. Voit yhdistää kaikki mainitsemani käyttötapaukset funktiokutsujen avulla jokaiseen liiketoiminnan työnkulkuun.

Miten tuoda tämä tehokkuus tuotteeseen ja tehdä siitä parempi?

Kolmas kategoria on uuden, suurten kielimallien tehostaman tuoteryhmän luominen. Esimerkkinä ovat kaikki koodauksen avustamiseen tarkoitetut teknologiat. Suuri kielimalli toimii taustalla ja auttaa kehittäjiä koodaamaan luonnollisella tavalla.

Se on hyvä esimerkki uusista mahdollisuuksista.

Neljäs kategoria liittyy palveluihin. Mainitsemasi koulutuksen haaste ei koske vain tuotehallinnan ammattilaisia, vaan koko markkinaa — yritys- ja kuluttajamarkkinoita. Kaikkien on koulutettava itseään tehdäkseen parempia tekoälyä koskevia päätöksiä, ja tämä luo mahdollisuuden palveluille.

Jos tunnet alan, voit auttaa valitsemaan oikean mallin oikeaan käyttötapaukseen ja tekemään paremman päätöksen. Tuotehallinnan ammattilaisille on siis neljä erilaista mahdollisuusaluetta, ja lähestymistapa riippuu täysin siitä, mihin alueeseen keskitytään.

Hannah Clark: Neljäs kategoria, palvelut, kiinnostaa minua erityisesti. Olen myös huomannut trendin, jossa tuotehallinnan ammattilaiset siirtyvät palvelu- ja koulutusaloille. Entiset tuotehallinnan ammattilaiset tarjoavat nykyään valtavan määrän Maven-kursseja. Vaikuttaa siltä, että tähän mahdollisuuteen tartutaan voimakkaasti, etenkin kun luonnollisella tavalla koodaamisen työkalut ovat tuoneet koodauksen ja kehittämisen lähes kaikkien ulottuville.

Näen tässä selvästi suunnan, jossa tarjotaan palveluja, joiden avulla ihmiset voivat kehittää juuri heille sopivia ratkaisuja. Tämä on kiinnostava muutos, joka tapahtuu samanaikaisesti tuotealan kehityksen kanssa.

Kun katsomme tulevaisuuteen, mitkä tekoälyn kehityssuunnat vaikuttavat mielestäsi merkittävästi seuraavien 12–18 kuukauden aikana?

Maryam Ashoori: Meidän maailmassamme yksi sukupolvi kestää kolme kuukautta, joten 12–18 kuukautta tarkoittaa viittä sukupolvea.

Se on liian kaukana tulevaisuudessa, jotta voisimme varmasti tietää, mihin olemme menossa. Jos tarkastelen kolmea seuraavaa sukupolvea eli kuutta–yhdeksää kuukautta, uskon näkeväni paljon enemmän automaatiota. Näemme sitä jo nyt, mutta teknologia ei ole vielä valmis. Nyt tutkitaan uusia käyttötapauksia ja selvitetään yhdessä yhteisön kanssa, kuinka tätä voidaan hyödyntää tehokkaasti.

Tämä tarjoaa tuotehallinnan ammattilaisille mahdollisuuden. Kun puhun automaatiosta, tarkoitan kirjaimellisesti kaiken automatisointia: sähköpostien luomisesta ja asiakkaiden kanssa keskustelemisesta tiekarttojen optimointiin toimitukseen tarvittavan kehitystyön perusteella.

Tarkoitan myös vaatimusmäärittelyjen aikataulujen luomista, uusien vaihtoehtojen tutkimista ja asiakkaiden auttamista parempien päätösten tekemisessä. Lähes jokaista tekemääsi päätöstä voidaan tehostaa tekoälyn avulla, jos opit saamaan tekoälyn työskentelemään puolestasi.

Toisaalta kaikella tällä tekoälyn tuomalla nopeutumisella on kustannus. Kustannus liittyy riskeihin, ja urasi voi joko vahvistua tai kärsiä sen mukaan, miten käytät tätä teknologiaa. Tuotehallinnan ammattilaisten on ymmärrettävä hyötyjen lisäksi myös riskit. Riskit voivat vaikuttaa tuotteeseen, ja ajan mittaan asiat voivat mennä pieleen. Riskit voivat vaikuttaa myös henkilökohtaiseen identiteettiin ja brändiin.

Ajattele siis aina tekemäsi asian hyötyjen ja kustannusten tasapainoa.

Hannah Clark: Eettinen tekoälyn käyttö on urasi kulmakivi, joten tämä on varmasti sinulle läheinen aihe. Kuinka navigoimme näissä riskeissä? Hyväntahtoiset ihmiset voivat tehdä virheitä toimiessaan kokeilu- ja tutkimustilassa.

Onko sinulla viitekehystä tai suojakaiteita, joita ajattelet tekoälyn kanssa kokeillessasi, tai neuvoja niille, jotka haluavat sisällyttää riskienhallinnan kehitykseensä ja osaamiseensa?

Maryam Ashoori: Kuvitellaan, että haluat käyttää agenttia, joka lähettää sähköposteja puolestasi tai tiivistää sähköpostisi ja jolla on pääsy kalenteriisi kokousten järjestämiseksi.

Hyödyt ovat valtavat. Toisaalta agentille on annettava pääsy sähköpostiisi ja kalenteriisi. Haitallinen toimija voisi mahdollisesti käyttää tietoa väärin ja selvittää, missä olet, milloin ja kenen kanssa puhut. Jokainen agentille annettu lupa voi luoda haavoittuvuuden.

Sama koskee tuotetta, kun tuot agentit siihen. Aloittaisin siis palaamalla käyttötapauksen perusteisiin. On tärkeää ymmärtää, mitä ongelmaa yrität ratkaista yhteisölle tai tuotteellesi. Mikä tämä asia on? Kun kyse on tekoälystä, ymmärrä erittäin hyvin sen hyödyt.

Arvioi samalla, mitä haavoittuvuuksia tuot tuotteeseen. Onko sinulla luottamusta siihen, että pystyt lieventämään niitä ja ratkaisemaan ongelmat, vai seuraatko sokeasti tekoälyn tuomista tuotteeseesi ja katsot, mitä tapahtuu?

Hannah Clark: Olen iloinen, että sanoit tuon. Se on tekoälyn kehittämisen ja kokeilemisen vähemmän hohdokas osa.

Elämme innostavaa aikaa, mutta riskienhallinta on joissakin tapauksissa jäänyt jälkikäteen ajateltavaksi. Olemme siirtymässä kehityksen ja kokeilun villiin länteen, jossa luonnollisella tavalla koodaamisesta ja tekoälyn käytöstä uusiin käyttötapauksiin on tullut toisen sukupolven pioneeriaikaa.

Tämä on tärkeä asia nostaa esiin. Halusin päättää keskustelun seuraaviin askeliin niille, jotka haluavat kehittää osaamistaan. Mitkä resurssit ovat olleet hyödyllisimpiä sinulle tai tiimillesi osaamisen kehittämisessä?

Teknologian kanssa leikkiminen on yksi tapa, mutta suositteletko jotain muuta?

Maryam Ashoori: Kaikkien saatavilla olevien hyödyllisten asioiden lisäksi sanoisin, että kannattaa löytää itselleen sopiva tapa suodattaa se, mille haluaa altistua. Markkinoilla tapahtuu niin paljon, että olen nähnyt tuotehallinnan ammattilaisten kärsivän teknologiaväsymyksestä.

Mistä siis saat tietosi? Tehokkain keino, jota olen kannustanut tiimejäni käyttämään, on löytää yhteisöstä luotettava asiantuntija ja seurata häntä. Se voi tapahtua LinkedInissä tai muualla. Jos hänen näkemyksensä ovat linjassa oman ajattelusi kanssa, kuulet uuden teknologian tullessa hänen näkökulmansa sen sijaan, että joutuisit selvittämään kaiken itse yhteisöstä.

Se on oikotie asiantuntijan mielipiteeseen teknologiasta. Se on hyödyllistä. Tuotehallinnan ammattilaisten on kuitenkin huomioitava kustannukset ja hyödyt myös tässä: varmista, että seuraamasi henkilö on todella seuraamisen arvoinen.

Muuten rajaat maailmankuvasi hänen näkökulmaansa. Jos se ei ole tarkka, saat vääristyneen kuvan kokonaisuudesta. Ole siis valikoiva, mutta etsi ihmisiä, jotka jakavat kiinnostuksesi kohteet ja ovat niissä asiantuntijoita, ja seuraa heitä.

Hannah Clark: Pidän tuosta neuvosta. Valikoivuus on erittäin tärkeää juuri nyt, kun siirrymme nopean kyllästymisen aikaan.

Valikoivuus on hyödyllistä monissa tekoälyyn ja teknologiaan liittyvissä asioissa — ja varmasti myös elämässä yleensä. Mainitsit myös luotettavien ihmisten seuraamisen. Miten kuulijat voivat seurata työtäsi tämän jakson jälkeen?

Maryam Ashoori: Olen LinkedInissä ja yritän kirjoittaa sinne mahdollisimman paljon. Olisi hienoa pitää yhteyttä siellä.

Hannah Clark: Hienoa. Kiitos paljon, että liityit seuraamme, Maryam. Lisäämme LinkedIn-linkkisi tämän päivän ohjelman tietoihin. Kiitos paljon ajastasi. Tiedän, että olet hyvin kiireinen.

Maryam Ashoori: Kiitos kutsusta.

Hannah Clark: Kiitos kuuntelusta. Saat lisää oivalluksia, oppaita ja työkaluarvosteluja tilaamalla uutiskirjeemme osoitteessa theproductmanager.com/subscribe. Voit kuunnella lisää tämän kaltaisia keskusteluja tilaamalla Tuotepäällikön sieltä, missä kuuntelet podcasteja.