Tuotehallinnan vanhempi varajohtaja keskustelee siirtymisestä lineaarisista prosesseista rinnakkaiseen iterointiin

Suman Chittimuri toimii Kore.ai:n tuotehallinnan johtavana varapresidenttinä, jossa hän johtaa tekoälypohjaisia tuotteita, jotka palvelevat miljoonia käyttäjiä yritysten työprosesseissa, kuten henkilöstöhallinnossa, IT:ssä, hankinnassa ja asiakaskokemuksessa.

Keskustelimme Sumanin kanssa ymmärtääksemme, miten tekoäly muuttaa tuotekehitystä omana alanaan. Hänen mukaansa tekoäly ei ainoastaan paranna nykyisiä työprosesseja, vaan pakottaa tiimit ajattelemaan ne kokonaan uudelleen – siirtymään lineaarisista prosesseista jatkuvaan, rinnakkaiseen iterointiin.

Tekoälyn soveltaminen yritysten työprosesseissa

Toimin Kore.ai:n tuotehallinnan johtavana varapresidenttinä, jossa johdan tekoälyä yritysten työprosesseissa hyödyntäviä tuotealoitteita – henkilöstöhallinnosta ja IT:stä hankintaan ja asiakaskokemukseen.

Suunnittelemme tuotteemme suurille yrityksille, ja ne palvelevat sekä työntekijöitä että loppuasiakkaita laajassa mittakaavassa esimerkiksi pankki-, terveydenhuolto- ja vähittäiskaupan aloilla tukien miljoonia vuorovaikutustilanteita. Hyödynnämme alustalähtöistä toimitusmallia, jossa rakennamme keskeiset tekoälyominaisuudet uudelleenkäytettäviksi komponenteiksi ja otamme ne käyttöön useissa työprosesseissa – näin voimme skaalata käyttötapauksia nopeammin ja säilyttää samalla yhdenmukaisuuden ja hallinnan.

Viime vuoden aikana tekoäly on siirtynyt avustavasta kerroksesta keskeiseksi toteutuskerrokseksi. Muutos vaikuttaa paitsi ominaisuuksiin myös siihen, miten suunnittelemme tuotteita, miten tiimit toimivat ja kuinka nopeasti siirrymme ideasta vaikutuksiin.

Tämä muutos tavassamme ajatella tuotteita muokkasi matkaani kohti tekoälylähtöistä tuoteuudistusta.

Miten tekoäly nopeuttaa tuotekehityksen työprosesseja

Tekoälyn ansiosta siirryimme lineaarisesta tuotekehitysmallista jatkuvampaan, tekoälyn avustamaan työprosessiin.

Aiemmin selvitys, PRD:n laatiminen, suunnittelu ja prototypointi etenivät peräkkäin. Tekoäly rikkoo tämän mallin. Se tukee jokaista näistä vaiheista rinnakkain tuottaen tutkimusaineistoa, luonnostellen määrittelyjä ja luoden varhaisia prototyyppejä lähes samanaikaisesti.

Seurauksena muuttuivat nopeus ja iterointi. Aiemmin päiviä vienyt työ tapahtuu nyt tunneissa, minkä ansiosta tiimit voivat tutkia useampia vaihtoehtoja ja kehittää niitä nopeammin. Tämä tarkoittaa, että tiimit voivat – ja niiden pitäisi – tutkia useampia vaihtoehtoja ennen sitoutumista.

Kaikki tämä edellyttää joitakin muutoksia:

• Peräkkäisistä luovutuksista jatkuvaan iterointiin
• Tuotosten valmistamisesta tulosten hiomiseen
• Rajallisesta tutkimisesta nopeaan kokeiluun

Pullonkaulana ei enää ole rakentaminen, vaan sen päättäminen, mitä rakennetaan, ja sen tehokas validointi. Meidän on täytynyt vahvistaa validointikerroksia ja soveltaa ihmisten harkintaa tietoisemmin.

Miksi tekoäly tukee tuotevalintoja, mutta ihmiset tekevät lopulliset päätökset

Hyödynnämme tekoälyä laajasti alkuvaiheen ja toteutuspainotteisten tehtävien tukena ja nopeuttajana:

• Selvitystyön tuki (toissijainen tutkimus, kilpailija-analyysi)
• Ongelman määrittely ja alustava ratkaisujen tutkiminen
• PRD-luonnosten laatiminen ja tiekartan lähtötiedot
• UX-konseptit ja varhainen prototypointi
• Kokeilujen suunnittelu ja teknisten kompromissien tutkiminen

Näillä alueilla nopeus, laajuus ja iterointi ovat tärkeitä. Tekoäly suoriutuu niissä hyvin.

Ihmisten osallistuminen säilyy selkeänä päätöksenteossa ja runsaasti kontekstia vaativilla alueilla:

• Ensisijainen tutkimus ja asiakkaiden syvällinen ymmärtäminen
• Lopullinen priorisointi ja tiekarttaa koskevat sitoumukset
• UX:n viimeistely ja suunnittelun johdonmukaisuus
• Kokeilujen tulosten tulkitseminen
• Kompromissipäätösten tekeminen liiketoiminnan, teknologian ja sidosryhmien välillä

Syy on yksinkertainen: tekoäly on vahva vaihtoehtojen ja mallien tuottamisessa, mutta heikompi harkinnassa, kontekstin ymmärtämisessä ja vastuunkannossa.

Kokemukseni mukaan tekoäly nopeuttaa “miten”-kysymyksen ja “mikä on mahdollista” -asioiden käsittelyä, kun taas tiimini ja minä vastaamme siitä, “mikä on tärkeää” ja “mihin sitoudumme”.

Miten tekoäly nopeuttaa tuotekehitystä mutta haastaa laadun

Kaiken kaikkiaan olen nähnyt selviä parannuksia nopeudessa ja läpimenossa eri tuotehallinnan tehtävissä:

• PRD:n laatiminen lyheni noin yhdestä päivästä noin 2–3 tuntiin
• Varhaisten prototyyppien luominen lyheni noin kahdesta päivästä noin 4–6 tuntiin
• Kilpailija- ja markkinatutkimuksen tekeminen lyheni noin 5–6 tunnista noin 1–2 tuntiin
• Data-analyysin syklit lyhenivät noin 60–70 %

Tämä antaa tiimeille mahdollisuuden tutkia useampia vaihtoehtoja ja iteroida nopeammin samoissa aikarajoissa.

Toisaalta laatu ja johdonmukaisuus vaihtelevat:

• Tekoälyn tuotokset vaativat usein merkittävää validointia ja uudelleentyöstämistä.
• Tiimeillä on taipumus luottaa liikaa ensimmäisiin tuotoksiin, mikä johtaa pinnalliseen ajatteluun.
• UX:n johdonmukaisuus kärsii, kun tekoäly tuottaa prototyyppejä ilman vahvaa suunnittelun ohjausta.
• Joillakin toimialoilla tarkkuus saavuttaa tasanteen (esimerkiksi jäsennellyssä poiminnassa 80–85 %), mikä rajoittaa käyttöä suuren riskin päätöksissä.

Tekoäly parantaa tehokkuutta merkittävästi, mutta tulokset riippuvat edelleen vahvasti siitä, kuinka perusteellisesti tiimit tarkistavat ja viimeistelevät sen tuottaman sisällön.

Suman jakaa

Tekoäly ei ainoastaan paranna työnkulkuja — se pakottaa sinut ajattelemaan ne uudelleen…Tekoäly parantaa tehokkuutta merkittävästi, mutta tulokset riippuvat edelleen vahvasti siitä, kuinka perusteellisesti tiimit tarkistavat ja viimeistelevät sen tuottaman sisällön.

Miksi tekoäly edellyttää tuotekehityksen työnkulkujen uudelleenarviointia

Tässä on jotain, mitä tuotejohtajien on tärkeää tietää: tekoäly ei ainoastaan paranna työnkulkuja — se pakottaa sinut ajattelemaan ne uudelleen.

Useimmat tiimit aloittavat lisäämällä tekoälyn olemassa oleviin prosesseihin ja tuomalla ennalta määritettyihin vaiheisiin apureita, avustajia tai automaatiota. Tämä johtaa yleensä asteittaisiin nopeus- tai tehokkuushyötyihin, mutta perusjärjestelmä pysyy muuttumattomana.

Todellinen mahdollisuus syntyy, kun suunnittelet työnkulut uudelleen olettaen, että tekoäly on keskeinen osa niitä alusta alkaen.

Kun teet niin, muutama asia muuttuu:

• Työ muuttuu vähemmän lineaariseksi ja enemmän rinnakkaiseksi — ongelman tutkiminen, prototypointi ja validointi voivat tapahtua samanaikaisesti.
• Ideoiden luomisen ja testaamisen kustannukset laskevat merkittävästi, mikä mahdollistaa useammat iteraatiot.
• Tiimien rooli siirtyy tuotosten tuottamisesta niiden tarkistamiseen, viimeistelyyn ja päätösten tekemiseen.
• Pullonkaulat siirtyvät toteutuksesta harkintaan, validointiin ja yhteensovittamiseen.

Tämä edellyttää kuitenkin paitsi prosessien myös roolien, omistajuuden ja laadun mittaamisen uudelleenarviointia.

Jos et muuta järjestelmää, rajoitat lopputulosta. Saat samoista työnkuluista nopeampia versioita — et perustavanlaatuisesti parempia työnkulkuja.

Miten tekoäly tehosti ongelman tutkimisen ja prototypoinnin työnkulkuja

Puhutaan tuoteongelman tutkimisesta prototypointiin etenevästä työnkulustamme.

Aloitamme tekoälyavusteisella ongelman tutkimisella, jossa tekoäly yhdistää markkinasignaaleja, kilpailijoiden liikkeitä ja sisäistä dataa muodostaakseen alustavan kuvan ongelmakentästä. Ihmisten toteuttama ensisijainen tutkimus — asiakaskeskustelut ja sidosryhmien näkemykset — täydentää tätä.

Seuraavaksi tekoäly auttaa ongelman jäsentämisessä ja ratkaisujen tutkimisessa tuottamalla useita lähestymistapoja, kompromisseja ja alustavia hypoteeseja.

Sen jälkeen siirrymme PRD:n laatimiseen, jossa tekoäly luonnostelee vaatimusten, käyttäjävirtojen ja poikkeustapausten ensimmäisen version. Tuotepäälliköt viimeistelevät sen liiketoimintakontekstin, rajoitteiden ja prioriteettien avulla.

Samanaikaisesti tekoäly tukee UX-konseptointia ja varhaista prototypointia tuottamalla rautalankamalleja tai työnkulkuja nopeaa tarkastelua ja iterointia varten.

Lopuksi suoritamme ennen rakentamista validointikierroksen:

• Tuotepäälliköt, suunnittelu ja tuotekehitys tarkastelevat tuotoksia.
• Tunnistamme puutteet, epäjohdonmukaisuudet ja riskit.
• Hyödynnämme tekoälyä uudelleen palautteen perusteella tehtävään hiomiseen.

Aiemmin peräkkäin edennyt prosessi tapahtuu nyt tiiviinä kierroksena, joka tiivistää usein usean päivän työn muutamaan tuntiin.

Miksi päästä päähän ulottuvat tekoälyavusteiset tuotekehitysprosessit eivät vielä toteudu

Kaikesta tästä huolimatta tekoäly ei vielä kykene aidosti luotettavaan, päästä päähän autonomiseen tuotekehitysprosessiin.

Yksittäisissä vaiheissa on tapahtunut huomattavaa edistystä, mutta järjestelmää, joka siirtyisi johdonmukaisesti ongelmasta → ratkaisuun → julkaistuun tuotteeseen vähäisellä ihmisen osallistumisella, ei vielä ole.

Puutteita ilmenee seuraavissa asioissa:

• Asiayhteyden säilyttäminen vaiheiden välillä
• Poikkeustapausten ja monitulkintaisuuden käsittely
• Tasaisen laadun ja liiketoimintatavoitteiden mukaisuuden varmistaminen

Lupaus on houkutteleva, mutta tällä hetkellä tekoäly voi vain nopeuttaa prosessia. Se ei pysty hallitsemaan sitä luotettavasti päästä päähän.

Miten tekoäly muuttaa tuotetiimien rooleja ja osaamista

Tuotetiimien osalta muutama muutos erottuu joukosta:

• Tuotepäälliköistä on tulossa ”rakentajia”, mikä tarkoittaa, että heidän odotetaan työskentelevän tiiviisti tekoälyn kanssa, iteroivan nopeasti ja ymmärtävän, miten asioita toteutetaan – ei vain sitä, mitä rakennetaan.
• Suunnittelun ja tuotekehityksen roolit siirtyvät aiemmaksi prosessissa, ja yhteistyö alkaa alusta sen sijaan, että nämä osallistuisivat vasta vaatimusten määrittelyn jälkeen.
• Vastuu laadusta jakautuu laajemmin. Kaikki vastaavat tekoälyn tuotosten validoinnista, eivät vain omasta toiminnallisesta osa-alueestaan.

Samalla näemme tarpeen uusille valmiuksille:

• Vahvempi arviointi- ja testaussuuntautuneisuus
• Kyky työskennellä monitulkintaisuuden ja epädeterminististen järjestelmien kanssa
• Valmius nopeaan iterointiin ja kokeiluun

Miksi johtajien on syytä varoa tekoälyn valheellista varmuutta

Johtajat aliarvioivat merkittävän riskin: tekoälyn tuotosten synnyttämän valheellisen varmuuden.

Tekoäly tuottaa usein sujuvia ja hyvin jäsenneltyjä vastauksia, jotka vaikuttavat oikeilta – vaikka ne olisivat puutteellisia tai vääriä. Tiimit luottavat usein tuotoksiin ilman riittävää validointia.

Pienessä mittakaavassa tämä johtaa vähäisiin virheisiin. Laajassa mittakaavassa se voi aiheuttaa systemaattisten virheiden leviämisen läpi työnkulkujen – tuotepäätöksissä, asiakaskohtaamisissa tai operatiivisissa prosesseissa.

Suman kertoo

Johtajat aliarvioivat merkittävän riskin: tekoälyn tuotosten synnyttämän valheellisen varmuuden… Tiimit luottavat usein tuotoksiin ilman riittävää validointia.

Miksi Claude on tuotehallinnan arvokkain työkalu

Jos minun pitäisi pitää vain yksi tekoälytyökalu, valitsisin yleiskäyttöisen tekoälytyötilan – Clauden ja Claude Workin.

Ei siksi, että se olisi täydellinen, vaan koska se on monipuolisin koko tuotteen elinkaaren aikana – selvitystyössä, ongelman jäsentämisessä, PRD-luonnosten laatimisessa, prototypoinnin lähtötietojen tuottamisessa ja jopa teknisessä tutkimisessa.

Arvo ei ole vain itse työkalussa, vaan siinä, kuinka helposti se mukautuu erilaisiin työnkulkuihin ilman raskasta käyttöönottoa tai integrointia.

Erikoistuneet työkalut ovat hyödyllisiä, mutta ne ratkaisevat yleensä tiettyjä vaiheita. Yleiskäyttöinen tekoälytyötila toimii ajattelu- ja toteutuskerroksena, jota voidaan hyödyntää prosessin useissa vaiheissa.

Miksi arviointi ja harkinta ovat tuotepäälliköille tärkeitä

Tässä on asia, jonka olisin toivonut tienneeni ennen tekoälyn käytön aloittamista:

1. Arviointiin perustuva kehittäminen on ratkaisevan tärkeää: Tarvitset selkeät tavat mitata tuotosten laatua jo varhaisessa vaiheessa. Ilman tätä tekoälyjärjestelmiin luottaminen tai niiden laajentaminen on vaikeaa.
2. Kokeilu ei ole valinnaista: Tekoälyjärjestelmät eivät ole deterministisiä. Hyvää lopputulosta ei saavuteta yhdellä yrityksellä, vaan kehität sitä iteratiivisesti useiden versioiden kautta.

Siinä on siis neuvoni. Aloita vahvoista arviointikehyksistä. Jos olisin tehnyt niin, olisimme välttyneet uudelleentyöltä ja varhaisten tuotosten aiheuttamalta perusteettomalta itseluottamukselta.

Ymmärrä myös tämä: vahva tuoteajattelu ei enää ensisijaisesti perustu syvälliseen toimialaosaamiseen.

Aiemmin tuotepäälliköt rakensivat ja hyödynsivät ajan myötä karttunutta syvällistä asiantuntemusta. Tekoäly tekee nyt suuren osan tästä perustason tiedosta — markkinaympäristöstä, kilpailijoita koskevista näkemyksistä ja jopa ensimmäisen tason analyyseistä — helposti saatavaksi.

Nyt tärkeämpää ei ole vain se, mitä tiedät, vaan se, miten esität kysymyksiä, yhdistät tietoa ja käytät harkintaasi. Syvällisyydellä on edelleen merkitystä, mutta se ei enää ole ainoa erottava tekijä.

Pysy mukana

Voit tilata Suman Chittimurin tekoälyn sujuvuutta käsittelevän uutiskirjeen LinkedInissä ja hänen tuotetta käsittelevän uutiskirjeensä Substackissa. Voit myös seurata häntä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CPO Clubiin!