Tuotejohtaja ja toinen toimitusjohtaja kertoo, miksi tekoälytuotteiden rakentaminen on täysin eri asia

Andrei Rebrov on koko ikänsä rakentanut tuotteita, ja hän toimii Finsin toisena toimitusjohtajana. Hän integroi tekoälyn tuotestrategian jokaiseen osa-alueeseen – sekä tiimin että asiakkaiden osalta.

Kysyimme Andreilta, miten tekoäly muuttaa sekä tuotehallintaa että tuotestrategiaa. Tässä hänen vastauksensa.

Tekoälyn integrointi tuotestrategiaan

Olen Andrei Rebrov, Finsin toinen toimitusjohtaja. Koko tuotejohtamisen urani ajan olen keskittynyt syvällisesti sellaisen finanssiteknologian rakentamiseen, joka palvelee ihmisiä aidosti.

Finsillä johdan tuoteorganisaatiota, joka vastaa verkkokauppabrändeille suunnatusta tekoälypohjaisesta kasvualustasta. Tuote on B2B SaaS -ratkaisu, joka palvelee DTC- ja tilauspohjaisen verkkokaupan toimijoita aina alle 5 miljoonan dollarin liikevaihtoa tekevien kasvavien brändien tasolta suurempiin pk-yrityksiin. Alustamme yhdistyy yli 50 työkaluun, kuten Shopifyhin, Klaviyoon, Meta Adsiin, Google Adsiin ja Rechargeen, ja yhdistää tiedot koko verkkokauppateknologian kokonaisuudesta. Lisäksi se hyödyntää viittä tekoälyagenttia, jotka kattavat liikevaihtotiedon, mainonnan automaation, asiakaspysyvyyden ja sähköpostimarkkinoinnin, hakukoneoptimoinnin sekä asiakastutkimuksen.

Toimitusmalli on täysin verkkopohjainen SaaS, ja keskeinen arvolupauksemme on analytiikan ja toteutuksen välisen ketjun sulkeminen: emme ainoastaan tuo havaintoja esiin, vaan rakennamme ja otamme käyttöön kampanjat, työnkulut ja segmentit käyttäjillemme.

Finsillä työskennellessäni olen ollut tekoälyn integroinnin eturintamassa osana tuotestrategiaamme – tutkien, miten tekoäly voi tehostaa finanssipalveluita, parantaa käyttäjäkokemuksia ja edistää älykkäämpää päätöksentekoa suuressa mittakaavassa.

Tämä tekoälyn aiheuttaman muutoksen vaihe tuotejohtamisessa tuntuu sekä innostavalta että ratkaisevalta. Haluan jakaa matkan varrella saamani opit ja näkemykset.

Miten tekoäly muuttaa tuotteiden priorisointiprosesseja

Tuotejohtajien on suunniteltava tuotteiden priorisointiprosessinsa uudelleen. Lähes kaikki tuntemani tiimit priorisoivat edelleen laskentataulukoiden, subjektiivisten pisteytysmallien ja neljännesvuosittaisten suunnittelurutiinien avulla, jotka on suunniteltu hitaita ja kalliita kehityssyklejä varten.

Tekoäly muuttaa yhtälön molempia puolia: se nopeuttaa rakentamista (joten voit validoida useampia vaihtoehtoja), ja se pystyy käsittelemään paljon enemmän signaaleja kuin yksikään ihminen – käyttödataa, tukipalautetta, asiakaspoistuman malleja, kilpailutilanteen signaaleja ja asiakashaastatteluja – auttaakseen määrittämään, mikä on tärkeää.

Uudistimme priorisointiprosessimme jatkuvan tekoälyyn perustuvan signaalikerroksen ympärille. Automatisoimme tehtävien poiminnan Granola-litteroinneista, jotta emme unohda, mitä meidän pitää tehdä. Neljännesvuosittaisen tuotekarttaharjoituksen sijaan ylläpidämme ajantasaista työlistaa, jossa jokainen kohta on merkitty useista lähteistä peräisin olevilla tiedoilla – asiakaspalautteen yleisyydellä, arvioidulla vaikutuksella liikevaihtoon, kilpailutilanteen kiireellisyydellä ja sitoutumisen malleilla. Tekoäly tuo tästä työlistasta viikoittain esiin priorisoidun näkymän ja päivittää sitä signaalien muuttuessa.

Tuotejohtajamme tekevät edelleen lopulliset päätökset, mutta heidän käytössään on paljon aiempaa kattavampi ja dynaamisempi kokonaiskuva.

Tuloksena olemme lyhentäneet mahdollisuuden tunnistamisen ja ratkaisun julkaisemisen välistä aikaa noin puoleen ja rakentaneet huomattavasti vähemmän ratkaisuja, joita kukaan ei käytä.

Miksi tekoäly tarvitsee vankan tuotestrategian perustan

On tärkeää huomata, ettei tekoäly voi korjata rikkinäistä tuotestrategiaa – se vain vahvistaa sitä strategiaa, joka sinulla jo on.

Jos ratkaiset oikeaa ongelmaa oikeille käyttäjille, tekoäly auttaa sinua tekemään sen nopeammin ja suuremmassa mittakaavassa. Mutta jos tuotteesi perushypoteesi on virheellinen, tekoäly kiihdyttää matkaasi väärään määränpäähän.

Olen nähnyt tämän toteutuvan käytännössä. Finsin rakentamisen alkuvaiheessa harkitsimme tekoälyominaisuuksien lisäämistä, koska ne olivat vaikuttavia ja teknisesti toteutettavissa – toimien suosittelemista, asiakaspoistuman ennustamista ja sisällön luomista. Millään sillä ei kuitenkaan olisi ollut merkitystä, ellemme olisi ensin ymmärtäneet selkeästi perustavanlaatuista oivallusta: verkkokaupan toimijoilla ei ole analytiikkaongelmaa, vaan toteutuskuilu. Vasta kun validoimme tämän, tekoälystä tuli oikea vipuvarsi.

Tekoälyn parissa työskennellessä tarvitset saman kurinalaisuuden kuin missä tahansa hyvässä tuotetyössä – ongelman täsmällistä määrittelyä, syvällistä empatiaa käyttäjiä kohtaan ja rehellistä priorisointia. Tekoäly nostaa kaikkien näiden asioiden panoksia, koska kehityksen nopeuden ansiosta voit rakentaa ja julkaista väärän asian paljon nopeammin kuin koskaan aiemmin.

Miten Claude Code -taito terävöitti tuotekeskeisyyttä

Meille merkittävä muutos oli koodausagenteillemme tarkoitetun ”Kauppiaan puolestapuhuja” -taidon käyttöönotto.

Annoin Claudelle tietoa Finsin tehtävästä ja tuotekeskeisyydestä sekä yhteenvedon Granolan litteroinneista. Nyt kun meillä on uusi vaatimus, käsittelemme sen tämän taidon avulla, mikä auttaa meitä pysymään uskollisina ydintehtävällemme: julkaista ohjelmistoa, joka vähentää kauppiaiden työtä.

Poistimme tämän yksinkertaisen työnkulkuihimme tehdyn muutoksen ansiosta tiekartaltamme monia mahdollisia ominaisuuksia.

Miksi Cursor on ratkaisevan tärkeä nopeassa tuoteprototyyppien kehittämisessä

Cursor muutti tapaa, jolla suunnittelutiimimme julkaisee tuotteita — ei ainoastaan kirjoittamalla koodia nopeammin, vaan myös kaventamalla tuoteajattelun ja toteutuksen välistä etäisyyttä.

Kun voin kuvata ominaisuuden luonnollisella kielellä ja nähdä toimivan prototyypin muutamassa minuutissa, se muuttaa perusteellisesti tapaamme validoida ideoita. Se tekee koko tuotekehityksen kierrosta nopeamman ja kokeellisemman.

Tässä on esimerkki. Halusimme testata ”viikoittaisen tilannekatsauksen” käyttöliittymää yhdelle tuotteemme agenteista. Sen sijaan, että olisimme määritelleet sen Figma-muotoilutyökalussa ja odottaneet sprinttiä, kuvasimme asettelun ja tietorakenteen Cursorille selkokielellä ja saimme toimivan prototyypin yhdistettynä testiympäristömme tietoihin muutamassa tunnissa. Testasimme sitä sitten kolmen asiakkaan kanssa samana päivänä ja saimme palautetta, joka muokkasi lopullista suunnittelua ennen kuin kirjoitimme yhtäkään riviä tuotantokoodia.

Miksi ihmiset vastaavat merkityksellisistä ja vuorovaikutteisista asioista

Olemme määritelleet tarkoituksellisesti tekoälyn ja ihmisten roolit tuoteprosesseissamme.

Tekoäly huolehtii datamme synteesistä, kaavojen havaitsemisesta, poikkeamien tunnistamisesta ja toteutuksesta — esimerkiksi asiakaspoistuman signaalien automaattisesta havaitsemisesta, mainosbudjettien uudelleenkohdentamisesta, sähköpostitekstien tuottamisesta brändin äänensävyllä ja Klaviyo-työnkulkujen käyttöönotosta. Kyse on usein toistuvista ja dataintensiivisistä tehtävistä, joissa tekoäly päihittää jatkuvasti ihmiset nopeudessa ja mittakaavassa.

Tekoäly auttaa myös priorisoinnissamme tunnistamalla suosituksia, joilla on suurin vaikutus liikevaihtoon koko asiakaskunnassamme. Näin se auttaa meitä ymmärtämään, mihin tuotekehityksessä kannattaa keskittyä.

Ihmiset kuitenkin tekevät nimenomaisesti päätökset, jotka edellyttävät harkintaa, etiikkaa ja strategista kontekstia.

Tämä tarkoittaa, että tuotevisio ja tiekartan suunta pysyvät ihmisten vastuulla — meidän on ymmärrettävä paitsi se, mitä data kertoo, myös se, millaisen yrityksen haluamme rakentaa ja millaisia syvempiä tavoitteita asiakkaillamme on. Käyttökokemusta koskevat päätökset tehdään edelleen ihmisten johdolla, koska käyttäjien tunteisiin liittyvää empatiaa ja intuitiota ei vielä voida automatisoida luotettavasti. Lisäksi kaikki asiakkaan liiketoimintaan kohdistuvia riskejä sisältävät päätökset — kuten merkittävä mainosbudjetin uudelleenkohdentaminen — edellyttävät ihmisen hyväksyntää ennen toteutusta.

Toimintaperiaatteemme on seuraava: tekoäly käsittelee toistettavat ja analyyttiset tehtävät; ihmiset vastaavat merkityksellisistä ja vuorovaikutteisista asioista.

Miksi tekoälyllä on vaikeuksia syvällisen asiakasymmärryksen saavuttamisessa

Tekoäly on vastannut odotuksiamme heikoimmin syvällisen asiakasymmärryksen osalta. Aluksi uskoimme, että tekoäly voisi luotettavasti yhdistää laadullisia signaaleja — tukipyyntöjä, arvosteluja ja kyselyvastauksia — ja muuntaa ne toimiviksi tuoteoivalluksiksi vähäisellä ihmisen osallistumisella. Käytännössä tekoäly on erinomainen palautteen luokittelussa ja ryhmittelyssä suuressa mittakaavassa, mutta se ei jatkuvasti tavoita asiakkaiden tunteiden vivahteita, erityisesti kapeilla verkkokaupan toimialoilla, joihin liittyy erityisiä kulttuurisia tai operatiivisia konteksteja. Tekoäly tuo usein esiin todellisia kaavoja, mutta niiden tulkitseminen edellyttää edelleen ihmistä, joka ymmärtää syvällisesti asiakkaan maailman.

Olemme myös havainneet, että tekoälyn tuottama luova sisältö — mainostekstit ja sähköpostien aiherivit — on nopeaa ja hyödyllistä lähtökohtana, mutta yltää harvoin sellaisen tekstin tasolle, jonka on laatinut brändin äänensävyn ja yleisönsä todella tunteva henkilö. Se nopeuttaa tuotantoa, mutta ei vielä korvaa aitoa luovaa harkintaa.

Lopuksi odotimme tekoälyn parantavan merkittävästi sisäistä tuotteen löytämisprosessiamme, mutta se ei ole lyhentänyt aidosti uusien asiakastarpeiden tunnistamiseen kuluvaa aikaa — se auttaa meitä käsittelemään olemassa olevaa tietoa, mutta arvokkaimmat oivallukset syntyvät edelleen suorissa, jäsentymättömissä keskusteluissa asiakkaiden kanssa, joita mikään tekoälytyökalu ei ole vielä pystynyt jäljittelemään tai korvaamaan.

Andrein ajatuksia

Tekoäly on erinomainen palautteen luokittelussa ja ryhmittelyssä suuressa mittakaavassa, mutta se ei jatkuvasti huomioi asiakkaiden tunteiden hienovaraisia vivahteita.

Miten datan laatu vaikuttaa tekoälytuotekehitykseen

Kun aloitin tekoälyn parissa, en ymmärtänyt, kuinka paljon datan laatu merkitsee tai kuinka kauan sen saaminen oikealle tasolle kestää.

Kun rakensimme Finsin tekoälyagentteja, oletimme, että yhteydet Shopifyhin, Klaviyoon ja mainosalustoihin tarjoaisivat puhdasta ja luotettavaa dataa. Todellisuus oli paljon monimutkaisempi. Eri brändit jäsentävät datansa eri tavoin, seuraavat eri tapahtumia, käyttävät erilaisia nimeämiskäytäntöjä, ja niiden historiallisissa tiedoissa on aukkoja ja epäjohdonmukaisuuksia. Käytimme huomattavasti odotettua enemmän aikaa datan normalisointiin, duplikaattien poistamiseen ja validointiputkien rakentamiseen, ennen kuin tekoäly tuotti luotettavia suosituksia.

Jos olisin tiennyt tämän etukäteen, olisin investoinut aikaisemmin ja enemmän datainfrastruktuuriin sen sijaan, että olisin kiirehtinyt rakentamaan tekoälykerrosta epävakaan perustan päälle.

Miksi käyttäjien luottamus on otettava huomioon tekoälytuotteissa

Jos aloittaisin tuotteemme tekoälyagenttien rakentamisen uudelleen, suhtautuisin käyttäjien luottamukseen eri tavalla.

Suunnittelimme aluksi tekoälyagenttimme melko itsenäisiksi – ne toivat suositukset esiin ja tekivät niiden hyväksymisestä ja toteuttamisesta helppoa yhdellä napsautuksella. Käyttäjät epäröivät, vaikka suositukset olivat hyviä. Heidän piti ymmärtää jokaisen ehdotuksen ”miksi”, ennen kuin he tunsivat olonsa riittävän varmaksi toimiakseen. Tämän seurauksena lisäsimme tuotteeseen selitettävyyden vasta julkaisun jälkeen, vaikka läpinäkyvyyden suunnitteleminen mukaan alusta alkaen olisi ollut paljon parempi ratkaisu.

Luottamus ei ole ominaisuus, jonka voi lisätä myöhemmin – sen on oltava kudottuna osaksi käyttökokemuksen ydintä.

Miksi tekoäly tekee valinnanmahdollisuuksista ja muokattavuudesta käyttäjille vähemmän tärkeitä

Tekoäly pakotti minut myös luopumaan oletuksesta, jonka mukaan hyvä tuote tarkoittaa käyttäjien hallinnan ja muokattavuuden tarjoamista.

Vuosien ajan B2B SaaS -palveluiden yleinen käsitys oli, että tehokäyttäjät haluavat joustavuutta – enemmän asetuksia, enemmän koontinäyttöjä ja enemmän tapoja mukauttaa käyttökokemustaan. Rakensimme Finsin ensimmäiset versiot tämän oletuksen pohjalta ja annoimme operaattoreille mahdollisuuden määrittää omat koontinäyttönsä, asettaa omat KPI-kynnysarvonsa ja mukauttaa seurattavia mittareita. Kun aloimme kuitenkin kerrostaa tekoälyä tuotteen päälle, havaitsimme päinvastaista: menestyneimmät käyttäjämme käyttivät vähemmän aikaa määrittämiseen ja enemmän aikaa tekoälyn suositusten perusteella toimimiseen.

Operaattorit, jotka halusivat säätää jokaista asetusta, saivat usein vähiten arvoa, koska he optimoivat työkaluaan eivätkä liiketoimintaansa. Tekoäly paljasti, että käyttäjämme tarvitsivat vähemmän kognitiivista kuormitusta ja enemmän varmuutta seuraavasta toimenpiteestä. Tämä pakotti meidät yksinkertaistamaan tuotetta merkittävästi, karsimaan suuren osan rakentamastamme muokattavuudesta ja nojaamaan vahvemmin harkittuihin, tekoälyohjattuihin oletusasetuksiin.

Opetus oli epäintuitiivinen: joskus paras tuotepäätös on ottaa käyttäjiltä valintoja pois sen sijaan, että niitä lisätään.

Miksi todellinen tekoälymuutos edellyttää tuotteen arvoketjun uudelleenajattelua

Useimmat ”tekoälyä hyödyntävät” tuotteet eivät ole tekoälytuotteita – ne ovat ominaisuuksien ympärille rakennettuja kuoria, joihin on liitetty LLM, ja markkinat tulevat ennemmin tai myöhemmin näkemään tämän läpi.

Tuotteen todellinen tekoälymuutos edellyttää koko arvoketjun uudelleenajattelua, ei GPT-kutsun lisäämistä olemassa olevaan työnkulkuun. Voittajia eivät tule olemaan yritykset, jotka lisäsivät tekoälyn nopeimmin, vaan ne, jotka käyttivät tekoälyä kyseenalaistaakseen kaikki oletukset siitä, miten niiden tuoteryhmä toimii.

Miksi tuotejohtajien on valittava pieni määrä vaikutukseltaan merkittäviä panostuksia

Vastusta kahta yhtä vaarallista houkutusta:

1. Halu ottaa tekoäly käyttöön kaikkialla kerralla
2. Halu odottaa, kunnes asiat tuntuvat varmemmilta

Menestyvät tuotejohtajat valitsevat pienen määrän vaikutukseltaan merkittäviä panostuksia, perehtyvät niihin syvällisesti ja rakentavat organisaatioon aitoa tekoälyosaamista – eivät pelkästään työkalujen tuntemusta. Aloita ongelmista, jotka maksavat sinulle eniten: manuaaliseen työhön hukatusta ajasta, ilman riittävää dataa tehdyistä päätöksistä sekä ominaisuuksista, joiden julkaiseminen tai validointi kestää liian kauan. Käytä tekoälyä juuri näiden ongelmien ratkaisemiseen.

Ole myös rehellinen tiimeillesi siitä, mitä tekoäly muuttaa heidän kannaltaan. Tekoälyn vaikutukset rooleihin ja vastuualueisiin kieltävät johtajat menettävät luottamuksen; ne, jotka käyvät avoimia ja harkittuja keskusteluja siitä, miten tekoäly täydentää ihmisen harkintaa, rakentavat kulttuureja, jotka pystyvät sopeutumaan.

Älä lopuksi optimoi tekoälylähtöiseltä näyttämistä varten – optimoi tuloksia. Paras tekoälytuotestrategia luo käyttäjille mitattavaa arvoa, ei vaikuttavinta demoa. Pysy ongelman ytimessä, niin tekoälyn oikea käyttötapa seuraa perässä.

Andrein ajatuksia

Menestyvät tuotejohtajat valitsevat pienen määrän vaikutukseltaan merkittäviä panostuksia, perehtyvät niihin syvällisesti ja rakentavat organisaatioon aitoa tekoälyosaamista.

Seuraa mukana

Voit verkostoitua Andrei Rebrovin kanssa LinkedInissä. Tutustu myös Finsiin.

Lisää asiantuntijahaastatteluja on luvassa The CPO Clubissa!