Miksi tekoäly pakottaa tuotejohtajat uudistamaan organisaation, ei vain tuotetta

Lukas Egger toimii SAP Signavion tuotestrategian ja innovoinnin varajohtajana. Hän on myös Process Transformers -podcastin luoja.

Keskustelimme Lukaksen kanssa siitä, miten AI muuttaa hänen tapaansa johtaa tuoteorganisaatiotaan ja miten se vaikuttaa itse tuotteeseen. Tässä hänen jakamansa näkemykset.

Kestävän arvon erottaminen kohinasta

Olen Lukas Egger, SAP Signavion tuotestrategian ja innovoinnin varajohtaja. Työni yhdistää tuotestrategian, liiketoiminnan muutoksen ja AI:n, erityisesti sen, miten suuret organisaatiot voivat muuttaa kehittyvät teknologiat hyödyllisiksi, luotettaviksi ja taloudellisesti merkityksellisiksi tuotteiksi.

Polkuni tähän hetkeen ei juonnu niinkään yhdestä “AI-herätyksestä” vaan pitkäaikaisesta kiinnostuksesta siihen, miten organisaatiot ymmärtävät monimutkaisuutta. Urani aiemmissa vaiheissa työskentelin datan, analytiikan, tuotteiden ja strategian parissa, ja kiinnostuin yhä enemmän teknologisten mahdollisuuksien ja organisaatioiden todellisuuden välisestä kuilusta. Monet ideat vaikuttavat vakuuttavilta demossa tai prototyypissä, mutta todellinen testi on se, kestävätkö ne kannustimet, hallinnon, asiakkaiden työnkulut, tekniset rajoitteet ja todellisen käyttöönoton.

Ajattelen AI:ta tuotejohtamisessa samalla tavalla. Jännittävää ei ole vain se, että mallit tuottavat tekstiä, koodia, kuvia tai analyysejä. Syvempi muutos on siinä, että AI muuttaa yritysten sisäisen ajattelutyön kustannusrakennetta. Se alentaa työn luomisen, vertailun, tiivistämisen, simuloinnin ja koordinoinnin kustannuksia. Tällä on merkittäviä vaikutuksia tuotetiimeihin, koska se muuttaa paitsi sitä, mitä voimme rakentaa, myös sitä, kuinka nopeasti voimme testata ideoita, miten ymmärrämme asiakkaita, miten suunnittelemme työnkulkuja ja miten määrittelemme arvon.

SAP Signaviolla käytän paljon aikaa sen pohtimiseen, miten AI voi tukea liiketoiminnan muutosta vakavasti otettavassa yritysympäristössä. Tämä tarkoittaa siirtymistä yleisten tuottavuusväitteiden ohi ja terävämpien tuotekysymysten esittämistä: Mitkä uudet asiakkaiden ongelmat voidaan ratkaista? Mitkä työnkulut paranevat olennaisesti? Missä AI luo mitattavaa liiketoiminta-arvoa? Missä se luo uusia riskejä? Ja miten voimme pienentää innovoinnin riskejä haluttavuuden, toteutettavuuden, kannattavuuden ja organisaation hyväksyttävyyden näkökulmista?

Tuotejohtajille tämä on harvinainen hetki. AI ei ole vain yksi uusi ominaisuuskerros. Se pakottaa meidät tarkastelemaan uudelleen käyttäjäkokemusta, erottautumista, toimitusnopeutta, dataa, luottamusta ja ohjelmiston itsensä roolia koskevia oletuksia. Tuotejohtamisen tehtävänä ei siksi ole jahdata äänekkäintä AI-käyttötapausta, vaan rakentaa harkintakykyä, järjestelmiä ja toimintamalleja, joiden avulla tiimit voivat erottaa kestävän arvon kohinasta.

Muutoksen tekeminen helpommaksi

Taustaksi kerrottakoon, että tiimini tukee LabSpacea, joka on tärkeä asiakaslähtöinen innovaatioympäristö. LabSpacen yksinkertaisena ideana on antaa yritysasiakkaille mahdollisuus tutustua innovaatioihin varhaisessa vaiheessa, turvallisesti ja erittäin vaivattomasti. Perinteisessä B2B-ohjelmistossa, erityisesti ERP:n ja liiketoiminnan muutoksen yhteydessä, muutos on usein kallis, hidas ja toiminnallisesti riskialtis. LabSpace vähentää tätä estettä. Sen sijaan että pyytäisimme asiakkaita tekemään heti vaikean muutoksen, luomme tilan, jossa he voivat tutkia, miltä parempi tulevaisuuden työnkulku voisi näyttää, ennen kuin he sitoutuvat käyttöönottoon, toteutukseen tai laajentamiseen.

Organisaatiollamme on kahdenlaisia käyttäjiä. Ulkoisesti asiakkaat käyttävät sitä ymmärtääkseen, mitä uudet ominaisuudet voisivat merkitä heidän liiketoiminnalleen. Sisäisesti tuote-, suunnittelu- ja innovaatiotiimit käyttävät sitä saadakseen varhaiset ideat todellisten asiakaspalautteiden arvioitaviksi ilman, että jokainen kokeilu muutetaan ennenaikaisesti täysimittaiseksi tuotesitoumukseksi.

Tässä mielessä LabSpace on sekä esittelypaikka että oppimisjärjestelmä. Se auttaa meitä testaamaan haluttavuutta, toteutettavuutta, kannattavuutta ja sopivuutta organisaatioon paljon konkreettisemmin. Mittakaava on laaja: pyrimme tekemään innovoinnin helpoksi SAP Signavion koko asiakaskunnalle ja samalla tarjoamaan sisäisille tiimeille toistettavan polun lupaavista ideoista kohti validoitua tuotesuuntaa.

Toimitusmalli on tarkoituksella kevyt. Emme pakota asiakkaita raskaisiin toteutussykleihin vain siksi, että he voisivat kokea innovaatioita. Luomme jäsenneltyjä ja vähäriskisiä tapoja tutustua uusiin ominaisuuksiin, kerätä palautetta ja oppia, missä on todellista arvoa. Syvempi tuotefilosofia on, että yritysohjelmiston ei pitäisi ainoastaan auttaa yrityksiä muuttumaan, vaan myös tehdä itse muutoksesta helpompaa.

Miten tuote­malli muovautuu uudelleen AI:n avulla

Aloimme hiljattain pohtia uudelleen varhaisen vaiheen tuoteinnovoinnin pienintä toimivaa tiimiä.

Historiallisesti uskottavan ensimmäisen konseptin saavuttaminen yritysohjelmistossa vaati usein pienen monialaisen ryhmän: tuoteosaamista, suunnittelua, ohjelmistokehitystä, toimialaosaamista ja joskus tukea datan tai arkkitehtuurin parissa. Tämä oli järkevää, koska jokaiseen rooliin liittyi erikoistuneita tehtäviä, joita oli vaikea tiivistää. AI alkoi kuitenkin purkaa näitä rooleja tehtäviksi, joiden automatisointitasot poikkesivat toisistaan merkittävästi.

Viime vuoden aikana aika ideasta ensimmäiseen asiakkaan validoitavissa olevaan konseptiin lyheni huomattavasti. Tuotepäälliköt ja insinöörit pystyvät nyt kattamaan itse paljon suuremman osan varhaisen innovaation alueesta: asiakassignaalien yhdistämisen, vaihtoehtoisten konseptien luomisen, prototyyppien tekemisen, poikkeustapausten tarkastelun, kertomusten luonnostelun ja johdonmukaisempien asiakaskeskustelujen valmistelun. Tämä ei poista asiantuntemuksen, harkinnan tai toimintojen välisen yhteistyön tarvetta, mutta se muuttaa sitä, milloin — ja mitä varten — näiden ihmisten on oltava mukana.

Tuloksena ei ole vain nopeus tai kustannusten väheneminen. Mielenkiintoisempi muutos liittyy omistajuuteen. Pienemmät ryhmät ja joissakin tapauksissa yksittäiset ihmiset voivat nyt viedä idean riittävän pitkälle tuottaakseen merkityksellistä oppia ennen suuremman tiimin kokoamista. Tämä vähentää roolien välistä portinvartijuutta ja antaa ihmisille, joilla on vahvoja ideoita, enemmän vapautta saada aikaan vaikutuksia.

Minusta tämä on yksi jännittävimmistä muutoksista, joita tekoäly on tuonut tuotetyöhön. Emme yksinkertaisesti tuota enemmän samalla vanhalla mallilla. Sen sijaan itse mallin rakenne muuttuu: vähemmän luovutuksia, nopeampia oppimissyklejä ja enemmän toimintavaltaa niille ihmisille, jotka ovat lähimpänä mahdollisuutta.

Miten tekoäly laajentaa päätöksenteon aluetta ihmisten tehdessä päätökset

Ajattelen yhä useammin vähemmän sitä, ”mikä tuotetoiminto käyttää tekoälyä?” ja enemmän sitä, ”minkälaista päätöstä olemme tekemässä?”

Tekoälystä on tulossa erittäin tehokas informatiivisissa, luovissa, vertailevissa tai peruutettavissa olevissa tehtävissä. Tekoäly tukee nyt vahvasti markkinatutkimusta, taustatutkimusta, asiakassignaalien yhdistämistä, kilpailijakatsauksia, kertomusten ensimmäisiä luonnoksia, konseptien tutkimista, vaihtoehtoista kehystämistä ja jopa varhaista prototyyppi-ideointia. Monilla näistä alueista tekoäly ei ainoastaan nopeuta työtä, vaan muuttaa myös perustason odotusta siitä, kuinka paljon kontekstia tuotepäällikön tai tiimin pitäisi käsitellä ennen päätöksen tekemistä.

Olen paljon varovaisempi päätösten kanssa, jotka edellyttävät harkintaa todellisen epävarmuuden vallitessa. Tekoäly voi antaa tietoa näitä päätöksiä varten, mutta sen ei pitäisi omistaa niitä. Priorisointi, tuotesuunnitelman suunta, strategiset kompromissit, asiakaslupaukset, hinnoittelun logiikka, organisaatiota koskevat sitoumukset ja tekniset panostukset edellyttävät edelleen ihmisiä, jotka kantavat niistä vastuun. Nämä eivät ole vain optimointiongelmia. Niihin liittyy puutteellista tietoa, keskenään kilpailevia arvoja, poliittisia rajoitteita, asiakkaiden luottamusta, ajoitusta ja seurauksia, joita emme pysty täysin mallintamaan etukäteen.

Yksinkertaisesti sanottuna: tekoäly loistaa päätöksenteon alueen laajentamisessa. Se voi näyttää enemmän vaihtoehtoja, enemmän todisteita, enemmän vasta-argumentteja, enemmän riskejä ja enemmän malleja kuin tiimi ehkä pystyisi tuottamaan yksin. Ihmisten on kuitenkin edelleen päätettävä, mikä on tärkeää, mihin kannattaa panostaa ja minkä riskin organisaatio on valmis kantamaan.

Tämä ero muuttuu vieläkin tärkeämmäksi sisällön halventuessa. Jos jokainen tiimi voi tuottaa viimeisteltyä tutkimusta, uskottavia strategioita ja vakuuttavia kertomuksia, niukka resurssi ei enää ole sisältö. Se on luottamus. Tuotejohtajuus tarkoittaa siksi aiempaa vähemmän uusien tuotosten luomista ja enemmän harkinnan, hallinnan ja uskottavuuden rakentamista, jotta tiedetään, mitkä tuotokset ansaitsevat toimia niiden pohjalta.

Miten tekoäly voi auttaa tuotejohtajia parantamaan viestintäänsä tiimien kanssa

Yksi tekoälyä hyödyntävä työnkulku, jota käytän lähes joka päivä, ei ole klassinen tuotetyön työnkulku, mutta se on tehnyt minusta paremman tuotejohtajan: suodattamattoman ajattelun muuttaminen viestinnäksi, jota muut pystyvät kuulemaan.

Tuotejohtajuuteen liittyy epäselvyyttä, jännitteitä ja palautetta. Joskus reagoin voimakkaasti johonkin: strategiaan, ehdotukseen, kokoukseen, päätökseen tai havaitsemaani kehittyvään ilmiöön. Aiemmin muutin tuon reaktion heti viimeistellyksi ja diplomaattiseksi viestiksi. Se voi olla hyödyllistä, mutta samalla alkuperäinen signaali voi kadota.

Nykyään käytän tekoälyä usein käännöskerroksena. Kirjaan ensin raa'an ajatteluni rehellisesti: mikä turhauttaa minua, mikä on pielessä, mikä todellinen ongelma on ja mitä kompromissia välttelemme. En lähetä tätä versiota kenellekään. Se on yksityinen, suodattamaton analyysi.

Sitten pyydän tekoälyä auttamaan sen muuttamisessa yleisölle hyödylliseksi: sähköpostiksi, Slack-viestiksi, kokouspalautteeksi, päätösmuistioksi tai kysymyssarjaksi. Työnkulku on seuraava: raaka ajatus → jäsennelty analyysi → yleisön huomioiva viestintä → ihmisen tarkistus → lopullinen viesti.

Tekoäly ei korvaa harkintaani, vaan auttaa säilyttämään palautteen totuuden ja poistamaan samalla tarpeettoman kiivauden. Se antaa minulle mahdollisuuden olla ensin rehellisempi itselleni ja sen jälkeen tehokkaampi muiden kanssa.

Tuotejohtajille tämä on tärkeää, koska työssä ei ole kyse vain oikean analyysin tekemisestä. Kyse on siitä, että muut saadaan kuulemaan se, perehtymään siihen ja toimimaan sen perusteella ilman puolustuskannalle asettumista. Tekoälystä on tullut hyödyllinen silta aidon reaktion ja rakentavan viestinnän välillä.

Miksi tekoälytuotetyö edellyttää organisaatiomuutosta

Tekoälytuotetyö ei ole vain tuote- tai teknologiahaaste. Se on organisaatiomuutokseen liittyvä haaste.

Pienen tekoälystä innostuneen ihmisryhmän löytäminen ei ole vaikeaa. Varhaisten prototyyppien rakentaminen ei myöskään ole vaikein osa. Tekoälyn nopeudella tapahtuvan innovoinnin vieminen eri ohjelmistokaudelle suunniteltujen kannustinrakenteiden, hallintomallien, hyväksyntäpolkujen ja toimitusprosessien läpi on paljon vaikeampaa.

Monet näistä rakenteista ovat olemassa hyvistä syistä. Ne suojaavat laatua, turvallisuutta, yhdenmukaisuutta, brändiä, vaatimustenmukaisuutta ja asiakkaiden luottamusta. Tekoäly kuitenkin muuttaa merkittävästi nopeutta, laajuutta ja mahdollisuuksia, joten jotkin näistä rakenteista voivat muodostua pullonkauloiksi, jos organisaatiot eivät tarkastele niitä uudelleen.

Siksi tarvitset valtuutuksen paitsi työkalujen hankkimiseen myös ihmisten kouluttamiseen tai tekoälyominaisuuksien rakentamiseen. Tarvitset myös valtuutuksen muuttaa sitä, miten työ etenee organisaatiossa: kuka voi kokeilla, miten päätöksiä ja riskejä arvioidaan, miten palaute otetaan huomioon ja kuinka nopeasti idea voi siirtyä tutkimisesta asiakkaiden oppimiseen.

Jos olisin ymmärtänyt tämän aiemmin paremmin, olisin käyttänyt vielä enemmän aikaa ”epäsankarillisiin” perusrakenteisiin: kannustimiin, käyttöoikeuksiin, arviointimalleihin, oppimissykleihin ja organisaation luottamukseen. Tämä työ ei aina luo näyttävää julkaisuhetkeä. Ilman sitä tekoälyn nopeudelle suunnittelemattomat prosessit kuitenkin vangitsevat helposti tekoälyinnovoinnin.

Olisimme myös voineet välttää osan kitkasta, joka syntyi, kun ihmisiä pyydettiin innovoimaan tekoälyn avulla, mutta heidät pakotettiin silti toimimaan tekoälyä edeltäneen ajan rajoitteiden mukaisesti.

Miksi tuotejohtajien on suunniteltava arvon virtaaminen uudelleen

Tuotejohtajien on esitettävä vaikeita kysymyksiä: Missä arvo virtaa? Mitkä tuotteen osat säilyvät arvokkaina, kun agenteista tulee käyttäjiä? Mitkä työnkulut muuttuvat hyödykkeiksi? Mitkä pullonkaulat siirtyvät luomisesta todentamiseen, luottamukseen, integrointiin ja käyttöönottoon? Wardleyn kartoituksen ja arvovirta-analyysin kaltaiset menetelmät muuttuvat entistä tärkeämmiksi, koska ne pakottavat näkemään, missä tuotteen ja organisaation on ehkä muututtava, eivätkä vain sitä, mihin tekoälyä voidaan lisätä.

Olemme suunnitelleet uudelleen sitä, miten innovaatiot saavuttavat asiakkaat. Historiallisesti innovaatio saattoi keskittyä helposti erikoistuneeseen tiimiin, joka toimi lähes putiikkiliikkeen tavoin ja vähensi ideoiden riskejä muun organisaation puolesta. Tämä voi toimia pienessä mittakaavassa, mutta tekoäly muuttaa mahdollisuuden suuruusluokkaa. Pienen innovaatiotiimin ei pitäisi tehdä kiinnostavaa tekoälytyötä muiden vain seuratessa sivusta. Tavoitteena on tehdä innovoinnista koko organisaation laajempi kyvykkyys.

Tämä tarkoittaa sellaisten järjestelmien luomista, joissa useammat ihmiset voivat perehtyä uusiin ideoihin, testata niitä asiakkailla, oppia palautteesta ja osallistua tuotteen suunnan määrittämiseen. Käytännössä tämä tarkoittaa siirtymistä ”innovoinnista tiiminä” kohti ”innovointia toistettavana toimintamallina”.

Lukas States

Tulos on tärkeämpi kuin pelkkä nopeus. Useammat ihmiset voivat osallistua ja validoida ideoita aiemmin, mikä auttaa organisaatiota erottamaan todellisen arvon vaikuttavista demoista tehokkaammin.

Tulos on tärkeämpi kuin pelkkä nopeus. Useammat ihmiset voivat osallistua ja validoida ideoita aiemmin, mikä auttaa organisaatiota erottamaan todellisen arvon vaikuttavista demoista tehokkaammin. Tekoälyn tukemaa tulevaisuutta varten tämä voi olla yksi tärkeimmistä uudistuksista: ei jälleen yksi ominaisuus, vaan tuotejärjestelmä, joka auttaa koko organisaatiota oppimaan nopeammin.

Miksi tuoteorganisaatioiden on palkittava uusia toimintatapoja saadakseen tekoälystä kaiken hyödyn irti

Suurin puute on ollut kannustimien suunnittelu.

Organisaation palkitsemien asioiden muuttaminen on vaikeampaa. Tekoälytyökalujen käyttöön pääsee helposti, ja innostuneita ihmisiä on helppo löytää. Jos ihmisiä edelleen kannustetaan suojelemaan kapeita roolirajoja, välttämään kokeiluja, noudattamaan hitaita hyväksyntäpolkuja ja optimoimaan ennakoitavaa toimitusta, tekoälyn käyttöönotto jää pinnalliseksi.

Tekoäly luo arvoa, kun ihmiset voivat ylittää rajoja, testata nopeasti ja ottaa enemmän kokonaisvastuuta alusta loppuun. Tämä edellyttää lupaa, luottamusta ja kannustimia, jotka vastaavat uutta työskentelytapaa.

Kysymys ei siis ole vain siitä, käyttävätkö ihmiset tekoälyä. Parempi kysymys on, palkitseeko organisaatio niistä toimintatavoista, jotka tekevät tekoälystä hyödyllisen.

Miten kontekstin puute voi rajoittaa sijoitetun pääoman tuottoa

Suuri osa yritysarvosta riippuu hiljaisesta tiedosta: siitä, miten prosessit toimivat, missä poikkeuksia ilmenee, millä siirtymillä on merkitystä, mitkä säännöt ovat muodollisia ja mitkä epämuodollisia sekä miten organisaation kannustimet vaikuttavat huomaamatta toimintaan. Järjestelmät, dokumentaatio tai data eivät usein tallenna tätä tietoa selkeästi. Kun yritykset siis ottavat käyttöön tekoälyä, tekoäly voi näyttää vaikuttavalta käyttöliittymän tasolla, mutta se ei välttämättä yllä siihen, miten työ todellisuudessa tehdään.

Tämä on yksi syy siihen, miksi sijoitetun pääoman tuoton saavuttaminen on ollut vaikeampaa kuin monet odottivat. Mahdollisuus on todellinen ja mallien kustannukset laskevat jatkossakin, mutta pullonkaula ei usein ole itse malli. Pullonkaula on konteksti. Jos organisaatio ei ole tehnyt prosesseista, päätöksistä, datasta ja vastuullisuudesta ymmärrettäviä, tekoälyn vaikutusmahdollisuudet ovat rajalliset.

Pettymykseni ei siis johdu siitä, että tekoäly olisi heikko. Se johtuu siitä, että tekoäly paljasti, kuinka paljon organisaatioiden tietoa yritykset eivät alun perin koskaan jäsentäneet kunnolla.

Lukas States

Jos organisaatio ei ole tehnyt prosesseista, päätöksistä, datasta ja vastuullisuudesta ymmärrettäviä, tekoälyn vaikutusmahdollisuudet ovat rajalliset. Pettymykseni ei siis johdu siitä, että tekoäly olisi heikko. Se johtuu siitä, että tekoäly paljasti, kuinka paljon organisaatioiden tietoa yritykset eivät alun perin koskaan jäsentäneet kunnolla.

Miksi tekoälyä ei pitäisi liittää väkisin tuotteeseen

Huonot tulokset johtuvat usein siitä, että tekoälyä käsitellään irrallisena lisäosana. Ilmeisin versio tästä on keskustelu- tai kehotekäyttöliittymän lisääminen olemassa olevaan työnkulkuun vain tekoälyn läsnäolon osoittamiseksi. Se voi luoda väärän lupauksen. Kehotekäyttöliittymä antaa ymmärtää rajattomista mahdollisuuksista, mutta yritysohjelmistot tarvitsevat yleensä rajattua, ohjattua ja työnkulkuun kohdennettua älykkyyttä. Kun tekoälyn käyttöliittymä lupaa enemmän kuin sen todelliset kyvyt mahdollistavat, luottamus rapautuu nopeasti.

En ajattele tekoälyä legopalikkana, jonka voi yksinkertaisesti kiinnittää tuotteeseen. Ajattelen sitä pikemminkin kuin joukkuepelin pelaajan vaihtamisena. Kun yksi pelaaja vaihtuu, myös strategia, vuorovaikutus, riippuvuudet ja vikatilanteet muuttuvat. Jos ympäröivää järjestelmää ei suunnitella uudelleen, seurauksena voi olla vaikuttava demo, mutta myöhemmin syntyy usein lisää monimutkaisuutta.

Parhaat integraatiot ovat usein huomaamattomimpia. Tekoäly auttaa käyttäjiä etenemään nopeammin, ymmärtämään kontekstia, tekemään parempia päätöksiä tai välttämään tarpeetonta työtä — ilman että heidän täytyy hallita tekoälyä erillisenä asiana.

Miksi tuotteita ei enää rakenneta vain ihmisille

Tuotteita ei enää rakenneta vain ihmiskäyttäjille. Tekoäly tuo mukanaan uudenlaisen käyttäjän: agentit, automaatiot ja koneelliset toimijat, jotka ovat vuorovaikutuksessa tuotteiden kanssa eri tavalla kuin ihmiset.

Vuosikymmenten ajan tuotetiimit ovat aloittaneet ihmisasiakkaasta: heidän tavoitteistaan, kipukohdistaan, työnkuluistaan, tarkkaavaisuudestaan, kärsivällisyydestään ja odotuksistaan. Tämä on edelleen olennaista. Monissa yritysympäristöissä suunnittelemme kuitenkin nyt ympäristöön, jossa ihmiset ja agentit yhdessä käyttävät, tulkitsevat ja hyödyntävät tuotteiden ominaisuuksia.

Tämä muuttaa hienovaraisia mutta tärkeitä oletuksia. Otetaan esimerkiksi niinkin yksinkertainen asia kuin haku. Ihmisestä välittömältä tuntuva vasteaika voi olla liian hidas suuremman työnkulun sisällä toimivalle agentille. Käyttöliittymäelementti, joka auttaa ihmistä ymmärtämään kontekstia, voi olla agentille merkityksetön, kun taas jäsennellyt metatiedot, rajapintojen yhdenmukaisuus, käyttöoikeudet, jäljitettävyys ja koneellisesti luettava semantiikka korostuvat.

Luopumani oletus ei siis ole ”rakenna ihmisille”. Se on ”ihmiset ovat ainoita merkityksellisiä käyttäjiä”. Tekoäly lisää uuden käyttäjätyypin, jolla on erilaiset rajoitteet: nopeus, luotettavuus, yhdisteltävyys, havainnoitavuus ja pääsy kontekstiin.

Kolme neuvoa tekoälyä käyttöön ottaville tuotejohtajille

Tässä neuvoni tuotejohtajille:

1. Älä käsittele tekoälyä hankintaharjoituksena. Työkalujen ostaminen, apuohjelmien lisääminen tai agenttien käyttöönotto eivät ole muutos. Muutos on sen ymmärtämistä, miten tekoäly muuttaa työn jakamista osiin, roolien välisiä rajoja, työnkulun siirtymiä ja tapaa, jolla asiakkaille luodaan arvoa.
2. Optimoi vaikuttavuus ennen tehokkuutta. Tekoälyn ei pitäisi ainoastaan vähentää työmäärää, vaan sen pitäisi auttaa tuotetiimejä ratkaisemaan ongelmia, joita oli aiemmin liian hidasta, kallista tai monimutkaista käsitellä. Kysymyksen ei pitäisi olla vain: ”Voimmeko tehdä tämän edullisemmin?” Sen pitäisi olla: ”Voimmeko nyt luoda paremman lopputuloksen, joka oli aiemmin saavuttamattomissa?”
3. Mittaa luotettavia tuloksia, älä tekoälyn käyttöä. Kehotusten, tunnisteiden, apuohjelmien, agenttien tai prototyyppien laskemisesta voi helposti tulla tuottavuusteatteria. Tuotejohtajien pitäisi sen sijaan kysyä: Pääsikö asiakas nopeammin käsiksi arvoon? Paraniko työnkulku? Muuttuivatko läpimenoaika, laatu, riskit, vaatimustenmukaisuus tai asiakaskokemus oikeaan suuntaan? Teimmekö paremman päätöksen vai tuotimmeko vain enemmän tuotoksia?

Lyhyesti: tekoälyn pitäisi kannustaa tuotejohtajia kunnianhimoisempaan ajatteluun, ei vain parempaan tehokkuuteen. Mahdollisuus ei ole älykkyyden liittäminen nykyiseen järjestelmään. Mahdollisuus on suunnitella järjestelmä uudelleen niin, että älykkyys voi luoda vastuullista, mitattavaa ja kestävää arvoa.

Seuraa mukana

Voit seurata Lukas Eggerin työtä LinkedInissä ja X:ssä. Tutustu myös hänen podcastiinsa Prosessimuuntajat.

Lisää asiantuntijahaastatteluja on tulossa CPO-klubiin!