Il CPO di un’azienda tecnologica afferma che i leader di prodotto stanno ponendo le domande sbagliate, perdendo così le opportunità più importanti

Emrecan Dogan è CPO presso Glean. Ha inoltre ricoperto ruoli di leadership di prodotto presso Stripe e LinkedIn.

Abbiamo parlato con lui per capire come debbano cambiare le prospettive dei PM con l’AI. Ha affermato che la maggior parte dei team considera ancora l’AI come una funzionalità — e questo è un errore.

L’AI è un’opportunità per costruire sistemi consapevoli del contesto

Sono Emrecan Dogan, direttore prodotto presso Glean. Supervisiono il prodotto, la data science, le operazioni di prodotto e i programmi tecnici, e mi concentro sull’aiutare i team a fare davvero affidamento sull’AI per il loro lavoro quotidiano.

Il mio percorso si è sempre collocato all’intersezione tra sistemi, capacità di giudizio sul prodotto e scalabilità. Prima di Glean, ho ricoperto ruoli di leadership di prodotto presso Stripe e LinkedIn. Ho inoltre lavorato con startup e nel settore degli investimenti, un’esperienza che mi ha permesso di osservare da vicino come avvengono i cambiamenti delle piattaforme e quanto rapidamente possano venire meno le ipotesi sul prodotto quando una nuova tecnologia diventa concretamente utilizzabile.

L’AI mi ha coinvolto così profondamente perché non è semplicemente una nuova ondata di funzionalità. Cambia la forma stessa del prodotto. Per anni, il software ha aiutato soprattutto gli utenti a navigare nei sistemi di riferimento. L’AI, invece, ci offre la possibilità di costruire sistemi che comprendono il contesto, ragionano tra diversi strumenti e aiutano le persone a passare dall’intenzione all’esecuzione. In qualità di leader di prodotto, è questa trasformazione a interessarmi maggiormente.

Emrecan condivide

Per anni, il software ha aiutato soprattutto gli utenti a navigare nei sistemi di riferimento. L’AI, invece, ci offre la possibilità di costruire sistemi che comprendono il contesto, ragionano tra diversi strumenti e aiutano le persone a passare dall’intenzione all’esecuzione. In qualità di leader di prodotto, è questa trasformazione a interessarmi maggiormente.

La sfida di costruire strumenti al tempo stesso ampi e precisi

La mia organizzazione sviluppa soluzioni di AI per il lavoro aziendale sicuro su larga scala: ricerca aziendale, assistenti proattivi, agenti e il livello di contesto che aiuta queste esperienze a comprendere le persone, le conoscenze, gli strumenti e le autorizzazioni di un’azienda.

Il prodotto è fondamentalmente orizzontale. Sviluppiamo soluzioni per qualsiasi reparto e team all’interno dell’azienda — dal prodotto e dall’ingegneria alle vendite e all’assistenza, fino all’IT, alle risorse umane, alla finanza, all’ufficio legale e oltre. Tutti condividono la stessa esigenza di fondo: aiutare le persone a prendere decisioni e portare a termine il lavoro in un panorama frammentato di app, documenti, conversazioni e sistemi.

Offriamo tutto questo come piattaforma SaaS aziendale, progettata per operare su un insieme ampio e complesso di sistemi, restando al contempo pienamente consapevole delle autorizzazioni, affidabile e integrata nei flussi di lavoro quotidiani degli utenti. La sfida — e l’opportunità — consiste nel costruire qualcosa di ampiamente utile all’intera azienda, che continui però a risultare preciso e pertinente nel contesto specifico di ciascun team.

Come l’AI trasforma i prodotti, dalle funzionalità ai flussi di lavoro

Non definiamo più il prodotto principalmente come un insieme di funzionalità isolate. Lo definiamo come un flusso di lavoro del prodotto dall’inizio alla fine.

Un anno fa, molti team, incluso il nostro, ragionavano ancora in termini di “Dove si trova questa funzionalità?” oppure “Quale pagina dovrebbe gestire questo caso d’uso?”. L’AI ci ha spinto a porci una domanda diversa: “Come fa l’utente a portare a termine il lavoro, dall’intenzione al risultato?”.

Può sembrare una sfumatura, ma cambia tutto. Cambia l’ambito, le metriche, la valutazione, l’esperienza utente e persino il modo in cui sono organizzati i team.

La mia opinione non convenzionale: la maggior parte dei team continua a sottovalutare la profondità di questo cambiamento. Utilizza l’AI per aggiungere una funzionalità al prodotto esistente. L’opportunità più grande, invece, consiste nel riprogettare l’intero ciclo del lavoro.

In molti casi, la domanda giusta non è più “Dove inseriamo questa capacità?”. È: “Quale interfaccia utente esistente dovrebbe scomparire perché ora il sistema può svolgere il lavoro in modo più diretto?”.

Come l’AI orienta le decisioni di prodotto mentre le persone garantiscono la fiducia

Uso molto l’AI per la sintesi, l’esplorazione e l’accelerazione del mio lavoro. Le attività includono:

• Riassumere il feedback dei clienti proveniente da numerosi input
• Individuare schemi nei dati relativi all'utilizzo e ai flussi di lavoro
• Definire la struttura di un PRD o delineare diverse opzioni
• Esplorare rapidamente molteplici direzioni UX
• Mettere alla prova le ipotesi
• Creare prime versioni di materiali per la pianificazione, le revisioni e la comunicazione

Ciò che rimane esplicitamente umano è il giudizio. Molte persone tracciano il confine tra esseri umani e macchine nel punto sbagliato. La distinzione non consiste nel fatto che l'IA svolga il lavoro di minor valore e gli esseri umani quello di maggior valore. La distinzione è che l'IA dovrebbe occuparsi dell'esplorazione ampia, della sintesi e della generazione di opzioni, mentre gli esseri umani rimangono responsabili del gusto, della fiducia e dei compromessi irreversibili.

Non affiderei mai a terzi il gusto per il prodotto. Non affiderei mai a terzi le decisioni relative alle autorizzazioni o alla fiducia. E non permetterei mai a un modello di prendere la decisione finale su ciò che dovrebbe essere sviluppato semplicemente perché è in grado di sostenere più opzioni.

Oggi generare opzioni è economico. Il giudizio coerente no.

Come l'IA migliora i flussi di lavoro della pianificazione del prodotto

Prendiamo come esempio il nostro flusso di lavoro per la pianificazione del prodotto.

Potrei iniziare con una domanda ampia come: “Aiutami a valutare se vale la pena risolvere questo problema ora”.

Da lì, il sistema riunisce il feedback dei clienti, i documenti interni precedenti, i segnali relativi all'utilizzo, le attività correlate della roadmap e il contesto competitivo. E utilizzo l'IA per sintetizzare i principali schemi, individuare le domande aperte e redigere una prima definizione del prodotto.

Successivamente, la utilizzo per trasformare questa definizione in materiali più concreti: una specifica preliminare, una serie di opzioni, dipendenze, aspetti da considerare per il lancio e attività operative per il team.

E nella versione più evoluta di questo flusso di lavoro, l'assistente non si limita alla stesura. Aiuta a creare o aggiornare gli oggetti sottostanti nei sistemi in cui si svolge il lavoro, con una persona nel ciclo di approvazione prima che qualsiasi modifica venga resa effettiva.

Il flusso di lavoro passa dalla ricerca alla sintesi fino all'esecuzione in un unico ciclo continuo. È qui che l'IA diventa molto più utile di un chatbot.

Perché l'IA accelera lo sviluppo del prodotto, ma mette alla prova la fiducia

Un risultato positivo di tutto questo è che il limite massimo si è innalzato notevolmente.

L'IA può comprimere flussi di lavoro che in precedenza richiedevano numerosi cambi di scheda, sintesi manuali e un coordinamento ripetitivo. Può rendere più veloci i team di prodotto nel passaggio dalla domanda al contesto, dal contesto alla decisione e dalla decisione all'azione. Inoltre, innalza le aspettative degli utenti. Una volta sperimentato un assistente in grado di comprendere i loro strumenti, la loro cronologia e le loro autorizzazioni, gli utenti smettono di volere soluzioni puntuali che rispondono soltanto a domande circoscritte.

Quindi, l'IA amplia rapidamente le possibilità, ma il valore duraturo del prodotto deriva ancora dal rigore.

Come progettare per la fiducia previene le insidie dei prodotti basati sull'IA

Un risultato negativo è che l'IA rende anche più facile lanciare qualcosa di impressionante ma non ancora affidabile. All'inizio, molti team si concentrano eccessivamente sul valore della demo e troppo poco sulla valutazione, sulle autorizzazioni, sull'affidabilità e sulla chiarezza dell'UX riguardo al funzionamento del sistema. Si può suscitare entusiasmo rapidamente, ma se i risultati sono incoerenti o il flusso di lavoro si interrompe nell'ultimo miglio, gli utenti perdono la fiducia con la stessa rapidità.

La fiducia non dovrebbe essere un livello da aggiungere in un secondo momento. Fa parte del prodotto fin dal primo giorno.

Gli utenti pongono quasi subito domande più profonde: Da dove proviene questo risultato? Perché ha fatto questo? Posso farci affidamento? Rispetterà le autorizzazioni? Cosa succede se sbaglia? Se non si progetta tenendo conto di queste domande fin dalle prime fasi, in seguito ci si ritrova a ricostruire parti fondamentali del prodotto.

Se lo avessi compreso in modo più viscerale all'inizio della mia esperienza nella leadership di prodotto, avrei insistito ancora prima su citazioni chiare, valutazioni migliori, una visibilità più solida dei progressi e controlli più rigorosi con supervisione umana.

Perché il sistema che circonda l'IA è ciò che conta di più

L'IA non ha ancora fornito con costanza flussi di lavoro completamente autonomi e di lunga durata, come molti speravano.

È eccellente nelle attività circoscritte. Migliora nell'esecuzione in più fasi. Ma quando si trova ad affrontare un lavoro ambiguo e interfunzionale che richiede giudizio costante, obiettivi mutevoli e una comprensione sfumata delle parti interessate, il divario tra una demo convincente e un valore affidabile in produzione è ancora reale.

L'IA offre risultati inferiori alle aspettative anche quando i team presumono che il modello, da solo, sia il prodotto. Nella pratica, il valore reale deriva dal contesto, dalle autorizzazioni, dall'orchestrazione, dalla valutazione e da una progettazione attenta dei flussi di lavoro. Senza questo sistema circostante, il modello è spesso la componente meno differenziante.

Emrecan condivide

È (l’IA) eccellente nelle attività circoscritte. Migliora nell’esecuzione in più fasi. Ma quando si trova ad affrontare un lavoro ambiguo e interfunzionale che richiede giudizio costante, obiettivi mutevoli e una comprensione sfumata delle parti interessate, il divario tra una demo convincente e un valore affidabile in produzione è ancora reale.

Come l'IA rende interdisciplinari i team di prodotto

L'IA ha reso più interdisciplinari i team migliori. I confini tra product management, design, ingegneria, data science e operazioni di prodotto sono meno rigidi perché il prodotto stesso è meno rigido.

La creazione di prodotti nativi dell'IA solidi richiede una collaborazione più stretta sulla progettazione dei flussi di lavoro, sulla valutazione, sulla fiducia e sull'iterazione. Aumenta inoltre l'importanza delle persone capaci di passare dall'esperienza utente al comportamento del sistema e viceversa.

Come i leader di prodotto dovrebbero adattarsi al cambiamento guidato dall'IA

Ecco il mio consiglio:

1. Riprogettate i vostri flussi di lavoro.
2. Considerate il contesto come un elemento fondamentale del prodotto. Nei prodotti basati sull'IA, la differenza tra qualcosa di straordinario e qualcosa di mediocre spesso non sta nel modello. Sta nel fatto che il sistema disponga del contesto giusto al momento giusto e sia in grado di agire su di esso in sicurezza.
3. Investite nelle valutazioni e nell'infrastruttura della fiducia prima di quanto vi sembri naturale. I leader di prodotto sono abituati a monitorare clic e imbuto di conversione. Nell'IA, dovete monitorare anche qualità, fondamento nelle fonti, sicurezza, autorizzazioni e successo delle attività. Non è facoltativo. Il settore continua a investire troppo poco in questi aspetti perché le demo premiano la novità e gli utenti premiano l'affidabilità. Invertite il consueto ordine delle operazioni: se il vostro team non ha realizzato valutazioni, gestione delle autorizzazioni, citazioni e passaggi di consegne chiari, non siete pronti a scalare l'esperienza, indipendentemente da quanto il modello appaia valido in una demo.
4. Infine, non aspettate la certezza. Questo è il momento di imparare mettendo sul mercato, ma con disciplina.

Segui gli aggiornamenti

Puoi seguire il lavoro di Emrecan Dogan su LinkedIn.

Seguiranno altre interviste con esperti su The CPO Club!