Il vicepresidente senior della gestione del prodotto illustra il passaggio dai processi lineari all’iterazione parallela
Suman Chittimuri, vicepresidente senior della gestione del prodotto presso Kore.ai, spiega perché l'intelligenza artificiale sta spingendo i team di prodotto ad abbandonare i flussi di lavoro lineari a favore di iterazioni più rapide, una validazione più solida e decisioni migliori.
Suman Chittimuri
Vicepresidente senior della gestione del prodotto presso Kore.ai
Trasformazione con l'intelligenza artificiale: L'intelligenza artificiale sposta lo sviluppo dei prodotti dai processi lineari all'iterazione continua e parallela, modificando radicalmente i flussi di lavoro.
Flusso di lavoro del prodotto: L'intelligenza artificiale funge da livello centrale di esecuzione, influenzando il funzionamento dei team e accelerando la velocità di sviluppo dei prodotti.
Giudizio umano: L'intelligenza artificiale contribuisce alle decisioni sui prodotti, ma il coinvolgimento umano rimane essenziale negli ambiti che richiedono contesto e giudizio.
Riprogettazione del flusso di lavoro: I responsabili di prodotto devono ripensare i flussi di lavoro considerando l'intelligenza artificiale come una componente centrale per ottenere miglioramenti trasformativi.
Importanza della validazione: Uno sviluppo guidato dalla valutazione e un giudizio solido sono fondamentali per mitigare il potenziale dell'intelligenza artificiale di generare una falsa sicurezza.
Suman Chittimuri è il vicepresidente senior della gestione dei prodotti presso Kore.ai, dove guida prodotti basati sull’IA che servono milioni di utenti nei flussi di lavoro aziendali, come Risorse umane, IT, Approvvigionamento ed Esperienza cliente.
Abbiamo parlato con Suman per capire come l’IA stia trasformando lo sviluppo dei prodotti come disciplina. Ha sostenuto che, invece di migliorare i flussi di lavoro esistenti, l’IA costringe i team a ripensarli completamente, passando da processi lineari a un’iterazione continua e parallela.
Applicare l’IA ai flussi di lavoro aziendali
Sono il vicepresidente senior della gestione dei prodotti presso Kore.ai, dove guido iniziative di prodotto che applicano l’IA ai flussi di lavoro aziendali, dall’ambito delle Risorse umane e dell’IT all’Approvvigionamento e all’Esperienza cliente.
Vuoi di più da The CPO Club?
Iscriviti gratuitamente per completare la lettura di questo articolo:
Progettiamo i nostri prodotti per grandi aziende, offrendo servizi sia ai dipendenti sia ai clienti finali su larga scala in settori come quello bancario, sanitario e della vendita al dettaglio, supportando milioni di interazioni. Utilizziamo inoltre un modello di distribuzione basato sulla piattaforma, in cui sviluppiamo funzionalità di base dell’IA come componenti riutilizzabili e le distribuiamo in diversi flussi di lavoro, così da poter aumentare più rapidamente i casi d’uso mantenendo coerenza e controllo.
Nell’ultimo anno, l’IA è passata da livello di assistenza a livello centrale di esecuzione. Questo cambiamento influisce non solo sulle funzionalità, ma anche sul modo in cui progettiamo i prodotti, sul funzionamento dei team e sulla rapidità con cui passiamo dall’idea all’impatto.
Questo cambiamento nel modo in cui concepiamo i prodotti ha plasmato il mio percorso verso la trasformazione dei prodotti guidata dall’IA.
Come l’IA accelera i flussi di lavoro dello sviluppo dei prodotti
Grazie all’IA, siamo passati da un modello lineare di sviluppo dei prodotti a un flusso di lavoro più continuo e supportato dall’IA.
In passato, la fase di esplorazione, la creazione del PRD, la progettazione e la prototipazione erano sequenziali. L’IA rompe questo modello. Supporta ciascuno di questi passaggi in parallelo, generando input per la ricerca, redigendo specifiche e creando prototipi iniziali quasi simultaneamente.
Il risultato è stato un aumento della velocità e dell’iterazione. Ciò che prima richiedeva giorni ora avviene in poche ore, consentendo ai team di esplorare più opzioni e perfezionarle più rapidamente. Questo significa che i team possono, e dovrebbero, esplorare più opzioni prima di prendere una decisione.
Tutto questo richiede alcuni cambiamenti:
Da passaggi sequenziali tra i team a un’iterazione continua
Dalla produzione di artefatti al perfezionamento dei risultati
Da un’esplorazione limitata a una sperimentazione rapida
Il collo di bottiglia non è più costruire, ma decidere cosa costruire e convalidarlo in modo efficace. Abbiamo dovuto rafforzare i livelli di convalida e applicare il giudizio umano in modo più consapevole.
Perché l’IA orienta le decisioni sui prodotti, ma sono gli esseri umani a finalizzarle
Facciamo ampio affidamento sull’IA per orientare e accelerare le attività iniziali e quelle ad alta intensità esecutiva:
Supporto all’esplorazione (ricerca secondaria, analisi della concorrenza)
Definizione del problema ed esplorazione iniziale delle soluzioni
Redazione del PRD e contributi alla roadmap
Idee per l’esperienza utente e prototipazione iniziale
Progettazione degli esperimenti ed esplorazione dei compromessi tecnici
Questi sono ambiti in cui velocità, ampiezza e iterazione sono importanti. L’IA offre buone prestazioni in questo contesto.
L’IA è efficace nel generare opzioni e individuare schemi, ma è meno efficace nel giudizio, nel contesto e nell’assunzione di responsabilità… L’IA accelera il “come” e il “cosa è possibile”, mentre gli esseri umani sono responsabili di “ciò che conta” e di “ciò a cui ci impegniamo”.
Vicepresidente senior della gestione dei prodotti presso Kore.ai
Il coinvolgimento umano rimane esplicito nel processo decisionale e negli ambiti che richiedono una profonda comprensione del contesto:
Ricerca primaria e profonda comprensione dei clienti
Definizione delle priorità finali e impegni della roadmap
Perfezionamento dell’esperienza utente e coerenza del design
Interpretazione dei risultati degli esperimenti
Decisioni sui compromessi tra business, tecnologia e stakeholder
Il motivo è semplice: l’IA è efficace nel generare opzioni e individuare schemi, ma è meno forte nel giudizio, nel contesto e nell’assunzione di responsabilità.
Nella mia esperienza, l’IA accelera il “come” e il “cosa è possibile”, mentre io e il mio team siamo responsabili del “cosa conta” e del “cosa ci impegniamo a realizzare”.
Come l’IA aumenta la velocità del prodotto, ma mette alla prova la qualità
Nel complesso, ho riscontrato miglioramenti evidenti in termini di velocità e produttività nelle attività di prodotto:
La creazione dei PRD è passata da ~1 giorno a ~2–3 ore
La prototipazione iniziale è passata da ~2 giorni a ~4–6 ore
La ricerca sui concorrenti e sul mercato è passata da ~5–6 ore a ~1–2 ore
I cicli di analisi dei dati si sono ridotti di ~60–70%
Questo consente ai team di esplorare più opzioni e iterare più rapidamente rispettando le stesse tempistiche.
Di contro, qualità e coerenza sono disomogenee:
Gli output dell’IA richiedono spesso un’attività significativa di convalida e rielaborazione.
I team tendono a fidarsi eccessivamente degli output iniziali, dando luogo a un pensiero superficiale.
La coerenza dell’esperienza utente risente della generazione di prototipi da parte dell’IA in assenza di una solida supervisione del design.
In alcuni ambiti, la precisione raggiunge un plateau (ad esempio, l’80–85% nell’estrazione strutturata), limitando l’utilizzo nelle decisioni ad alto rischio.
L’IA migliora significativamente l’efficienza, ma i risultati dipendono ancora in larga misura dalla rigorosità con cui i team esaminano e perfezionano ciò che produce.
Suman condivide
L’IA non si limita a migliorare i flussi di lavoro: ti costringe a ripensarli…L’IA migliora significativamente l’efficienza, ma i risultati dipendono ancora in larga misura dalla rigorosità con cui i team esaminano e perfezionano ciò che produce.
Perché l’IA richiede di ripensare i flussi di lavoro del prodotto
Ecco qualcosa che i responsabili di prodotto devono sapere: l’IA non si limita a migliorare i flussi di lavoro: ti costringe a ripensarli.
La maggior parte dei team inizia aggiungendo l’IA ai processi esistenti, introducendo copiloti, assistenti o automazione in fasi predefinite. Questo porta solitamente a incrementi graduali di velocità o efficienza, ma il sistema di base rimane invariato.
La vera opportunità si presenta quando si riprogettano i flussi di lavoro, considerando l’IA una componente fondamentale fin dall’inizio.
Quando lo si fa, alcuni aspetti cambiano:
Il lavoro diventa meno lineare e più parallelo: scoperta, prototipazione e convalida possono avvenire simultaneamente.
Il costo della creazione e della verifica delle idee diminuisce significativamente, consentendo una maggiore iterazione.
Il ruolo dei team passa dalla generazione di output alla revisione, al perfezionamento e al processo decisionale.
I colli di bottiglia si spostano dall’esecuzione al giudizio, alla convalida e all’allineamento.
Tuttavia, per farlo è necessario ripensare non solo i processi, ma anche i ruoli, le responsabilità e il modo in cui si misura la qualità.
Se non si cambia il sistema, si limiterà il risultato. Si otterranno versioni più rapide degli stessi flussi di lavoro, non flussi fondamentalmente migliori.
Come l’IA ha semplificato i flussi di lavoro di scoperta e prototipazione
Parliamo del nostro flusso di lavoro, dalla scoperta del prodotto alla prototipazione.
Iniziamo con una scoperta assistita dall’IA, in cui l’IA sintetizza i segnali del mercato, le mosse dei concorrenti e i dati interni per creare una prima visione dell’area problematica. La ricerca primaria condotta dalle persone — conversazioni con i clienti e contributi degli stakeholder — la completa.
Successivamente, l’IA assiste nella strutturazione dei problemi e nell’esplorazione delle soluzioni, generando diversi approcci, compromessi e ipotesi iniziali.
Passiamo quindi alla creazione del PRD, in cui l’IA redige la prima versione dei requisiti, dei flussi utente e dei casi limite. I responsabili di prodotto perfezionano il documento aggiungendo il contesto aziendale, i vincoli e le priorità.
Parallelamente, l’IA supporta la definizione dei concept UX e la prototipazione iniziale, generando schemi strutturali o flussi da sottoporre rapidamente a revisione e iterazione.
Infine, prima dello sviluppo, eseguiamo un ciclo di convalida:
PM, progettazione e ingegneria esaminano i risultati.
Identifichiamo lacune, incoerenze e rischi.
Utilizziamo nuovamente l’IA per perfezionare il risultato sulla base del feedback.
Quello che un tempo era un processo sequenziale ora avviene in un ciclo serrato, comprimendo spesso diversi giorni di lavoro in poche ore.
Perché i flussi di lavoro di prodotto basati sull’IA dall’inizio alla fine restano irrealizzati
Detto questo, l’IA non è ancora in grado di gestire in modo veramente affidabile un flusso di lavoro di prodotto autonomo dall’inizio alla fine.
Vediamo progressi significativi nei singoli passaggi, ma un sistema che passi con coerenza dal problema → alla soluzione → al prodotto rilasciato con un intervento umano minimo non è ancora una realtà.
Le lacune riguardano:
Il mantenimento del contesto tra i vari passaggi
La gestione dei casi limite e dell’ambiguità
La garanzia di una qualità coerente e allineata agli obiettivi aziendali
La promessa è allettante, ma oggi l’IA può solo accelerare il flusso di lavoro. Non può gestirlo dall’inizio alla fine in modo affidabile
L’IA non è ancora in grado di gestire in modo veramente affidabile un flusso di lavoro di prodotto autonomo dall’inizio alla fine…Vediamo progressi significativi nei singoli passaggi, ma un sistema che passi con coerenza dal problema → alla soluzione → al prodotto rilasciato con un intervento umano minimo non è ancora una realtà.
Senior Vicepresidente della gestione del prodotto presso Kore.ai
Come l’IA ridefinisce i ruoli e le competenze dei team di prodotto
Per quanto riguarda i team di prodotto, spiccano alcuni cambiamenti:
I PM stanno diventando “costruttori”, il che significa che ci si aspetta che lavorino a stretto contatto con l’IA, iterino rapidamente e comprendano come implementare le soluzioni, non solo cosa costruire.
I ruoli di progettazione e ingegneria si stanno spostando verso fasi più iniziali del ciclo, collaborando fin dall’inizio invece di unirsi al processo dopo la definizione dei requisiti.
La responsabilità della qualità è più distribuita. Tutti sono responsabili della convalida dei risultati dell’IA, non solo della propria area funzionale.
Stiamo inoltre assistendo alla necessità di nuove capacità:
Una mentalità più solida in materia di valutazione e test
Capacità di lavorare con l’ambiguità e con sistemi non deterministici
Disinvoltura nell’iterazione e nella sperimentazione rapide
Perché i leader devono guardarsi dalla falsa sicurezza dell’IA
I leader sottovalutano un rischio importante: la falsa sicurezza nei risultati dell’IA.
L’IA produce spesso risposte fluide e ben strutturate che sembrano corrette — anche quando sono incomplete o errate. I team tendono a fidarsi dei risultati senza una convalida sufficiente.
Su piccola scala, questo si traduce in errori minori. Su larga scala, può portare alla propagazione di errori sistematici nei flussi di lavoro — nelle decisioni di prodotto, nelle interazioni con i clienti o nei processi operativi.
Suman condivide
I leader sottovalutano un rischio importante: la falsa sicurezza nei risultati dell’IA…I team tendono a fidarsi dei risultati senza una convalida sufficiente.
Perché Claude è lo strumento più prezioso nella gestione del prodotto
Se dovessi conservare un solo strumento di IA, sceglierei uno spazio di lavoro IA per uso generale: Claude e Claude Work.
Non perché sia perfetto, ma perché è lo strumento più versatile lungo tutto il ciclo di vita del prodotto — dalla scoperta alla definizione del problema, dalla stesura dei PRD alle indicazioni per la prototipazione, fino all’esplorazione tecnica.
Il valore non risiede solo nello strumento in sé, ma anche nella facilità con cui si adatta a diversi flussi di lavoro senza richiedere configurazioni o integrazioni complesse.
Gli strumenti specializzati sono utili, ma tendono a risolvere fasi specifiche. Un ambiente di lavoro basato sull'IA e di uso generale funge da livello di riflessione ed esecuzione applicabile a più fasi.
Perché valutazione e giudizio sono ciò che conta per i leader di prodotto
Ecco cosa avrei voluto sapere prima di iniziare a lavorare con l'IA:
Lo sviluppo guidato dalla valutazione è fondamentale: Servono metodi chiari per misurare la qualità dei risultati iniziali. Senza di essi, è difficile fidarsi dei sistemi di IA o scalarli.
La sperimentazione non è facoltativa: I sistemi di IA non sono deterministici. Non si ottiene un buon risultato in un'unica esecuzione; si procede iterando attraverso più versioni.
Questo è quindi il mio consiglio. Iniziate con solidi framework di valutazione. Se lo avessi fatto, avremmo evitato rielaborazioni e un'eccessiva fiducia nei risultati iniziali.
Inoltre, è importante capire questo: una solida mentalità di prodotto non è più determinata principalmente da una conoscenza approfondita del settore.
In passato, i PM costruivano e sfruttavano nel tempo una profonda competenza. Ora l'IA rende facilmente accessibile gran parte di queste conoscenze di base — il contesto di mercato, le informazioni sui concorrenti e persino un'analisi di primo livello.
Ciò che conta di più oggi non è solo quello che sapete, ma il modo in cui ponete domande, sintetizzate le informazioni e applicate il vostro giudizio. La profondità continua a essere importante, ma non è più l'unico elemento distintivo.
È importante capire questo: una solida mentalità di prodotto non è più determinata principalmente da una conoscenza approfondita del settore. Ciò che conta di più oggi non è solo quello che sapete, ma il modo in cui ponete domande, sintetizzate le informazioni e applicate il vostro giudizio. La profondità continua a essere importante, ma non è più l’unico elemento distintivo.
Vicepresidente senior della gestione dei prodotti presso Kore.ai
Segui gli aggiornamenti
Puoi iscriverti alla newsletter di Suman Chittimuri sull'alfabetizzazione all'IA su LinkedIn e alla sua newsletter sul prodotto su Substack. Puoi anche seguirlo su LinkedIn.
Altre interviste con esperti arriveranno su The CPO Club!
