Il vicepresidente della progettazione del prodotto afferma che prodotto, progettazione e ingegneria devono condividere una struttura di supporto per l’IA per collaborare efficacemente

Andy Vitale è vicepresidente sia del design del prodotto sia del Centro di eccellenza per l'AI di Taxwell.

Abbiamo parlato con Andy per discutere di come design, prodotto e ingegneria possano collaborare efficacemente con l'IA. Ecco cosa ci ha raccontato.

Dove si incontrano design, tecnologia e organizzazione

Sono Andy Vitale, un dirigente del design che ha trascorso l'ultimo decennio a sviluppare e lanciare prodotti basati sull'IA. Oggi dirigo il design e il Centro di eccellenza per l'AI di Taxwell, dove sviluppiamo prodotti software che supportano ogni anno decine di milioni di dichiarazioni dei redditi per oltre 90.000 professionisti fiscali e 3 milioni di contribuenti che compilano autonomamente la dichiarazione.

Il lavoro spazia dai prodotti per i consumatori, che devono risultare semplici anche in situazioni di reale pressione finanziaria, agli strumenti professionali, dove profondità e affidabilità contano più dell'accompagnamento passo passo. La mia organizzazione si occupa di fiscalità per i consumatori, fiscalità professionale, piattaforma condivisa alla base di entrambe e nuove aree di prodotto che stiamo ancora definendo. Il team è organizzato intorno a questi ambiti e ci stiamo orientando verso un modello di sviluppo assistito dall'IA, in modo che il design lavori più vicino al prodotto invece di limitarsi a consegnarglielo.

Il mio percorso nell'IA è iniziato nel 2015 con l'elaborazione del linguaggio naturale nel settore sanitario presso 3M. È stata la mia prima vera esperienza nella progettazione di prodotti basati sull'intelligenza delle macchine, non soltanto di interfacce. In seguito, ho guidato il design presso Rocket, osservando come la tecnologia si muove all'interno di una grande organizzazione. Più tardi, come direttore del design di Constant Contact, ho visto l'IA generativa iniziare a trasformare ciò che i prodotti potevano fare. Ora, in Taxwell, rendo i nostri prodotti più intelligenti e i nostri team più capaci di sviluppare con naturalezza utilizzando l'IA.

Sono sempre stato attratto dai punti di contatto — dove design, tecnologia e organizzazione si incontrano. L'IA ha reso questi punti di contatto la parte più importante del lavoro. Questo momento sembra essere ciò per cui tutto il mio percorso mi ha preparato.

Come costruire una base condivisa per l'IA tra le diverse discipline

Abbiamo smesso di trattare l'IA come una funzionalità da aggiungere e abbiamo iniziato a considerarla un'infrastruttura da costruire. Nell'ultimo anno, design, prodotto e ingegneria hanno collaborato per creare una base che consenta al team di muoversi più velocemente senza lavorare in modo più superficiale.

Questo significa disporre di strutture di base e strumenti di supporto condivisi per lavorare con i modelli, oltre a fasi abilitate dall'IA dall'ideazione alla validazione. Non dobbiamo aspettare per definire un metodo che ci permetta di testare un'idea con l'IA.

La seconda parte di questo cambiamento consiste nel fatto che ora il team sviluppa utilizzando gli stessi materiali e strumenti, invece di progettare in un luogo e trasferire il lavoro altrove per ricostruirlo. Questo elimina i punti di contatto in cui il lavoro solitamente va perso o viene distorto. Quando un designer lavora nello stesso ambiente in cui viene realizzato il prodotto, la conversazione smette di riguardare specifiche e passaggi di consegne e inizia a concentrarsi sul prodotto stesso.

Il risultato è velocità e accuratezza allo stesso tempo, due aspetti che solitamente si bilanciano a vicenda. La base condivisa ci permette di muoverci più rapidamente perché le parti complesse sono già state costruite e sono riutilizzabili. Lavorare con gli stessi strumenti significa commettere meno errori di traduzione, perché le traduzioni sono meno numerose. Il team dedica il proprio tempo alle decisioni, invece di ricostruire il lavoro degli altri.

Il risultato è stato una serie di lanci da zero a uno. Ora un piccolo team può portare avanti un'idea per tutto il percorso, passando dal concetto a un software funzionante in poche settimane invece di affrontare cicli di pianificazione e passaggi di consegne.

Un flusso di lavoro abilitato dall'IA, dal concetto al software

Illustrerò il nostro processo per portare un'idea dal concetto a un software funzionante, perché l'IA ha trasformato soprattutto questo flusso di lavoro.

Si parte dalla fase di esplorazione e l'IA è coinvolta fin dal primo minuto. Prima che qualcuno progetti qualsiasi cosa, utilizziamo l'IA per raccogliere le conoscenze esistenti sul problema, gli schemi emersi dalle ricerche e dai dati dell'assistenza, i tentativi precedenti e gli scenari fiscali pertinenti. Invece di partire da una pagina vuota, il team inizia con un punto di vista sintetizzato da analizzare e mettere alla prova.

Mentre definiamo l'idea, utilizziamo utenti sintetici per l'ideazione. Creati a partire dalle nostre ricerche comportamentali, questi utenti ci permettono di esplorare come potrebbero reagire diversi tipi di contribuenti a un approccio prima di impegnarci a seguirlo. Sono uno strumento di ideazione che amplia le direzioni che prendiamo in considerazione e ci aiuta a individuare precocemente i punti deboli del nostro ragionamento, non un sostituto degli utenti reali in un secondo momento.

Successivamente passiamo alla realizzazione, che è il momento in cui un tempo avveniva il passaggio di consegne. Come ho detto, sviluppiamo il concetto direttamente utilizzando materiali e strumenti condivisi, nello stesso ambiente in cui costruiamo il prodotto, invece di progettare in un luogo e scrivere specifiche affinché qualcun altro lo ricostruisca. Un designer può creare rapidamente un prototipo reale e funzionante, non soltanto un'immagine dello stesso. Questo è importante perché ora ragioniamo sul comportamento effettivo del prodotto, non su una sua rappresentazione.

Successivamente, convalidiamo con feedback reali. Utilizziamo l'IA per moderare i cicli di test, consentendoci di svolgere molte più sessioni, in modo più coerente, rispetto a quanto permetterebbe un programma moderato da una persona. Un feedback economico e rapido arriva nelle fasi iniziali e confluisce direttamente nello stesso artefatto di lavoro, non in un nuovo ciclo di specifiche. Poiché progettazione, prototipo e sviluppo utilizzano tutti gli stessi strumenti, il passaggio da "abbiamo imparato qualcosa" a "il prodotto ora lo riflette" è breve. La conversazione si concentra sul prodotto in sé, invece di tradurre da un documento all'altro.

Durante tutto il processo, una persona rimane responsabile del risultato. L'IA amplia gli input e accelera il percorso, ma manteniamo il giudizio su ciò che è corretto, conforme e davvero utile per chi presenta la dichiarazione in una situazione di forte stress. In un ambito regolamentato, è esattamente così che dovrebbe essere.

Di conseguenza, un piccolo team può portare un'idea da un concetto ancora grezzo a un software funzionante in poche settimane, eliminando le perdite dovute alla traduzione e le attese che in precedenza si verificavano tra una fase e l'altra.

Perché l'IA è responsabile del percorso verso una decisione, ma non della decisione stessa

Ci affidiamo maggiormente all'IA nelle fasi di lavoro esplorativo, in cui il costo di sbagliare è basso e il valore di procedere rapidamente è elevato.

Nella fase di analisi, l'IA ci aiuta a informarci rapidamente. Riunisce le conoscenze esistenti, individua schemi tra i dati della ricerca e quelli dell'assistenza e ci offre un punto di partenza per comprendere un problema, invece di partire da zero.

Nella sperimentazione e nella prototipazione, l'IA ci consente di passare dall'idea a qualcosa di verificabile in una frazione del tempo. Possiamo creare un prototipo funzionante e utilizzare l'IA per moderare alcuni test con gli utenti, il che ci permette di svolgere più sessioni, in modo più coerente, di quanto potrebbe mai consentire un programma moderato da una persona.

Per le decisioni relative all'esperienza utente, l'IA offre una seconda opinione rapida. Ci aiuta a sottoporre i flussi a prove rigorose, a esaminare i dati comportamentali e a individuare i punti in cui gli utenti potrebbero esitare o abbandonare il percorso. Amplia gli input a disposizione di chi si occupa di progettazione.

La decisione, però, rimane umana, e volutamente. L'IA eccelle nel dirci cosa sta accadendo e cosa tende a funzionare. Non decide quale esperienza offrire alla persona dall'altra parte dello schermo. La definizione delle priorità e i giudizi sul fatto che un'esperienza sia valida, onesta e rispettosa di chi presenta la propria dichiarazione dei redditi in una situazione di forte stress rimangono responsabilità nostra.

La vedo così: l'IA amplia gli input e accelera il percorso verso una decisione. Non prende decisioni che richiedono gusto, responsabilità o attenzione nei confronti della persona per cui progettiamo.

Andy condivide

Ci affidiamo maggiormente all’IA nelle fasi di lavoro esplorativo, in cui il costo di sbagliare è basso e il valore di procedere rapidamente è elevato. La vedo così: l’IA amplia gli input e accelera il percorso verso una decisione. Non prende decisioni che richiedono gusto, responsabilità o attenzione nei confronti della persona per cui progettiamo.

Come i vantaggi dell'IA mettono in luce anche le debolezze

Il risultato positivo più evidente è la velocità. In una sola stagione fiscale abbiamo lanciato una serie di prodotti e funzionalità da zero a uno che in precedenza avrebbero richiesto molto più tempo per essere avviati, incluso un connettore Claude personalizzato che abbiamo realizzato in pochi giorni, anziché in mesi. I test moderati dall'IA ci hanno permesso di svolgere molti più cicli e di eseguirli in modo più coerente rispetto a quanto avremmo potuto fare affidandoci esclusivamente a moderatori umani. Di conseguenza, siamo riusciti a prendere decisioni basate su più prove già nelle fasi iniziali.

Ma procedere rapidamente ha messo in luce ogni debolezza del nostro processo. Senza le giuste protezioni, la velocità ha portato a rifare il lavoro e il ritmo ha richiesto molto al team. L'IA ha accelerato i nostri punti di forza e reso più evidenti le nostre lacune.

Il vero risultato, che voglio far comprendere agli altri leader, è che i team che hanno ottenuto buoni risultati disponevano già di fondamenta solide. L'IA è un acceleratore. Premia i processi ben strutturati e mette in luce le lacune; per questo, costruire queste fondamenta è oggi più importante, non meno.

Perché l'IA incontra difficoltà negli scenari di prodotto complessi

L'IA ha mostrato più chiaramente i suoi limiti nella parte disordinata del lavoro, quella tra un prototipo promettente e qualcosa che si può distribuire con sicurezza.

È davvero eccellente nel portarti rapidamente a una prima versione. Non completa l'ultimo miglio. Più ci si allontana da un problema chiaro e ben definito, più lavoro ricade sulle persone. I casi limite, gli scenari fiscali complessi che deviano dal percorso comune e le decisioni su ciò che è corretto e conforme richiedono ancora lo stesso impegno umano di sempre.

Questo è il vero limite. Si è veloci quanto la parte più lenta del proprio processo. La velocità iniziale è reale, ma non si accumula come previsto perché il resto del sistema non cambia allo stesso ritmo.

Perché l'IA funziona meglio come partner di pensiero

In base alla mia esperienza, l'IA offre il massimo quando viene trattata come un partner di pensiero, non come una macchina che fornisce risposte.

In un settore come il nostro, accuratezza e responsabilità non sono facoltative, quindi il valore non sta nel generare una risposta e andare avanti. Sta nell'utilizzare l'IA per arrivare più rapidamente a una risposta considerata in modo più approfondito.

Quando i nostri team la usano per esplorare le opzioni, mettere alla prova il proprio ragionamento e procedere più rapidamente attraverso le parti che già comprendono, agisce come un vero moltiplicatore.

Andy condivide

In un settore come il nostro, accuratezza e responsabilità non sono facoltative, quindi il valore non sta nel generare una risposta e andare avanti. Sta nell’utilizzare l’IA per arrivare più rapidamente a una risposta considerata in modo più approfondito.

Perché i leader di prodotto devono gestire il modo in cui gli utenti ricevono un prodotto basato sull'IA

La parte più difficile del lancio dell'IA non è la tecnologia; è il modo in cui le persone la accolgono.

Il mio primo prodotto basato sull'IA, nel 2015, riguardava la codifica medica suggerita automaticamente nel settore sanitario. Il sistema leggeva la documentazione clinica e suggeriva i codici corretti, un'attività che i codificatori medici professionisti avevano sempre svolto manualmente. Mi concentravo sul fatto che i suggerimenti fossero accurati. Avevo sottovalutato la domanda che i codificatori stessi si ponevano silenziosamente: Questo serve a sostituirmi?

Quella paura condiziona ogni cosa, che la si affronti o meno. Si manifesta come resistenza, come mancata adozione silenziosa, come persone che tecnicamente lo accettano mentre sperano che fallisca. Ed era del tutto ragionevole.

Abbiamo messo davanti alle persone uno strumento che svolgeva una versione del loro lavoro senza spiegare prima cosa significasse per loro, così hanno riempito quel silenzio con lo scenario peggiore. Ho imparato che non si può superare quella paura aggiungendo funzionalità. Nessun livello di accuratezza risponde alla domanda che si stanno ponendo.

Ho portato con me quella lezione in ogni prodotto basato sull'IA successivo. Si introducono il cambiamento e il significato del cambiamento nello stesso momento. La questione tecnologica è quella facile. È quella umana a determinare il successo o il fallimento di queste iniziative.

Perché i sistemi di progettazione devono essere completamente rivisti

Se il tuo sistema di progettazione vive soltanto in un file di progettazione, ogni generazione dell'IA all'interno dell'azienda risulta leggermente incoerente con il marchio e qualcuno dovrà correggerla in seguito. Questo lavoro di riconciliazione è il nuovo costo che i team sostengono silenziosamente per non aver anticipato il problema.

Quindi, riprogetta il sistema di progettazione per smettere di trattarlo come un documento di riferimento e iniziare a trattarlo come un artefatto di esecuzione — qualcosa che vive all'interno degli strumenti reali che generano il lavoro.

Questo significa più di una libreria di componenti. Significa confezionare i token di progettazione e i componenti in modo che strumenti e team possano integrarli direttamente nel codice, distribuirli come pacchetti utilizzabili e abbinarli a competenze e buone pratiche — le regole e il contesto di cui uno strumento di IA ha bisogno per utilizzare correttamente il sistema. Quando standard, componenti e conoscenze pratiche risiedono tutti nel luogo in cui il lavoro viene svolto, il marchio è presente già dalla prima istruzione invece di essere aggiunto alla fine.

Quando lo fai nel modo giusto, i tuoi standard di progettazione sono integrati in tutto ciò che l'azienda realizza, indipendentemente da chi lo abbia prodotto o dallo strumento utilizzato. Il sistema smette di essere qualcosa a cui le persone fanno riferimento a posteriori e governa silenziosamente la qualità su larga scala.

Perché i CPO devono svolgere personalmente il lavoro

Il mio consiglio è semplice. Buttati. Svolgi personalmente il lavoro, ora, con le tue mani.

Molti leader affidano istintivamente l'IA ai propri team, aspettano che emergano le buone pratiche e poi definiscono la direzione sulla base di ciò che imparano. Questo approccio ha funzionato per i cambiamenti del passato. Non funziona per questo. Tutto si muove troppo velocemente e il divario tra chi utilizza gli strumenti e chi ne discute si amplia ogni settimana. Se prescrivi strumenti che non hai mai aperto, tutti nella stanza se ne accorgono.

Trascorro gran parte della settimana utilizzando direttamente questi strumenti, in parte perché il lavoro mi piace davvero, ma soprattutto perché credo che non si possa guidare in modo credibile un team attraverso un cambiamento che si osserva soltanto. Costruendo con questi strumenti, impari cosa è reale e cosa è solo clamore. Acquisisci il diritto di definire la direzione e di prendere decisioni molto migliori su dove l'IA si inserisca e dove invece non lo faccia.

Quindi, smetti di trattare tutto questo come qualcosa da delegare e studiare a distanza. Dedica tempo concreto al lavoro. Realizza qualcosa di piccolo. Scopri dove è utile e dove si inceppa. I leader che emergeranno in vantaggio saranno quelli che si confronteranno con questo momento, non quelli che aspetteranno che si stabilizzi.

Segui gli aggiornamenti

Puoi seguire il lavoro di Andy Vitale su andyvitale.com e su LinkedIn.

Presto arriveranno altre interviste a esperti su The CPO Club!