Hackene for AI-produktivitet og utvikling av ledetekster du trenger i 2025

Hannah Clark

Min gjest i dag er Tal Raviv, geniet bak det populære kurset med tittelen «Bygg ditt personlige produktivitetssystem for PM-er og AI-assistent», som er et ganske fancy navn. Og det er også ganske stort for en som tidligere beskrev seg selv som en AI-skeptiker. Men for Tal var det store gjennombruddet å finne ut hvorfor så mange PM-er sliter med å hente ut den fulle verdien av LLM-verktøyene sine, og å avdekke taktikkene som faktisk har kraft til å forvandle produktiviteten din.

Og ja, vi skal bryte ned disse taktikkene i denne episoden. Vi skal se nærmere på hvordan det å ta i bruk AI minner mye om å lære opp et nytt teammedlem, hvorfor iterativ promptutvikling er avgjørende, og få praktiske råd om hvordan du kan begynne å eksperimentere med AI-verktøy og bygge tillit til ferdighetene dine. 

Høydepunkter fra intervjuet

  • Møt Tal Raviv [01:00]
    • Tal studerte kjemiteknikk, men gikk over til SaaS-entreprenørskap.
    • Medstiftet et SaaS-selskap sammen med studievenner og drev det i fire år.
    • Gikk inn i produktledelse da det var et nytt fagfelt, og kombinerte interesser innen kundestøtte, markedsføring, programmering og design.
  • Veien til AI-produktivitet [01:59]
    • Tal leder et kurs i hvordan AI kan brukes til produktivitet innen produktledelse.
    • Til å begynne med var Tal skeptisk og unngikk å bruke AI i det daglige arbeidet, til tross for at han brukte det i produktinitiativer hos Riverside.
    • Et avgjørende øyeblikk oppsto da han sto overfor en utfordring som krevde bruk av ChatGPT, veiledet av en teknisk leder.
    • Han innså at nøkkelen til effektiv bruk av AI er å gi kontekst, på samme måte som ved opplæring av en ny medarbeider.
    • Utviklet en ny mental modell for AI, der det ble behandlet som et teammedlem eller en samarbeidspartner.
    • Inkluderte denne lærdommen i kurset, med fokus på produktivitetssystemer og utvikling av en AI-kopilot for produktledere.
  • Praktiske trinn for å lære opp AI [04:29]
    • Den innledende skepsisen til AI skyldes tidligere begrensninger som krevde omfattende redigering og innsats.
    • Forbedrede AI-funksjoner, inkludert større kontekstvinduer og bedre intelligens, har redusert disse hindringene.
    • Dagens flaskehalser omfatter forhåndstrening, kontekst og kvaliteten på inndataene som gis til AI-modeller.
    • Spørsmål på én setning gir generiske resultater; detaljert informasjon med kontekst gjør AI mer nyttig.
    • Enkeltpersoner bidrar med unik kunnskap og syntese utover «gjennomsnittet av internett», som AI kan utnytte med riktige inndata.
    • Folk forventer ofte at AI skal gi perfekte svar uten å tilby nødvendig kontekst.
    • Begrensningene til AI kan sammenlignes med å be en fremmed om å utføre en spesialisert oppgave uten kontekst.
    • Tal bruker en analogi om å samarbeide med en ernæringsfysiolog, og fremhever viktigheten av å gi informasjon og delta i en toveisprosess.
    • Effektiv bruk av AI, på samme måte som samarbeid med en fagperson, krever samarbeid og deling av detaljert informasjon.
  • Oversikt over AI-kopiloten [07:13]
    • AI-kopiloten bruker verktøy som ChatGPT eller Claude (anbefalt på grunn av prosjektfunksjonen) for å hjelpe produktledere.
    • Oppsettet innebærer å definere personligheten dens (for eksempel utfordrende og verdidrevet) ved hjelp av egendefinerte instruksjoner.
    • Behandle opplæringen som for en ny medarbeider: del oppdrag, strategi, tilbakemeldinger, teamdynamikk og organisatorisk kunnskap.
    • Bruk AI som en tankepartner for initiativer ved å gi oppdateringer, begrensninger og løpende kontekst.
    • Den hjelper med resultater som dokumenter, beslutningstaking, simuleringer og interessenthåndtering.
    • Oppdater AI regelmessig med ny innsikt, resultater og retrospektiver for å forbedre kunnskapen.
    • Claude er svært god til sømløse kontekstoppdateringer, noe som gjør hjelpen smartere og mer effektiv over tid.
    • Tal fikk et gjennombrudd da en kollega foreslo å diktere kontekst til ChatGPT for å lage presise brukerhistorier.
    • Diktering ved hjelp av verktøy som OpenAIs Whisper-modell gir bedre nøyaktighet og brukervennlighet enn innebygde dikteringsfunksjoner.
    • ChatGPT kan utlede detaljer, formatere informasjon og fylle ut mangler med minimal redigering, og overgår ofte forventningene.
    • Den viktigste innsikten var at detaljert kontekst, kombinert med AIs generelle kunnskap, gir bedre resultater.
    • Tal tester kontinuerlig grensene for hvor mye kontekst som kan forbedre AIs resultater.
  • Viktige trinn for å lære opp en LLM [14:52]
    • Start enkelt: opprett én tråd og beskriv ønsket atferd for AI-en.
    • Invester i gode dikteringsverktøy som Better Dictation eller Wispr Flow for å effektivisere inndata.
    • Bruk en systemmelding til å veilede AI-en, selv om den er enkel, for å få mest mulig av verdien.
    • Del kortfattet kontekst, for eksempel en produktbeskrivelse eller detaljer om et initiativ.
    • Vent med dypere opplæringstrinn som organisasjonskart eller medarbeidersamtaler.
    • Gi minimal kontekst (for eksempel kjente signaler eller kundestøttesaker) og test resultatet.
    • Betagrupper og et fellesskap driver frem eksperimentering og innovasjon.
    • Aha-opplevelser omfatter å lage presise prototyper med detaljert kontekst.
    • Produktledere bruker det til å lære om nye bransjer eller til kvartalsplanlegging.
    • Mange bruker det som en tankepartner for bedre innsikt og ideer.
    • Skriving av PRD-er blir bedre når AI stiller oppklarende spørsmål på forhånd.
    • Fellesskapet utforsker bruksområder utover de opprinnelige forventningene.
  • Beste praksis for promptutvikling [17:53]
    • Promptutvikling beveger seg bort fra «magiske besvergelser» og mot tydelig kommunikasjon.
    • Beste praksis omfatter bruk av diktering for enklere kontekst og å være tydelig på hva du ønsker.
    • Hvis resultatet ikke er som forventet, bør du reflektere, redigere og presisere i den forrige meldingen.
    • Blyantverktøyet i chat-plattformer er viktig for å justere og iterere på prompter.
    • Iterasjon og utprøving er viktigere enn å forsøke å bruke spesielle fraser eller komplekse metoder.

Den rette ferdigheten er å prøve seg frem – å dykke inn, iterere og ikke være redd for det. Det handler om et endret tankesett.

Tal Raviv
  • Endret tankesett: Å ta i bruk AI i arbeidsflyten din [20:32]
    • Tal valgte en workshoptilnærming fremfor å bygge et AI-produkt fordi hovedutfordringen er et endret tankesett, ikke funksjonalitet.
    • Verdien ligger i veiledning i sanntid, der Tal hjelper folk direkte og sørger for en høyere aktiveringsgrad.
    • Å bygge et produkt ville innebære en kompleks introduksjonsprosess, noe som bedre håndteres gjennom personlig interaksjon.
    • Mange forbedringer av prosessen er allerede mulige med eksisterende AI-verktøy som OpenAI og Claude.
    • Tal mener det er mer verdifullt å hjelpe folk med å bruke AI riktig og overvinne hindringer som tankesett og atferd.
  • Å overvinne usikkerhet rundt AI og komme i gang [22:57]
    • Mange føler at de ligger etter når det gjelder AI, men denne oppfatningen er vanlig på alle nivåer.
    • Tal forsikrer om at ingen ligger foran; alle er i samme situasjon.
    • For å overvinne usikkerheten bør du begynne med små, konkrete oppgaver og fokusere på kontekst og iterasjon.
    • Det å prøve seg frem bygger selvtillit og fører etter hvert til at man lærer opp andre.
    • Følelsen av å ligge etter er utbredt, og det er viktig å bare begynne uten å være redd for å gjøre det «galt».

Kontekst og iterasjon – sett bare av ti minutter til å fokusere på dette. Bygg opp denne evnen til å prøve deg frem, så vil du se at det vokser. Det vil trekke deg inn og få deg til å ønske å iterere mer.

Tal Raviv
  • Suksesshistorier og avsluttende tanker [24:54]
    • Tals «herregud»-øyeblikk var da han brukte AI i prissamtaler, der AI fungerte som en ettertenksom partner.
    • AI ga ikke perfekte svar, men satte i gang innsikter ved å få Tal til å reflektere over hvorfor enkelte svar føltes feil.
    • Det ble sammenlignet med en smart gummiand som hjelper med å videreutvikle ideer.
    • AI fikk Tal til å føle seg smartere, som om han hadde tilgang til flere intelligente mennesker å snakke med.
    • Opplevelsen føltes som en produktiv og innsiktsfull samtale som førte til bedre beslutninger.

Møt gjesten vår

Tal Raviv er en produktleder for generativ AI og var tidlig ute hos Patreon, Riverside, Wix og AppsFlyer. Han startet karrieren med å grunnlegge et lønnsomt SaaS-selskap sammen med andre, og er også frivillig surfeinstruktør for personer med funksjonsnedsettelser. 

bilde av Tal Raviv

Når man arbeider med AI, er «tankepartner» det rette begrepet for dette. Det er som å ha en smart person sittende ved siden av meg, som hjelper meg med å tenke gjennom noe, mens vi utveksler ideer.

Tal Raviv

Ressurser fra denne episoden:

Relaterte artikler og podkaster: