Lærdommer fra dotcom-boblen: Hvordan produktledere bør tenke om kunstig intelligens

Les transkripsjonen:

Vi prøver ut transkribering av podkastene våre ved hjelp av et program. Vær så snill å tilgi eventuelle skrivefeil, siden roboten ikke er korrekt 100 % av tiden.

Hannah Clark: Med Bob Dylans udødelige ord: «Tidene forandrer seg», og endring i denne størrelsesordenen er … vel, den er mange ting. Den er skremmende. Den er spennende. Den er uforutsigbar. Og den er uunngåelig. Uansett hva du føler om kunstig intelligens, har den utløst et paradigmeskifte i hvordan vi tilnærmer oss nesten alle aspekter ved produktarbeid, særlig på ledernivå. Hvilke av disse nye verktøyene skal vi ta i bruk, og hvordan? Hvordan vil dette påvirke strukturen og funksjonene til teamene våre? Og når organisasjonene våre endrer seg, hvordan må vi endre oss sammen med dem?

Gjesten min i dag er den fantastiske Greg Petroff, professor, designfaglig tenkeleder og erfaren leder, med en CV som omfatter selskaper som SAP, GE Digital, Google, ServiceNow, Compass og Cisco. Da Greg og jeg diskuterte disse endringene før vi tok opp programmet, påpekte han at vi har vært her før, under dotcom-æraen, men forskjellen er tempoet i endringene og dermed også det nødvendige tempoet for tilpasning. Du skal straks høre Greg snakke gjennom verktøyene, organisasjonsendringene og strategiene ledere må tenke på akkurat nå – for som Bob Dylan sier og advarer oss så godt: «Du bør begynne å svømme, ellers synker du som en stein.» La oss sette i gang.

Velkommen tilbake til The CPO Club-podkasten. I dag er jeg her med Greg Petroff.

Tusen takk for at du blir med oss i dag, Greg. Hvordan går det?

Greg Petroff: Jeg har det bra, takk, Hannah. Takk for invitasjonen.

Hannah Clark: Ja, skål.

Vi begynner på samme måte som alltid. Jeg vil gjerne at du forteller litt om bakgrunnen din og hvordan du kom dit du er i dag.

Greg Petroff: Jeg startet egentlig karrieren som arkitekt. Jeg begynte med arkitektur for lenge siden. Deretter har jeg hatt roller innenfor bedriftsprogramvare, fra produktledelse til designledelse, de siste 25 årene. Steder som SAP, GE, Google og ServiceNow. Senest var jeg i Compass, før jeg var i Cisco, og nå driver jeg med litt selvstendig rådgivning, noe brøkdelvis designledelse og coaching, og jeg underviser ved California College of the Arts.

Hannah Clark: En travel timeplan. I dag skal vi snakke om noen store temaer – tankesettskifter ledere må ta til seg for å tilpasse seg den nye kunstig intelligens-æraen vi alle befinner oss i og prøver å forstå.

For å komme i gang har vi tidligere trukket interessante paralleller mellom vårt nåværende kunstig intelligens-øyeblikk og dotcom-æraen, som også innebar et stort tankesettskifte. Hva er noen av de viktigste lærdommene fra den tidligere perioden med teknologisk omveltning som fortsatt er relevante i denne endringen?

Greg Petroff: Jeg tror det er et par ting som skjer. For det første er ikke ekspertise nødvendigvis like verdifull som den var. Vi har et slags prediksjonsrammeverk for hvordan vi ser verden, og det er basert på erfaringene våre.

Når vi begynner å se på arbeid, bruker vi dette rammeverket til å navigere og gjøre det neste settet med oppgaver. Det er nyttig når reglene er konsistente, men i perioder med endring kan reglene endre seg uten at du ser det. Derfor er nysgjerrighet en svært viktig egenskap å dyrke akkurat nå.

I dotcom-æraen var det mange selskaper som satt på sidelinjen og ikke egentlig forsto hva som foregikk. Så var det en rekke mennesker som heller ikke forsto det, men som var nysgjerrige og bare kastet seg ut i det. De begynte å lage ting, og jeg tror vi befinner oss i et svært lignende øyeblikk nå, der alt går så raskt at måten du må finne veien til å forstå hvordan du kan bruke kunstig intelligens på, er å bruke den så mye som mulig.

Hannah Clark: Ja, når alt endrer seg, får det meg også til å tenke på hvordan tradisjonelle roller – tradisjonelle slik vi ser dem nå, selv om det som er tradisjonelt for oss i dag egentlig ikke er særlig tradisjonelt – har utviklet seg. Alt har endret seg så raskt de siste tiårene.

Kan du utdype hvordan du har sett endringer i rollegrenser og produktutvikling utspille seg så langt?

Greg Petroff: Det er åpenbart situasjonsavhengig. Hvert selskap har sin egen kultur og sine egne styrker. Google har for eksempel en svært sterk ingeniørkultur. De andre fagområdene er viktige, men ingeniørene styrer på en måte bilen. I andre organisasjoner står design mer sentralt, og i andre igjen er produktledelse mer fremtredende.

Organisasjoner har også ulike kulturelle tyngdepunkt. Noen er svært ortodokse når det gjelder rolledefinisjoner og sier: «Dette er det du gjør, og du gjør ikke ting utenfor dette. Dette er det din tverrfunksjonelle kollega gjør.» Jeg tror det fungerte en stund.

Jeg har aldri vært særlig ortodoks. Jeg har vært en av dem som arbeider på tvers av grensene i karrieren min. Noen ganger har jeg blitt beskyldt for å være en designer som driver med produktledelse, eller en produktleder som driver med design. Mitt perspektiv er at det handler om produktkultur. Noe av det som skjer nå, er at verktøyene vi bruker, er så annerledes enn før.

De er mye raskere og mer tilgjengelige for et bredere publikum. Derfor kan de av oss som tidligere har vært i en silo, begynne å gjøre noe av arbeidet som kanskje tidligere var en kollegas bidrag. Spørsmålet er: Hvor går grensene nå? Venn-diagrammet kollapser litt inn i seg selv.

Jeg tror fremtiden vil bestå av team med det som kalles T-formede mennesker. Du har stor dybde på ett område, samtidig som du kan bevege deg horisontalt. Jeg føler nesten at det vil bli en dobbel T. Vi kommer til et punkt der vi finner hybrider: noen som kan designe og skrive litt kode, en produktleder som kommer fra design, eller en ingeniør som elsker produktledelse.

Det viktigste er derfor at det finnes en åpen samtale i organisasjonen om verktøyene, hva de muliggjør, og hvem som skal ta ansvar for ulike deler av produktutviklingsforløpet. Det gir oss en mulighet til å gå fra en ingeniørstyrt kultur, produktstyrt kultur eller designstyrt kultur til en kultur orientert mot produktresultater, der alle bidrar ut fra ferdighetene de bringer til bordet.

Jeg tror vi kommer til å se hybride organisasjoner som kan se svært forskjellige ut underveis. Innen prosjektledelse tror jeg definisjonen av hva som skal bygges, blir langt viktigere, fordi det blir stadig enklere å bygge ting. Den inkrementelle tankegangen – bare å legge til en funksjon eller en del av noe – kan fungere, men med samme innsats kunne du ha laget noe som er langt mer verdifullt for sluttbrukere og kunder. Du kan forestille deg ting som tidligere ikke var mulige.

Det jeg er interessert i, er hvordan vi skaper rom for at dette tverrfunksjonelle samarbeidet kan være dristigere i det de prøver å gjøre, fordi det faktisk er enklere å gjennomføre slike ting nå.

Hannah Clark: Du åpnet nettopp tre veier videre. Vi har verktøyene, endringen i roller og hvordan de utvikler seg, samt organisasjonsledelse. Vi kunne gått i tre retninger. Jeg velger verktøyene først, så kommer vi tilbake til de andre.

La oss snakke litt om verktøy for kunstig intelligens og produktutvikling. Du antydet at verktøyene er i endring, og dette handler på mange måter om dømmekraft. Vi har mange verktøy tilgjengelig, og vi befinner oss ved et interessant veiskille der vi virkelig må utøve god dømmekraft når det gjelder hvilke verktøy vi skal bruke, og hvordan.

Hannah Clark: Hvordan hjelper du team med å utvikle denne dømmekraften, eller den magefølelsen for når og hvordan de skal bruke verktøy for kunstig intelligens?

Greg Petroff: Det finnes også en viktig følge av dette med dømmekraft: Når du bruker et kunstig intelligens-verktøy, tror du på svaret det gir deg? Eller har du evnen til å være medskaper og arbeide sammen med kunstig intelligens på en måte der dere i fellesskap beveger dere mot resultatet verktøyet prøver å nå? Jeg tror en del av dette handler om eksperimentering. Feltet beveger seg svært raskt, men det finnes noen umiddelbare områder som gir mye mening. Jeg tenker særlig på produktoppdagelse.

Det finnes nå mange verktøy som lar deg bygge tilpassede RAG-modeller på innsiktene fra undersøkelsene dine. For organisasjoner som har flere års forskning, kan du ta alle transkripsjonene fra undersøkelsene og bygge modeller du kan stille spørsmål til. Det er nesten som å ha en virtuell persona.

Jeg vet at det er kontroversielt. Jeg ville ikke kalt det en virtuell persona. Jeg ville heller kalt det å gjøre kunnskapsbasen du allerede har, mer tilgjengelig og enklere for folk å navigere i. Særlig når du tar imot nye teammedlemmer, kan det hjelpe dem med å bygge opp domenekunnskapen sin fordi de får tilgang til et informasjonskorpus som er svært nyttig.

Det er ikke enkelt å gjøre, men når det først er gjort – jeg har eksperimentert med dette sammen med noen venner – er det interessant at det finner innsikter og kunnskapselementer som kanskje er allment forstått, men ikke like tydelig beskrevet. På designsiden og verktøysiden skjer det mye i Figma-verdenen. Figma i seg selv er et nytt verktøy; det var egentlig ikke her for fem år siden, og det har endret måten vi arbeider på.

Jeg tror team arbeider direkte i høy detaljgrad, og jeg er ikke helt sikker på at det er den beste ideen. Lav detaljgrad gjør det noen ganger mulig å se ting du kanskje ikke ser når du ser på noe som føles som et ferdig produkt. Samtidig går det mye raskere. Team kan iterere og lage ting svært raskt. Når designteamet kan lage ting raskere enn du kan tenke, kan det ofte være nyttig for produktteam å tenke gjennom å lage, i stedet for å lage gjennom å tenke.

Det jeg mener med det, er at samtalen du har med feilene du gjør i artefakten du lager, gir deg informasjon om resultatet og kundeproblemet på måter som det noen ganger ikke er nok å bare snakke om. Bilder sier som kjent mer enn tusen ord. Vi ser at designteam som arbeider sammen med produktteamene sine svært tidlig, og som bare itererer uten å prøve å lage det endelige produktet, i praksis kan erstatte produktkravdokumentet med en prototype. De kan teste prototypen og faktisk ha noe de vet vil ha verdi, på en måte som tidligere var dyrt og tidkrevende.

Det er ett eksempel. På ingeniørsiden eksperimenterer folk med ting som Copilot og verktøy som lar dem bevege seg raskere. Vi er fortsatt tidlig i utviklingen, fordi mange ingeniører er usikre på nytteverdien. Men det at store deler av kodebaser kan skrives i samarbeid med deg, frigjør ingeniørteamene til å arbeide med vanskeligere problemer.

Alt dette finnes. Jeg tror en av de kollektive tankesettendringene vi må gjøre, er å spørre hvordan vi forstyrrer vårt eget arbeid. De fleste prøver å plassere disse verktøyene inn i produktene våre. Vi ville forstått bedre hvilke resultater de kan gi, dersom vi også brukte dem i de daglige prosessene våre for produktutvikling.

Hannah Clark: Jeg er helt enig. Akkurat nå utvikler vi på mange måter en muskel for å bruke verktøy for kunstig intelligens som en utvidelse av ekspertisen vår, snarere enn som en erstatning for den institusjonelle kunnskapen som fortsatt er avgjørende. Vi har snakket om dette tidligere. Vi skal føre tilsyn med verktøyene for kunstig intelligens som om de utfører noen av oppgavene vi ellers ville hatt ansvar for, og som vi fortsatt står ansvarlige for.

Det passer godt inn i samtalen vår om verdien av institusjonell kunnskap, særlig i forskningsteam. Jeg tror forskning er et område der bruken av kunstig intelligens er litt kontroversiell. Hvordan ser du for deg at forholdet mellom menneskelig ekspertise og kunnskapsforvaltning drevet av kunstig intelligens vil utvikle seg?

Greg Petroff: Jeg hentydet til dette tidligere. De fleste forskningsteam har et innholdskorpus. For mange år siden var det svært vanskelig å dele dette innholdet. Du gjennomførte et forskningsprosjekt, presenterte funnene dine, og så fikk ingen noen gang nytte av innholdet igjen, fordi det ble lagt i et arkiv.

Forskning er også tidsavgrenset. Den kan ha gyldighet i en periode, før atferdsmønstre og kundebasen endrer seg, eller ny teknologi kommer til. I store organisasjoner finnes det likevel vanligvis mye tilgjengelig innhold, mens svært få faktisk bruker det.

Forskningsteamet ønsker at flere skal bruke det, fordi de mener at det vil gi bedre innsikt, som igjen vil gi bedre resultater. En interessant mulighet er derfor å bygge tilpassede kunnskapsgrafer av forskningskorpuset. Deretter kan alle i organisasjonen få mulighet til å stille spørsmål til det.

Det erstatter ikke forskning. Det gjør bare at du kan se mønstrene i innsiktene dere samlet har. Kunnskapen blir delt med et bredere publikum i organisasjonen, i stedet for å være eid av forskeren alene. Forskeren har gjort arbeidet, og tilgangen til kunnskapen blir demokratisert.

På en måte hjelper det alle med å forstå hvem vi betjener og hvorfor. Det gjør det også mulig for forskningsteamet å fortsette å mate inn ny kunnskap. Jobben deres er fortsatt å utføre det arbeidet de gjør. Jeg er en stor tilhenger av kvalitativ forskning, og også av kvantitative metoder der du instrumenterer og måler. Dette bør ikke overlates til kunstig intelligens.

Evnen til å syntetisere denne kunnskapen og dele den bredere kommer til å bli svært interessant. Jeg har alltid vært opptatt av å demokratisere forskning. Jeg vet at noen synes dette er kontroversielt. Men når jeg har sett tilgang til noe som har verdi i en organisasjon bli mer åpen og tilgjengelig, øker faktisk etterspørselen etter ekspertise.

Hvis flere ser innsikter, ønsker de seg flere innsikter. De forstår i større grad at de trenger profesjonelle innsiktssamlere på teamet som kan gjøre arbeidet metodisk solid. Det jeg er interessert i, er hvordan vi sikrer at alle har inngående kunnskap om hvem de betjener, og bruker denne informasjonen til å lage bedre produkter.

Hannah Clark: Vi har vært litt innom dette temaet. Jeg tror dette er et svært interessant område for innovasjon innen kunstig intelligens. Vi hadde en populær episode om produktoppdagelse muliggjort av generativ kunstig intelligens med Craig Watson, grunnleggeren av Arro. Den gikk virkelig inn i hvordan disse verktøyene fungerer. Jeg liker det du sa om å bruke en persona, for som du sier prøver vi ikke bare å erstatte persona-utviklingen vi trenger.

Det handler mer om å gjøre dataene interaktive – det vi har utviklet og lært. På samme måte hadde vi et par episoder om produktanalyseverktøy som er muliggjort av generativ kunstig intelligens. Vi hadde en med Mo Hallaba, administrerende direktør i Datawisp, og en med Mario Ciabarra i Quantum Metric.

De beskrev det som å demokratisere data og gjøre dem mer tilgjengelige og interaktive for personer som ikke har kompetansen eller ferdighetene til en dataforsker. Jeg er enig. Når data blir mer tilgjengelige, kan vi se – uansett hvilken rolle vi har i organisasjonen – hvordan innsiktene kan hjelpe oss, og samhandle med dem på en måte som gir mening for rollen vår. Da åpner det virkelig døren for spørsmålet: Hvordan kan en datainformert kultur se ut dersom vi bruker disse verktøyene effektivt?

Jeg synes dette er et svært spennende øyeblikk innen produktarbeid.

Greg Petroff: Vi får se hva som skjer. Domenekunnskap holdes tett. Den er ikke universell i organisasjoner. Den er også hierarkisk. I noen organisasjoner har de med mest domenekunnskap størst innflytelse. Hva skjer i en organisasjon der alle har tilgang til en dypere forståelse av hvem man betjener og hvorfor? Det blir interessant å se hvordan det utvikler seg, og om det hjelper eller bryter med noen av konvensjonene rundt strukturene vi bruker for å forstå oss selv.

Det siste jeg vil si, er at jeg noen ganger får problemer for å si dette, men jeg tror forskningens rolle er å redusere risikoen i produktbeslutninger. Vi prøver å forstå og ha empati med sluttbrukerne våre, forstå problemene vi prøver å løse, og vite hvilke resultater som er viktige for dem.

Produktledelsen gjør antakelser om hvilke funksjoner som vil være nyttige for sluttbrukerne, og samtidig skape et godt produkt som folk er villige til å betale for. Mange av disse antakelsene er løst forankret, men dyre å gjennomføre. De er ikke validert på en måte som gir en viss sikkerhet for at folk faktisk vil sette pris på resultatet.

En av tingene forskere kan gjøre dersom de vil bevege seg oppover i betydning, er å gi en generell forståelse av hvem man betjener, samtidig som de finner delene av produktutviklingsprosessen som bygger på mange antakelser som ikke er grundig validert. De kan bruke styrken sin til å tilføre mer signal. Når ledelsen bestemmer hva som skal gjennomføres, får den større sikkerhet for at det forventede resultatet faktisk blir resultatet.

Hannah Clark: Jeg er faktisk overrasket over at du får problemer for å si det, men jeg skal ikke sladre. Som program er vi virkelig på UX-forskernes side.

Vi mener de tilfører enorm verdi. Hvis vi skal investere mye penger i å produsere et produkt, og virkelig vil være sikre på at det treffer målgruppen vår, er det ganske overraskende at vi ikke skulle gjøre alt vi kan for å være sikre på det.

Greg Petroff: En annen interessant ting er at vi nå har mulighet til å gå hele sirkelen rundt, noe vi ikke hadde før. Vi har verktøy som Amplitude som, dersom de er godt instrumentert, gir oss svært gode data om atferd. Vi har måltall for produktsuksess og innsikt i funksjonsbruk.

I SaaS-virksomheter har vi fornyelsesrater, og vi kan gjøre kohortanalyser for å se hvilke kunder som fornyer med minst innsats fra salgsorganisasjonen. Historisk har all denne informasjonen vært eid av kundesuksessteamet, produktteamet, strategiteamet eller forskningsteamet.

Jeg tror forskning har en mulighet til å se alt dette i et stort 360-graders bilde og få en helsesjekk av opplevelsen du skaper, virksomheten du har og kundenes atferd. Det var nesten umulig å gjøre tidligere. Det er fortsatt ikke enkelt, og det er bare noen få personer i forskningsmiljøet jeg kjenner til som har gjort det.

Her kan kunstig intelligens også hjelpe: ved å begynne å slå sammen ulike datasett om kundesuksess og brukersuksess for å få et bedre bilde av produktets helse og hva som må skje videre.

Hannah Clark: Jeg tror det er en av de største fordelene ved noen av disse samtalemodellene: muligheten til å trene dem med alle disse isolerte resultatene og samle dem til noe mer brukbart, som vi kan stille mer presise spørsmål til. Som du sier, får vi se hvordan det utvikler seg. Jeg er sikker på at det blir mange problemer underveis.

Greg Petroff: Jeg vil legge til én siste ting. Når du har fått svaret, er en annen grunn til at du trenger et forskningsteam at du må ha dømmekraft og dobbeltsjekke. Det kan hende at dataene dine ikke er særlig gode, og at du får en innsikt som ikke er reell.

Hannah Clark: Jeg lurer på hvordan datakvalitet kommer til å bli en større del av samtalen når vi begynner å stole mer på disse modellene. Har dataene vi mater inn, høy kvalitet?

Greg Petroff: Jeg kan ikke forestille meg øyeblikket der du sier: «Kunstig intelligens mener at du oppfører deg slik. Stemmer det?» Nei, jeg bare tuller.

Hannah Clark: Du har vært inne på noen organisatoriske temaer og temaer knyttet til tilpasning. Jeg vil gjerne gå litt dypere inn i det. Vi snakker om usikkerheten rundt hvordan roller utvikler seg, hvordan folks roller endres, og hvordan ting smelter sammen og forskyves. Samtidig finnes det en kjernekompetanse som vi bringer med oss som individuelle bidragsytere eller ledere. Hva er den kjernekompetansen du bringer til bordet, og hvordan forsvarer du den i en situasjon der andre overlapper med det du gjør og bidrar med?

Det finnes også verktøy for kunstig intelligens som bidrar med noe av dette. Hvordan hjelper vi team med å navigere i usikkerheten rundt rolleutvikling, samtidig som de opprettholder sin kjernekompetanse og verdi?

Greg Petroff: Jeg stiller nesten spørsmål ved den siste formuleringen – å beskytte territoriet sitt.

Jeg er ikke sikker på om det var det du mente, men jeg har sannsynligvis endret karriere elleve ganger de siste 25 årene etter hvert som ting har utviklet seg. Jeg startet som arkitekt, deretter jobbet jeg med grafikk, så med kringkastingsmedier, før jeg kom til dotcom-verdenen som informasjonsarkitekt og interaksjonsdesigner.

Så ble jeg produktleder og forsker. Deretter gikk jeg tilbake til interaksjonsdesign og ble UX-leder. En interessant ting ved dette øyeblikket er at vi faktisk har hatt stabilitet i rollene de siste ti årene. Mange har vokst opp i denne perioden og har en solid definisjon av verdien sin, hvem de er og hva de gjør. De har ikke opplevd at teppet blir trukket bort under dem fordi det kommer en ny måte å gjøre ting på eller en ny teknologi.

Noen av oss har vært med lenge nok til at det har skjedd så mange ganger at vi bare ser det og sier: «Greit, reglene har endret seg. Nå må vi bli mer tilpasningsdyktige.» Ekspertise er svært viktig. Du bør vite hva du er god på. Jeg pleier å veilede folk til å lene seg inn i styrkene sine og verdsette dem. Men ikke bli fanget av rolledefinisjonen din. Vi går inn i en tid der det handler mer om resultatet og problemdefinisjonen.

Det finnes mange ulike veier til gjennomføring. Hvis vi holder fast ved ortodoksien i rollen eller stillingen vår, kan vi bare ende opp med å kjempe mot strømningene rundt oss. Vær derfor nysgjerrig, ha et tankesett som er innstilt på utvikling, og lær hele tiden. Samtidig må du ikke bevege deg bort fra det du elsker og er god på, for de beste teamene består av mennesker som er eksepsjonelt gode på noe.

Jeg kan gi deg et eksempel. Da jeg var i SAP for nesten 15 år siden, var jeg del av et team. Vi var ikke et designteam, produkteam eller ingeniørteam. Vi var et innovasjonsteam. Det besto av antropologer, ingeniører, produktledere og designere. Vi fikk et prosjekt, satte sammen et team, og teamet var alltid en sammensatt gruppe mennesker. Vi så på problemet og fant ut hvordan vi skulle arbeide med det sammen. Jeg tror vi kommer til å se mer av denne typen atferd i fremtiden.

I store organisasjoner må man organisere seg på en bestemt måte fordi det støtter produktutviklingsprosessen. I mindre organisasjoner tror jeg vi kommer til å se et miljø der vi er mer smidige når det gjelder verktøyene og ressursene vi har.

Hvis vi er ortodokse i det vi gjør, vil det faktisk hindre oss i å utføre arbeidet.

Hannah Clark: Jeg er glad for at du tok opp et brudd med ortodoksien. Jeg vil snakke om lederstiler. Du har observert et generasjonsskifte i lederstiler innen produktledelse.

Vi beveger oss bort fra en svært kommando- og kontrollpreget, ovenfra-og-ned-tilnærming til noe langt mer samarbeidsorientert. Nå som vi er inne på eksempler, kan du dele et konkret eksempel på hvordan en slik endring har påvirket resultatene i produktutviklingen som du har observert?

Greg Petroff: Jeg vet ikke hvilken retning innen produktutvikling som vil vare, eller om begge vil finnes i fremtiden, men det finnes absolutt to modeller. Den ene er den svært sterke produktlederen som ikke er 100 % åpen med organisasjonen, men som gjør endringer underveis for å føre prosjektet fremover.

Det er et svært kommando- og kontrollpreget miljø, og mange organisasjoner fungerer slik. Historisk har det vært utrolig suksessrike personer innen produktledelse som har opptrådt på denne måten. Mange produktledere tidlig i karrieren ser på dem og sier: «Jeg vil bli som dem, og jeg skal gjøre det samme.»

Utfordringen jeg har sett, særlig i store organisasjoner, er at det kan oppstå en atferd der ressursene er begrensede og insentivene er satt opp slik at du skal levere. Produktledere konkurrerer da med hverandre om ressurser.

Hvis de overleverer, får de neste forfremmelse. Dersom ingen på toppen sier hva vi ikke skal gjøre, blir folk motivert til å få mer gjort på den tiden de har. Det de ikke innser, er at de belaster systemet fordi det bare finnes en begrenset mengde ressurser.

De bruker derfor ressursene mindre effektivt fordi de har puttet for mye inn i systemet. Resultatet blir litt kaos, og folk går over til kommando og kontroll for å prøve å få ting på plass.

Jeg har også sett den andre siden, der folk sier: «Jeg går inn i dette prosjektet, og jeg vet ikke hva vi skal gjøre. Jeg trenger ikke å være personen med alle svarene. Jeg skal sette sammen et team, og sammen skal vi lære så raskt som mulig. Vi skal bygge en rekke eksperimenter underveis, samarbeide og dele informasjon.»

Prosjektledere som gjør dette, får etter min erfaring mer ut av teamene sine. De har større klarhet, mer synlighet rundt arbeidet, og folk opplever at de har selvstendighet. De finner sin rolle i arbeidet og innsatsen.

Det kan være en indirekte observasjon, men det virker som om det generelt er produktledere tidligere i karrieren eller yngre produktledere som opptrer på denne måten. Delvis skyldes det at de er digitale innfødte. Noen av de mer erfarne er ikke det, demografisk sett. De har vokst opp med god programvare og ønsker å skape rom for at design-, forsknings-, ingeniør- og produktteamene sammen kan løse et problem.

Jeg var på Canadian Friends-konferansen i høst, og det var fascinerende å høre hvordan dette fellesskapet av produktledere tenkte om samarbeid med tverrfunksjonelle kolleger. Det var hjertevarmende, fordi samtalen var svært åpen. Folk var villige til å være sårbare og si at de ikke hadde svarene, men at de organiserte teamene sine for å finne svarene.

Det er litt annerledes enn å føle at du må ha svarene fordi teamet ditt forventer det. Da later du som om du har kontroll til du faktisk har det, og skifter retning mange ganger før du kommer dit.

Jeg tror det skjer to ting i produktutviklingsmiljøet. Jeg ville vært nysgjerrig på om det gir bedre resultater den ene eller den andre veien. Jeg har ikke gode eksempler, bare observasjoner av atferd.

Hannah Clark: Jeg er tilbøyelig til å være enig. Jeg har observert at arbeidskulturen generelt har blitt langt mindre hierarkisk og mye mer samarbeidsorientert. Jeg liker denne endringen. Vi beveger oss i en positiv retning der sårbarhet, oppmerksomhet på psykologisk trygghet og begreper fra emosjonell intelligens får større plass i ledelse.

Dette begynner virkelig å påvirke hvordan folk leder team og samarbeider på tvers av funksjoner. Det er oppmuntrende å se hvordan dette gjør det mulig for mange å utføre sitt beste arbeid.

Siden vi snakker om dette, vil jeg sette deg litt på prøve. Du er leder, erfaren toppleder og har ledet mange team. Hvilke strategier har du funnet særlig effektive for å fremme nysgjerrighet og eksperimentering, samtidig som du opprettholder høye kvalitetsstandarder?

Greg Petroff: Klarhet er den største gaven du kan gi et team. Du kan ikke være åpen om alt i ledelse, og det hjelper ikke nødvendigvis folk, fordi mye skjer i selskapets liv som enten er transaksjonelt eller vanskelig å forstå og kommunisere. Hvis alle snakker om det, er det ingen som fokuserer på arbeidet.

Klarhet er svært viktig, og det samme er å hjelpe folk med å ta eierskap til denne klarheten. Den må forplante seg nedover slik at folk kan se rollen sin og hvordan den bidrar til helheten. Det er vanskelig for organisasjoner å si nei til ting, men organisasjoner som tydelig sier hva de ikke skal gjøre, er svært effektive. Det stopper ivrige forslag som «Vi kunne gjort dette» eller «Jeg har et eget prosjekt jeg vil gjøre».

Hvis du sier at dere ikke gjør det, betyr det ikke at dere aldri skal gjøre det. Det betyr bare at dere ikke skal gjøre det nå. Det er en del av klarheten.

Jeg tror også på å gi tilbakemeldinger på en høflig måte, samtidig som man holder folk ansvarlige. Det er viktig å skape miljøer der folk føler seg trygge, men du kan ikke unngå konstruktive tilbakemeldinger.

Da jeg var i Cisco, hadde vi et prinsipp jeg likte svært godt. Det kom fra Duo, en oppstartsbedrift Cisco hadde kjøpt omtrent fem år tidligere. Prinsippet var «vær snillere enn nødvendig».

Hvis du hadde spinat mellom tennene og var på vei inn i et møte, ville du ønsket at noen fortalte deg det. Det handler ikke om deg som person. Det er bare noe du bør vite. Jeg tror derfor det handler om å gi hverandre tilbakemeldinger hele tiden og holde hverandre ansvarlige for en høy standard – og gjøre det til en sak om arbeidet, ikke om personen.

Da skaper du forhold der folk lærer å lytte til tilbakemeldinger uten å ta dem personlig. De tenker: «Greit, dette er en mulighet til å bli bedre», eller «Dette er en mulighet til å føre prosjektet i en annen retning.»

Det er de to tingene jeg prøver å praktisere, selv om jeg ikke sier at jeg er spesielt god på det: å være så tydelig som mulig og gi så mye tilbakemelding som mulig.

Hannah Clark: Jeg setter stor pris på disse innsiktene. Jeg er enig med deg. Du er sikkert bare beskjeden.

Takk for at du ble med oss i dag, Greg. Dette har vært en flott samtale. Vi har snakket om mange ulike temaer som er svært relevante akkurat nå. Jeg håper vi får noen interessante tilbakemeldinger fra dem som lytter. Apropos tilbakemeldinger: Hvor kan folk følge arbeidet ditt eller komme i kontakt med deg på nettet?

Greg Petroff: Jeg er på LinkedIn, så dere finner meg der. Jeg har en profil der. Jeg har også en Substack som heter Improbable Futures. Der skriver jeg litt om muligheter. Dere finner meg altså på disse to stedene.

Hannah Clark: Supert. Tusen takk for at du ble med oss.

Greg Petroff: Takk skal du ha.

Hannah Clark: Takk for at du lyttet. For flere gode innsikter, veiledninger og verktøyanmeldelser kan du abonnere på nyhetsbrevet vårt på theproductmanager.com/subscribe. Du kan høre flere samtaler som denne ved å abonnere på The CPO Club, uansett hvor du får podkastene dine.