Slik tilpasser du deg den nye gullstandarden innen produktledelse

Les transkripsjonen:

Vi prøver ut transkripsjon av podkastene våre ved hjelp av et program. Tilgi eventuelle skrivefeil, siden roboten ikke er korrekt 100 % av tiden.

Hannah Clark: Etter hvert som teknologien utvikler seg, gjør også atferden vår det. Tidligere føltes disse endringene ganske gradvise. I stedet for å levere en CV personlig søker vi for eksempel på nett. Men i en tid med dramatiske teknologiske endringer står produktfolk midt i en fullstendig nyoppfinnelse. Vi tilpasser oss ikke bare ny atferd som brukere selv, men også helt nye standarder for hvordan vi arbeider.

Og la oss være ærlige: Dette skiftet kan noen ganger føles som om vi bygger fallskjermen etter at vi allerede har hoppet ut av flyet. Så hvordan bygger du en brukbar, billedlig fallskjerm når du allerede er desorientert og det ikke finnes noen formell håndbok som kan veilede deg? En god start er å se på fallskjermhopperne som har klart å bruke de samme materialene som deg og funnet en måte å fly på.

Dagens gjest er dr. Maryam Ashoori, viseadministrerende direktør for produkt og ingeniørvirksomhet i IBM Watsonx. Dr. Ashoori, som forsikret meg om at jeg ganske enkelt kunne kalle henne Maryam, har arbeidet med kunstig intelligens i over 20 år. Selv om svært få mennesker har arbeidet nærmere teknologiens frontlinje enn henne, er det først nylig hun har sett et monumentalt skifte i atferden til høytpresterende produktfolk. Hvis du vil låne arbeidsmetoden til produktteamet som står nærmest noen av de viktigste bidragene til kunstig intelligens i historien, kan denne episoden være interessant for deg. La oss sette i gang.

Forresten: Vi har samtaler som denne hver uke. Hvis dette høres interessant ut, hvorfor ikke abonnere? Ok, la oss begynne.

Velkommen tilbake til podkasten om produktledelse. I dag har jeg med meg dr. Maryam Ashoori. Hun er viseadministrerende direktør for produkt og ingeniørvirksomhet i IBM Watsonx.

Maryam, jeg gleder meg så mye til å snakke med deg. Hvordan har du det i dag?

Maryam Ashoori: Jeg har det bra. Hvordan har du det?

Hannah Clark: Det går kjempebra. Jeg gleder meg til denne samtalen, og vi starter slik vi alltid starter.

Kan du fortelle litt om bakgrunnen din og hvordan du kom dit du er i dag?

Maryam Ashoori: Absolutt. Jeg har arbeidet med kunstig intelligens i over 20 år, på tvers av flere fagområder. Gjennom karrieren har jeg arbeidet som designer og bygget KI-drevne systemer med brukeren i sentrum. Jeg har arbeidet som ingeniør og brakt data og optimalisering inn i systemene vi bygde.

Jeg har også arbeidet som KI-forsker og flyttet grensene for hva kunstig intelligens kunne gjøre. Til slutt fant jeg hjem i produktarbeid, der jeg kunne samle alle disse perspektivene for å løse de riktige problemene. De siste to årene, mer presist, har jeg med generativ KI stått i front når det gjelder å designe og bygge det neste store KI-systemet, som er IBM Gen AI-plattformen for virksomheter.

Dette arbeidet samlet alt jeg liker: å definere strategi i et marked i rask utvikling, navigere juridiske og etiske spørsmål og arbeide med et nytt felt som generativ KI, med alle begrensningene det innebærer. Målet er å bygge noe nyttig som løser et reelt problem.

Underveis innså jeg at ansvarlig KI er det avgjørende elementet vi må arbeide tett med og designe for. Det førte meg til min nåværende rolle, der jeg leder produkt og ingeniørvirksomhet innen KI-styring.

Hannah Clark: Det er en stor ære å ha deg med i programmet. Kunstig intelligens har vært et svært viktig tema for oss, og det er fascinerende å snakke med noen som har arbeidet i dette feltet lenge før det ble en del av den offentlige samtalen slik den er i dag. I dag skal vi særlig fokusere på produktledelse og hvordan rollen utvikler seg med fremveksten av KI-drevne verktøy og arbeidsflyter.

Dette ligger svært nær fagområdet ditt. Kan du begynne med å fortelle litt om noen av endringene du har observert i IBM Watsonx, og hva disse endringene signaliserer om yrkets fremtid?

Maryam Ashoori: Jeg vil trekke frem to ting.

Det ene handler om selve produktlederrollen, og det andre handler om produktene produktlederne bygger. La oss begynne med det første. Det er ingen tvil om at generativ KI gir en kraftig akselerasjon i produktiviteten i produktledernes hverdag. Når jeg ser på mine egne produktledere, programmerer de nå intuitivt ved hjelp av KI.

Det gjorde de ikke for ett år siden. Hvis jeg tidligere ba dem lage et produktkravdokument, samarbeide med designere om skisser, gå til ingeniørene for å lage en prototype og deretter komme tilbake for å presentere ideen, bygger de nå noe på under 24 timer. De viser meg noe fullt utviklet og funksjonelt, og jeg spør: Hva er det jeg ser på?

Er dette det faktiske produktet, eller er det en skisse dere bygger? Det viser hvordan produktledelse endrer seg ved hjelp av kunstig intelligens. På dette nivået handler det først om å teste en idé raskere. Men du kan også tenke på å generere produktkravdokumenter med KI, slik at du kan idémyldre og evaluere flere alternativer.

På produktsiden har produktlederne ansvar for å bygge et produkt som løser et problem. Det er stor sannsynlighet for at produktet kan dra nytte av akselerasjonen generativ KI gir. Derfor er det avgjørende at produktlederne har inngående kunnskap om hvordan teknologien kan hjelpe deres eget produkt og arbeid, og hvordan de kan ta denne akselerasjonen inn i det de bygger.

Hannah Clark: Jeg tror dette er en kompetanse som befinner seg i et svært interessant område akkurat nå, fordi den utvikler seg så raskt. Det finnes ikke mye formell utdanning som klarer å holde tritt med endringstakten. Basert på det du har sett i ditt eget team og i fagfeltet, hvordan kan produktledere som ønsker å forbli konkurransedyktige, holde tritt med produktivitetsgapet?

Hvordan kan vi bygge opp ferdighetene våre?

Maryam Ashoori: Svakheten du nevner, representerer en mulighet. All denne akselerasjonen vil på et tidspunkt bli normalen. Metaforen jeg stadig tenker på, er kalkulatoren. For mange år siden gjorde folk beregninger manuelt. Jeg husker til og med at kalkulatoren var forbudt på skolen fordi vi skulle lære å regne manuelt.

Men så krysset vi den terskelen, og kom til et punkt der vi kunne gå videre til å løse andre problemer i stedet for å utføre manuelle beregninger. Det er den samme metaforen og den samme tankegangen. Fremtidens produktledere forventes å bruke KI effektivt i jobben sin. Samtidig finnes det en overgangsperiode der de som utnytter muligheten, kan skape et fortrinn for seg selv.

Derfor representerer denne svakheten faktisk en god mulighet. Nylig gjennomførte vi en undersøkelse med tusen personer for å forstå produktivitetsøkningen vi får fra KI. Vi stilte dem ett enkelt spørsmål. Dette var tusen utviklere av KI-applikasjoner med fokus på virksomheter i USA.

Vi spurte: Bruker dere KI-assistert programmering? 38 prosent svarte at de bruker det ofte. Så spurte vi hvor mye tid de sparer. 41 prosent svarte én til to timer per dag. Fire prosent svarte mer enn fire timer. Hva forteller det meg?

Uavhengig av hvilken vei du kommer fra: Hvis du vet hvordan du bruker KI effektivt og får KI til å arbeide for deg, kan du åpne mange nye måter å tenke på, også innen produktledelse. Jeg tror det er den egentlige muligheten denne teknologien representerer for produktledere.

Hannah Clark: Det er jeg enig i. Jeg synes særlig intuitiv programmering kombinerer flere ferdigheter som er unike for erfarne produktledere, og gjør det mulig å skape et utgangspunkt som ligger langt foran produktkravdokumentet man ville ha startet med for ett eller to år siden.

Når vi nå ser på verktøyene som inngår i KI, har du tidligere nevnt at det å bygge en KI-applikasjon vanligvis krever mange verktøy, kanskje mellom seks og femten ulike verktøy. Hvordan anbefaler du at man går frem når man har begrenset KI-kompetanse og skal forstå og samordne komplekse teknologistakker, særlig nå som verktøyene er blitt mer komplekse og avanserte?

Maryam Ashoori: Jeg vil si to ting. Tenk på den teknologiske delen av spørsmålet og menneskedelen av spørsmålet. Teknologifeltet utvikler seg svært raskt. Som produktleder har du kanskje mindre enn to timer til å undersøke noe nytt som kommer på markedet og avgjøre om det er nyttig nok til å bruke mer tid på og ta inn i produktet, eller om det bare er støy som bør ignoreres.

Du har begrenset tid, et marked i utvikling og begrenset KI-kompetanse. Som produktleder har du sannsynligvis ikke den samme dybdekunnskapen som en KI-forsker som har brukt mange år på feltet. Du må derfor finne ut hvordan du skal evaluere situasjonen og teknologien. Hvis du bare stoler på verktøyene, går du glipp av menneskedelen og folk som kan hjelpe deg med kunnskapen du mangler.

Når det gjelder mennesker, er den beste hjelpen du kan få, sannsynligvis fra samarbeidspartnerne dine innen ingeniørarbeid og forskning, eller det noen selskaper kaller forskere. De forstår hvordan feltet utvikler seg, og hvilken verdi teknologien kan ha for bruksområdet ditt.

Hvis du ser på feltet som helhet, blir grensene mellom roller og ansvarsområder mindre tydelige, særlig mellom ingeniører og produktledere. Historisk sa vi kanskje at én produktleder burde ha fem til ti ingeniører. For en måned siden hørte vi Andrew Ng si at teamet hans foreslo én produktleder for hver halve ingeniør. Det betyr flere produktledere. Jeg sier ikke at det nødvendigvis er det riktige forholdet, men det viser at grensene mellom roller og ansvarsområder endrer seg, og det samme gjør kompetansen som trengs for å bygge riktig produkt.

Mitt råd til produktledere er å konsentrere seg om å bygge det riktige produktet. Når du har definert dette riktig, kan du overlate utførelsen til menneskelige samarbeidspartnere eller KI-partnere. Det avgjørende er å forstå og definere problemet riktig.

Hannah Clark: Det er nettopp utfordringen vi alle prøver å finne ut av: Hvor mye skal vi lene oss på verktøyene, og hvordan tilfører vi vår egen ekspertise og ekspertisen til dem vi samarbeider med?

Når vi tenker på å evaluere KI-teknologier for eksempelvis et produktveikart, hvilke kriterier bruker du for å skille mellom verktøy det er verdt å investere i, og verktøy som kanskje er borte igjen om seks måneder?

Maryam Ashoori: Jeg har sett mennesker som jager løsninger i stedet for å løse problemer.

Et godt eksempel er noen som kom til meg og sa: «Innen slutten av året vil jeg ta inn to agenter i produktet mitt.» Jeg svarte: «Vent litt. To agenter for å gjøre hva, helt konkret?» For meg er dette å jage teknologien for å finne ut hvordan man kan ta den i bruk, i stedet for å ha en god forståelse av hvilket problem man prøver å løse, og om det nye KI-verktøyet er en distraksjon eller en reell fordel for produktet.

Jeg ville begynt der. Da får du et rammeverk og et perspektiv for å evaluere verdien av all teknologi som dukker opp, og avgjøre om du vil bruke mer ressurser eller tid på å undersøke den.

Hannah Clark: Dette gjenspeiler en samtale vi nylig hadde i et panel. Thomas Stokes, som er medleder i Drill Bit Labs og arbeider mye med brukeropplevelsesforskning, uttrykte noen av de samme tankene. Vi ser fremveksten av en løsning-først-tankegang: Hvordan kan vi bruke KI, i stedet for å begynne med problemet?

Dette er et godt tidspunkt for mange av oss til å gå tilbake til det grunnleggende og huske at selv om teknologien er spennende og har mange bruksområder, må vi fortsatt ta utgangspunkt i problemet for å sikre at vi bruker den på en nøyaktig måte som faktisk løser det underliggende problemet.

Hvordan finner dere i IBM balansen mellom å bygge KI-funksjonalitet internt og å ta i bruk tredjepartsløsninger?

Maryam Ashoori: Jeg ville ikke kalt det et problem. Det er en mulighet til å forsterke innsatsen, særlig når det gjelder generativ KI.

Se bare på det som skjer utenfor virksomheten, også innen åpen kildekode. Innovasjonen kommer fra akademia, industrien og utviklere som bygger ting på egen hånd som lidenskapsprosjekter. Den kommer fra alle kanter. Hvis du begrenser deg til å bygge alt internt, begrenser du tilgangen til innovasjon du kunne ha hatt.

For hvert område vi arbeider med, undersøker vi vanligvis verdien av å bruke de interne kapasitetene våre. Vi har for eksempel tilgang til 2500 personer i IBM Research som arbeider med den mest avanserte teknologien. Jeg snakker ofte med dem for å forstå hvordan de tenker, og hva som kan være nyttig for produktet.

Samtidig har jeg de samme samtalene med samarbeidspartnerne mine i markedet og med utvalgte personer i fagmiljøet som former dette miljøet. Jeg spør hvor de tror utviklingen går de neste tre månedene, og hvordan vi kan støtte aktiviteter som bygger fellesskapet.

Jeg setter også av tid i kalenderen til å lete etter tilfeldige nyheter og prosjekter. Det er der du finner lidenskapelige utviklere som bygger noe og deler det, uten at det nødvendigvis er i søkelyset til store selskaper som annonserer store funksjoner. Gjennom disse kanalene får du innsyn i et bredt spekter av teknologi som er på vei inn i markedet.

Deretter går jeg tilbake til problemet jeg prøver å løse. Jeg kan se på kostnadene og fordelene ved å hente teknologien fra interne miljøer, fra fellesskapet eller fra utviklerne. Kanskje kan jeg ansette dem, eller finne en annen måte å ta teknologien inn på, og deretter ta en informert beslutning.

Hannah Clark: Det er en svært helhetlig måte å se på beslutningsrammen. Når vi først snakker om beslutninger, vil jeg gå over til et mer lederorientert perspektiv. Som leder for et team, hvilke nye ferdigheter og kompetanser ser du etter når du ansetter produktledere?

Også sammenlignet med for ett år siden, da teknologien var nyere?

Maryam Ashoori: Igjen ville jeg tatt utgangspunkt i problemet jeg prøver å løse med ansettelsen. Jeg ser vanligvis på kompetansen til personene i teamet og identifiserer gapet, fordi vi som regel ansetter for å fylle dette gapet.

Deretter er spørsmålet for meg: Ville jeg en dag ha rapportert til denne personen? Hvis jeg skal ansette noen, vil jeg ha en person som kan mer enn meg på området, fyller gapet og er ekspert på akkurat det jeg ansetter vedkommende for. Så må jeg trekke meg tilbake og gi personen selvstendighet til å levere, fordi vedkommende virkelig bør være best på dette området.

Jeg ser derfor på hvilke ferdigheter vi mangler. Jeg tenker ikke bare «jeg har en produktleder, og jeg har en designer». Jeg ser heller på om én person er svært god på eksempelvis markedsintroduksjon og kundesamtaler, mens en annen er svært god på å utvikle programvare som en tjeneste. Vi ser på ferdigheter fremfor titler.

Hannah Clark: Dette er interessant, fordi det også er et skifte i hvordan vi tenker på hvilke andre erfaringer, forbindelser og perspektiver en person har, utover kvalifikasjonene. Tidligere fokuserte vi i større grad på spesifikke harde ferdigheter, sertifiseringer og kvalifikasjoner. Nå virker bredden i erfaringen og det unike personen tilfører, å bety mer.

Er du enig i det?

Maryam Ashoori: Ja, det stemmer. Det som går igjen i de fleste ansettelsene jeg har gjort de siste to årene, i generativ KI-alderen, er to egenskaper. Den første er nysgjerrighet: Vis nysgjerrighet for hvor feltet er på vei, kast deg over det, utforsk og bygg ting.

Den andre er teknisk forståelse. Du må virkelig forstå hva som skjer. Jeg har sett produktledere beskrive seg selv som enten markedsorienterte eller tekniske produktledere, og da tenker jeg: Vi snakker om KI-alderen. Du må ha en god forståelse av hvordan teknologien kan hjelpe produktet ditt og deg selv.

Hvis du ikke kan svare på det, er du kanskje i feil rolle.

Hannah Clark: Jeg er enig. Det du sa om at du en dag ville rapportert til denne personen, minner meg om en samtale jeg hadde med en leder i Atlassian for halvannet år siden om hva hun ser etter hos kandidater. Hun spurte blant annet: «Når jeg snakker med denne personen om hvem de beundrer, har de noen gang nevnt noen som var mer junior enn dem?»

Jeg syntes det var interessant, fordi det handler om personens evne til å samarbeide og vise respekt for alle kompetansene i organisasjonen. Nå er dette kanskje en enda bedre anledning til å se på hvordan en person samarbeider med andre, ettersom teknologien i seg selv er så samarbeidsorientert.

Du nevnte tidligere at KI påvirker produktledelse på to sentrale områder: forbedring av eksisterende produkter og økt personlig produktivitet. La oss snakke litt om hvordan vi forbedrer eksisterende produkter med KI. Hvilke gode bruksområder har du sett på disse områdene?

Maryam Ashoori: Det finnes flere måter å ta KI inn i produktene våre på. Den første er å levere teknologien til verden. Plattformen jeg bygger, pakker sammen store språkmodeller, verktøy og alt annet du trenger, slik at andre kan bygge videre på den.

Den andre er å bygge applikasjoner som er beriket med KI. Uansett hvilket produkt du har, kan du spørre hvordan KI kan berike funksjonene og gi deg større akselerasjon.

Det kan være direkte bruksområder som klassifisering, informasjonsuthenting, spørsmål og svar, kundeservice, samtaleroboter, innholdsproduksjon eller kodegenerering. Det kan også være automatisering. Du kan koble disse bruksområdene til forretningsarbeidsflyter gjennom funksjonskall. Spørsmålet er hvordan du kan tilføre produktet større effektivitet og skape et bedre produkt.

Den tredje kategorien er å utvikle en helt ny produktkategori som drives av store språkmodeller. Kodeassisterte teknologier er et godt eksempel. En stor språkmodell arbeider i bakgrunnen og hjelper utviklere med intuitiv programmering.

Den fjerde kategorien er tjenester. Utfordringen med opplæring for produktledere gjelder ikke bare denne rollen, men hele markedet. Virksomheter og forbrukere må lære mer for å kunne ta bedre KI-beslutninger. Det skaper en mulighet for tjenester.

Hvis du kjenner feltet, kan du hjelpe andre med å velge riktig modell for riktig bruksområde og ta bedre beslutninger. Dette gir produktledere fire ulike mulighetsområder, og rådene for hvordan man bør gå frem, varierer helt avhengig av hvilket område man retter seg mot.

Hannah Clark: Jeg er svært interessert i denne fjerde kategorien. Jeg har også lagt merke til at flere produktledere beveger seg inn i tjenester og opplæring. Det har vært en stor økning i tidligere produktledere som tilbyr kurs, og det virker som et sterkt press mot å utnytte denne muligheten nå som verktøy for intuitiv programmering har gjort utvikling tilgjengelig for nesten alle.

Når vi ser fremover, hvilke utviklingstrekk innen KI tror du vil få størst betydning de neste 12–18 månedene?

Maryam Ashoori: I vår verden er tre måneder en generasjon, så 12–18 måneder er fem generasjoner frem i tid. Det er litt for langt frem til at vi kan vite hvor vi ender. Hvis jeg ser på tre generasjoner, altså seks til ni måneder, tror jeg vi vil se mye mer automatisering.

Teknologien er ikke helt der ennå, men vi utforsker nye bruksområder og finner ut av dette sammen med fellesskapet. Det er en mulighet for produktledere. Med automatisering mener jeg bokstavelig talt alt fra å lage e-poster og snakke med kunder til å optimalisere veikart basert på utviklingsinnsatsen som kreves, og å generere innhold til produktkravdokumenter.

Det kan også handle om å utforske nye alternativer for kundene og hjelpe dem med å ta bedre beslutninger. Nesten enhver beslutning du tar, kan potensielt forbedres med KI hvis du finner ut hvordan du får teknologien til å arbeide for deg.

På den andre siden kommer all denne akselerasjonen med en kostnad: risiko. Du kan bygge eller ødelegge karrieren din avhengig av hvordan du bruker teknologien. Produktledere må derfor forstå både fordelene og risikoene. Risiko kan påvirke produktet, og den kan også påvirke din personlige identitet og merkevare.

Tenk alltid på balansen mellom kostnad og nytte.

Hannah Clark: Ettersom ansvarlig bruk av KI er en grunnpilar i karrieren din, hvordan navigerer vi i disse risikoene? Feil kan ofte gjøres av mennesker med gode intensjoner som bare utforsker mulighetene.

Har du et rammeverk eller noen sikkerhetsbarrierer du bruker når du utforsker KI, eller noen råd til dem som ønsker å bygge risikostyring inn i utviklingen og kompetansen sin?

Maryam Ashoori: La oss si at du vil bruke en agent som sender e-post på dine vegne, oppsummerer e-postene dine og har tilgang til kalenderen din for å sette opp avtaler.

Fordelene er fantastiske. På den andre siden må du gi agenten tilgang til e-posten og kalenderen din, og en ondsinnet aktør kan potensielt misbruke informasjonen om hvor du befinner deg, når du er der og hvem du snakker med. Hver tillatelse du gir agentene, skaper potensielt et sårbarhetspunkt.

Det samme gjelder når du tar agentene inn i produktet ditt. Begynn derfor på tegnebrettet igjen med bruksområdet. Det er avgjørende å forstå hvilket problem du prøver å løse for fellesskapet og produktet ditt. Når det gjelder KI, må du forstå både fordelene og sårbarhetspunktene du introduserer.

Har du en plan for å redusere og håndtere risikoene, eller følger du bare blindt etter og tar KI inn i produktet for å se hva som skjer?

Hannah Clark: Det er jeg glad for at du sier, fordi dette er den mindre glamorøse delen av KI-utvikling og utforskning. Vi er inne i en tid med stor entusiasme, og risikostyring har noen ganger blitt en ettertanke – eller ikke tenkt på i det hele tatt.

Vi går inn i en slags vill vest-fase for utvikling og utforskning, nesten som en ny generasjon pionerer når det gjelder intuitiv programmering og helt nye bruksområder for KI. Det er viktig å understreke dette.

Jeg vil avslutte med noen neste steg for dem som ønsker å utvikle kompetansen sin. I den generasjonen vi er inne i nå, hvilke ressurser har vært mest nyttige for deg og teamet ditt?

Maryam Ashoori: I tillegg til alle de gode ressursene som finnes, vil jeg anbefale at du finner en måte å filtrere hva du ønsker å bli eksponert for. Det skjer så mye i markedet at produktledere kan oppleve teknologisk utmattelse.

Hvor får du informasjonen din fra? Det mest effektive jeg har oppfordret teamene mine til å gjøre, er å finne en pålitelig stemme i fagmiljøet og følge denne personen. Det kan være på LinkedIn eller et annet sted. Hvis personen har et perspektiv som stemmer overens med det du tenker, kan du få deres vurdering når ny teknologi lanseres, i stedet for å måtte undersøke alt selv.

Det er en snarvei til ekspertens syn på teknologien, og det er svært nyttig. Men du må også vurdere om personen faktisk er verdt å følge. Ellers begrenser du verdensbildet ditt til dette ene vinduet. Hvis perspektivet ikke er korrekt, får du et forvrengt bilde.

Vær selektiv, men finn mennesker som deler perspektivet ditt og er eksperter på det du bryr deg om, og følg dem.

Hannah Clark: Jeg liker det rådet. Det er viktig nå som vi går inn i en periode med rask metning. Rådet om å være selektiv gjelder for mye innen KI og teknologi, og sannsynligvis også i livet generelt.

Hvordan kan folk følge arbeidet ditt etter denne episoden?

Maryam Ashoori: Jeg er på LinkedIn og prøver å skrive så mye som mulig. Jeg vil gjerne holde kontakten med dem der.

Hannah Clark: Flott. Tusen takk for at du ble med oss, Maryam. Vi legger lenken til LinkedIn-profilen din i programnotatene. Tusen takk. Jeg setter stor pris på tiden din.

Maryam Ashoori: Takk for at jeg fikk være med.

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 Product Manager der du får podkastene dine.