Senior visepresident for produktledelse diskuterer overgangen fra lineære prosesser til parallell iterasjon

Suman Chittimuri er Senior VP for produktledelse i Kore.ai, der han leder AI-drevne produkter som betjener millioner av brukere gjennom virksomhetsarbeidsflyter som HR, IT, innkjøp og kundeopplevelse.

Vi snakket med Suman for å forstå hvordan AI omformer produktutvikling som fagområde. Han argumenterte for at AI, i stedet for å forbedre eksisterende arbeidsflyter, tvinger team til å tenke gjennom dem på nytt – fra lineære prosesser til kontinuerlig, parallell iterasjon.

Bruk av AI på tvers av virksomhetsarbeidsflyter

Jeg er Senior VP for produktledelse i Kore.ai, der jeg leder produktinitiativer som tar i bruk AI på tvers av virksomhetsarbeidsflyter – innen HR, IT, innkjøp og kundeopplevelse.

Vi utvikler produktene våre for store virksomheter, og betjener både ansatte og sluttkunder i stor skala på tvers av bransjer som bank, helsevesen og detaljhandel, med støtte for millioner av interaksjoner. Vi bruker også en plattformstyrt leveringsmodell, der vi bygger grunnleggende AI-funksjoner som gjenbrukbare komponenter og distribuerer dem på tvers av flere arbeidsflyter – slik at vi kan skalere bruksområder raskere, samtidig som vi opprettholder konsistens og kontroll.

Det siste året har AI gått fra å være et støttelag til å bli et sentralt gjennomføringslag. Denne endringen påvirker ikke bare funksjoner, men også hvordan vi utformer produkter, hvordan team arbeider, og hvor raskt vi går fra idé til effekt.

Denne endringen i hvordan vi tenker på produkter, har formet reisen min inn i AI-ledet produkttransformasjon.

Hvordan AI akselererer arbeidsflyter for produktutvikling

På grunn av AI gikk vi fra en lineær produktutviklingsmodell til en mer kontinuerlig, AI-assistert arbeidsflyt.

Tidligere foregikk utforskning, utarbeidelse av PRD, design og prototyping sekvensielt. AI bryter med denne modellen. Den støtter hvert av disse trinnene parallelt ved å generere forskningsinnspill, utarbeide spesifikasjoner og lage tidlige prototyper nesten samtidig.

Det som endret seg som følge av dette, var hastigheten og iterasjonen. Det som tidligere tok dager, skjer nå på timer, slik at team kan utforske flere alternativer og forbedre dem raskere. Dette betyr at team kan – og bør – utforske flere alternativer før de forplikter seg.

Alt dette krever noen endringer:

• Fra sekvensielle overleveringer til kontinuerlig iterasjon
• Fra å produsere artefakter til å forbedre resultater
• Fra begrenset utforskning til raske eksperimenter

Flaskehalsen er ikke lenger å bygge – det handler om å avgjøre hva som skal bygges, og validere det effektivt. Vi har måttet styrke valideringslagene og bruke menneskelig dømmekraft mer bevisst.

Hvorfor AI informerer produktbeslutninger – men mennesker tar de endelige avgjørelsene

Vi er i stor grad avhengige av AI for å informere om og akselerere aktiviteter tidlig i prosessen og aktiviteter som krever mye gjennomføring:

• Støtte til utforskning (sekundærforskning, konkurrentanalyse)
• Problemformulering og innledende utforskning av løsninger
• Utarbeidelse av PRD og innspill til veikart
• UX-konsepter og tidlig prototyping
• Eksperimentutforming og utforskning av tekniske avveininger

Dette er områder der hastighet, bredde og iterasjon er viktig. AI presterer godt her.

Menneskelig involvering er fortsatt eksplisitt i beslutningstaking og områder som krever mye kontekst:

• Primærundersøkelser og dyp kundeinnsikt
• Endelig prioritering og forpliktelser i veikartet
• Forbedring av brukeropplevelsen og konsistent design
• Tolkning av eksperimentresultater
• Avveininger på tvers av virksomheten, teknologien og interessentene

Årsaken er enkel: KI er god på å generere alternativer og mønstre, men svakere på dømmekraft, kontekst og ansvarlighet.

Etter min erfaring akselererer KI «hvordan» og «hva som er mulig», mens teamet mitt og jeg eier «hva som betyr noe» og «hva vi forplikter oss til».

Hvordan KI øker produkthastigheten, men utfordrer kvaliteten

Samlet sett har jeg sett tydelige forbedringer i hastighet og gjennomstrømning på tvers av produktaktiviteter:

• Utarbeidelse av PRD-er redusert fra ~1 dag til ~2–3 timer
• Tidlig prototyping redusert fra ~2 dager til ~4–6 timer
• Konkurrent- og markedsundersøkelser redusert fra ~5–6 timer til ~1–2 timer
• Sykluser for dataanalyse forkortet med ~60–70 %

Dette gjør det mulig for teamene å utforske flere alternativer og iterere raskere innenfor de samme tidsrammene.

På den negative siden er kvaliteten og konsistensen ujevne:

• KI-resultater krever ofte betydelig validering og omarbeiding.
• Team har en tendens til å stole for mye på de første resultatene, noe som fører til overfladisk tenkning.
• Konsistensen i brukeropplevelsen svekkes når KI genererer prototyper uten sterk designoppfølging.
• På enkelte områder flater nøyaktigheten ut (f.eks. 80–85 % ved strukturert uthenting), noe som begrenser bruken i beslutninger med høy risiko.

KI forbedrer effektiviteten betydelig, men resultatene avhenger fortsatt i stor grad av hvor grundig teamene gjennomgår og videreutvikler det som produseres.

Suman deler

KI forbedrer ikke bare arbeidsflyter – den tvinger deg til å tenke gjennom dem på nytt…KI forbedrer effektiviteten betydelig, men resultatene avhenger fortsatt i stor grad av hvor grundig teamene gjennomgår og videreutvikler det som produseres.

Hvorfor KI krever at arbeidsflyter for produktutvikling tenkes gjennom på nytt

Her er noe produktledere må vite: KI forbedrer ikke bare arbeidsflyter – den tvinger deg til å tenke gjennom dem på nytt.

De fleste team starter med å legge KI oppå eksisterende prosesser og tilfører kopiloter, assistenter eller automatisering i forhåndsdefinerte trinn. Det fører vanligvis til trinnvise gevinster i hastighet eller effektivitet, men kjernesystemet forblir uendret.

Den reelle muligheten oppstår når du redesigner arbeidsflytene og legger til grunn at KI er en kjernekomponent fra starten av.

Når du gjør det, endres noen ting:

• Arbeidet blir mindre lineært og mer parallelt – utforskning, prototyping og validering kan foregå samtidig.
• Kostnaden ved å skape og teste ideer synker betydelig, noe som muliggjør flere iterasjoner.
• Teamets rolle går fra å generere resultater til å gjennomgå, forbedre og ta beslutninger.
• Flaskehalsene flyttes fra gjennomføring til dømmekraft, validering og samordning.

Men dette krever at man tenker gjennom ikke bare prosesser, men også roller, eierskap og hvordan man måler kvalitet.

Hvis du ikke endrer systemet, begrenser du resultatet. Du får raskere versjoner av de samme arbeidsflytene – ikke grunnleggende bedre arbeidsflyter.

Hvordan KI effektiviserte arbeidsflytene for utforskning og prototyping

La oss snakke om arbeidsflyten vår fra produktutforskning til prototyping.

Vi starter med KI-assistert utforskning, der KI sammenstiller markedssignaler, konkurrentenes bevegelser og interne data for å skape et første bilde av problemområdet. Menneskeledet primærforskning – kundesamtaler og innspill fra interessenter – supplerer dette.

Deretter bistår KI med problemstrukturering og utforskning av løsninger ved å generere flere tilnærminger, avveininger og innledende hypoteser.

Så går vi over til å utarbeide PRD-en, der KI lager det første utkastet til krav, brukerflyter og spesialtilfeller. Produktledere videreutvikler dette med forretningskontekst, begrensninger og prioriteringer.

Samtidig støtter AI konseptutvikling og tidlig prototyping av brukeropplevelser ved å generere wireframes eller flyter for rask gjennomgang og iterasjon.

Til slutt, før vi begynner å bygge, kjører vi en valideringssløyfe:

• Produktledelse, design og utvikling gjennomgår resultatene.
• Vi identifiserer mangler, inkonsekvenser og risikoer.
• Vi bruker AI på nytt for å forbedre basert på tilbakemeldinger.

Det som tidligere var en sekvensiell prosess, skjer nå i en tett sløyfe, og komprimerer ofte flere dagers arbeid til timer.

Hvorfor ende-til-ende-arbeidsflyter for AI-produkter fortsatt ikke er realisert

Med alt dette sagt er AI ennå ikke i stand til å håndtere en virkelig pålitelig, autonom ende-til-ende-arbeidsflyt for produkter.

Vi ser stor fremgang i enkelttrinn, men et system som konsekvent går fra problem → løsning → lansert produkt med minimal menneskelig innblanding, er fortsatt ikke på plass.

Mangler oppstår innen:

• Å opprettholde kontekst på tvers av trinn
• Å håndtere særtilfeller og tvetydighet
• Å sikre jevn kvalitet og samsvar med forretningsmål

Potensialet er overbevisende, men i dag kan AI bare akselerere arbeidsflyten. Den kan ikke håndtere den pålitelig fra ende til ende

Hvordan AI endrer roller og ferdigheter i produktteam

Når det gjelder produktteam, er det noen endringer som skiller seg ut:

• Produktledere blir «byggere», noe som betyr at de forventes å samarbeide tett med AI, iterere raskt og forstå hvordan ting skal implementeres, ikke bare hva som skal bygges.
• Rollene innen design og utvikling flyttes tidligere i syklusen, og de samarbeider fra starten av i stedet for å komme inn etter at kravene er definert.
• Ansvar for kvalitet er mer distribuert. Alle har ansvar for å validere AI-resultater, ikke bare resultatene innenfor sitt eget fagområde.

Vi ser også behovet for nye ferdigheter:

• En sterkere holdning til evaluering og testing
• Evne til å arbeide med tvetydighet og ikke-deterministiske systemer
• Trygghet i rask iterasjon og eksperimentering

Hvorfor ledere må være på vakt mot AIs falske selvsikkerhet

Ledere undervurderer en stor risiko: Falsk tillit til AI-resultater.

AI produserer ofte velformulerte og velstrukturerte svar som virker riktige — selv når de er ufullstendige eller feil. Team har en tendens til å stole på resultatene uten tilstrekkelig validering.

I liten skala fører dette til mindre feil. I stor skala kan det føre til systematiske feil som sprer seg gjennom arbeidsflyter — i produktbeslutninger, kundeinteraksjoner eller operative prosesser.

Suman deler

Ledere undervurderer en stor risiko: Falsk tillit til AI-resultater…Team har en tendens til å stole på resultatene uten tilstrekkelig validering.

Hvorfor Claude er det mest verdifulle verktøyet innen produktledelse

Hvis jeg bare måtte beholde ett AI-verktøy, ville det vært et allsidig AI-arbeidsområde – Claude og Claude Work.

Ikke fordi det er perfekt, men fordi det er det mest allsidige gjennom hele produktlivssyklusen — fra oppdagelse, problemformulering og utarbeidelse av PRD-er til prototyping og til og med teknisk utforskning.

Verdien ligger ikke bare i selve verktøyet, men i hvor enkelt det kan tilpasses ulike arbeidsflyter uten omfattende oppsett eller integrasjon.

Spesialiserte verktøy er nyttige, men de har en tendens til å løse spesifikke trinn. Et AI-arbeidsområde for generell bruk fungerer som et lag for tenkning og gjennomføring som kan brukes på tvers av flere stadier.

Hvorfor evaluering og dømmekraft er det som betyr noe for produktledere

Dette skulle jeg ønske jeg hadde visst før jeg begynte med AI:

1. Utvikling drevet av evaluering er avgjørende: Du trenger tydelige måter å måle kvaliteten på de første resultatene. Uten dette er det vanskelig å stole på eller skalere AI-systemer.
2. Eksperimentering er ikke valgfritt: AI-systemer er ikke-deterministiske. Du oppnår ikke et godt resultat i ett forsøk; du itererer gjennom flere versjoner.

Så det er mitt råd. Begynn med solide evalueringsrammeverk. Hvis jeg hadde gjort det, ville vi ha unngått omarbeiding og falsk trygghet rundt de første resultatene.

Forstå også dette: God produktforståelse er ikke lenger først og fremst drevet av dyp domenekunnskap.

Tidligere bygget produkteiere opp og støttet seg på dyp ekspertise over tid. AI gjør nå en stor del av denne grunnleggende kunnskapen — markedskontekst, innsikt om konkurrenter og til og med analyser på første nivå — lett tilgjengelig.

Det som betyr mer nå, er ikke bare hva du vet, men hvordan du stiller spørsmål, sammenfatter og bruker dømmekraft. Dybde er fortsatt viktig, men det er ikke lenger den eneste faktoren som skiller deg ut.

Følg med

Du kan abonnere på Suman Chittimuris nyhetsbrev AI Fluency på LinkedIn og produktnyhetsbrevet hans på Substack. Og følg ham på LinkedIn.

Flere ekspertintervjuer kommer på The CPO Club!