En CPO i teknologibransjen sier at produktledere stiller feil spørsmål – og går glipp av de største mulighetene

Emrecan Dogan er produktdirektør i Glean. Han har også hatt lederroller innen produkt hos Stripe og LinkedIn.

Vi tok en prat med ham for å få et innblikk i hvordan produktlederes perspektiver må endres med AI. Han sa at de fleste team fortsatt behandler AI som en funksjon – og at det er en feil.

AI er en mulighet til å bygge kontekstbevisste systemer

Jeg er Emrecan Dogan, produktdirektør i Glean. Jeg har ansvar for produkt, datavitenskap, produktdrift og tekniske programmer, og jeg fokuserer på å hjelpe team med å virkelig ta i bruk AI i det daglige arbeidet.

Veien min har alltid ligget i skjæringspunktet mellom systemer, produktforståelse og skalering. Før Glean hadde jeg lederroller innen produkt hos Stripe og LinkedIn. Jeg har også jobbet med oppstartsbedrifter og investeringer, noe som ga meg et førstehåndsperspektiv på hvordan plattformskifter skjer, og hvor raskt produktantakelser kan bryte sammen når ny teknologi blir levedyktig.

AI fanget interessen min så sterkt fordi det ikke bare er en ny bølge av funksjoner. Det endrer selve produktets form. I mange år hjalp programvare hovedsakelig brukere med å navigere i systemer som inneholder virksomhetens grunndata. Men AI gir oss muligheten til å bygge systemer som forstår kontekst, resonnerer på tvers av verktøy og hjelper mennesker med å gå fra intensjon til gjennomføring. Som produktleder er jeg mest interessert i denne transformasjonen.

Emrecan deler

I mange år hjalp programvare hovedsakelig brukere med å navigere i systemer som inneholder virksomhetens grunndata. Men AI gir oss muligheten til å bygge systemer som forstår kontekst, resonnerer på tvers av verktøy og hjelper mennesker med å gå fra intensjon til gjennomføring. Som produktleder er jeg mest interessert i denne transformasjonen.

Utfordringen med å bygge verktøy som både er brede og presise

Organisasjonen min utvikler AI for sikkert arbeid i virksomheter: virksomhetssøk, proaktive assistenter, agenter og kontekstlaget som hjelper disse opplevelsene med å forstå selskapets medarbeidere, kunnskap, verktøy og tillatelser.

Produktet er grunnleggende horisontalt. Vi bygger for alle avdelinger og team i virksomheten – fra produkt og utvikling til salg og kundestøtte, IT, HR, økonomi, juridisk og mer. Alle deler det samme grunnleggende behovet: å hjelpe mennesker med å ta beslutninger og få arbeidet gjort på tvers av et fragmentert landskap av apper, dokumenter, samtaler og systemer.

Vi leverer dette som en SaaS-plattform for virksomheter, utformet for å fungere på tvers av et bredt og komplekst sett med systemer, samtidig som den ivaretar tillatelser på en grundig måte, er pålitelig og integrert i brukernes daglige arbeidsflyter. Utfordringen – og muligheten – er å bygge noe som kan være bredt nyttig i hele selskapet, samtidig som det oppleves presist og relevant i hver enkelt gruppes spesifikke kontekst.

Hvordan AI endrer produkter fra funksjoner til arbeidsflyter

Vi definerer ikke lenger først og fremst produktet som isolerte funksjoner. Vi definerer det som en ende-til-ende-produktarbeidsflyt.

For ett år siden tenkte mange team, inkludert vårt eget, fortsatt i form av «Hvor ligger denne funksjonen?» eller «Hvilken side skal eie dette bruksområdet?» AI fikk oss til å stille et annet spørsmål: «Hvordan får brukeren jobben gjort, fra intensjon til resultat?»

Det høres kanskje subtilt ut, men det endrer alt. Det endrer omfang, måltall, evaluering, brukeropplevelse og til og med hvordan team organiseres.

Mitt syn som bryter med konsensus: De fleste team undervurderer fortsatt hvor dyptgripende denne endringen er. De bruker AI til å legge til en funksjon i det eksisterende produktet. Men den større muligheten er å redesigne hele arbeidsflyten.

I mange tilfeller er det riktige spørsmålet ikke lenger «Hvor skal vi plassere denne muligheten?» Det er «Hvilket eksisterende brukergrensesnitt bør forsvinne fordi systemet nå kan gjøre arbeidet mer direkte?»

Hvordan AI informerer produktbeslutninger, mens mennesker sikrer tillit

Jeg bruker AI mye til syntese, utforskning og for å effektivisere arbeidet mitt. Oppgavene omfatter:

• Oppsummere tilbakemeldinger fra kunder på tvers av mange innspill
• Finne mønstre i bruks- og arbeidsflytdata
• Utarbeide PRD-struktur eller formulere alternativer
• Utforske flere UX-retninger raskt
• Etterprøve antakelser
• Opprette førsteutkast til artefakter for planlegging, gjennomganger og kommunikasjon

Det som fortsatt uttrykkelig er menneskelig, er dømmekraft. Mange trekker grensen mellom menneske og maskin på feil sted. Grensen går ikke mellom at KI utfører arbeid med lav verdi, og at mennesker utfører arbeid med høy verdi. Grensen går ved at KI bør utføre det brede søket, sammenfatningen og genereringen av alternativer, mens mennesker fortsatt er ansvarlige for smak, tillit og irreversible avveininger.

Jeg ville aldri satt produktforståelse ut til andre. Jeg ville aldri satt beslutninger om tilgangsstyring eller tillit ut til andre. Og jeg ville aldri latt en modell ta den endelige avgjørelsen om hva som bør bygges, bare fordi den kan argumentere for flere alternativer.

Det er billig å generere alternativer nå. Helhetlig dømmekraft er det ikke.

Slik forbedrer KI arbeidsflyter for produktplanlegging

La oss ta arbeidsflyten vår for produktplanlegging som et eksempel.

Jeg kan begynne med et bredt spørsmål som: «Hjelp meg å vurdere om dette problemet er verdt å løse nå.»

Derfra setter systemet sammen tilbakemeldinger fra kunder, tidligere interne dokumenter, brukssignaler, relatert veikartarbeid og konkurransekontekst. Og jeg bruker KI til å sammenfatte de viktigste mønstrene, identifisere åpne spørsmål og utarbeide en første versjon av produktformuleringen.

Deretter bruker jeg det til å gjøre denne formuleringen om til mer konkrete artefakter: et spesifikasjonsutkast, et sett med alternativer, avhengigheter, lanseringshensyn og handlingspunkter for teamet.

Og i den sterkeste versjonen av denne arbeidsflyten stopper ikke assistenten ved utkastet. Den hjelper med å opprette eller oppdatere de underliggende objektene i systemene der arbeidet foregår, med et menneske i loopen før noe blir lagret.

Arbeidsflyten går fra undersøkelser til sammenfatning til gjennomføring i én kontinuerlig løkke. Det er her KI blir langt mer verdifull enn en chatbot.

Hvorfor KI akselererer produktutviklingen, men utfordrer tilliten

Et positivt resultat av alt dette er at takhøyden er dramatisk høyere.

KI kan komprimere arbeidsflyter som tidligere krevde omfattende veksling mellom faner, manuell sammenfatning og repetitiv koordinering. Den kan gjøre produktteam raskere på veien fra spørsmål til kontekst, fra kontekst til beslutning og fra beslutning til handling. Den hever også brukernes forventninger. Når folk først har opplevd en assistent som kan forstå verktøyene, historikken og tilgangene deres, slutter de å ønske punktløsninger som bare svarer på smale spørsmål.

KI utvider altså mulighetene raskt, men varig produktverdi kommer fortsatt fra grundighet.

Slik kan utforming for tillit forhindre fallgruver ved KI-produkter

Et negativt resultat er at KI også gjør det enklere å lansere noe imponerende som ennå ikke er tillitsverdig. Tidlig i prosessen legger mange team for stor vekt på demoverdi og for liten vekt på evaluering, tilgangstillatelser, pålitelighet og tydelig UX når det gjelder hva systemet gjør. Du kan skape begeistring raskt, men hvis resultatene er inkonsekvente eller arbeidsflyten bryter sammen i siste ledd, mister brukerne tilliten like raskt.

Tillit bør ikke være et lag du legger til senere. Det er en del av produktet fra dag én.

Brukerne stiller nesten umiddelbart dypere spørsmål: Hvor kom dette fra? Hvorfor gjorde den det? Kan jeg stole på den? Vil den respektere tilgangstillatelser? Hva skjer hvis den tar feil? Hvis du ikke utformer produktet med tanke på disse spørsmålene tidlig, ender du med å bygge om sentrale deler av produktet senere.

Hvis jeg hadde visst dette på et mer grunnleggende plan tidlig i min tid som produktleder, ville jeg ha satt inn tiltak enda tidligere for tydelige kildehenvisninger, bedre evalueringer, større synlighet rundt fremdrift og strengere kontroller med mennesker i loopen.

Hvorfor systemet rundt kunstig intelligens er det viktigste

Kunstig intelligens har ennå ikke levert konsekvent på fullstendig autonome arbeidsflyter over lange tidshorisonter, slik mange håpet.

Den utmerker seg i avgrensede oppgaver. Den blir stadig bedre på utførelse i flere trinn. Men når den møter tvetydig, tverrfunksjonelt arbeid som krever vedvarende skjønn, endrede mål og en nyansert forståelse av interessenter, er avstanden mellom en imponerende demonstrasjon og pålitelig verdi i produksjon fortsatt reell.

Kunstig intelligens leverer også dårligere enn forventet når team antar at modellen alene er produktet. I praksis kommer den virkelige verdien fra kontekst, tillatelser, orkestrering, evaluering og gjennomtenkt utforming av arbeidsflyter. Uten dette omkringliggende systemet er modellen ofte den minst differensierte delen.

Emrecan deler

Den (kunstige intelligensen) utmerker seg i avgrensede oppgaver. Den blir stadig bedre på utførelse i flere trinn. Men når den møter tvetydig, tverrfunksjonelt arbeid som krever vedvarende skjønn, endrede mål og en nyansert forståelse av interessenter, er avstanden mellom en imponerende demonstrasjon og pålitelig verdi i produksjon fortsatt reell.

Hvordan kunstig intelligens gjør produktteam tverrfaglige

Kunstig intelligens har gjort de beste teamene mer tverrfaglige. Grensene mellom PM, design, utvikling, datavitenskap og produktoperasjoner er mindre rigide fordi selve produktet er mindre rigid.

Å bygge sterke, KI-baserte produkter krever tettere samarbeid om utforming av arbeidsflyter, evaluering, tillit og iterasjon. Det øker også betydningen av personer som kan bevege seg mellom brukeropplevelse og systematferd.

Hvordan produktledere bør tilpasse seg KI-drevet endring

Her er mine råd:

1. Utform arbeidsflytene dine på nytt.
2. Se på kontekst som en grunnleggende byggestein i produktet. I KI-produkter er forskjellen mellom noe magisk og noe middelmådig ofte ikke modellen. Det avgjørende er om systemet har riktig kontekst til riktig tid, og om det kan handle på den på en trygg måte.
3. Invester i evalueringer og tillitsinfrastruktur tidligere enn det som føles naturlig. Produktledere er vant til å instrumentere klikk og trakter. I KI må du også instrumentere kvalitet, forankring, sikkerhet, tillatelser og oppgavesuksess. Det er ikke valgfritt. Bransjen investerer fortsatt for lite her fordi demonstrasjoner belønner nyhet, mens brukere belønner pålitelighet. Snu den vanlige rekkefølgen på aktivitetene: Hvis teamet ditt ikke har bygget evalueringer, tillatelsesstyring, kildehenvisninger og tydelige overleveringer, er dere ikke klare til å skalere opplevelsen, uansett hvor god modellen ser ut i en demonstrasjon.
4. Til slutt: Ikke vent på sikkerhet. Dette er et tidspunkt for å lære ved å lansere, men med disiplin.

Følg med

Du kan følge arbeidet til Emrecan Dogan på LinkedIn.

Flere ekspertintervjuer kommer på The CPO Club!