Produktdirektøren i Zendesk oppfordrer produktledere til å ha en menneskelig tilnærming til innføring av KI

Mirza Besirovic er produktdirektør i Zendesk, der han leder 15 produktteam med fokus på agentiske systemer.

Vi ba Mirza fortelle oss om reisen hans med AI-adopsjon i Zendesks produktorganisasjon. Han fortalte oss hvordan sporadisk adopsjon kan bli mer konsekvent på tvers av team.

En ukonvensjonell reise innen produktledelse

For tjue år siden var jeg lyrikkoversetter. En rekke tilfeldigheter og valg førte til at jeg ble produktleder innen AI.

Den teknologiske delen av reisen min startet i et nettverk for forskere, der vi for mange år siden bygde datasett for alle slags ML-eksperimenter. De siste 15 årene har jeg jobbet med reiseteknologi, finansteknologi, strømming, datavitenskap og de siste årene med konversasjonsbasert AI og automatisering.

I dag er jeg produktdirektør i Zendesk, der jeg leder en gruppe på i underkant av 15 produktteam som har ansvar for en portefølje innen AI-agenter og agentiske systemer, RAG- og gjenfinningsplattformer, analyse, integrasjoner samt AI-drevet introduksjon og selvbetjening. Vi er et distribuert team som hovedsakelig holder til i Europa, og jobber globalt med hovedkontoret vårt i San Francisco, partnere i APAC og kunder over hele verden.

Jeg begynte i Zendesk gjennom oppkjøpet av Ultimate.ai i 2024 som produktsjef. Siden da har vi lansert et par generasjoner med generative boter, produkter for konversasjonsbasert automatisering og et autonomt agentisk system som automatiserer millioner av kundeservicesamtaler på tekst- og talekanaler for globale merkevarer som Netflix, Vimeo, Levi's og mange andre.

De siste 18 månedene har teamet mitt skalert AI-agenter til over $100MM i ARR og utvidet rekkevidden vår til alle verdenshjørner.

Hvordan AI utvider rollene innen produktutvikling

På grunn av AI har vi utvidet det mulige ansvarsområdet til hver enkelt bidragsyter: designere bygger GitHub-repositorier, PM-er sender inn pull-forespørsler, og ingeniører driver produktbeslutninger. AI, særlig kodeagenter, har utvidet alles evne til å gå utenfor komfortsonen, lære og fordype seg i tilgrensende fagområder. Denne endringen gjorde det mulig for oss å bygge bro over gap og jobbe raskere, samtidig som vi opprettholdt ønsket kvalitetsnivå.

Vi hadde for eksempel en Figma-prototype for en ny testopplevelse, men manglet et ferdig sammensatt team som kunne eie arbeidet. I stedet brukte en av våre fantastiske produktdesignere ferdighetene sine og en kodeagent til å bygge et fungerende produkt.

Det å gjøre teamet vårt i stand til å gjennomføre bedre dataanalyser, forbedret også produktkvaliteten. Selv om vi fortsetter å samarbeide tett med datavitenskap og produktanalyse, kan PM-er i langt større grad enn noen gang tidligere hente ut data selv for å produsere analyser av høy kvalitet som påvirker produktbeslutninger.

I tillegg eksperimenterer vi med teamsammensetninger og organisasjonsdesign. Vi har sett minst ett team med tre AI-baserte IC-er bruke kodeagenter til å levere resultatene til et langt større team.

Der produktledere bør begrense bruken av AI

Teamet mitt bruker AI gjennom hele produktlivssyklusen.

Og i rollen min som produktleder har jeg bygget en ekstra hjerne og en arbeidsassistent. Det som startet som et Obsidian-hvelv, har blitt forvandlet til et personlig prosjektarkiv for idémyldring og utvikling av strategier.

Jeg sammenstiller data langt raskere enn noen gang før, håndterer samtaler på tvers av en omfattende portefølje og diskuterer med en strategisk sparringspartner som utfører ulike forhåndstrente roller, beholder hukommelsen og forstår arbeidsstilen min.

Mirza sier

Jeg begrenser bruken av AI når det gjelder mennesker: Noen ting krever tross alt et menneskelig preg.

Men jeg begrenser bruken av AI når det gjelder mennesker: teamet mitt, deres utvikling, karriereutvikling og arbeidsforholdet vårt. Selv om jeg kanskje ber arbeidsassistenten min rapportere om aktiviteter (ved å hente data fra interne systemer), stoler jeg på god, gammeldags menneskelig intuisjon når jeg leder og utvikler teamet mitt.

Noen ting krever tross alt et menneskelig preg.

Hvorfor de tidlige resultatene med AI er positive

Noen team har økt utviklingshastigheten 3–4 ganger – men dette er tidlige resultater og ennå ikke statistisk signifikante. Vi venter med å koble den økte produksjonen og fremdriften til etterslepende indikatorer og langsiktige resultater før vi konkluderer.

De tidlige kvalitative tegnene er også positive: beslutninger av høyere kvalitet innen UX, bedre forskningsmateriale, raskere gjennomføring og færre overleveringer mellom team. AI fungerer mer som organisatorisk bindemiddel enn forventet. Personlig gjør det meg i stand til å arbeide på tvers av en større portefølje og holde oversikt.

Hva gjør man når innføringen av AI er ujevn?

Når det er sagt, er innføringen ujevn, og AI er ennå ikke vanlig eller fullt ut etablert. I likhet med alle andre er vi i begynnelsen av den omtalte produktivitetsreisen mot 10x. Det har ikke gått så raskt som hypen antyder, fordi endring handler om mennesker. Mange trenger fortsatt å lære på nytt og innarbeide AI i arbeidsflytene sine. Det tar tid.

Vi har gjort noen ting for å gjøre innføringen mer konsekvent:

• Bygget en intern AI-port som gir alle tilgang til et sett med kodeagenter, enten via et TUI eller en mer brukervennlig nettleserversjon, som begge følger våre interne retningslinjer for informasjonssikkerhet
• Startet et AI-produktlaug og flere utvekslingsformater, programmer og samlinger om generativ AI for å vise hvordan folk bruker AI, verktøyene de bygger og problemene de løser
• Begynt å redesigne arbeidsflyter for produksjon av livsløpsartefakter som PRD-er, prototyper og lignende, slik at de fungerer sammen med kodeagenter
• Bygget en serie MCP-er og integrasjoner som gjør det mulig for team å koble seg til interne systemer og få tilgang til data på en sikker måte og i samsvar med regelverket

Her er også noen tips:

• Sørg for lik tilgang for tekniske og ikke-tekniske medarbeidere: tokener, CLI, skrivebordsapper.
• Oppmuntre til mangfold når det gjelder LLM-er, agenter og verktøy. La teamet eksperimentere for å finne ut hva som fungerer best i deres miljø.
• Dette krever et budsjett. Sikre det, og samarbeid med kollegene dine innen utvikling om å utarbeide en plan. Forbered deg på at Økonomi og Drift blir involvert etter hvert som AI blir en driftskostnad, ikke tekniske kostnader i COGS.
• Deling er omsorg. La teamet vise frem arbeidet sitt.
• Hjelp til med å komme i gang. Bygg artefakter og arbeidsflyter selv for å løse repetitive PM-oppgaver (utarbeide produktbeskrivelser, skrive strategidokumenter og lignende).

Hvorfor produktteam må bli tekniske

Jeg har blitt enda mer overbevist om at PM-er bør bli mer tekniske.

Tidligere trodde jeg at en generell forståelse av grunnleggende begreper og konsepter innen programvareutvikling var tilstrekkelig. Men med AI mener jeg nå at vi alle må bli mer tekniske. Det betyr ikke at dyktige produktfolk ikke kan komme fra alle mulige bakgrunner. Jeg er utdannet lingvist, og før jeg begynte i teknologibransjen, oversatte jeg poesi.

Men vi må innta en mer universalistisk tilnærming til læring. Å være teknisk er ikke det samme som å bli utvikler. Det handler imidlertid om nysgjerrighet, forståelse av hva som driver produktopplevelsene vi skaper, å eksperimentere og å innta en byggers tankesett. For det har aldri vært enklere å lære om alt som er teknisk.

Hvordan en ekstra hjerne kan hjelpe produktledere

Den ekstra hjernen jeg nevnte tidligere, er et AI-drevet personlig operativsystem som hjelper meg med å arbeide som produktdirektør på tvers av organisasjonen, med Claude Code som hovedgrensesnitt.

Inndata flyter inn i det, og det håndterer hele arbeidsflyten: behandler transkripsjoner, trekker ut kunnskap og kryssrefererer dem mot en stor mengde minnefiler.

Systemet sorterer etter prioritet, kartlegger avhengigheter og forhåndsbehandler relevante data i formater tilpasset målgruppen. For eksempel uformelle punktlister i Slack for teamet mitt, strukturerte oppdateringer for ledelsen eller fortellende avsnitt til strategidokumenter. I praksis erstatter systemet det som tradisjonelt ville krevd en stabssjef og en analytiker.

Det vedlikeholder oppgavelisten min, følger strategiske tråder jeg håndterer, og sammenfatter en omfattende leseliste til indekserte referanser, slik at jeg kan prioritere tiden min effektivt. Jeg bruker sekundærhjernen min til å holde oversikt over pågående arbeid og raskt sammenfatte enorme datamengder når jeg trenger informasjon på direkten.

Datas aktualitet og kvalitet er vedvarende bekymringer. Foreldede data kan skape skjevheter i arbeidsflyter drevet av LLM-er og føre til negative resultater. Jeg filtrerer, renser og vedlikeholder innkommende data, men siden jeg også kobler meg til tredjepartssystemer der jeg ikke alltid har kontroll over dataene, innfører jeg kvalitetskontroller for resultatet. En regel jeg har hørt folk si, er at du bør vite hvilket resultat du ønsker før du gir systemet inndata, og teste deretter. Det er ikke akkurat idiotsikkert, men med nok finjustering av instruksjoner og minne produserer systemet resultater av tilstrekkelig høy kvalitet.

Jeg har krysset terskelen der jeg kan stole på 80-90 % av resultatet sekundærhjernen min leverer.

Hvorfor produktledere og teamene deres må eksperimentere med AI

Her er mine råd til CPO-er:

1. Ta det i bruk. Begynn å utforske AI i arbeidet ditt og i private sammenhenger. Start med å bygge en personlig kopilot, strukturere dataene dine, la den resonnere over disse dataene og avdekke nye mønstre. Start egne prosjekter og bygg den ideen du har hatt i årevis. Produktledere er av natur kreative og liker å eksperimentere, men mange av oss startet ikke som ingeniører, så vi følte oss alltid begrenset. Dette har endret seg raskt og drastisk.
2. Ikke pålegg bruk av AI uten verktøy, ressurser eller strukturell støtte. Hvis du gjør det, kjemper du i praksis mot vindmøller. Entusiastene kommer i mål med eller uten deg, men resten av organisasjonen vil bli hengende etter.
3. Følg med på teamet ditt og støtt dem på denne reisen. Det finnes mange bekymringer og uro, for ikke å nevne fryktskapende innlegg på LinkedIn, rundt hva AI-ens inntog betyr for produktledere og andre innen teknologi og næringsliv. Ha ærlige samtaler med teamet ditt og hjelp dem med å strukturere læringsplaner. Jeg ønsker å gjøre mer for å hjelpe teamet mitt med å sette av mer tid til tenkning, eksperimentering og utforsking.
4. Du må være grundig når det gjelder sikkerhet. I tillegg fører kostnadene ved at brukerne dine genererer AI-innhold raskt til at tokenenes bryllupsreise tar slutt.

Mirza uttaler

Ikke pålegg bruk av AI uten verktøy, ressurser eller strukturell støtte. Hvis du gjør det, kjemper du i praksis mot vindmøller. Entusiastene kommer i mål med eller uten deg, men resten av organisasjonen vil bli hengende etter.

Følg med

Du kan følge arbeidet til Mirza Besirovic på LinkedIn, i nyhetsbrevet hans You Are The Product og på nettstedet hans.

Flere ekspertintervjuer kommer på The CPO Club!