De AI-productiviteits- en prompt-engineering-hacks die je in 2025 nodig hebt

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typefouten, want de bot heeft het niet altijd voor 100% bij het juiste eind.

Hannah Clark: Als ik terugkijk op alle onderwerpen die we dit jaar in de show hebben behandeld, hebben we het zeker veel over AI gehad. Dus ik hoop dat je het niet erg vindt als we er nog eentje aan de stapel toevoegen, want deze aflevering over AI is waarschijnlijk de meest praktische die we tot nu toe hebben gemaakt.

Mijn gast vandaag is Tal Raviv, het genie achter de populaire cursus met de titel "Bouw je persoonlijke PM-productiviteitssysteem & AI-copiloot", wat nogal een deftige naam is. En het is ook nogal bijzonder voor iemand die zichzelf eerder omschreef als een AI-scepticus. Maar voor Tal was de grote doorbraak dat hij ontdekte waarom zoveel PM's moeite hebben om de volledige waarde uit hun LLM-tools te halen en dat hij de tactieken blootlegde die daadwerkelijk de kracht hebben om je productiviteit te transformeren.

En ja, we gaan die tactieken in deze aflevering uit elkaar halen. We bespreken hoe het onboarden van AI veel lijkt op het onboarden van een nieuw teamlid, waarom iteratieve prompt-engineering essentieel is en wat praktisch advies om te beginnen met experimenteren met AI-tools en vertrouwen in je vaardigheden op te bouwen. Laten we beginnen.

Welkom terug bij de podcast van The CPO Club. Vandaag ben ik hier met Tal Raviv.

En Tal, heel erg bedankt dat je bij ons bent. Dit is zo spannend. Kun je ons iets vertellen over je achtergrond en hoe je bent gekomen waar je vandaag bent?

Tal Raviv: Zeker. Ik begon met een studie chemische technologie, wat absoluut niets te maken heeft met waar ik nu ben.

Ik bedoel, dat klopt niet helemaal, omdat het me wel goed heeft leren omgaan met moeilijke materie en me erin heeft leren verdiepen. Ik begon met een paar studievrienden een SaaS-bedrijf en dat deden we vier jaar lang. En toen het tijd was om een echte baan te zoeken, keek ik eigenlijk om me heen en dacht ik: ik doe hier ondersteuning, marketing, programmeren en ontwerp.

En hoe ziet de versie daarvan eruit als echte baan? En toen was er die nieuwe functie die productmanagement heette. Dus ik solliciteerde en tegenwoordig zou ik waarschijnlijk niet binnenkomen, maar destijds lukte het me wel.

Hannah Clark: Leuk. Vandaag gaan we het hebben over iets anders waar iedereen probeert binnen te komen: AI effectief gebruiken. Ik denk dat we allemaal proberen te begrijpen hoe we de technologie effectiever en praktischer kunnen gebruiken. We gaan ons dus richten op hoe we AI in onze dagelijkse workflows kunnen inzetten.

Maar voordat we daarin duiken, nemen we even de tijd om te praten over wat er in je leven speelt. Je leidt dus een cohortcursus om PM's te helpen AI effectiever te benutten. Hoe ben je eigenlijk op dat pad terechtgekomen?

Tal Raviv: Ik begon samen met Maven aan deze cursus te werken. Ik werkte enerzijds aan veel van de initiatieven rond generatieve AI bij Riverside en gaf daar leiding aan. Tegelijkertijd gebruikte ik AI totaal niet in mijn dagelijkse werk. Ik dacht: o, dit is geweldig voor het product.

Dit heeft niets met mijn dagelijkse werk te maken. Dit kan me nooit helpen met al die dingen waarbij ik hulp nodig heb. En uiteindelijk ging de cursus volledig over productiviteit en het bouwen van systemen voor je eigen productiviteit. En daarna komt je team als productmanager: dat heeft echt een grote invloed op je productiviteit.

Je kijkt naar je organisatie, beheert emoties en doet al dat laagtechnologische werk. Dat is de cursus die ik geef. Daarnaast speelde ik gewoon veel met AI. Wat uiteindelijk de omslag veroorzaakte waardoor ik er echt naar ging kijken als iets dat ik persoonlijk kon gebruiken, was dat ik bij Riverside tussen wal en schip zat.

Er was gewoon geen manier waarop ik kon bereiken wat ik moest bereiken zonder ChatGPT te gebruiken. En zelfs toen verzette ik me, klaagde ik en bleef ik zeuren, waarna mijn engineeringteamleider nog steeds zei: laat me het gewoon laten zien, stop nou even. Zo doe je het. Daardoor zag ik een heel eenvoudig principe in: de reden dat ik het niet goed gebruikte, was dat ik het niet genoeg context gaf, net als bij een persoon.

Dat was voor mij een mentale omslag. Daarna begon ik dat steeds verder door te trekken. Ik dacht: hoeveel context kan ik het geven? En wat als ik het dezelfde hoeveelheid context gaf die ik een nieuwe medewerker zou geven die ik aan het onboarden was? Wat als ik ermee zou praten zoals met een nieuwe medewerker?

En wat als ik het vervolgens bij een bepaald initiatief zou betrekken, net als een nieuwe medewerker? Ik veranderde mijn mentale model en ging er echt over nadenken vanuit de vraag: wat zou iemand in staat stellen om succesvol te zijn? Ik deed dat in mijn vrije tijd en gaf deze cursus, en toen begon ik te beseffen: mijn hemel, dit kan daadwerkelijk nuttig zijn op het werk.

Het duurde lang voordat dat tot me doordrong — heel 2024 — en na verloop van tijd maakte ik dat onderdeel van de cursus. De eerste twee weken van de cursus gaan nu over je zaken op orde brengen en over alle dingen die nog steeds belangrijk zijn, zelfs met AI. De laatste week is een intensieve sessie van drie bijeenkomsten waarin je je PM-AI-copiloot bouwt.

Hannah Clark: Oké, geweldig. Ik kijk ernaar uit om elk van deze dingen zo meteen wat gedetailleerder te bespreken, vooral het onboarden. Ik vind het idee om AI te onboarden ontzettend interessant. Ik wil daar graag naartoe.

Maar voordat we daar komen: je beschreef je eigen scepsis tegenover AI in het begin. Ik denk dat dit iets algemeens is wat we overal zien in productmanagement en in andere vakgebieden. Waarom denk je dat dat zo is? Waarom zijn mensen sceptisch of terughoudend om die kloof tussen bewustzijn en implementatie te overbruggen?

Tal Raviv: Ik denk dat het gedurende het grootste deel van de afgelopen twee jaar sinds ChatGPT uitkwam, misschien tweeënhalf jaar, niet zo goed was in veel dingen. Of het vereiste zoveel bewerking en denkwerk dat het net was als bij iemand die je aanneemt of iemand die nog heel junior is. Daarom nemen we geen stagiair aan voor een bepaalde functie: die persoon gaat gewoon meer werk opleveren dan de moeite waard is.

En ik denk dat er allereerst dit is veranderd: AI is veel beter geworden. Contextvensters zijn groter geworden, persoonlijkheden zijn beter geworden en de modellen zijn gewoon intelligenter geworden. Er was onlangs een beroemd gesprek met zowel het hoofd product van Anthropic als het hoofd product van OpenAI op het podium. Zij zeiden ongeveer dat intelligentie niet langer de bottleneck is.

Er zijn manieren om het intelligenter te maken, maar dat is niet de bottleneck. De bottleneck zit in voortraining, context, of gewoon in wat het weet en waaraan het is blootgesteld. Ik denk ook dat als we bij een LLM aankomen met een prompt van één zin, zelfs als de grootste prompt-expert ter wereld erbij zweert, die prompt heeft verfijnd, opgesteld en gepolijst, het nog steeds maar één zin is.

Het zal je in wezen het gemiddelde van het internet geven. En als je het soort werk wilt laten doen dat jij doet, dan is geen van ons als individu het gemiddelde van het internet. Wij brengen ook kennis mee, combineren die en synthetiseren die. Dus als uitgangspunt: laten we die kennis geven. Kijk dan wat het kan doen.

Hannah Clark: Ja. Ik denk dat dit een heel goed punt is. Soms stappen we een chat binnen en verwachten we dat die alles weet, en dus het perfecte antwoord moet hebben. Maar het is alsof je iemand op straat tegenhoudt terwijl je naar de supermarkt loopt en zegt: hé, kun je een PRD uitspugen?

Die persoon zal zijn best doen zonder alle context en eigen kennis die jij hebt. Dit is dus een van die nogal voor de hand liggende inzichten waarvan ik denk dat we ze nog niet allemaal echt hebben gehad.

Tal Raviv: Ik geef nog een voorbeeld waarvan ik denk dat het dit heel duidelijk maakt. Als ik met mensen praat die niet in productmanagement werken, leg ik uit dat ik ook heb geëxperimenteerd met AI als voedingsdeskundige om me op koers te houden.

De manier waarop ik het uitleg is: als ik met een echte voedingsdeskundige zou werken, zou ik niet binnenkomen en zeggen: prima, vertel me wat ik moet eten, hoeveel en wanneer, en al die andere dingen. De voedingsdeskundige zou zeggen: nee, ga even zitten, ik wil je een paar vragen stellen. En ik zou zeggen: nee, ik wil gewoon dat je het me vertelt. Je bent een slechte voedingsdeskundige.

Ik ben weg. Toch? Dat zou niet gebeuren. Dat is geen gesprek dat zou plaatsvinden. Maar op de een of andere manier is dat wel het gesprek dat we met AI voeren.

Hannah Clark: Ja, precies. Ik hoop dat het voor je werkt.

Ik wil het hebben over deze AI-copiloot. Dit is allemaal erg interessant. Er zijn zoveel dingen en invalshoeken wanneer we praten over AI effectief gebruiken.

Laten we dus beginnen met de tool. Vertel me over deze tool, de AI-copiloot. Wat is hier de grote doorbraak?

Tal Raviv: Ik zal de onderdelen benoemen. De onderdelen van een AI-copiloot zijn: kies ChatGPT, Claude of iets anders. Persoonlijk gebruik ik hiervoor echt graag Claude. Praktisch gezien is de functie Projecten een betaalde functie. Die is het absoluut waard.

Het is gewoon erg goed voor wat ik nu ga beschrijven en maakt het heel gemakkelijk. Deze dingen kosten slechts één klik. Je kunt dit met elke LLM bereiken met een beetje plakband en wat handmatig werk. Allereerst gebruik je aangepaste instructies, een systeemprompt of hoe je het ook wilt noemen, om te vertellen hoe het zich moet gedragen.

Je wilt dus dat het iemand is die je uitdaagt, die veel vragen stelt en je aannames niet zonder meer accepteert. Wie zou die ideale collega zijn die naast je zit bij het samenwerken als PM's? Het zou iemand zijn die je aanspoort op bepaalde gedragingen of waarden. De gedragingen die ik voor mezelf heb ingesteld zijn een voorkeur voor actie en proberen snel waarde te leveren aan klanten.

Ik probeer beslissingen te nemen zonder alle gegevens te hebben, maar dat kan voor andere sectoren of bedrijven juist volledig anders zijn. Vanaf daar heb je dus de persoonlijkheid die je hebt aangenomen. Denk aan een sollicitatieproces. Dat is het soort persoon dat je wilde aannemen. De volgende stap is dat je die persoon aanneemt en wilt onboarden.

Als er een nieuwe PM bij het team komt, geven we die waarschijnlijk een document met missie, visie en strategie. Hier is de presentatie met het klantprofiel, toch? En als het een coach voor mij was, zou ik waarschijnlijk zeggen: hier zijn mijn beoordelingsgesprekken van de afgelopen jaren. Hier loop ik tegenaan.

Hierop geeft mijn manager me feedback. En opnieuw, terug naar de nieuwe PM: hier is wat roddel. Hé, ga zitten, laten we een kop koffie drinken. Ik vertel je iets over enkele belanghebbenden. Ik vertel je over enkele mensen die in je team komen. Hier zijn ze bijzonder goed in.

Hier moeten ze jou meer bij betrekken. Dit is deze belanghebbende, en dit geeft die persoon een goed gevoel en dit is de fase van het proces, maar trap niet op deze landmijn. En zo gaat het maar door. Hier is het organigram. Hier is mijn team. Dit kan eindeloos doorgaan. Dit is wat een nieuw persoon uit verschillende bronnen zou opnemen wanneer die bij je bedrijf komt.

Je neemt de persoon aan, hebt die ge-onboard en daarna moet je hem aan het werk zetten. Je moet zeggen: hé, ik wil dat je aan dit initiatief werkt, of ik wil dat je me begeleidt bij dit initiatief. Je begint een thread en zegt: hier, ik weet bijna niets van dit initiatief. Ik heb dit net tijdens een gesprek in de gang met de oprichter op mijn bord gekregen.

We moeten hier snel mee vooruit. Dit is wat ik weet. Dit is wat ik denk. En je voert er een gesprek mee. Tijdens die volledige thread over dat specifieke initiatief kun je het om output vragen. Dat kan zo eenvoudig zijn als documenten schrijven, maar het kan veel verder gaan.

Het kan een denkpartner zijn. Het kan een moeilijk gesprek simuleren. Wat is het belangrijkste dat je nu moet doen? De antwoorden daarop zijn echt geweldig. Hier gebeurt de magie, omdat het voortdurend verwijst naar echte namen van mensen in de organisatie. Het zegt bijvoorbeeld: hé, dit is een kans om die feedback uit je beoordelingsgesprekken echt toe te passen.

Hé, dit is een goed moment om deze belanghebbende erbij te betrekken. Ik ben verbaasd over de timing en over wat ik voorstel. Het is heel scherpzinnig. Tijdens het initiatief raad ik aan om nog meer te roddelen, toch? Hoe meer context, hoe beter. Stel je voor dat je ergens aan werkt en je twee weken later een gesprek in de gang hebt met het hoofd sales, dat je plotseling een beperking oplegt. Of je manager zegt: als het dit niet kan, hadden we deze nieuwe informatie niet, en als het dit niet kan bereiken, als dat een andere scope is, dan is dit project het verzenden helemaal niet waard.

Je gaat achter je bureau zitten en denkt: mijn hemel, je zult niet geloven welk gesprek ik net had. Dat kun je doen met je copiloot, alsof degene naast je zit. Die moet dat ook weten. Ik kan eindeloos doorgaan over alle dingen waarmee je het kunt laten samenwerken en waarbij het je kan helpen.

Maar uiteindelijk is het ook de moeite waard om de cirkel rond te maken en te vertellen wat er is gebeurd, en eventuele resultaten van de retrospectieve te delen. Het magische moment is dat je kunt vragen: oké, luister, dit is het einde van het verhaal. Geweldig, we hebben het verzonden. Het werkte. Het werkte niet. Kun je me alsjeblieft alle nieuwe informatie vertellen die je in deze thread hebt geleerd?

Wat moet een andere nieuwe productmanager weten en leren van dit initiatief? Met Claude doe je dat met één klik. Met ChatGPT kopieer en plak je het en voeg je het weer toe aan het brein, de projectkennis. Of je gebruikt het in je volgende thread. Dat wordt alle context die je deze keer hebt toegevoegd. Het is gewoon weer een beetje groter geworden.

De reden dat ik Claude prettig vind, is dat het één klik kost. Het is hiervoor echt geoptimaliseerd. Het wordt onmiddellijk op al je threads toegepast. Maar dat is het op hoofdlijnen. Zo krijg je dus een copiloot die na verloop van tijd slimmer wordt, wijzer wordt, lessen uit andere initiatieven meteen toepast, enzovoort.

Hannah Clark: Ik ben op dit moment een beetje overdonderd. Eerlijk gezegd. Dit is veel uitgebreider en indrukwekkender dan ik had verwacht.

Dus allereerst: was dit het gesprek dat je eerder met je collega had, toen die zei: nee, laat me het je laten zien? Of hoe ontdekte je dat de tool in staat was tot zo'n soort geheugen en besluitvorming, en ook emotionele intelligentie bovenop al het praktische? Ik ben overweldigd.

Tal Raviv: Dat wist ik niet. Voor mij kwam de verbinding tot stand tijdens dat vroege moment met mijn collega waarop hij zei: luister, het voorbeeld waarmee dit begon was: hé, ik moet heel snel veel user stories schrijven. Die putten mijn hersencellen uit, kosten enorm veel tijd en moeten heel precies zijn.

En hoe moet ChatGPT me daar in vredesnaam bij helpen? Ik probeerde screenshots van Figma te maken. Ik probeerde Figma-plug-ins. Het was meer werk dan het waard was. Toen stelde hij voor: wat als je in ChatGPT gaat zitten, het een sjabloon geeft en het vervolgens alles vertelt wat het over deze user story moet weten?

Ik zei: oké, dat is veel typwerk. Hij zei: nee, typ niet, dicteer, praat gewoon. Een andere heel belangrijke ontwikkeling van de afgelopen twee jaar is dat spraak-naar-tekst enorm goed is geworden. OpenAI bracht het Whisper-model uit. Veel appontwikkelaars hebben het geïmplementeerd op Mac OS, in telefoonapps enzovoort.

En als je dat vergelijkt met de ingebouwde dicteerfunctie van Apple en Windows, is het gewoon veel nauwkeuriger. Ik krijg er veel meer zin van om het te gebruiken. Het is veel nuttiger. Ik kan eigenlijk gewoon een knop ingedrukt houden en lang praten, en het is ontzettend accuraat. Het proces begint er nu dus uit te zien alsof ik praat zoals ik zou praten wanneer er een nieuwe engineer aan een initiatief begint of wanneer ik een initiatief opstart. ChatGPT is heel goed in het opnemen van context, die in een bepaalde vorm te gieten en ontbrekende informatie af te leiden.

Toen ik dat deed, was ik overdonderd, want ten eerste had ik de ontwerpen nooit gezien. Het deed dingen in de user stories waar ik nooit aan had gedacht, dus het vulde de gaten op. Ik hoefde bijna niets te bewerken. Als ik iets moest verwijderen, waren het eigenlijk alleen overbodige dingen.

Het was gewoon overdreven ijverig. Dat was mijn lichtbulbmoment: o, context. En dan voeg je het gemiddelde van het internet toe, want producten zijn niet zo uniek. Het kan bijvoorbeeld begrijpen dat het hallucinerende deel hier juist goed is. Het hallucineert goede dingen en verbindt de punten.

En toen ik eenmaal op die manier dacht, bleef ik de grenzen testen: hoeveel context kan ik het geven?

Hannah Clark: Het is ongelooflijk. Oké, laten we overgaan naar een soort praktische instructiemodus. Ik weet zeker dat er heel veel PM's luisteren die watertanden bij het idee om deze tool te gebruiken.

We hebben dus onze LLM naar keuze. Als je gewoon aan de slag wilt, wat zijn dan de belangrijkste stappen die je zou aanraden voor het onboarden van de LLM?

Tal Raviv: Ik zou eenvoudig beginnen. Als je voor geen van deze diensten een Pro-abonnement hebt, zou je dat om andere redenen moeten overwegen, maar voor deze reden hoeft het niet.

Begin één thread en vertel hoe die zich moet gedragen. Ik zou zelfs zeggen dat stap nul voor dit alles is: download iets als betere dicteersoftware voor je computer. Superwhisper, Better Dictation, Wispr Flow. Er zijn er heel veel. Oefen met goede dicteersoftware. Alles wat ik verder vertel wordt dan veel eenvoudiger.

Open een nieuwe thread en vertel hoe die zich moet gedragen. Dit is een systeemprompt. Die bovenaan de thread zetten levert ongeveer 90 procent van de waarde op. Voeg daarna, als je een document hebt, dat toe. Je kunt bijvoorbeeld de landingspagina van je product kopiëren en plakken, of vertellen hoe je je product op een cocktailparty zou beschrijven. Zelfs als je niet het hele organigram toevoegt, niet over belanghebbenden praat en geen beoordelingsgesprekken geeft, is een klein beetje context al veel beter dan wat je eerder had. Je kunt daar stoppen. Doe gewoon dat kleine beetje context.

Geef daarna context over een initiatief waaraan je wilt werken. Dat kan nog eens 60 seconden zijn waarin je vertelt: dit is wat ik tot nu toe weet. We weten dit signaal. We horen deze supporttickets. Dat is alles. Druk op Enter en kijk wat er gebeurt.

Hannah Clark: Oké. Heb je in je cursus andere mensen dit proces zien volgen? Heb je kunnen zien dat anderen er waarde uit haalden? Ik hoor graag anekdotes over hoe je dit in de praktijk hebt zien werken.

Tal Raviv: We hebben een paar bètagroepen gedaan en zijn daarna een community gaan opbouwen. De mensen in die community duwen het echt vooruit en experimenteren veel verder dan alleen iemand zoals ik.

Ik wil iets delen. Ik heb het er nu net bijgehaald. Ik deel graag ieders aha-momenten. Eén persoon maakte echt indrukwekkende prototypes. Niet het soort prototypes dat we in demonstraties op Twitter hebben gezien, maar dingen waarvan je denkt: wauw, dat is echt precies — omdat er zoveel context was.

Sommige productmanagers gebruiken het alleen om meer te leren over een sector waar ze plotseling in terechtkwamen. Dit is geen voorbeeld uit PM, maar ik ken iemand die het gebruikte voor kwartaalplanning. Die persoon is een productleider, en dat gaat nog veel verder dan ik ooit heb doorgedreven qua hoeveelheid context die het nodig zou hebben.

Veel mensen gebruiken het als denkpartner. Ik denk dat dit een heel goed mentaal model is. Het is er voor gesprekken en begrip, en het helpt je om betere ideeën te bedenken. En ik denk dat bij het schrijven van PRD's één persoon meldde dat dit het schrijven van PRD's zoveel beter maakte: het stelt eerst veel vragen.

Het wist voldoende om te begrijpen wat het niet wist en stelde vervolgens vragen om met je in gesprek te gaan. Het zei: voordat ik deze PRD schrijf, zou ik dit en dit willen weten. En jij denkt: o ja, natuurlijk. Vraag me alles. Schrijf het gewoon voor me. Het is geweldig. Ja, het is een heel fascinerend voorbeeld.

Mensen duwen het gewoon veel verder dan ik deed.

Hannah Clark: Ongelooflijk. Mijn hoofd draait al. Ik voel de radertjes draaien over hoe ik dit kan benutten. Het klinkt alsof veel van de algemene principes hier toepasbaar zijn op allerlei verschillende gebieden. Supercool.

Laten we wat dieper ingaan op prompt-engineering, want we hebben het over context geven en hoe belangrijk het is om kwalitatief goede informatie aan de LLM te geven en je prompts goed te ontwerpen. Wat zijn enkele best practices of strategieën die jij hebt gebruikt en die mensen zouden moeten toepassen om betere prompts te maken en kwalitatief betere context te bieden?

Tal Raviv: Ik denk dat er een fase op LinkedIn was waarin de hele feed bestond uit presentaties over prompt-engineering en waarin mensen hun functietitel veranderden in prompt-engineer.

Ik herinner me dat ik daar een vreemd gevoel bij had. Dit kan toch niet lang zo blijven? Die hele manier waarop prompts werden behandeld als magische spreuken, magische drankjes of Pokémon die je verzamelt, voelde gewoon niet goed. En inderdaad: na verloop van tijd werden die dingen steeds minder belangrijk.

Als het om prompt-engineering gaat, zijn er twee dingen. Eén: ik heb het al over context gehad. Behandel het als een persoon en gebruik dicteersoftware; dat maakt het veel gemakkelijker. Het tweede is: vertel gewoon wat je wilt. Wees, net als bij een persoon, duidelijk over wat je wilt en druk vervolgens op Enter. Als het niet is wat je wilde, bedenk dan waarom het niet deed wat je wilde en ga terug naar het vorige bericht om het te verduidelijken.

Welke tool je ook gebruikt, er staat een klein potloodje op dat tekstballonnetje in de chat. Ik denk dat dit een van de meest onderschatte functies van Claude of ChatGPT is. Je kunt teruggaan en iets aanpassen, een extra zin toevoegen of zeggen: maar ik wil niet dat je dit op die manier benadert, of: wees hier heel duidelijk over, of: zorg dat dit onderdeel wordt behandeld.

Daarna doet het dat opnieuw. Het leest alles wat eronder staat opnieuw. Dat potloodje is volgens mij het belangrijkste hulpmiddel voor prompt-engineering — tussen aanhalingstekens — want uiteindelijk probeer je gewoon iets. Het is code: je probeert iets, kijkt of het werkt, ziet dat het niet werkt en verandert het. Probeer het opnieuw. Je hoeft je geen zorgen te maken over het gebruik van een speciale formulering of het vragen om op een bepaalde manier te denken.

Al die dingen verdwijnen. Ze verdampen snel. Dat is dus niet de juiste vaardigheid. Ik denk niet dat het de juiste vaardigheid is. De juiste vaardigheid is experimenteren, erin duiken en blijven itereren, en er niet bang voor zijn. Het is allemaal een verandering van mindset.

Hannah Clark: Webdesigners, deze is voor jullie. Ik heb 30 seconden om je iets te vertellen over Wix Studio, het webplatform voor bureaus en ondernemingen. Dit zijn vier dingen die je in 30 seconden of minder in Studio kunt doen. Pas je ontwerpen aan voor elk apparaat met responsieve AI. Hergebruik middelen zoals sjablonen, widgets, secties en ontwerpbibliotheken op verschillende sites en deel ze met je team. Voeg animaties zonder code en verloopachtergronden rechtstreeks toe in de editor. En exporteer je ontwerpen met één klik van Sigma naar Wix Studio. De tijd is om, maar de lijst gaat verder. Ga aan de slag met Wix Studio en ontdek het zelf.

O, oké. Dat vind ik goed. Het is praktisch, maar het is niet intuïtief om te bedenken hoe je anders kunt nadenken over de manier waarop je je prompts ontwerpt.

Oké, ik wil het even hebben over hoe jij dit hebt aangepakt, want volgens mij is één ding in deze aflevering nog niet helemaal duidelijk geweest: het klinkt alsof dit een tool is die je verkoopt.

Dit is meer een vaardighedenpakket dan iets anders. Waarom heb je ervoor gekozen je hierop te richten als workshop, of dit als workshop aan te bieden, in plaats van een schaalbare AI te bouwen die al deze dingen doet? Waarom vond je dat dit de beste aanpak was?

Tal Raviv: Als productpersoon en programmeur was ik daar als carrièreproductpersoon erg toe geneigd.

Mijn eerste impuls was: oké, dat is een inzicht. Hoe bouw ik hier een product omheen? Toen ik uitzocht wat er ontbrak en wat zeer slimme mensen ervan weerhield dit zeer slimme ding te doen, vroeg ik me af: wat zit ertussen? Het is geen functionaliteit. Het is geen gebruikersinterface, netwerkeffect of iets anders dat producten kunnen bieden.

Het is simpelweg toestemming, begeleiding of een verandering van mindset. Ik dacht dus dat ik een product kon bouwen en daarna een jaar lang mijn hoofd kon breken over onboarding, want alles wat ik zojuist heb beschreven is een gigantische onboarding voor iemand die dit in zijn vrije tijd zelfstandig moet doen.

Niemand gaat dat doen. Of ik kan waardevoller zijn door live bij mensen te zijn, vragen te beantwoorden en te zeggen: hé, je hebt je agenda vrijgemaakt en nu zijn we hier samen op Zoom. Ik geef je vijf minuten om dit te doen. Je hebt je agenda vrijgemaakt en ik ben hier om je vragen te beantwoorden.

En we bouwen het samen op. Voor mij betekent dat een activeringspercentage van meer dan 90 procent, als je het in producttermen wilt zeggen. En ik denk dat de waarde, retentie en al het andere op die manier gewoon een veel betere aanpak zijn. Een andere reden is dat veel van de dingen die ontbreken of beter zouden kunnen, volgens mij gewoon in OpenAI of Claude terechtkomen. Er zijn zoveel dingen waarvan je kunt zien dat ze dit proces nog beter zouden maken.

Hoe ze geheugen en veranderingen in de loop van de tijd beheren, of threads van elkaar weten — dat is wat je eerder noemde. Het is dus duidelijk toepasbaar op alle sectoren en alle functies. Ik help mensen liever om dit nu correct te gebruiken en de barrières, mindset, gedragingen en toestemming aan te pakken.

Hannah Clark: Dat is volkomen logisch. En ja, een AI-product bouwen terwijl je weet tegen wie je het opneemt, is een grote gok. Ik denk dus dat het veel effectiever benutten van de beschikbare tools een gebied is waarin veel mensen echt moeten groeien.

En daarover gesproken: ik denk dat dit overal een veelvoorkomende perceptie is, namelijk dat we allemaal achterlopen. Veel mensen weten dat ze meer met AI zouden kunnen doen, maar er is misschien een intimiderende factor als het gaat om beginnen en er echt in duiken. Wat zou je tegen mensen zeggen om ze te helpen die perceptie te overwinnen en deze vaardigheden op een toegankelijke manier op te bouwen?

Tal Raviv: Ik sprak vandaag met een productdirecteur en zij verwoordde het heel goed. Ze zei: onze hele organisatie heeft de boot gemist op het gebied van AI, productiviteit en toepassing in onze functies. En ik zei tegen haar: nee, dat heb je niet. Er is geen boot. Iedereen voelt zich zo. Ik heb dat gesprek met zoveel mensen gehad.

Het zijn mensen bij vooruitstrevende bedrijven die op alle andere gebieden op de modernste manieren organisaties runnen. Ze uiten allemaal een vorm van FOMO. Ik heb het gevoel dat ik de zin steeds hoor: volgens mij lopen andere mensen hier ver op ons voor. Volgens mij doet iemand anders dit beter. Dus allereerst kan ik iedereen verzekeren: dat is niet waar.

Iedereen staat hier op dit moment op dezelfde plek. Het voelt zo omdat iedereen erover praat. Als je je zo voelt, begin dan gewoon te experimenteren. Probeer het voor iets kleins en specifieks en houd die principes in gedachten: context en iteratie. Reserveer daar tien minuten voor.

Bouw die experimenteerspier op en je zult zien dat het zich opstapelt. Het trekt je mee. Je zult gewoon meer willen itereren. En als je die route kiest, zul je jezelf al heel snel anderen zien onderwijzen. Ik denk dus dat veel ervan intimidatie is. Het gevoel dat je echt achterloopt.

Het is niet eens de moeite waard om het te proberen. Als ik het probeer, doe ik het niet op de juiste manier. Nieuwsflits: iedereen voelt zich zo.

Hannah Clark: Ik ben blij dat je dat zegt, want ik denk dat het klopt. We hebben de neiging te denken: o, het moment is voorbij. Het werd groot. Iedereen loopt op ons voor. Waarom zouden we het nog proberen? Maar als je erover nadenkt, is het geen boot. Het is een taxi, een deelauto. Het staat als dienst voor je klaar, tot je beschikking, en je vertelt precies waar het naartoe moet. Ja, ik vind die herformulering ook goed. Ik waardeer het mindsetwerk waar we het vandaag over hebben echt, Tal.

Hoe dan ook, je noemde een paar succesverhalen of doorbraken die mensen hebben gehad, jijzelf of iemand anders. Welke daarvan vond je het meest indrukwekkend tijdens het werken met AI, bij jezelf of bij anderen die leren hoe ze het moeten gebruiken?

Tal Raviv: Voor mij persoonlijk was mijn grote moment het voeren van prijsstellingsgesprekken. Ik moet erbij zeggen dat het niet meteen het juiste antwoord gaf. Het spuugde niet zomaar het perfecte antwoord uit, maar het was gewoon een heel goed gesprek.

Zelfs wanneer het ernaast zat, liet het me nadenken over waarom het verkeerd aanvoelde en waarom het dat zei. De juiste term hiervoor is denkpartner. Het was alsof er een slim persoon naast me zat die me hielp iets te doordenken en ideeën met me uitwisselde. Daarna hielp het me tot een beter antwoord te komen: hoe bundel je iets en hoe bepaal je er een prijs voor?

Het is een bijzonder slimme rubberen eend. Het is het volgende niveau van de rubberen eend. Waarschijnlijk is dit niet wat we ons hadden voorgesteld als de doorbraak voor AI. We hadden waarschijnlijk iets heel sciencefictionachtigs voor ogen, zoals de supercomputer uit The Hitchhiker's Guide to the Galaxy. Maar mensen vragen me: vind je het verkeerd om je denkwerk uit te besteden aan AI?

Denk je dat het invloed heeft? Ik denk juist dat het me slimmer maakt. Als ik meer slimme mensen beschikbaar had om zo vaak mogelijk mee te praten, zou ik daar ook slimmer van worden. Toch? Dat is wat we allemaal zoeken. En ik herinner me dat we daar ook naar kijken bij de keuze waar we werken en met wie we ons omringen.

Voor mij was prijsstelling dus een heel mooi aha-moment. Ik dacht niet dat het een geweldig werk zou leveren, maar daarna had ik wel dat prettige gevoel van: ik heb net een heel goed gesprek gehad.

Hannah Clark: Dat is een heel goed voorbeeld, omdat het zo'n genuanceerd gesprek is. We hadden onlangs een heel goed gesprek met Cem Kansu van Duolingo.

Hij is hoofd product bij Duolingo. Het is een zeer complex gesprek dat je moet voeren wanneer je over prijsstelling nadenkt. Je moet heel zorgvuldig zijn over waar je die markeringen precies plaatst. Ik kan me dus alleen maar voorstellen dat het in je voordeel is om een ongelooflijke tool te hebben die je kan helpen je besluitvormingsproces te oefenen en dat ook in toekomstige situaties toe te passen.

Dit is zo fascinerend, Tal. Heel erg bedankt dat je bij ons bent. Ik heb vandaag echt veel geleerd. Waar kunnen mensen je online vinden als ze geïnteresseerd zijn in je cursus of meer van je gedachten willen horen?

Tal Raviv: Zeker. LinkedIn is het eerste antwoord. De cursus staat op Maven. Voor mensen die hiernaar luisteren en denken: ik wil hiermee meteen aan de slag en gewoon gaan experimenteren: op Maven zet ik ook de demo die ik heb gedaan. Je kunt precies zien wat ik heb gedaan. Ik gebruik hiervoor een Notion-playbook met alle prompts en stappen, en het is veel gestructureerder. Eigenlijk staat alles uit dit gesprek daarin uitgelegd. Je kunt dat gewoon aanschaffen zonder de hele cursus te hoeven volgen.

De cursus is vooral goed voor mensen die toegang willen tot open vraag-en-antwoordsessies, spreekuren, mij willen kunnen bereiken en gewoon veel meer samen willen doen.

Hannah Clark: Geweldig. Heel erg bedankt dat je bij ons bent. Het was een absoluut genoegen.

Tal Raviv: Dank je.

Hannah Clark: Bedankt voor het luisteren. Voor meer geweldige inzichten, praktische handleidingen en toolrecensies kun je je inschrijven voor onze nieuwsbrief via theproductmanager.com/subscribe. Je kunt meer gesprekken zoals dit beluisteren door je te abonneren op The CPO Club, waar je je podcasts ook maar beluistert.