Senior directeur Product en Engineering zegt dat de grootste impact van AI op productorganisaties voortkomt uit het ontmantelen van silo’s

Andrew Knight is Senior directeur voor Product en Engineering bij Cycle Labs. Hij staat ook bekend als de "Automation Panda" en heeft een blog met dezelfde naam.

We spraken Andrew om te zien hoe hij AI gebruikt om silo's binnen zijn organisatie af te breken. Dit vertelde hij ons.

AI kan een hefboomeffect hebben voor productteams

Mijn naam is Andrew Knight, maar ik ben beter bekend als de "Automation Panda". Mijn carrière heeft zich gericht op het ontwikkelen van oplossingen voor testproblemen. Ik heb tien jaar als SDET gewerkt. Daarna heb ik een periode in DevRel doorgebracht. Nu geef ik leiding aan een Product- en Engineeringteam bij Cycle Labs, waar we een testautomatiseringsplatform voor toeleveringsketensystemen ontwikkelen.

Cycle is een testautomatiseringsplatform voor warehousemanagementsystemen (WMS) en aangrenzende toeleveringsketensystemen. We richten ons op zakelijke klanten die de correcte configuratie van hun WMS willen waarborgen, vooral tijdens upgrades. We richten ons ook op partners om hen te helpen Cycle-testprojecten te implementeren. Onze gebruikersgroep varieert van magazijnmanagers die zichzelf niet als testers beschouwen tot ervaren SDET's die schaalbare testsuites voor meerdere locaties bouwen.

We leveren delen van het platform via meerdere aanbiedingen. Het belangrijkste distributieproduct is een Windows-desktopapplicatie/-kit waarmee gebruikers geautomatiseerde tests kunnen schrijven en uitvoeren. We bieden ook bibliotheken met testcode om gebruikers een vliegende start te geven bij hun testontwikkeling. Daarnaast bouwen we webapps, services en infrastructuur ter ondersteuning van testontwikkeling en testuitvoering.

Ongeveer een jaar geleden begon ik serieus AI-codehulpmiddelen te gebruiken. Inmiddels omarmt mijn hele team AI om hun werkprocessen te versnellen. We bouwen ook AI-mogelijkheden in het Cycle-testplatform voor onze klanten en partners. Dat is spannend!

In de juiste handen werkt AI als een hefboom voor productontwikkeling en engineering.

Andrew deelt

AI stelt mensen in staat om meer te doen en silo’s af te breken… Deze verandering is recent en we zijn er nog steeds onze weg in aan het vinden, maar ik ben benieuwd waar we uitkomen. Tot nu toe zie ik minder wrijving, meer eigenaarschap en snellere resultaten.

Hoe AI productteams helpt silo's af te breken

AI stelt mensen in staat om meer te doen en silo's af te breken.

Voorheen was onze organisatiestructuur traditioneler: de teams voor productmanagement en engineering opereerden afzonderlijk. Inmiddels hebben we ze samengevoegd tot één team, waarbij we silo's afbreken en verantwoordelijkheden samenbrengen. We verwachten van onze engineers dat ze niet slechts "softwareontwikkelaars" zijn, maar "productontwikkelaars" die verantwoordelijkheid nemen voor het volledige probleemgebied.

Deze verandering is recent en we zijn er nog steeds onze weg in aan het vinden, maar ik ben benieuwd waar we uitkomen. Tot nu toe zie ik minder wrijving, meer eigenaarschap en snellere resultaten.

Hoe AI niet-technische teams ondersteunt

Het afbreken van silo's geldt niet alleen voor product- en engineeringteams. Het reikt verder dan die teams.

Hier is een voorbeeld. Cycle biedt een speciale programmeertaal voor het schrijven van tests. Onlangs hebben we een plug-inarchitectuur ontwikkeld waarmee testers nieuwe stappen voor de taal van Cycle kunnen maken. Voor onze plug-in-SDK zijn programmeervaardigheden in Java vereist, maar de structuur en patronen zijn eenvoudig.

Met behulp van AI-codeassistenten kunnen mensen uit onze operationele en serviceteams daadwerkelijk hun eigen plug-ins schrijven. Zelfs onze voormalige CEO, die nu uitvoerend bestuursvoorzitter is en al minstens tien jaar geen code meer had aangeraakt, heeft er met succes een gebouwd!

Waar AI effectief kan worden ingezet binnen productorganisaties

Iedereen in mijn team heeft een Claude-abonnement. De meeste mensen gebruiken het voor coderen, maar sommigen beginnen Claude Cowork te gebruiken voor documenten, API's en MCP-servers.

We laten AI ook experimenten en technische afwegingen afhandelen, omdat we nog aan het begin van deze reis staan en onze productmanagementprocessen nog minder volwassen zijn dan onze engineeringprocessen.

En ik heb AI gebruikt om gebruikersverhalen en acceptatiecriteria te bedenken die engineers rechtstreeks kunnen vertalen naar functionaliteiten wanneer het model over de juiste context en het juiste ontwikkelingsframework beschikt.

Maar ik geloof dat mensen nog steeds verantwoordelijk moeten zijn voor probleemverkenning, prioritering, routekaartplanning en UX-beslissingen.

Hoe snel prototypen met AI productprocessen verandert

Dankzij snelle experimenten met AI-ondersteund programmeren en prototypen kunnen we sneller dan ooit feedback op functionaliteiten verzamelen.

Vibe-coderen doorbreekt lange cycli van nadenken en gissen. Het team kan sneller coderen en met minder vertrouwde technologiestacks werken dan voorheen. Dat betekent dat PM's zelf prototypes kunnen bouwen en lanceren. Het betekent ook dat engineers specificaties rechtstreeks kunnen omzetten in werkende code met geautomatiseerde tests. Testers kunnen vervolgens cruciale informatie halen uit zowel de vereisten als de daadwerkelijke code.

Productmanagers hoeven dus niet langer te wachten tot engineers dingen bouwen. En we vertrouwen niet langer op meningen. We bouwen snel dingen, leggen ze voor aan klanten en krijgen onmiddellijk feedback. Van daaruit verbeteren we wat aantoonbaar succesvol is en slaan we een andere richting in voor wat niet werkt. Tot slot dragen we succesvolle prototypes over aan engineers.

Andrew deelt

Productmanagers hoeven niet langer te wachten tot engineers dingen bouwen. En we vertrouwen niet langer op meningen. We bouwen snel dingen, leggen ze voor aan klanten en krijgen onmiddellijk feedback.

Hoe AI leidt tot kritischer denken

Ik heb de tijdbesparende voordelen van AI genoemd, maar wat ik nog niet heb genoemd, is waarom die ertoe doen. Het voordeel is niet de vrijgekomen tijd zelf; het voordeel is wat we ermee kunnen doen.

Terwijl AI veel van het routinematige werk van specificaties schrijven, code schrijven en zelfs tests schrijven overneemt, kan mijn team kritischer nadenken over welke problemen we moeten oplossen. En dat leidt tot betere producten.

Waarom productleiders AI moeten stimuleren, maar het selectief moeten gebruiken

AI is meer dan een snellere manier om informatie te zoeken en vragen te beantwoorden. Het is geen Google. Het is een hulpmiddel om werkprocessen te verbeteren.

Dus dit is mijn advies: onderschat het niet. Duw de nee-zeggers en dwarsliggers aan de kant. Lobby en positioneer jezelf om het binnen jouw organisatie mogelijk te maken.

Maar belangrijk: gooi niet blind AI op alles. Gebruik je verstand. Bouw dingen die echte problemen oplossen.

Blijf op de hoogte

Je kunt het werk van Andrew Knight volgen op LinkedIn. Bekijk ook zijn blog, Automation Panda.

Er volgen meer interviews met experts op The CPO Club!