Deze werkstromen hebben dringend een AI-update nodig, zegt wereldwijde productleider

Tony Pagliocco is Associate Director Global Product Management bij Aldar, waar hij verantwoordelijk is voor productstrategie, operationele kaders en werkwijzen binnen 24 productgerichte pods.

Hij en zijn team richten zich erop AI rechtstreeks in hun productwerkstromen te integreren. Daarom gingen we met hem in gesprek om te ontdekken welke werkstromen hij momenteel optimaliseert en hoe hij zorgt voor adoptie binnen de organisatie. Dit is wat hij vertelde.

Complexe problemen op grote schaal

De afgelopen 20+ jaar heb ik digitale producten opgebouwd en opgeschaald in verschillende sectoren, van media en gaming tot luchtvaart, logistiek en nu vastgoed hier in de VAE. Ik los consequent complexe problemen op grote schaal op en bouw teams die impact leveren.

Eerder in mijn carrière was ik zeer hands-on — ik lanceerde producten en leerde hoe ik de uitvoering moest aanpakken. Vervolgens gaf ik leiding aan grotere productorganisaties en stimuleerde ik transformatie op ondernemingsniveau. Een van de meest vormende hoofdstukken was bij Boeing, waar ik leiding gaf aan productontwikkeling voor digitale platforms voor slimme fabrieken ter ondersteuning van de 777- en 787-programma's. We werkten met gegevensomgevingen van meerdere petabytes en pasten NLP en computervisie toe op werkstromen in productie en de toeleveringsketen. We bouwden systemen om problemen te voorspellen, activiteiten te optimaliseren en op wereldwijde schaal te opereren. Die ervaring heeft mijn kijk op data, platforms en nu AI gevormd.

Bij Aldar is AI diep verankerd in wat we bouwen, van platforms voor slimme steden en digitale tweelingen tot masterplanning en haalbaarheidstools. We gebruiken AI om beslissingen te simuleren, voorspellen en optimaliseren lang voordat er fysiek iets wordt gebouwd, wat de manier waarop het bedrijf opereert fundamenteel verandert.

Dit moment vormt een keerpunt. We gaan van software bouwen naar intelligente systemen bouwen — en de rol van productleiderschap verschuift van het beheren van routekaarten naar het op grote schaal orkestreren van data, AI en resultaten in de echte wereld.

Productstrategie aansturen

Vandaag de dag ben ik Associate Director Global Product Management bij Aldar en rapporteer ik aan onze directeur digitale zaken. Ik geef leiding aan productstrategie, operationele kaders en werkwijzen binnen 24 productgerichte pods.

Onze teams bestrijken een breed ecosysteem, waaronder vastgoedverkoop, detailhandel, commercieel vastgoed, woningbouw, loyaliteit en marketing, elektronische handel, gastvrijheid en IoT voor slimme steden — en ons vlaggenschipplatform, Live Aldar, vormt de basis voor dit alles. We ondersteunen zowel ervaringen voor klanten als interne platforms, met een sterke focus op het verbinden van alles tot één naadloze klantreis van begin tot eind.

Voor de uitvoering werken we met multifunctionele pods die zijn afgestemd op bedrijfsresultaten, terwijl we investeren in gedeelde platforms voor onder meer identiteit, betalingen, data en AI om binnen het ecosysteem op te schalen. Mijn rol is ervoor te zorgen dat we consistent bouwen, terwijl elk domein snel kan handelen en impact kan leveren.

Waarom AI een goede basis vereist

Tony's gedachten

Teams die moeite hebben met AI proberen het meestal boven op gebrekkige fundamenten te leggen.

Dit is het eerste wat gezegd moet worden: AI is geen functie. Het is een capaciteit die de manier verandert waarop je volledige product en organisatie functioneren.

Veel teams benaderen AI als elke andere verbetering — ze voegen een chatbot toe, automatiseren een werkstroom of verbeteren een functie. Die mentaliteit beperkt de impact. De echte verschuiving is dat AI verandert hoe beslissingen worden genomen, hoe producten worden gebouwd en hoe waarde wordt gecreëerd.

Het legt ook de fundamenten bloot. Als je data versnipperd is, je werkstromen onduidelijk zijn of je productdenken zwak is, zal AI die problemen versterken. Teams die moeite hebben met AI proberen het meestal boven op gebrekkige fundamenten te leggen.

Het echte werk bestaat uit ervoor zorgen dat AI de juiste input, structuur en beveiligingsmaatregelen heeft. Zonder deze elementen kunnen de resultaten er aan de oppervlakte goed uitzien, maar missen ze de betrouwbaarheid die nodig is voor daadwerkelijk productgebruik. Als ik dat vooraf had geweten, zou ik eerder hebben geïnvesteerd in het opschonen van data, een duidelijkere afbakening van het probleemdomein en het vaststellen van sterkere grenzen voor het gebruik van AI binnen het product.

Dat alleen al zou tijd hebben bespaard door onrealistische verwachtingen te voorkomen. Er is vaak druk om snel te handelen en AI onder de aandacht te brengen, maar zonder de juiste fundamenten doorloop je meer iteraties dan nodig — of erger nog, verlies je het vertrouwen van gebruikers.

Dus voordat ze erin duiken, moeten leiders zich afvragen: "Beschikken we over de data, het operationele model en de productdiscipline om hiervan te profiteren?"

Hoe AI het productontwikkelingsproces transformeert

Een van de grootste veranderingen die we het afgelopen jaar hebben doorgevoerd, is de overstap van statische, documentgerichte productontwikkeling naar door AI ondersteunde, continue ontdekking en levering.

Traditioneel was ons proces gebaseerd op gestructureerde artefacten — PRDs, businesscases, onderzoeksdocumenten — die veel tijd kostten om te produceren en vaak al snel verouderd raakten. We hebben AI rechtstreeks in die workflow geïntegreerd om feedback van klanten te synthetiseren, supporttickets te analyseren, eerste productvereisten te genereren en zelfs aannames tijdens de ontdekkingsfase ter discussie te stellen.

Dit veranderde de snelheid en kwaliteit van de besluitvorming. Productmanagers beginnen niet langer vanaf nul; ze beginnen vanuit inzichten. We zien snellere cycli van idee tot validatie, een betere afstemming tussen belanghebbenden en een meer datagedreven prioritering.

Het veranderde ook de manier waarop onze teams werken. In plaats van AI als een afzonderlijke tool te gebruiken, is het nu ingebed in dagelijkse workflows, of het nu gaat om het genereren van hypotheses, het samenvatten van data of het versnellen van de levering. De rol van de PM is enigszins verschoven van maker naar curator en besluitvormer.

Hoe productontdekking opnieuw kan worden ontworpen met AI

Van de volledige productlevenscyclus heeft de ontdekkingsfase echter de grootste herziening nodig.

Historisch gezien was de ontdekkingsfase traag en handmatig en leunde deze sterk op kleine steekproeven — interviews, enquêtes en beperkte data-analyse. Met AI houdt dat model niet langer stand. We kunnen nu enorme hoeveelheden feedback van klanten, gedragsgegevens en signalen vrijwel in realtime verwerken.

Maar de meeste teams voeren de ontdekkingsfase nog steeds uit alsof het 2015 is.

We begonnen met het integreren van Jira Product Discovery in onze workflow om ideeën, inzichten en prioritering beter te structureren. Dat gaf ons een solide basis, maar we versnelden pas echt toen we Rovo AI-agenten toevoegden en deze verbonden met ons bredere ecosysteem — documentatie, technische ontwerpen, Figma en andere leveringstools.

Daarnaast integreerden we continue datastromen — enquêteresultaten, feedbackloops van klanten, gegevens uit contactcenters en productanalyses — en voerden we alles naar één ontdekkingsworkflow.

In plaats van inputs handmatig aan elkaar te knopen, kunnen teams nu snel signalen synthetiseren, eerste vereisten genereren en ontdekking rechtstreeks verbinden met de uitvoering. De kloof tussen “inzicht” en “levering” is aanzienlijk kleiner geworden.

Dit leidt tot snellere cycli en een betere kwaliteit. Teams beginnen vanuit een beter geïnformeerde basis, met een sterkere afstemming tussen product, ontwerp en techniek.

Waarom AI productactiviteiten informeert, maar mensen beslissen

We zetten AI intensief in voor schaalbaarheid, snelheid en patroonherkenning — ontdekking, data-analyse en vroege ideevorming. Het is nu ons standaard vertrekpunt, geen aangename extra meer.

AI synthetiseert feedback van klanten, supporttickets en gedragsgegevens binnen enkele minuten, helpt hypotheses vorm te geven en genereert zelfs vereisten voor een eerste versie. In ons werk rond slimme steden en digitale tweelingen gebruiken we AI ook om scenario's te simuleren, zodat teams plannings- en haalbaarheidsbeslissingen kunnen verkennen voordat ze iets bouwen.

Maar we zijn heel duidelijk over waar AI stopt.

Prioritering, roadmapbeslissingen, UX-nuances en afwegingen blijven mensenwerk, omdat context, ervaring en verantwoordelijkheid daar belangrijk zijn. AI begrijpt strategie, politiek of risico niet op een betekenisvolle manier. Het kan beslissingen informeren, maar zou ze niet moeten nemen.

We gebruikten AI bijvoorbeeld om feedback van klanten en supporttickets te analyseren en zo de prioritering te sturen. Het model identificeerde patronen en bracht effectief vaak genoemde problemen aan het licht, maar het kon geen onderscheid maken tussen wat luid was en wat belangrijk was. Problemen met een geringe impact waren oververtegenwoordigd, simpelweg omdat klanten ze vaker meldden, terwijl kritiekere maar minder vaak voorkomende problemen te weinig gewicht kregen.

Ook ontbrak de context over de klantreis — waarom iets gebeurde, niet alleen dát het gebeurde. Menselijk inzicht was essentieel om het signaal correct te interpreteren.

Vanuit het perspectief van vertrouwen wezen stakeholders iets al snel af als AI iets naar voren bracht dat niet overeenkwam met hun intuïtie. Nauwkeurigheid alleen was dus niet genoeg — het moest uitlegbaar zijn en aansluiten bij de context van de echte wereld.

Waarom productmanagers voorzichtig moeten zijn met overmatige afhankelijkheid van AI

Snelheid en verwerkingscapaciteit zijn de grootste voordelen van AI. Productmanagers gaan aanzienlijk sneller van idee naar een gevalideerde richting; wat vroeger dagen aan synthese en uitwerking kostte, gebeurt nu in enkele uren. Over alle teams heen schat ik dat de snelheid in vroege ontdekkings- en documentatiecycli met 30–50% is toegenomen.

Ook de kwaliteit is verbeterd. AI helpt teams om met een beter geïnformeerde basis te beginnen, klantensignalen te verzamelen, patronen zichtbaar te maken en blinde vlekken te verminderen. Dit leidt tot betere eerste hypothesen en meer datagestuurde gesprekken met stakeholders.

Aan de andere kant is overmatige afhankelijkheid het grootste risico dat ik heb gezien. Sommige teams behandelden AI-uitvoer aanvankelijk als “antwoorden” in plaats van als input, wat leidde tot oppervlakkig denken of generieke oplossingen. We moesten teams actief coachen om in twijfel te trekken wat AI produceert en dit verder te verfijnen, in plaats van het simpelweg te accepteren.

Er bestaat ook een consistentiekloof. AI is slechts zo goed als de context die je het geeft. Sterke productmanagers halen exponentieel meer waarde uit AI, omdat ze weten hoe ze het moeten aansturen. Minder ervaren productmanagers kunnen moeite hebben of veel ruis in de uitvoer veroorzaken.

Al met al is het voordeel reëel. Snellere cycli, betere vertrekpunten — maar alleen met sterk productdenken. Anders kom je gewoon sneller bij het verkeerde antwoord uit.

Waarom volledige automatisering productmanagers teleurstelt

In het begin ging ik ervan uit dat AI op betekenisvolle wijze beslissingen over de productroutekaart kon aansturen of hoogwaardige, direct inzetbare oplossingen kon opleveren. In werkelijkheid is wat het genereert vaak nuttig als richting, maar nog steeds generiek. Het mist de bedrijfscontext, de nuances van klanten en de afwegingen die ervaren teams dagelijks maken.

Volledige automatisering is een ander gebied waarop AI de verwachtingen nog niet volledig heeft waargemaakt. AI-agenten bieden veel mogelijkheden voor het uitvoeren van werkprocessen of het vervangen van delen van de oplevering, maar in de praktijk is nog steeds intensief menselijk toezicht nodig om op schaal betrouwbaar te zijn.

De kloof ligt dus tussen verwachting en werkelijkheid. AI is ongelooflijk krachtig als versneller, maar het is geen vervanging voor productinzicht — en teams die het wel zo behandelen, raken doorgaans vrij snel teleurgesteld.

Tony's gedachten

AI is ongelooflijk krachtig als versneller, maar het is geen vervanging voor productinzicht — en teams die het wel zo behandelen, raken doorgaans vrij snel teleurgesteld.

Waarom productmanagers met AI moeten verschuiven van controle naar vertrouwen

Productkwaliteit komt niet langer voort uit strikt gecontroleerde, deterministische ervaringen. We moeten het idee loslaten dat dit wel zo is.

Traditioneel ontwierpen we producten om voorspelbaar te werken — duidelijke werkwijzen, gedefinieerde uitvoer en in kaart gebrachte uitzonderingssituaties. Met AI, en vooral met generatieve AI, introduceer je standaard variabiliteit. Dezelfde invoer leidt niet altijd tot exact dezelfde uitvoer, en dat verandert de manier waarop je over kwaliteit denkt.

Dit dwingt tot een verschuiving van “Is dit perfect gedefinieerd?” naar “Is dit betrouwbaar nuttig en blijft het binnen aanvaardbare grenzen?”

Dat is een grote verandering in mentaliteit. Je ontwerpt niet langer elke uitkomst — je ontwerpt systemen met beschermende randvoorwaarden, feedbacklussen en manieren om voortdurend te verbeteren. Het betekent ook dat je een zekere mate van imperfectie omarmt, zolang de waarde aanwezig is en de risico’s beheerst worden.

Daarom verschoof ik van controle naar vertrouwen — ik vertrouw erop dat het systeem binnen bepaalde grenzen opereert, in plaats van vooraf elke mogelijke uitkomst te proberen definiëren.

Hoe AI de dynamiek van productteams verandert

AI heeft de structuur van het team niet zozeer veranderd als wel de manier waarop het team werkt.

We hebben functies niet vervangen, maar de verwachtingen van die functies zijn wel verschoven. Productmanagers besteden minder tijd aan handmatige synthese en documentatie en meer tijd aan oordeelsvorming, prioritering en het realiseren van resultaten. De lat voor denkwerk ligt hoger.

Ook zijn sommige grenzen tussen functies vervaagd. Productmanagers staan dichter bij data, ontwerpers gebruiken AI om sneller te itereren en technici zetten AI in om de ontwikkeling te versnellen. De samenwerkingslussen zijn hechter, omdat iedereen individueel sneller kan werken.

Tegelijkertijd zien we een duidelijke kloof ontstaan: tussen mensen die weten hoe ze met AI moeten werken en mensen die dat niet weten. De teams die zich ervoor inzetten, zijn aanzienlijk productiever.

Hoe het inbouwen van AI in werkprocessen de adoptie verbetert

Adoptie is een uitdaging geweest. Niet iedereen beweegt in hetzelfde tempo. Sommigen zetten zich ervoor in, experimenteren en passen zich snel aan. Anderen aarzelen, stellen vragen of wachten tot alles perfect is voordat ze ermee aan de slag gaan — en daar wordt de kloof zichtbaar.

We hebben het gebruik van AI zichtbaar en vanzelfsprekend gemaakt — niet optioneel.

In plaats van het uit te rollen als “dit is een nieuwe tool”, hebben we het rechtstreeks in de teamactiviteiten ingebed. We hebben bijvoorbeeld onze productwerkprocessen aangepast, zodat elke ontdekkingsfase of PRD-cyclus een eerste versie met AI-ondersteuning bevatte — of het nu ging om het samenvatten van feedback van klanten, het genereren van eerste vereisten of het schetsen van hypotheses. Het werd onderdeel van het proces, geen extra toevoeging.

We stelden ook een eenvoudige verwachting: kom niet naar een beoordeling of bespreking met een lege pagina. Begin met iets dat met AI is gemaakt en laat vervolgens zien hoe je het hebt verfijnd. Dat veranderde de mentaliteit snel van weerstand naar praktisch gebruik.

Tegelijkertijd belichtten we successen — we lieten zien hoe één team de tijd voor de ontdekkingsfase halveerde of de kwaliteit van het eerste denkwerk verbeterde met behulp van AI. Die zichtbaarheid onder collega's zorgde voor momentum.

Het ging er niet om adoptie af te dwingen; het ging erom het gebruik ervan in de werkprocessen te normaliseren en de voordelen duidelijk te maken aan de hand van echte voorbeelden.

Waarom productleiders zich nu voluit voor AI moeten inzetten

Dit is mijn advies: wacht niet op duidelijkheid — zet je ervoor in en begin nu.

Dit is een moment waarop degenen die er vroeg bij zijn, zullen bepalen wat hierna komt. Je kunt aan de zijlijn blijven zitten en het analyseren, of zelf aan de slag gaan en uitzoeken hoe het werkt in echte werkprocessen. Er ontstaat al een kloof tussen degenen die elke dag AI gebruiken en degenen die er nog steeds over praten.

Wees een ambassadeur. Als je gelooft dat dit de toekomst is, handel er dan ook naar. Laat zien dat je er echt in gelooft—gebruik het in je eigen werk, daag je teams uit om het te gebruiken en bouw het in in de manier waarop je organisatie werkt. Dit gaat niet over het daarnaast uitvoeren van pilots, maar over het veranderen van de manier waarop je producten ontwikkelt.

Blijf tegelijkertijd met beide benen op de grond staan. AI vervangt het denkwerk niet. Het versterkt het. Succesvolle leiders combineren een sterk productinzicht met de bereidheid om snel te leren.

Uiteindelijk draait dit om leren. Als je nu niet actief leert, experimenteert en evolueert, raak je achterop. Zo eenvoudig is het.

Zet je er dus voor in, blijf nieuwsgierig en geef het goede voorbeeld.

Blijf op de hoogte

Je kunt meer lezen over het werk van Tony Pagliocco op tonypag.com of contact met hem opnemen via LinkedIn.

Er volgen meer interviews met experts op The CPO Club!