Productdirecteur in de technologiesector zegt dat productleiders de verkeerde vragen stellen — en de grootste kansen missen

Emrecan Dogan is CPO bij Glean. Hij bekleedde ook productleiderschapsfuncties bij Stripe en LinkedIn.

We spraken met hem om inzicht te krijgen in hoe de perspectieven van productmanagers moeten veranderen door AI. Hij zei dat de meeste teams AI nog steeds behandelen als een functie — en dat is een vergissing.

AI biedt de mogelijkheid om contextbewuste systemen te bouwen

Ik ben Emrecan Dogan, CPO bij Glean. Ik houd toezicht op product, datawetenschap, productactiviteiten en technische programma’s, en ik richt me erop teams te helpen daadwerkelijk op AI te vertrouwen voor hun dagelijkse werk.

Mijn loopbaan heeft altijd op het snijvlak gelegen van systemen, productinzicht en schaalbaarheid. Voordat ik bij Glean kwam, bekleedde ik productleiderschapsfuncties bij Stripe en LinkedIn. Ik heb ook tijd doorgebracht bij startups en in de investeringswereld, waardoor ik van dichtbij kon zien hoe platformverschuivingen plaatsvinden en hoe snel productaannames kunnen afbrokkelen wanneer nieuwe technologie levensvatbaar wordt.

AI trok me zo sterk aan omdat het niet zomaar een nieuwe functiegolf is. Het verandert de vorm van het product zelf. Jarenlang hielp software gebruikers vooral bij het navigeren door registratiesystemen. Maar AI geeft ons de kans om systemen te bouwen die context begrijpen, over hulpmiddelen heen kunnen redeneren en mensen helpen om van intentie naar uitvoering te gaan. Als productleider ben ik het meest geïnteresseerd in die transformatie.

Emrecan deelt

Jarenlang hielp software gebruikers vooral bij het navigeren door registratiesystemen. Maar AI geeft ons de kans om systemen te bouwen die context begrijpen, over hulpmiddelen heen kunnen redeneren en mensen helpen om van intentie naar uitvoering te gaan. Als productleider ben ik het meest geïnteresseerd in die transformatie.

De uitdaging van het bouwen van hulpmiddelen die zowel breed als nauwkeurig zijn

Mijn organisatie bouwt AI voor veilig werk op ondernemingsschaal: zoeken binnen de onderneming, proactieve assistenten, agents en de contextlaag die deze ervaringen helpt om de mensen, kennis, hulpmiddelen en machtigingen van een bedrijf te begrijpen.

Het product is fundamenteel horizontaal. We bouwen voor elke afdeling en elk team binnen de onderneming — van product en engineering tot verkoop en ondersteuning, en van IT, HR, financiën en juridische zaken tot nog veel meer. Ze hebben allemaal dezelfde gemeenschappelijke behoefte: mensen helpen beslissingen te nemen en werk gedaan te krijgen in een versnipperd landschap van apps, documenten, gesprekken en systemen.

We leveren dit als een SaaS-platform voor ondernemingen, ontworpen om te functioneren binnen een brede en complexe verzameling systemen en tegelijkertijd sterk rekening te houden met machtigingen, betrouwbaar te zijn en ingebed te zijn in de dagelijkse werkprocessen van gebruikers. De uitdaging — en de mogelijkheid — is iets te bouwen dat in het hele bedrijf breed toepasbaar is en tegelijkertijd nauwkeurig en relevant aanvoelt binnen de specifieke context van elk team.

Hoe AI producten verandert: van functies naar werkprocessen

We definiëren het product niet langer voornamelijk als een verzameling afzonderlijke functies. We definiëren het als een productwerkproces van begin tot eind.

Een jaar geleden dachten veel teams, waaronder het onze, nog in termen van: “Waar bevindt deze functie zich?” of “Welke pagina moet deze toepassing bevatten?” AI zette ons ertoe aan een andere vraag te stellen: “Hoe krijgt de gebruiker de taak gedaan, van intentie tot resultaat?”

Dat klinkt subtiel, maar het verandert alles. Het verandert de reikwijdte, meetwaarden, evaluatie, UX en zelfs de manier waarop teams zijn georganiseerd.

Mijn niet-conformistische standpunt: de meeste teams onderschatten nog steeds hoe ingrijpend deze verandering is. Ze gebruiken AI om een functie aan het bestaande product toe te voegen. Maar de grotere mogelijkheid is om de volledige werkkring opnieuw te ontwerpen.

In veel gevallen is de juiste vraag niet langer: “Waar plaatsen we deze mogelijkheid?” Het is: “Welke bestaande gebruikersinterface moet verdwijnen omdat het systeem het werk nu directer kan uitvoeren?”

Hoe AI productbeslissingen informeert terwijl mensen voor vertrouwen zorgen

Ik gebruik AI intensief voor synthese, verkenning en om mijn werk te versnellen. De taken omvatten:

• Feedback van klanten uit veel verschillende bronnen samenvatten
• Patronen uit gebruiks- en workflowgegevens halen
• Een PRD-structuur of opties voor de benadering opstellen
• Snel meerdere UX-richtingen verkennen
• Aannames op de proef stellen
• Eerste versies maken van artefacten voor planning, beoordelingen en communicatie

Wat expliciet menselijk blijft, is oordeelsvermogen. Veel mensen trekken de grens tussen mens en machine op de verkeerde plaats. De scheidslijn is niet dat AI werk met weinig waarde doet en mensen werk met veel waarde. De scheidslijn is dat AI het brede zoeken, comprimeren en genereren van opties moet doen, terwijl mensen verantwoordelijk blijven voor smaak, vertrouwen en onomkeerbare afwegingen.

Ik zou productgevoel nooit uitbesteden. Ik zou beslissingen over rechtenbeheer of vertrouwen nooit uitbesteden. En ik zou een model nooit de uiteindelijke beslissing laten nemen over wat er gebouwd moet worden, alleen omdat het voor meerdere opties kan pleiten.

Opties genereren is nu goedkoop. Samenhangend oordeelsvermogen niet.

Hoe AI workflows voor productplanning verbetert

Laten we onze workflow voor productplanning als voorbeeld nemen.

Ik zou kunnen beginnen met een brede vraag als: “Help me nadenken over de vraag of het de moeite waard is om dit probleem nu op te lossen.”

Vervolgens brengt het systeem feedback van klanten, eerdere interne documenten, gebruikssignalen, gerelateerd werk aan de roadmap en de concurrentiecontext samen. En ik gebruik AI om de belangrijkste patronen te synthetiseren, openstaande vragen te identificeren en een eerste versie van de productkadering op te stellen.

Daarna gebruik ik het om die kadering om te zetten in concretere artefacten: een eerste versie van de specificatie, een reeks opties, afhankelijkheden, aandachtspunten voor de lancering en actiepunten voor het team.

En in de sterkste versie van deze workflow stopt de assistent niet bij het opstellen van concepten. Het helpt de onderliggende objecten in de systemen waarin het werk plaatsvindt aan te maken of bij te werken, met een mens in de lus voordat er iets wordt vastgelegd.

De workflow beweegt van onderzoek naar synthese naar uitvoering in één doorlopende lus. Daar wordt AI veel waardevoller dan een chatbot.

Waarom AI productontwikkeling versnelt, maar vertrouwen op de proef stelt

Een positief gevolg van dit alles is dat het plafond aanzienlijk hoger ligt.

AI kan workflows comprimeren waarvoor voorheen veelvuldig wisselen tussen tabbladen, handmatige synthese en herhaalde coördinatie nodig waren. Het kan productteams sneller maken bij het komen van vraag naar context, van context naar beslissing en van beslissing naar actie. Het verhoogt ook de verwachtingen van gebruikers. Zodra mensen ervaring hebben met een assistent die hun tools, geschiedenis en machtigingen kan begrijpen, willen ze geen puntoplossingen meer die alleen beperkte vragen beantwoorden.

AI breidt de mogelijkheden dus snel uit, maar blijvende productwaarde komt nog steeds voort uit grondigheid.

Hoe ontwerpen voor vertrouwen valkuilen van AI-producten voorkomt

Een negatief gevolg is dat AI het ook eenvoudiger maakt om iets indrukwekkends uit te brengen dat nog niet betrouwbaar is. In een vroeg stadium richten veel teams zich te sterk op de waarde van demo's en te weinig op evaluatie, machtigingen, betrouwbaarheid en duidelijkheid in de UX over de functie van het systeem. Je kunt snel enthousiasme creëren, maar als de uitvoer inconsistent is of de workflow in de laatste stap hapert, verliezen gebruikers net zo snel hun vertrouwen.

Vertrouwen moet geen laag zijn die je later toevoegt. Het maakt vanaf dag één deel uit van het product.

Gebruikers stellen vrijwel direct diepgaandere vragen: Waar komt dit vandaan? Waarom deed het dat? Kan ik erop vertrouwen? Zal het machtigingen respecteren? Wat gebeurt er als het fout zit? Als je niet vroegtijdig voor die vragen ontwerpt, moet je later essentiële onderdelen van het product opnieuw bouwen.

Als ik dat eerder in mijn productleiderschap diepgaand had beseft, zou ik nog eerder hebben aangedrongen op duidelijke bronvermeldingen, betere evaluaties, meer zichtbaarheid van de voortgang en strengere controles waarbij mensen betrokken blijven.

Waarom het systeem rondom AI het belangrijkst is

AI heeft tot nu toe nog niet consistent gepresteerd op volledig autonome werkstromen met een lange looptijd, zoals veel mensen hadden gehoopt.

AI blinkt uit in afgebakende taken. De technologie wordt beter in het uitvoeren van meerdere stappen. Maar wanneer AI te maken krijgt met ambigu werk waarbij meerdere functies betrokken zijn en dat langdurige oordeelsvorming, veranderende doelen en een genuanceerd begrip van belanghebbenden vereist, is het verschil tussen een sterke demonstratie en betrouwbare waarde in productie nog steeds reëel.

AI presteert ook ondermaats wanneer teams ervan uitgaan dat het model op zichzelf het product is. In de praktijk komt de echte waarde voort uit context, machtigingen, orkestratie, evaluatie en doordacht ontwerp van werkstromen. Zonder dat omliggende systeem is het model vaak het minst onderscheidende onderdeel.

Emrecan deelt

AI blinkt uit in afgebakende taken. De technologie wordt beter in het uitvoeren van meerdere stappen. Maar wanneer AI te maken krijgt met ambigu werk waarbij meerdere functies betrokken zijn en dat langdurige oordeelsvorming, veranderende doelen en een genuanceerd begrip van belanghebbenden vereist, is het verschil tussen een sterke demo en betrouwbare waarde in productie nog steeds reëel.

Hoe AI productteams interdisciplinair maakt

AI heeft de beste teams interdisciplinairder gemaakt. De grenzen tussen PM, ontwerp, engineering, datawetenschap en productoperaties zijn minder rigide, omdat het product zelf minder rigide is.

Het bouwen van sterke AI-gebaseerde producten vereist nauwere samenwerking op het gebied van ontwerp van werkstromen, evaluatie, vertrouwen en iteratie. Ook wordt het belangrijker dat mensen kunnen schakelen tussen gebruikerservaring en systeemgedrag.

Hoe productleiders zich moeten aanpassen aan AI-gedreven verandering

Dit is mijn advies:

1. Ontwerp je werkstromen opnieuw.
2. Behandel context als een fundamentele productcomponent. Bij AI-producten zit het verschil tussen iets magisch en iets middelmatigs vaak niet in het model. Het gaat erom of het systeem op het juiste moment over de juiste context beschikt en daar veilig naar kan handelen.
3. Investeer eerder dan natuurlijk aanvoelt in evaluaties en een infrastructuur voor vertrouwen. Productleiders zijn gewend om klikken en verkoopfunnels meetbaar te maken. Bij AI moet je ook kwaliteit, onderbouwing, veiligheid, machtigingen en het succes van taken meetbaar maken. Dat is niet optioneel. De sector investeert hier nog steeds te weinig in, omdat demonstraties vernieuwing belonen en gebruikers betrouwbaarheid waarderen. Draai de gebruikelijke volgorde om: als je team nog geen evaluaties, machtigingen, bronvermeldingen en duidelijke overdrachten heeft gebouwd, ben je nog niet klaar om de ervaring op te schalen, hoe goed het model er in een demonstratie ook uitziet.
4. Wacht tot slot niet op zekerheid. Dit is het moment om te leren door te lanceren, maar wel gedisciplineerd.

Blijf op de hoogte

Je kunt het werk van Emrecan Dogan volgen op LinkedIn.

Er komen meer interviews met experts op The CPO Club!