Senior vice president Product zegt dat traditionele productmanagementpraktijken dankzij AI “precies verkeerd” zijn

Ibrahim Bashir leidde eerder productinitiatieven bij Box, Twitter, Amplitude en Amazon, en is momenteel SVP Product bij Ontra. Hij is de maker van de nieuwsbrief Run the Business.

We gingen met Ibrahim om tafel om inzicht te krijgen in hoe AI zijn organisatie — en productmanagement in het algemeen — verandert. Dit is wat hij met ons deelde.

Teams bouwen, producten opleveren en resultaten herhalen

Ik ben Ibrahim Bashir. Momenteel ben ik SVP Product bij Ontra, waar ik leiding geef aan ongeveer 60 mensen binnen productmanagement, gebruikerservaring, datawetenschap en operationele activiteiten.

Ontra is een door AI aangedreven juridisch besturingssysteem voor private markten: we automatiseren contracten, verplichtingen, entiteitsbeheer en nalevingsprocessen gedurende de volledige levenscyclus van een fonds. Onze klanten zijn voornamelijk private-equity- en durfkapitaalbedrijven, investeringsbanken, directe kredietverstrekkers en de advocatenkantoren en dienstverleners die hen ondersteunen. Alles bij elkaar werken we wereldwijd samen met meer dan 1.000 bedrijven, waaronder negen van de tien grootste private-equitybedrijven.

Ons leveringsmodel is waarschijnlijk het meest onderscheidende aspect van ons bedrijf, en het is bijzonder relevant voor dit gesprek. We leveren zowel traditionele SaaS-producten op abonnementsbasis als beheerde diensten, waarbij deskundige juridische medewerkers AI gebruiken om rechtstreeks namens klanten werkzaamheden uit te voeren.

Dankzij dit duale model kunnen we in realtime zien waar AI de volledige workflow van begin tot eind kan afhandelen en waar een mens nog betrokken moet zijn. Het biedt ons een uniek perspectief om te begrijpen hoe AI-gebaseerde producten worden gebouwd en toegepast in bedrijfskritische zakelijke omgevingen.

Voor Ontra schaalde ik het vlaggenschipproduct bij Amplitude op, breidde ik nieuwe bedrijfsonderdelen bij Box uit, bouwde ik service-infrastructuur bij Twitter en leverde ik producten binnen het Kindle-ecosysteem bij Amazon.

In al deze functies richtte ik me op drie dingen: teams bouwen, producten opleveren en resultaten herhalen. Ik schrijf ook Run the Business, een Substack voor B2B-productleiders, die ik gebruik als hulpmiddel om mijn gedachten te verduidelijken. Mijn doel is om lessen uit de praktijk, ideeën uit boeken en artikelen en raamwerken die ik door samenwerking heb opgedaan met elkaar te verbinden.

Waarom AI oude aannames over producten onjuist heeft gemaakt

Wat dit AI-moment voor mij anders maakt, is niet de ontwikkeling van modelmogelijkheden. Het is dat AI stilletjes de meeste aannames ondermijnt die ik de afgelopen tien jaar als B2B-productleider had geïnternaliseerd.

De operationele principes die ik vroeger zonder nadenken opdreunde, zijn niet precies onjuist, maar AI hervormt ze in realtime.

Neem verandermanagement. Daarbij ging het om het verkorten van de leercurve, zodat gebruikers de weerstand van een nieuw hulpmiddel overwonnen. In een AI-gebaseerd product is het hulpmiddel vaak niet moeilijk te gebruiken; de weerstand is meer existentieel — "Train ik mijn vervanger op?" Een andere grondoorzaak vraagt om een andere aanpak.

Het echte werk van productleiderschap draait momenteel dus minder om het toevoegen van AI aan de productroutekaart en meer om eerlijk te beoordelen welke van je eerdere aannames nog steeds waarde opleveren.

Ibrahim deelt

Het echte werk van productleiderschap draait momenteel dus minder om het toevoegen van AI aan de productroutekaart en meer om eerlijk te beoordelen welke van je eerdere aannames nog steeds waarde opleveren.

Waar AI de meeste ROI oplevert voor productmanagers

Ik gebruik AI voor alle aspecten van de productontwikkelingslevenscyclus, maar grootschalige synthese levert de meeste ROI op:

• Thema's uit klantgesprekken samenvatten
• Varianten van productroutekaarten genereren
• Gesprekspunten over strategie omzetten in communicatie op verschillende niveaus
• Enzovoort

Werk waarvoor oordeelsvermogen en interpretatie nodig zijn en dat weinig precedenten of context kent, vereist nog steeds voornamelijk mensen. Maar ook in deze scenario's wordt AI een goede klankbordpartner.

Hoe AI uiteenlopende productperspectieven kan verenigen

Hier is nog een voordeel: AI vereenvoudigt het proces om productperspectieven binnen een bedrijf te verenigen en op elkaar af te stemmen, waardoor de wrijving die doorgaans ontstaat naarmate een product de lancering nadert, wordt verminderd.

Teams kunnen nu veel eerder met behulp van geschreven en gevisualiseerde artefacten gemakkelijker een gedeeld begrip opbouwen van het probleem, de persona, de oplossing en de onderscheidende kenmerken, waardoor ze later in de ontwikkelingscyclus niet meer op één lijn hoeven te worden gebracht.

Hoe productleiders zich met AI kunnen voorbereiden op klantgesprekken

Wanneer ik me voorbereid op een klantgesprek, breng ik al onze aanwijzingen over het account uit verschillende systemen samen, waaronder gespreksverslagen, om een 360-gradenbeeld te krijgen van wat voor hen belangrijk is, van de voortgang met productfeedback en van de belangrijkste belanghebbenden.

De workflow omvat Claude naast tools zoals Gainsight, Gong en Snowflake.

Hoe AI de doorlooptijd van de productcyclus beïnvloedt

AI heeft me ertoe aangezet ambitieuzer te zijn en ook oude ideeën opnieuw te bekijken die eerder misschien moeilijker te verkennen waren.

Het heeft me ook ontvankelijker gemaakt voor het snel uitproberen en schrappen van productideeën. In onze sector praten we weliswaar over productkeuzes, maar we beginnen zelden aan iets dat niet wordt uitgebracht.

AI stelt ons in staat sneller te brainstormen en prototypen te maken, waardoor de doorlooptijd van idee tot lancering afneemt.

Maar daar zit ook een keerzijde aan. Productteams moeten meer ideeën in overweging nemen en erop reageren. Het bijhouden van de hoeveelheid ideeën uit het hele bedrijf maakt van elke week een soort innovatieweek.

Hoe klanten de voordelen van AI kunnen afremmen

Nu AI onze doorlooptijden heeft verkort, zijn we tegen een nieuw probleem aangelopen.

De beschikbaarheid van partners als medeontwikkelaars is nog steeds beperkt. We verkopen aan een gespecialiseerde kopersgroep, waardoor hun tijd en vermogen om deel te nemen aan bètaprogramma's beperkt zijn. Ze kunnen maar een beperkte hoeveelheid verandermanagement verwerken.

Hoewel AI dus heeft geholpen met de hoeveelheid werk, zijn we nog steeds aan het uitzoeken hoe we de uitrol en ingebruikname ervan moeten aanpakken.

Hoe AI onrealistische verwachtingen creëert

AI wekt de valse indruk dat het geschikt maken van iets voor productie eenvoudig is, waardoor de verwachtingen rond de snelheid waarmee iets wordt uitgebracht en de ingebruikname niet meer realistisch zijn.

Verwacht sneller brainstormen, maar op een bepaald moment ligt de lat voor GA anders.

Waarom de kosteneffectiviteit van AI moet worden geëvalueerd

We hebben de totale ontwikkelkosten niet besproken.

Veel mensen zien AI als een vrijwel gratis productiviteitsboost, maar uiteindelijk moet je de uitgaven aan tokens vergelijken met de personeelskosten, en de berekening valt niet altijd in het voordeel van AI uit.

Zo is Claude gebruiken om je Slack te monitoren en berichten te lezen misschien binnenkort niet meer kosteneffectief.

Waarom productleiders de handen uit de mouwen moeten steken en met AI moeten experimenteren

Ik moedig productleiders aan om een leergierige houding te behouden, nieuwsgierig te blijven en experimenteren aan te moedigen. Wees niet te gehecht aan beste praktijken uit het vorige tijdperk van softwareontwikkeling.

Ik heb goede resultaten behaald door zelf de handen uit de mouwen te steken en mijn eigen hackwerk te delen, teams te stimuleren met leuke prijzen voor creativiteit en speciale tijd vrij te maken om te experimenteren, in plaats van me voor 100% te richten op het opleveren van de routekaart.

Het is ook prima om voor hetzelfde scenario met meerdere hulpmiddelen te experimenteren. Modellen en producten ontwikkelen zich razendsnel — het is niet nodig om voortijdig beslissingen te nemen over een vaste keuze.

Ibrahim deelt

…het is prima om voor hetzelfde scenario met meerdere hulpmiddelen te experimenteren. Modellen en producten ontwikkelen zich razendsnel — het is niet nodig om voortijdig beslissingen te nemen over een vaste keuze.

Volg mee

Je kunt het werk van Ibrahim Bashir volgen op LinkedIn. Bekijk ook zijn Substack, Run the Business.

Er volgen meer interviews met experts op The CPO Club!