De productdirecteur van Zendesk dringt er bij productleiders op aan om AI op een menselijke manier te omarmen

Mirza Besirovic is Directeur Product bij Zendesk, waar hij leiding geeft aan 15 productteams die zich richten op agentische systemen.

We vroegen Mirza om ons te vertellen over zijn traject met AI-adoptie binnen de productorganisatie van Zendesk. Hij vertelde ons hoe sporadische adoptie consistenter kan worden binnen teams.

Een onconventioneel traject in productleiderschap

Twintig jaar geleden was ik poëzievertaler. Een reeks toevalligheden en keuzes leidde ertoe dat ik productleider op het gebied van AI werd.

Het technologische deel van mijn traject begon bij een netwerk voor wetenschappers waar we jaren geleden datasets bouwden voor allerlei ML-experimenten. De afgelopen 15 jaar heb ik gewerkt in reistechnologie, fintech, streaming, datawetenschap en de afgelopen jaren in conversationele AI en automatisering.

Vandaag ben ik Directeur Product bij Zendesk en geef ik leiding aan een groep van iets minder dan 15 productteams die verantwoordelijk zijn voor een portfolio rond AI-agents en agentische systemen, RAG- en retrievalplatforms, analyses, integraties en AI-gestuurde onboarding en selfservice. We zijn een gedistribueerd team dat zich voornamelijk in Europa bevindt en wereldwijd samenwerkt met ons hoofdkantoor in San Francisco, partners in APAC en klanten over de hele wereld.

Ik kwam in 2024 via de overname van Ultimate.ai bij Zendesk werken als Hoofd Product. Sindsdien hebben we een aantal generaties generatieve bots, conversationele automatiseringsproducten en een autonoom agentisch systeem gelanceerd dat miljoenen klantenservicegesprekken via tekst- en spraakkanalen automatiseert voor wereldwijde merken zoals Netflix, Vimeo, Levi's en vele andere.

In de afgelopen 18 maanden heeft mijn team AI-agents opgeschaald naar meer dan $100MM aan ARR en ons bereik uitgebreid naar alle uithoeken van de wereld.

Hoe AI rollen in productontwikkeling uitbreidt

Dankzij AI hebben we de potentiële verantwoordelijkheden van elke individuele medewerker uitgebreid: designers bouwen GitHub-repositories, PMs dienen pullrequests in en engineers nemen productbeslissingen. AI, en vooral codeeragents, heeft ieders vermogen vergroot om buiten de eigen comfortzone te stappen, te leren en aangrenzende domeinen op zich te nemen. Door deze verandering konden we hiaten overbruggen en sneller werken, terwijl we het gewenste kwaliteitsniveau behielden.

We hadden bijvoorbeeld een Figma-prototype voor een nieuwe testervaring, maar beschikten niet over een volledig gevormd team dat dit werk kon oppakken. In plaats daarvan gebruikte een van onze fantastische productdesigners haar vaardigheden en een codeeragent om een werkend product te bouwen.

Door ons team in staat te stellen betere data-analyses uit te voeren, verbeterde ook de productkwaliteit. Hoewel we nauw blijven samenwerken met datawetenschap en productanalytics, kunnen PMs veel vaker dan ooit zelfstandig analyses van hoge kwaliteit maken die productbeslissingen beïnvloeden.

Daarnaast experimenteren we met teamindelingen en organisatieontwerp. We hebben gezien dat ten minste één team van drie AI-native IC's codeeragents inzet om de output van een veel groter team te leveren.

Waar productleiders het gebruik van AI moeten beperken

Mijn team gebruikt AI gedurende de volledige productlevenscyclus.

En in mijn rol als productleider heb ik een tweede brein en een werkcopiloot opgebouwd. Wat begon als een Obsidian-kluis, is veranderd in een persoonlijke opslagplaats om ideeën te brainstormen en strategieën te ontwikkelen.

Ik synthetiseer gegevens veel sneller dan ooit tevoren, beheer gesprekken binnen een uitgebreid portfolio en ga in debat met een strategische sparringpartner die verschillende vooraf getrainde rollen vervult, geheugen behoudt en mijn werkstijl begrijpt.

Mirza zegt

Ik beperk het gebruik van AI als het om mensen gaat: sommige dingen vereisen nu eenmaal een menselijke benadering.

Maar ik beperk het gebruik van AI als het om mensen gaat: mijn team, hun ontwikkeling, loopbaangroei en onze werkrelatie. Hoewel ik mijn copiloot misschien vraag om verslag te doen van activiteiten (op basis van interne systemen), vertrouw ik op het goede oude menselijke instinct om mijn team leiding te geven en te ontwikkelen.

Sommige dingen vereisen nu eenmaal een menselijke benadering.

Waarom vroege resultaten met AI positief zijn

Sommige teams hebben de ontwikkelsnelheid 3-4x verhoogd — maar dit zijn vroege resultaten die statistisch nog niet significant zijn. We wachten nog op een verband tussen de verhoogde output en snelheid enerzijds en achterlopende indicatoren en resultaten op lange termijn anderzijds voordat we een oordeel vellen.

De vroege kwalitatieve signalen zijn eveneens positief: beslissingen over UX van hogere kwaliteit, beter onderzoeksmateriaal, een snellere doorlooptijd en minder overdrachten tussen teams. AI fungeert meer dan verwacht als organisatorische verbindende factor. Persoonlijk stelt het me in staat om over een groter portfolio heen te werken en het overzicht te behouden.

Wat te doen wanneer de AI-adoptie ongelijk verloopt

Dat gezegd hebbende verloopt de adoptie ongelijk en is AI nog geen gemeengoed of volledig ingeburgerd. Net als iedereen staan we aan het begin van die veelbesproken productiviteitsreis naar 10x. De verandering is niet zo snel gegaan als de hype doet vermoeden, omdat verandering een menselijke aangelegenheid is. Veel mensen moeten nog worden bijgeschoold en AI in hun workflows integreren. Dat kost tijd.

We hebben een paar dingen gedaan om de adoptie consistenter te maken:

• Een interne AI-gateway gebouwd die iedereen toegang geeft tot een reeks codeeragenten, via een TUI of een gebruiksvriendelijkere browserversie, die beide voldoen aan ons interne informatiebeveiligingsbeleid
• Een AI-productgilde en verschillende uitwisselingsformats, programma's en bijeenkomsten over generatieve AI gestart om te laten zien hoe mensen AI gebruiken, welke tools ze bouwen en welke problemen ze oplossen
• Workflows voor het produceren van levenscyclusartefacten zoals PRD's, prototypes enzovoort opnieuw gaan ontwerpen, zodat ze met codeeragenten kunnen werken
• Een reeks MCP's en integraties gebouwd om teams in staat te stellen verbinding te maken met interne systemen en veilig en conform de voorschriften toegang te krijgen tot gegevens

En hier zijn enkele tips:

• Zorg voor gelijke toegang voor technische en niet-technische mensen: tokens, CLI, desktopapps.
• Stimuleer diversiteit in LLM's, agenten en tools. Laat je team experimenteren om te ontdekken wat het beste werkt in jullie omgeving.
• Hiervoor is budget nodig. Regel dat budget en werk samen met je technische tegenhangers aan een plan. Bereid je voor op betrokkenheid van Finance en Operations, aangezien AI een operationele uitgave wordt en geen IT-kostenpost meer is.
• Delen is geven. Laat je team hun werk presenteren.
• Help om de boel op gang te brengen. Bouw zelf artefacten en workflows om repetitieve PM-taken op te lossen, zoals het opstellen van productbriefings en strategiedocumenten.

Waarom productteams technisch moeten worden

Ik ben er steeds meer van overtuigd dat PM's technischer moeten worden.

Vroeger dacht ik dat een algemene kennis van basistermen en -concepten uit softwareontwikkeling voldoende was. Maar door AI ben ik nu van mening dat we allemaal technischer moeten worden. Dat betekent niet dat goede productmensen niet uit allerlei achtergronden kunnen komen. Ik ben opgeleid als taalkundige en was vóór mijn tijd in de technologiesector poëzievertaler.

Maar we moeten een meer universalistische benadering van leren hanteren. Technisch zijn is niet hetzelfde als ontwikkelaar worden. Het gaat echter wel om nieuwsgierigheid, begrijpen wat de productervaringen die we bouwen aandrijft, experimenteren en een makersmentaliteit aannemen. Het is namelijk nog nooit zo gemakkelijk geweest om alles over technologie te leren.

Hoe een tweede brein productleiders kan helpen

Het tweede brein dat ik eerder noemde, is een persoonlijke OS op basis van AI die me helpt om als productdirecteur binnen mijn hele organisatie te werken, waarbij Claude Code als belangrijkste interface fungeert.

De invoer stroomt erin en het verwerkt de hele pijplijn: transcripten verwerken, kennis extraheren en deze vergelijken met een omvangrijke verzameling geheugenbestanden.

Het systeem bepaalt wat prioriteit heeft, brengt afhankelijkheden in kaart en verwerkt relevante gegevens vooraf in formats die zijn afgestemd op het publiek. Bijvoorbeeld informele opsommingstekens in Slack voor mijn team, gestructureerde updates voor het management of verhalende alinea's voor strategiedocumenten. In feite vervangt het systeem wat traditioneel een stafchef en een analist zou vereisen.

Het houdt mijn takenlijst bij, volgt strategische thema's die ik beheer en vat een uitgebreide leesachterstand samen tot geïndexeerde referenties, zodat ik mijn tijd effectief kan prioriteren. Ik gebruik mijn tweede brein om lopend werk bij te houden en enorme hoeveelheden gegevens snel samen te vatten wanneer ik direct informatie nodig heb.

De actualiteit en kwaliteit van gegevens zijn voortdurende aandachtspunten. Verouderde gegevens kunnen werkstromen die door grote taalmodellen worden aangestuurd vertekenen en negatieve resultaten opleveren. Ik filter, schoon en onderhoud binnenkomende gegevens, maar omdat ik ook verbinding maak met systemen van derden waarover ik niet altijd controle heb, bouw ik kwaliteitscontroles in voor de uitvoer. Een regel die ik mensen heb horen noemen, is dat je moet weten welke uitvoer je wilt voordat je het systeem invoer geeft, en dat je dienovereenkomstig moet testen. Niet bepaald waterdicht, maar met voldoende gesleutel aan instructies en geheugen levert het systeem een voldoende hoge kwaliteit.

Ik ben inmiddels op het punt gekomen waarop ik kan vertrouwen op 80-90% van de uitvoer die mijn tweede brein levert.

Waarom productleiders en hun teams met AI moeten experimenteren

Dit is mijn advies aan CPO's:

1. Omarm het. Begin AI te verkennen in je werk en privéleven. Begin met het bouwen van een persoonlijke copiloot, structureer je gegevens, laat het over die gegevens redeneren en ontdek nieuwe patronen. Start zijprojecten en bouw dat idee uit dat je al jaren hebt. Productleiders zijn van nature creatieve knutselaars, maar velen van ons begonnen niet als ingenieur, waardoor we ons altijd beperkt voelden. Dat is snel en drastisch veranderd.
2. Verplicht de invoering van AI niet zonder hulpmiddelen, middelen of structurele ondersteuning. Als je dat wel doet, vecht je in feite tegen windmolens. Enthousiastelingen komen er met of zonder jou wel, maar de rest van de organisatie zal achterop raken.
3. Houd je team in de gaten en ondersteun hen tijdens deze reis. Er bestaan veel zorgen en bezwaren, om nog maar te zwijgen over de angstzaaierij op LinkedIn, over wat de komst van AI betekent voor productmanagers en andere mensen in de technologie en het bedrijfsleven. Voer eerlijke gesprekken met je team en help leerplannen vorm te geven. Ik wil meer doen om mijn team te helpen meer tijd vrij te maken voor nadenken, experimenteren en uitproberen.
4. Je moet zorgvuldig omgaan met beveiliging. Bovendien maakt de snel stijgende kostprijs van door je gebruikers gegenereerde AI-uitvoer snel een einde aan de token-huwelijksreis.

Mirza stelt

Verplicht de invoering van AI niet zonder hulpmiddelen, middelen of structurele ondersteuning. Als je dat wel doet, vecht je in feite tegen windmolens. Enthousiastelingen komen er met of zonder jou wel, maar de rest van de organisatie zal achterop raken.

Volg hem

Je kunt het werk van Mirza Besirovic volgen op LinkedIn, via zijn nieuwsbrief You Are The Product en op zijn website.

Er volgen meer interviews met experts op The CPO Club!