Jak dostosować się do nowego złotego standardu zarządzania produktem

Przeczytaj transkrypcję:

Próbujemy transkrybować nasze podcasty za pomocą programu komputerowego. Wybaczcie ewentualne literówki, ponieważ bot nie jest poprawny w 100% przypadków.

Hannah Clark: Wraz z rozwojem technologii zmieniają się również nasze zachowania. W przeszłości takie zmiany wydawały się dość stopniowe. Na przykład zamiast składać CV osobiście, zaczęliśmy aplikować przez internet. Jednak w czasach gwałtownych zmian technologicznych osoby zajmujące się produktem znajdują się w samym środku całkowitej transformacji. Nie tylko dostosowujemy się do nowych zachowań jako użytkownicy, ale także do zupełnie nowych standardów dotyczących sposobu, w jaki pracujemy.

I bądźmy szczerzy — czasami ta zmiana przypomina budowanie spadochronu dopiero po wyskoczeniu z samolotu. Jak więc zbudować przyzwoity, metaforyczny spadochron, kiedy już jesteś zdezorientowany i nie ma żadnej formalnej instrukcji, która mogłaby cię poprowadzić? Dobrym początkiem jest rozejrzenie się za skoczkami, którzy potrafili wykorzystać te same materiały, które masz ty, i znaleźli sposób, by latać.

Moim dzisiejszym gościem jest dr Maryam Ashoori, wiceprezes ds. produktu i inżynierii w IBM Watsonx. Dr Ashoori — która zapewniła mnie, że mogę po prostu mówić do niej Maryam — od ponad 20 lat pracuje w obszarze sztucznej inteligencji. Choć niewiele osób znajdowało się bliżej czołówki tej technologii niż ona, dopiero niedawno zaobserwowała ogromną zmianę w zachowaniach wysoko wydajnych osób zajmujących się produktem. Jeśli więc chcesz skorzystać z podręcznika zespołu produktowego znajdującego się najbliżej jednych z najważniejszych osiągnięć w historii sztucznej inteligencji, ten odcinek może cię zainteresować. Zaczynajmy.

A tak przy okazji — co tydzień prowadzimy rozmowy takie jak ta. Jeśli brzmi to dla ciebie interesująco, może warto zasubskrybować? Dobrze, zaczynajmy.

Witamy ponownie w podcaście menedżera produktu. Jest dziś ze mną dr Maryam Ashoori. Jest wiceprezesem ds. produktu i inżynierii w IBM Watsonx.

Maryam, bardzo się cieszę, że możemy porozmawiać. Jak się dziś masz?

Maryam Ashoori: Mam się dobrze. A ty?

Hannah Clark: Świetnie. Bardzo się cieszę, że możemy rozpocząć tę rozmowę, i zaczniemy tak, jak zawsze.

Czy możesz opowiedzieć nam trochę o swoim doświadczeniu i o tym, jak dotarłaś do miejsca, w którym jesteś dzisiaj?

Maryam Ashoori: Oczywiście. Od ponad 20 lat pracuję w obszarze sztucznej inteligencji, w wielu różnych dziedzinach. W trakcie swojej kariery pracowałam jako projektantka, tworząc systemy oparte na sztucznej inteligencji z myślą o użytkowniku. Pracowałam także jako inżynierka, dostarczając dane i optymalizację do budowanych przez nas systemów.

Byłam badaczką AI, przesuwającą granice tego, co sztuczna inteligencja może robić, a ostatecznie znalazłam swoje miejsce w obszarze produktu, łącząc wszystkie te perspektywy, aby rozwiązywać właściwe problemy. Niedawno — a dokładniej w ciągu ostatnich dwóch lat, wraz z rozwojem generatywnej AI — znajdowałam się w czołówce projektowania i budowania tego, co jest kolejnym etapem rozwoju AI, czyli podstawowej platformy IBM dla generatywnej AI w przedsiębiorstwach.

Praca od podstaw połączyła wszystko, co kocham: od definiowania strategii na szybko zmieniającym się rynku, przez poruszanie się po kwestiach prawnych i etycznych, aż po pracę z nową dziedziną, taką jak generatywna AI, ze wszystkimi związanymi z nią ograniczeniami. Wszystko po to, by zbudować coś użytecznego, co rozwiązuje rzeczywisty problem.

W trakcie tej pracy zrozumiałam, że odpowiedzialna AI jest kluczowym elementem, nad którym musimy ściśle pracować i który musimy uwzględniać w projektowaniu. Doprowadziło mnie to do obecnej roli, w której kieruję produktem i inżynierią w obszarze zarządzania sztuczną inteligencją.

Hannah Clark: To dla nas ogromny zaszczyt, ponieważ AI jest jednym z najważniejszych tematów, o których rozmawiamy. Fascynujące jest móc rozmawiać z kimś, kto pracuje w tej dziedzinie znacznie dłużej, niż jest ona obecna w publicznej debacie w obecnej formie. Dziś skupimy się jednak konkretnie na roli zarządzania produktem i na tym, jak ewoluuje ona wraz z pojawieniem się narzędzi i przepływów pracy opartych na AI.

To temat bardzo bliski twojej dziedzinie. Chciałabym, abyś zaczęła od opowiedzenia nam o niektórych zmianach, które obserwujesz w IBM Watsonx, oraz o tym, co te zmiany sygnalizują na temat przyszłości tego zawodu.

Maryam Ashoori: Wyróżniłabym dwie kwestie.

Pierwsza dotyczy samego zawodu, a druga produktów tworzonych przez menedżerów produktu. Zacznijmy od pierwszej. Bez wątpienia nastąpiło ogromne przyspieszenie w obszarze produktywności, które generatywna AI wnosi do codziennej pracy menedżera produktu. Jeśli spojrzę na moich własnych menedżerów produktu, widzę, że tworzą oni oprogramowanie poprzez intuicyjne opisywanie tego, co chcą zbudować.

Jeszcze rok temu tego nie robili. Gdybym chciała, aby stworzyli dokument wymagań produktu, współpracowali z projektantami nad makietami, następnie z inżynierami nad prototypem, a potem wrócili i zaprezentowali pomysł, zajęłoby to dużo czasu. Teraz budują coś w mniej niż 24 godziny i pokazują mi w pełni rozwinięty, funkcjonalny produkt, a ja pytam: na co właściwie patrzę?

Czy to jest prawdziwy produkt, czy makieta, którą budujecie? Pokazuje to, jak zmienia się ten zawód dzięki wykorzystaniu AI. Na każdym poziomie chodziło początkowo tylko o przyspieszenie testowania pomysłu. Można jednak również myśleć o generowaniu dokumentów wymagań produktu za pomocą AI, aby wspierać burzę mózgów i ocenę wielu dostępnych opcji.

Po stronie produktu ci menedżerowie produktu są odpowiedzialni za budowę produktu rozwiązującego konkretny problem. Istnieje duża szansa, że taki produkt może skorzystać z przyspieszenia zapewnianego przez generatywną AI. Dlatego menedżerowie produktu muszą dogłębnie rozumieć, w jaki sposób ta technologia może pomóc ich produktowi i ich własnej pracy oraz przyspieszyć to, co budują.

Hannah Clark: Myślę, że jest to obecnie bardzo interesująca kompetencja, ponieważ sytuacja szybko się zmienia. Nie ma zbyt wielu formalnych programów edukacyjnych, które nadążałyby za tempem zmian. Na podstawie tego, co obserwujesz w swoim zespole i w całej branży, jakie są sposoby, dzięki którym menedżerowie produktu chcący pozostać konkurencyjni mogą nadążać za luką w produktywności?

Jak możemy rozwijać nasze umiejętności?

Maryam Ashoori: Wspomniana przez ciebie słabość stanowi szansę. Całe to przyspieszenie w pewnym momencie stanie się normą. Metafora, o której ciągle myślę, dotyczy kalkulatora. Wiele lat temu ludzie wykonywali obliczenia ręcznie. Pamiętam nawet, że w szkole kalkulator był zakazany, ponieważ chciano, abyśmy liczyli samodzielnie.

Później jednak przekroczyliśmy tę granicę i doszliśmy do momentu, w którym można było przejść do rozwiązywania innych problemów zamiast wykonywania ręcznych obliczeń. To ta sama metafora i ten sam sposób myślenia. Od przyszłych menedżerów produktu oczekuje się skutecznego wykorzystywania AI w pracy, ale obecnie trwa okres przejściowy. Osoby, które go wykorzystają, mogą stworzyć dla siebie szansę na wyprzedzenie innych.

Ta słabość jest więc w rzeczywistości dobrą okazją. Niedawno przeprowadziliśmy badanie obejmujące tysiąc osób, koncentrując się na przyspieszeniu produktywności, które uzyskujemy dzięki AI. Zadaliśmy im jedno proste pytanie. Byli to twórcy aplikacji AI skoncentrowani na rozwiązaniach dla przedsiębiorstw w Stanach Zjednoczonych.

Zapytaliśmy: czy korzystacie ze wspomaganego przez AI tworzenia kodu? 38% odpowiedziało, że często. Zapytaliśmy więc: ile czasu dzięki temu oszczędzacie? 41% odpowiedziało, że od jednej do dwóch godzin dziennie. 4% wskazało ponad cztery godziny. Co to oznacza?

Niezależnie od roli, jeśli wiesz, jak skutecznie korzystać z AI i sprawić, by pracowała dla ciebie, możesz odblokować wiele nowych sposobów myślenia, również w zarządzaniu produktem, których dotąd nie badaliśmy. Uważam, że jest to prawdziwa szansa, jaką ta technologia stwarza dla menedżerów produktu.

Hannah Clark: Zgadzam się. Szczególnie tworzenie oprogramowania poprzez opisywanie efektu łączy wiele różnych umiejętności charakterystycznych dla doświadczonego menedżera produktu i pozwala stworzyć coś, co może być punktem wyjścia znacznie wyprzedzającym same dokumenty wymagań produktu, od których zaczynalibyśmy rok czy dwa lata temu.

Skoro myślimy o narzędziach związanych z AI — wspomniałaś o tworzeniu oprogramowania poprzez opisywanie efektu. W jednej z wcześniejszych rozmów zauważyłaś, że budowa aplikacji AI zwykle wymaga wielu narzędzi, około sześciu do piętnastu. Jeśli mamy ograniczone doświadczenie w dziedzinie AI, jak zaleciłabyś podejście do wyzwania polegającego na zrozumieniu i koordynowaniu złożonych stosów technologicznych, szczególnie teraz, gdy narzędzia stały się bardziej złożone i zaawansowane?

Maryam Ashoori: Powiedziałabym, że należy spojrzeć na tę kwestię z dwóch stron: technologicznej i ludzkiej. Jeśli patrzysz wyłącznie na technologię, ta dziedzina rozwija się bardzo szybko. Jako menedżer produktu prawdopodobnie masz mniej niż dwie godziny na poznanie nowej rzeczy, która pojawia się na rynku, i podjęcie decyzji, czy jest ona przydatna i warto poświęcić więcej czasu na włączenie jej do produktu, czy też należy potraktować ją jako szum i pozostawić poza nim.

Ograniczony czas, zmieniający się rynek i ograniczone doświadczenie w dziedzinie AI. Jako menedżer produktu prawdopodobnie nie masz tak głębokiej wiedzy o AI jak badacz sztucznej inteligencji, który poświęcił tej dziedzinie wiele lat. Musisz więc zrozumieć, jak oceniać sytuację i dostępne technologie. Jeśli polegasz wyłącznie na narzędziach, pomijasz stronę ludzką i osoby, które mogą ci pomóc dzięki swojej wiedzy.

Po stronie ludzkiej najlepszej pomocy możesz szukać u partnerów z działu inżynierii oraz u partnerów badawczych, a w niektórych firmach — u naukowców. Rozumieją oni, jak rozwija się ta dziedzina i jaką wartość dana technologia może mieć w zastosowaniu, które rozważasz.

Jeśli spojrzysz na całą dziedzinę, granica między rolami i odpowiedzialnością zaczyna się zacierać, szczególnie między inżynierami a menedżerami produktu. Historycznie mówiliśmy, że na jednego menedżera produktu powinno przypadać od pięciu do dziesięciu inżynierów. Miesiąc temu usłyszeliśmy Andrew Nga, który powiedział, że jego zespół zaproponował jednego menedżera produktu na każde 0,5 etatu inżyniera, czyli więcej menedżerów produktu. Nie twierdzę, że jest to właściwa proporcja, ale pokazuje to, że zmieniają się granice między rolami i odpowiedzialnością, a wraz z nimi wiedza potrzebna do zbudowania właściwego produktu.

Moja rada dla menedżerów produktu brzmi: skoncentrujcie się na budowie właściwego produktu. Gdy już go zdefiniujecie, możecie przekazać tę definicję ludzkim lub opartym na AI partnerom i sprawić, by pracowali dla was. Najważniejsze jest jednak prawidłowe zrozumienie i zdefiniowanie problemu.

Hannah Clark: To właśnie wyzwanie, które wszyscy próbujemy zrozumieć: jaka powinna być równowaga między zakresem, w którym chcemy polegać na narzędziach, a zakresem, w którym wykorzystujemy własną wiedzę i wiedzę osób, z którymi współpracujemy.

Kiedy myślimy na przykład o ocenie technologii AI pod kątem planu rozwoju produktu, jakich kryteriów używasz, aby odróżnić narzędzia warte inwestycji od tych, które mogą zniknąć za sześć miesięcy?

Maryam Ashoori: Widuję osoby, które gonią za rozwiązaniami zamiast rozwiązywać problemy.

Dobrym przykładem jest ktoś, kto przyszedł do mnie i powiedział: pod koniec roku chcę dodać do mojego produktu dwóch agentów. Odpowiedziałam: chwileczkę — dwóch agentów do czego dokładnie? To dla mnie przykład gonienia za technologią i zastanawiania się, jak ją wdrożyć, zamiast dobrego zrozumienia problemu, który próbujesz rozwiązać, oraz tego, czy nowe narzędzie AI jest rozpraszaczem, czy rzeczywistą korzyścią dla produktu.

Od tego bym zaczęła, ponieważ wtedy masz ramy i perspektywę, które pozwalają ocenić wartość każdej technologii pojawiającej się na twojej drodze. Następnie możesz zdecydować, czy chcesz przeznaczyć więcej zasobów lub czasu na jej ocenę.

Hannah Clark: To przypomina rozmowę, którą niedawno przeprowadziłyśmy podczas panelu z Thomasem Stokesem, współdyrektorem Drill Bit Labs. Zajmuje się on intensywnie badaniami doświadczeń użytkownika i mówił o podobnych odczuciach — obserwujemy pojawienie się myślenia skoncentrowanego najpierw na rozwiązaniu: jak wykorzystać AI, zamiast najpierw pomyśleć o problemie.

To dobry moment, aby wielu z nas wróciło do podstaw i pamiętało, że technologia jest bardzo ekscytująca i ma oczywiście wiele zastosowań, ale nadal musimy myśleć w kategoriach „najpierw problem”, aby mieć pewność, że wykorzystujemy ją w sposób trafny i rzeczywiście rozwiązujemy sedno problemu.

Jak w IBM zachowujecie równowagę między budowaniem możliwości AI wewnątrz firmy a przyjmowaniem rozwiązań zewnętrznych? Wiem, że jesteście pionierami w tej dziedzinie, dlatego bardzo interesuje mnie, jak podchodzicie do tego zagadnienia.

Maryam Ashoori: Nie powiedziałabym, że to problem. To szansa na zwiększenie skali własnych działań, szczególnie w przypadku generatywnej AI.

Wystarczy spojrzeć na to, co dzieje się poza firmą, również w obszarze otwartego oprogramowania. Innowacje pochodzą ze środowiska akademickiego, przemysłu, a także od programistów, którzy tworzą coś samodzielnie jako projekt z pasji. Pochodzą z każdego źródła. Jeśli ograniczysz się do budowania wszystkiego we własnym zakresie, ograniczasz dostęp do innowacji, które mogłyby być dla ciebie dostępne.

W każdym obszarze, na którym się koncentrujemy, zwykle sprawdzamy, jaka jest wartość wykorzystania naszych wewnętrznych możliwości. Na przykład mamy dostęp do 2500 osób w IBM Research, które żyją najnowszą technologią i oddychają nią. Często z nimi rozmawiam, aby zrozumieć, nad czym pracują i co może przynieść korzyść produktowi.

Jednocześnie prowadzę takie same rozmowy z partnerami na rynku, a nawet ze społecznością — z wybranymi osobami, które ją kształtują — aby dowiedzieć się, w jakim kierunku ich zdaniem zmierza rynek w ciągu najbliższych trzech miesięcy i jak możemy wspierać działania społeczności.

Poświęcam też czas w kalendarzu na wyszukiwanie przypadkowych wiadomości, które pojawiają się w różnych miejscach. To właśnie tam można znaleźć pełnych pasji programistów budujących coś i publikujących to, co nie znajduje się w centrum uwagi dużych firm ogłaszających najważniejsze funkcje. Dzięki tym kanałom zyskujesz widoczność i kontakt z szerokim spektrum technologii pojawiających się na rynku.

Następnie wracam do pytania, jaki problem próbuję rozwiązać, i sprawdzam, jaki jest koszt oraz korzyść pozyskania danej technologii od firmy, społeczności albo konkretnych programistów. Być może mogę ich zatrudnić albo zrobić coś innego, aby włączyć ich rozwiązanie. Wtedy mogę podjąć świadomą decyzję.

Hannah Clark: To bardzo całościowy sposób patrzenia na podejmowanie takich decyzji. Skoro mówimy o decyzjach, chciałabym przejść do perspektywy przywództwa. Jako osoba kierująca zespołem, jakich nowych umiejętności i kompetencji szukasz podczas rekrutacji menedżerów produktu?

Nawet w porównaniu z sytuacją sprzed roku, gdy technologia była nowsza?

Maryam Ashoori: Ponownie zaczęłabym od problemu, który próbuję rozwiązać poprzez zatrudnienie danej osoby. Zwykle analizuję umiejętności osób w zespole i identyfikuję lukę, ponieważ zazwyczaj rekrutujemy właśnie po to, aby ją wypełnić. Następnie zadaję sobie pytanie: czy pewnego dnia chciałabym raportować tej osobie?

Jeśli chcesz kogoś zatrudnić, powinna to być osoba, która wie więcej, wypełnia zidentyfikowaną lukę i jest ekspertem w konkretnej dziedzinie, do której ją rekrutujesz. Potem zejdź jej z drogi. Daj jej autonomię, aby mogła dostarczyć rezultat, ponieważ powinna być w tym naprawdę najlepsza. Takie podejście przyjmuję: najpierw rozumiem luki, a następnie je wypełniam.

Nie myślę: mam menedżera produktu i projektanta. Patrzę konkretnie: ta osoba świetnie radzi sobie z wejściem na rynek i rozmowami z klientami, inna doskonale zna rozwój przestrzeni oprogramowania jako usługi, a kolejna ma jeszcze inną mocną stronę. Patrzysz więc na umiejętności, a nie na tytuły.

Próbujesz zidentyfikować tę umiejętność i znaleźć najlepszą osobę, którą możesz dołączyć do zespołu, aby ją zapewnić.

Hannah Clark: To bardzo interesujące, ponieważ mam wrażenie, że jest to również zmiana sposobu myślenia o dodatkowych doświadczeniach danej osoby, jej scenariuszach, kontaktach i innych aspektach, które ją wyróżniają, a nie tylko o kwalifikacjach.

To wyraźne odejście od wcześniejszego sposobu rekrutacji, kiedy skupialiśmy się na bardzo konkretnych umiejętnościach twardych, certyfikatach i kwalifikacjach. Teraz wydaje się, że większe znaczenie ma szerokość doświadczenia danej osoby oraz unikalne rzeczy, które wnosi jako jednostka.

Czy powiedziałabyś, że to trafna obserwacja?

Maryam Ashoori: Tak. Myślę, że wspólną cechą większości osób, które zatrudniałam w ciągu ostatnich dwóch lat, w erze generatywnej AI, jest pełny zestaw określonych cech. Po pierwsze — ciekawość. Pokaż, że interesuje cię kierunek rozwoju tej dziedziny, zaangażuj się, badaj i buduj.

Po drugie — bądź osobą techniczną i naprawdę rozumiej, co się dzieje. Widziałam menedżerów produktu, którzy określali się jako osoby odpowiedzialne za wejście na rynek w przeciwieństwie do technicznych menedżerów produktu. Mówię wtedy: chwileczkę. Mamy erę AI. Musisz bardzo dobrze rozumieć, jak może ona pomóc twojemu produktowi i tobie.

Jeśli nie potrafisz na to odpowiedzieć, być może jesteś na niewłaściwym stanowisku.

Hannah Clark: Zgadzam się. To, co powiedziałaś o tym, czy chciałabyś kiedyś raportować danej osobie, przypomina mi rozmowę z Włoszką o imieniu Kova z Atlassian, którą przeprowadziłam półtora roku temu. Rozmawiałyśmy o podobnej kwestii dotyczącej cech, których szuka u kandydata.

Jedna rzecz szczególnie utkwiła mi w pamięci: jeśli pytam tę osobę, kogo podziwia, czy kiedykolwiek wspomina o kimś, kto był od niej mniej doświadczony? Uważam, że to bardzo interesujące — szukanie cech pokazujących, jak dana osoba współpracuje i okazuje szacunek wszystkim kompetencjom w hierarchii.

Szczególnie teraz jest to dobra okazja, by sprawdzać, jak ktoś współpracuje z innymi, biorąc pod uwagę, że sama technologia ma bardzo współpracujący charakter. To fascynujące. Wspomniałaś wcześniej, że dwa kluczowe obszary, w których AI wpływa na zarządzanie produktem, to ulepszanie istniejących produktów i poprawa osobistej produktywności.

Porozmawiajmy teraz o ulepszaniu istniejących produktów za pomocą AI, ponieważ dotknęłyśmy tego tylko krótko. Jakie naprawdę znakomite zastosowania widziałaś w obu tych obszarach? Jestem pewna, że masz mnóstwo przykładów.

Maryam Ashoori: Istnieje wiele sposobów wprowadzania AI do produktów. Po pierwsze, możesz być dostawcą tej technologii dla świata. Na przykład platforma, którą buduję, pakuje duże modele językowe, narzędzia i wszystko, czego potrzebujesz, a następnie oferuje to innym rolom, aby mogły na tym budować.

To jeden ze sposobów myślenia o tym: dostarczanie platformy na rynek, aby pomagać w budowaniu aplikacji. Drugi sposób to tworzenie aplikacji wzbogaconych o AI. Niezależnie od tego, jaki masz produkt, możesz zastanowić się, jak wykorzystać AI do wzbogacenia niektórych istniejących funkcji i skorzystać z przyspieszenia.

Może to być jedno z bezpośrednich zastosowań odblokowanych przez generatywną AI, takich jak klasyfikacja informacji, wyodrębnianie danych, odpowiadanie na pytania, obsługa klienta, chatboty, generowanie treści czy generowanie kodu. Może to być również automatyzacja, na przykład agenci. Możesz połączyć wszystkie wspomniane zastosowania za pomocą wywoływania funkcji z każdym przepływem pracy w firmie.

Jak wprowadzić tę efektywność do produktu, aby stworzyć lepszy produkt? To druga kategoria. Trzecia kategoria to tworzenie nowej kategorii produktów napędzanych przez duże modele językowe. Przykładem są wszystkie dostępne technologie wspomaganego tworzenia kodu. Za kulisami działa duży model językowy, a ty wykorzystujesz go do pomocy programistom w tworzeniu oprogramowania poprzez opisywanie efektu.

To bardzo dobry przykład nowych obszarów możliwości. Czwarta kategoria dotyczy usług. Wyzwanie edukacyjne, o którym wspomniałaś w kontekście menedżerów produktu, nie jest wyjątkowe dla tej roli. Dotyczy całego rynku — przedsiębiorstw i konsumentów. Każdy musi zdobywać wiedzę, aby podejmować lepsze decyzje związane z AI. Stanowi to szansę dla usług.

Jeśli znasz tę dziedzinę, możesz pomóc innym wybrać właściwy model do właściwego zastosowania i podejmować lepsze decyzje. Są to więc cztery różne obszary możliwości dla menedżerów produktu, a sposób podejścia zależy całkowicie od tego, na którym obszarze się koncentrujesz.

Hannah Clark: Szczególnie interesuje mnie ta czwarta kategoria usług. Zauważyłam również trend, w którym menedżerowie produktu przechodzą do obszaru usług lub edukacji. Widzę prawdziwy wysyp byłych menedżerów produktu oferujących kursy na platformie Maven. Wygląda na to, że istnieje ogromne zapotrzebowanie na wykorzystanie tej szansy, zwłaszcza że narzędzia do tworzenia oprogramowania poprzez opisywanie efektu udostępniły kodowanie i programowanie niemal każdemu.

Widzę wyraźny trend polegający na tym, by oferować inne usługi i pomagać ludziom tworzyć rozwiązania dopasowane konkretnie do ich potrzeb. To bardzo interesujące. Jest to kolejna zmiana zachodząca równolegle z rozwojem produktu.

Patrząc w przyszłość, jakie trendy i zmiany w AI, które obserwujesz już dziś, będą miały znaczący wpływ w ciągu najbliższych 12–18 miesięcy?

Maryam Ashoori: W naszym świecie co trzy miesiące pojawia się nowa generacja, więc 12–18 miesięcy oznacza pięć generacji do przodu.

To zbyt odległa perspektywa, aby dokładnie przewidywać, dokąd zmierzamy. Jeśli jednak spojrzę na trzy generacje, czyli sześć do dziewięciu miesięcy od teraz, powiedziałabym, że zobaczymy znacznie więcej automatyzacji. Widzimy ją już dziś, ale technologia nie jest jeszcze gotowa. Obecnie bardziej chodzi o badanie nowych zastosowań i wspólne ustalanie ze społecznością, jak skutecznie z nich korzystać.

To szansa dla menedżerów produktu. Kiedy mówię o automatyzacji, mam na myśli dosłownie automatyzowanie wszystkiego: od generowania wiadomości e-mail, przez rozmowy z klientami, po optymalizację planów rozwoju produktu w zależności od wysiłku programistycznego potrzebnego do dostarczenia funkcji. Od określania harmonogramu po generowanie treści do dokumentu wymagań produktu.

Od badania nowych możliwości dla klientów po pomaganie im w podejmowaniu lepszych decyzji — dosłownie każda podejmowana decyzja może potencjalnie zostać ulepszona dzięki AI, jeśli zrozumiesz, jak sprawić, by AI pracowała dla ciebie.

Z drugiej strony dodałabym, że całe to piękne przyspieszenie zapewniane przez AI ma swoją cenę. Tą ceną jest ryzyko. Możesz zbudować lub zniszczyć swoją karierę w zależności od tego, jak korzystasz z tej technologii. Menedżerowie produktu muszą dobrze rozumieć nie tylko korzyści, ale także ryzyka. Ryzyko może wpłynąć na produkt, a rzeczy mogą pójść źle. Może też wpłynąć na osobistą tożsamość i markę.

Zawsze warto więc myśleć o równowadze między kosztami a korzyściami podejmowanych działań.

Hannah Clark: Jestem pewna, że to temat bardzo ci bliski, biorąc pod uwagę, że etyczne wykorzystanie AI jest fundamentem twojej kariery. Jak możemy poruszać się po tych zagrożeniach? Często błędy popełniają osoby działające w dobrych intencjach, które po prostu eksperymentują i badają nowe możliwości.

Czy masz jakieś ramy lub zabezpieczenia, o których warto pamiętać podczas eksperymentowania z AI, albo wskazówki dla osób, które chcą uwzględnić zarządzanie ryzykiem w swoim rozwoju i zestawie umiejętności?

Maryam Ashoori: Podam przykład. Załóżmy, że chcesz użyć agenta, który wysyła wiadomości e-mail w twoim imieniu albo je podsumowuje, i ma dostęp do twojego kalendarza, aby planować w nim wydarzenia.

Korzyści są niesamowite. Z drugiej strony musisz dać agentowi dostęp do poczty oraz kalendarza, wiedząc, że potencjalnie złośliwa osoba może niewłaściwie wykorzystać informacje o tym, gdzie i kiedy będziesz oraz z kim będziesz rozmawiać. Każde uprawnienie przyznane agentom może stworzyć dla ciebie punkt podatności. Dotyczy to nie tylko ciebie.

To samo odnosi się do produktu, gdy wprowadzasz do niego takie rozwiązania. Wróciłabym więc do podstaw i zdefiniowania przypadku użycia. Trzeba zrozumieć, jaki problem próbujesz rozwiązać dla społeczności i dla produktu. Co to właściwie jest? Następnie, gdy mówimy o AI, musisz bardzo dobrze rozumieć korzyść.

Musisz również wiedzieć, jakie punkty podatności wprowadzasz do produktu. Czy masz pewność, że dysponujesz planem ograniczenia ryzyka i rozwiązania tych problemów, czy też ślepo wdrażasz AI do produktu i sprawdzasz, co się wydarzy?

Hannah Clark: Cieszę się, że o tym powiedziałaś, ponieważ jest to mniej efektowna część rozwoju i eksplorowania AI.

Żyjemy w okresie ogromnego entuzjazmu, w którym zarządzanie ryzykiem bywa traktowane jako kwestia drugorzędna albo w ogóle pomijana. Wchodzimy w etap Dzikiego Zachodu rozwoju i eksploracji, niemal w drugą generację pionierów tworzenia oprogramowania poprzez opisywanie efektu i wykorzystywania AI do zupełnie nowych zastosowań.

To ważna kwestia, którą należy podkreślić. Chciałam zakończyć rozmowę pytaniem o kolejne kroki dla osób zainteresowanych rozwijaniem własnych umiejętności. W obecnej generacji technologii, w której się znajdujemy, jakie zasoby okazały się najbardziej przydatne dla ciebie lub członków twojego zespołu, którzy naturalnie podnoszą swoje kwalifikacje?

Samo eksperymentowanie z technologią jest jednym ze sposobów, ale czy poleciłabyś również inne zasoby?

Maryam Ashoori: Oprócz wszystkich dostępnych materiałów powiedziałabym również: znajdź sposób na filtrowanie tego, na co chcesz być wystawiony. Na rynku dzieje się tak wiele, że widziałam menedżerów produktu zmagających się ze zmęczeniem technologią.

Skąd czerpiesz informacje? Najskuteczniejsze podejście, do którego zachęcam również moje zespoły, polega na znalezieniu zaufanego głosu w społeczności i obserwowaniu go. Czy to na LinkedIn, czy gdzie indziej — po prostu go obserwuj. Jeśli dana osoba ma punkt widzenia zgodny z twoim, istnieje duża szansa, że gdy pojawi się nowa technologia, będziesz chcieć poznać jej perspektywę, zamiast samodzielnie przeszukiwać całą społeczność.

To skrót pozwalający poznać opinię eksperta na temat danej technologii. Jest to bardzo pomocne. Jednak nawet wtedy musisz pamiętać o równowadze kosztów i korzyści dla swojego produktu. Upewnij się, że osoba, którą obserwujesz, naprawdę zasługuje na to, by ją śledzić.

W przeciwnym razie ograniczasz swój obraz świata do jednego okna. Jeśli ten obraz nie jest trafny, masz zniekształcony ogląd sytuacji. Bądź więc bardzo wybiórczy, ale znajdź osoby, które podzielają twój sposób myślenia, są ekspertami w obszarach, na których ci zależy, i po prostu je obserwuj.

Hannah Clark: Bardzo podoba mi się ta rada. Jest szczególnie ważna teraz, gdy wchodzimy w okres szybkiego nasycenia informacjami.

Rada, by dokonywać selekcji, ma zastosowanie do wielu kwestii związanych z AI i technologią, a myślę, że również do życia. Wspomniałaś o zaufaniu do ludzi i obserwowaniu ich — jak słuchacze mogą śledzić twoją pracę po tym odcinku?

Maryam Ashoori: Jestem na LinkedIn i staram się pisać tak często, jak to możliwe. Z przyjemnością pozostanę z nimi w kontakcie na LinkedIn.

Hannah Clark: Wspaniale. Maryam, bardzo dziękuję, że do nas dołączyłaś. Umieścimy link do twojego profilu na LinkedIn w dzisiejszych materiałach do odcinka. Bardzo dziękuję. Naprawdę doceniam twój czas i wiem, że jesteś bardzo zajętą osobą.

Maryam Ashoori: Wspaniale. Dziękuję za zaproszenie.

Hannah Clark: Dziękuję za wysłuchanie. Po więcej świetnych spostrzeżeń, poradników i recenzji narzędzi zasubskrybuj nasz biuletyn na stronie theproductmanager.com/subscribe. Więcej rozmów takich jak ta usłyszysz, subskrybując podcast menedżera produktu w swoim ulubionym miejscu do słuchania podcastów.