Lekcje z bańki internetowej: jak liderzy produktu powinni myśleć o sztucznej inteligencji

Przeczytaj transkrypcję:

Próbujemy transkrybować nasze podcasty za pomocą programu komputerowego. Wybaczcie ewentualne literówki, ponieważ bot nie zawsze działa w 100% poprawnie.

Hannah Clark: Jak śpiewał Bob Dylan, „czasy się zmieniają”, a zmiana na taką skalę jest… cóż, wieloma rzeczami. Jest przerażająca. Ekscytująca. Nieprzewidywalna. I nieunikniona. Niezależnie od tego, co myślisz o sztucznej inteligencji, wywołała ona zmianę paradygmatu w naszym podejściu do niemal każdego aspektu produktu, szczególnie na poziomie przywództwa. Które z tych nowych narzędzi wdrożyć i w jaki sposób? Jak wpłynie to na strukturę i funkcjonowanie naszych zespołów? A gdy nasze organizacje się zmieniają, jak my musimy zmienić się razem z nimi?

Moim dzisiejszym gościem jest wspaniały Greg Petroff — profesor, lider myślenia projektowego i doświadczony menedżer, którego kariera obejmuje firmy takie jak SAP, GE Digital, Google, ServiceNow, Compass i Cisco. Kiedy przed nagraniem rozmawialiśmy o tych zmieniających się czasach, Greg zauważył, że już wcześniej przez to przechodziliśmy — w erze bańki internetowej. Różnica polega jednak na tempie zmian, a co za tym idzie, na wymaganym tempie dostosowania. Za chwilę usłyszycie, jak Greg omawia narzędzia, zmiany organizacyjne i strategie, o których menedżerowie powinni myśleć już teraz — ponieważ, jak ostrzega Bob Dylan, lepiej zacząć płynąć, bo inaczej utoniesz jak kamień. Zaczynajmy.

Witajcie ponownie w podcaście The CPO Club. Jest dziś ze mną Greg Petroff.

Greg, bardzo dziękuję, że do nas dołączyłeś. Jak się masz?

Greg Petroff: Mam się dobrze, dziękuję, Hannah. Dziękuję za zaproszenie.

Hannah Clark: Dzięki.

Zacznijmy tak, jak zawsze zaczynamy. Czy mógłbyś opowiedzieć nam trochę o swoim doświadczeniu i o tym, jak dotarłeś do miejsca, w którym jesteś dzisiaj?

Greg Petroff: Na początku kariery byłem architektem. Zająłem się architekturą bardzo dawno temu. Później przez ostatnie 25 lat pełniłem różne role w obszarze oprogramowania dla przedsiębiorstw — od zarządzania produktem po przywództwo projektowe. Pracowałem między innymi w SAP, GE, Google i ServiceNow. Ostatnio byłem w Compass, wcześniej w Cisco, a teraz zajmuję się niezależnym doradztwem, częściowym przywództwem projektowym i coachingiem. Uczę też w California College of the Arts.

Hannah Clark: Masz napięty grafik. Dziś porozmawiamy o dużych tematach — o zmianach sposobu myślenia, które liderzy muszą przyjąć, aby dostosować się do nowej ery sztucznej inteligencji, w której wszyscy próbujemy się odnaleźć.

Na początek: w przeszłości wskazywaliśmy ciekawe podobieństwa między obecnym momentem rozwoju sztucznej inteligencji a erą bańki internetowej, która również była wielką zmianą sposobu myślenia. Jakie najważniejsze lekcje z tamtego okresu technologicznych przełomów są dziś istotne?

Greg Petroff: Myślę, że dzieje się kilka rzeczy. Po pierwsze, doświadczenie niekoniecznie jest dziś tak wartościowe jak dawniej. Mamy pewne ramy przewidywania i sposób postrzegania świata oparty na naszym doświadczeniu.

Kiedy patrzymy na pracę, używamy tych ram, aby się poruszać i wykonywać kolejne zadania. Jest to przydatne, gdy zasady pozostają stałe, ale w czasach zmian zasady mogą się zmieniać, a my możemy tego nie zauważyć. Dlatego ciekawość jest obecnie bardzo ważną cechą, którą należy rozwijać.

W erze bańki internetowej wiele firm pozostało na uboczu i tak naprawdę nie rozumiało, co się dzieje. Byli też ludzie, którzy również tego nie rozumieli, ale byli ciekawi, wskoczyli w ten obszar i zaczęli coś tworzyć. Myślę, że jesteśmy teraz w bardzo podobnym momencie. Wszystko zmienia się tak szybko, że sposobem na zrozumienie, jak można wykorzystać sztuczną inteligencję, jest używanie jej tak często, jak to możliwe.

Hannah Clark: Skoro wszystko się zmienia, myślę też o tradycyjnych rolach — tradycyjnych w obecnym rozumieniu, choć oczywiście to, co dziś nazywamy tradycyjnym, nie jest już naprawdę tradycyjne. W ciągu ostatnich kilku dekad wszystko zmieniło się niezwykle szybko.

Czy możesz opowiedzieć, jak dotąd obserwowałeś zmiany granic między rolami oraz ich wpływ na rozwój produktu?

Greg Petroff: Oczywiście zależy to od sytuacji. Każda firma ma własną kulturę i mocne strony. Google ma bardzo silną kulturę inżynieryjną — inne dziedziny są ważne, ale to inżynieria prowadzi samochód. W innych organizacjach centralną rolę odgrywa projektowanie, a w jeszcze innych zarządzanie produktem.

Organizacje mają też różne podejście kulturowe. Niektóre bardzo ortodoksyjnie definiują role: mówią, co należy do twoich obowiązków, czego nie robisz i czym zajmuje się twój partner z zespołu interdyscyplinarnego. Przez pewien czas to działało.

Nigdy nie byłem szczególnie ortodoksyjny. W swojej karierze należałem do osób działających na styku różnych obszarów. Czasami zarzucano mi, że jestem projektantem zajmującym się zarządzaniem produktem albo menedżerem produktu zajmującym się projektowaniem. Uważam jednak, że chodzi o kulturę produktu.

Jedną z rzeczy, które dzieją się teraz, jest ogromna zmiana narzędzi, z których korzystamy. Są znacznie szybsze i dostępne dla szerszego grona odbiorców. Osoby, które wcześniej pracowały w silosie, mogą zacząć wykonywać część pracy należącej wcześniej do innych specjalistów. Pytanie brzmi: gdzie przebiegają teraz te granice? Diagram Venna trochę zapada się sam w siebie.

Myślę, że przyszłość będzie należała do zespołów złożonych z ludzi o profilu w kształcie litery T — bardzo głębokiej wiedzy w jednej dziedzinie i możliwości poruszania się poziomo po innych obszarach. Mam wrażenie, że zmierzamy w stronę podwójnego T. Będziemy spotykać hybrydy: osoby potrafiące projektować i pisać kod, liderów produktu wywodzących się z projektowania czy inżynierów, którzy kochają zarządzanie produktem.

Najważniejsze jest to, aby w każdej organizacji prowadzić otwartą rozmowę o narzędziach, ich możliwościach oraz o tym, kto zajmie się poszczególnymi elementami cyklu rozwoju produktu. Dzięki temu możemy odejść od kultury kierowanej przez inżynierię, produkt czy projektowanie i przejść do kultury skoncentrowanej na rezultatach produktu, w której każdy wnosi swoje umiejętności.

W zarządzaniu projektami definicja tego, co należy zbudować, będzie coraz ważniejsza, ponieważ samo tworzenie rzeczy staje się coraz łatwiejsze. Można po prostu dodawać kolejne funkcje, ale przy takim samym wysiłku można stworzyć coś znacznie bardziej wartościowego dla użytkowników końcowych i klientów. Możemy wyobrażać sobie rzeczy, które wcześniej były niemożliwe.

Interesuje mnie więc to, jak stworzyć przestrzeń dla odważniejszej współpracy interdyscyplinarnej. W praktyce osiąganie ambitnych celów staje się łatwiejsze.

Hannah Clark: Otworzyłeś właśnie trzy ścieżki. Mamy narzędzia, zmieniające się role i przywództwo organizacyjne. Najpierw wybiorę narzędzia, a później wrócimy do pozostałych tematów.

Porozmawiajmy o narzędziach sztucznej inteligencji i rozwoju produktu. Wspomniałeś, że narzędzia się zmieniają, co prowadzi nas do kwestii rozeznania. Mamy dostęp do wielu narzędzi i musimy dobrze oceniać, których używać oraz w jaki sposób.

Jak pomagasz zespołom rozwijać ten osąd — swego rodzaju intuicję dotyczącą tego, kiedy i jak korzystać z narzędzi sztucznej inteligencji?

Greg Petroff: Istnieje tu ważna kwestia powiązana z rozeznaniem. Kiedy używasz narzędzia sztucznej inteligencji, czy wierzysz w odpowiedź, którą otrzymujesz? Czy potrafisz współtworzyć i współpracować ze sztuczną inteligencją tak, aby wspólnie zbliżać się do zamierzonego rezultatu?

Częścią odpowiedzi jest eksperymentowanie. Ten obszar rozwija się bardzo szybko, ale są dziedziny, w których zastosowanie sztucznej inteligencji już teraz ma sens. Jedną z nich jest odkrywanie produktu.

Istnieje wiele narzędzi pozwalających budować niestandardowe modele wyszukiwania wspomaganego generowaniem na podstawie wniosków z badań. Organizacje, które mają wiele lat badań, mogą wykorzystać transkrypcje i stworzyć modele, którym zadaje się pytania. To niemal jak wirtualna osoba.

Wiem, że jest to kontrowersyjne. Nie nazwałbym tego jednak wirtualną osobą. To raczej sposób na zwiększenie dostępności i ułatwienie przeszukiwania posiadanej już bazy wiedzy. Jest to szczególnie pomocne przy wdrażaniu nowych członków zespołu, ponieważ mogą szybciej rozwijać wiedzę dziedzinową.

Po stronie projektowania również pojawia się wiele nowych możliwości, między innymi w narzędziu Figma. Figma sama w sobie jest stosunkowo nowym narzędziem i zmieniła sposób, w jaki pracujemy.

Zespoły coraz częściej pracują od razu z projektami o wysokiej szczegółowości. Nie jestem pewien, czy zawsze jest to najlepszy pomysł, ponieważ projekty o niskiej szczegółowości pozwalają dostrzec rzeczy, których możemy nie zauważyć, gdy patrzymy na coś wyglądającego jak ukończony produkt. Z drugiej strony wszystko jest znacznie szybsze, więc zespoły mogą szybko iterować.

Kiedy zespół projektowy potrafi tworzyć szybciej, niż zespół jest w stanie myśleć, zespoły produktowe powinny częściej myśleć poprzez tworzenie, a nie tworzyć dopiero po zakończeniu myślenia. Błędy popełniane w artefakcie informują nas o rezultacie i problemie klienta w sposób, którego sama rozmowa czasami nie zapewnia.

Projektanci pracujący z zespołami produktu na bardzo wczesnym etapie mogą iterować i tworzyć prototypy zamiast od razu przygotowywać finalny produkt. W ten sposób prototyp może zastąpić dokument wymagań produktu, zostać zweryfikowany i dostarczyć wiedzy o wartości rozwiązania znacznie szybciej i taniej niż dawniej.

Po stronie inżynierii ludzie eksperymentują z narzędziami umożliwiającymi szybszą pracę, takimi jak asystenci programowania. Nadal jesteśmy jednak na wczesnym etapie, ponieważ inżynierowie nie są jeszcze pewni ich użyteczności. Jeśli duże części baz kodu mogą być tworzone wspólnie ze sztuczną inteligencją, zespoły inżynieryjne zyskują czas na trudniejsze problemy.

Musimy więc wspólnie przyjąć sposób myślenia oparty na pytaniu: jak zmienić naszą pracę? Nie powinniśmy tylko dodawać tych narzędzi do produktów. Lepiej zrozumiemy ich możliwości, jeśli będziemy używać ich również w codziennych procesach rozwoju produktu.

Hannah Clark: Całkowicie się z tobą zgadzam. Obecnie rozwijamy umiejętność używania narzędzi sztucznej inteligencji jako rozszerzenia naszej wiedzy, a nie jako jej zamiennika. Wiedza instytucjonalna nadal ma kluczowe znaczenie, ponieważ musimy nadzorować narzędzia i odpowiadać za zadania, które wykonują.

Jak widzisz rozwój relacji między ludzką wiedzą ekspercką a zarządzaniem wiedzą wspieranym przez sztuczną inteligencję?

Greg Petroff: Większość zespołów badawczych ma ogromną bazę treści. Dawniej trudno było się nią dzielić. Po zakończeniu projektu prezentowano wyniki, a następnie trafiały one do archiwum i nikt już z nich nie korzystał.

Badania są też zależne od czasu. Mogą być aktualne przez pewien okres, a następnie zmieniają się wzorce zachowań klientów lub pojawiają się nowe technologie. W dużych organizacjach zwykle dostępnych jest jednak wiele treści, do których niewiele osób rzeczywiście zagląda.

Zespoły badawcze chciałyby, aby więcej osób korzystało z tych materiałów, ponieważ lepsze wnioski prowadzą do lepszych rezultatów. Ciekawym rozwiązaniem jest tworzenie niestandardowych grafów wiedzy z całego korpusu badań i umożliwienie wszystkim w organizacji zadawania mu pytań.

Nie zastępuje to badań. Pozwala jedynie dostrzec zbiorowe wzorce we wnioskach i udostępnić wiedzę większej części organizacji. Badacz nadal wykonuje pracę, ale dostęp do jej rezultatów zostaje zdemokratyzowany.

Pomaga to wszystkim zrozumieć, komu służymy i dlaczego. Jestem zwolennikiem badań jakościowych oraz metod ilościowych, dlatego nie oddawałbym sztucznej inteligencji całego procesu badawczego. Bardzo interesująca będzie natomiast możliwość syntezy wiedzy i szerokiego jej udostępniania.

Zawsze uważałem, że demokratyzacja badań zwiększa zapotrzebowanie na ekspertów. Kiedy więcej osób widzi wnioski, chce ich więcej i lepiej rozumie potrzebę obecności profesjonalnych badaczy w zespole.

Hannah Clark: Rozmawialiśmy już trochę o tym temacie. Mieliśmy popularny odcinek o odkrywaniu produktu wspieranym przez generatywną sztuczną inteligencję. Podoba mi się twoje rozróżnienie dotyczące persony — nie chodzi o zastąpienie procesu tworzenia person, lecz o uczynienie danych interaktywnymi.

Rozmawialiśmy też o narzędziach analityki produktu wspieranych przez generatywną sztuczną inteligencję. Ich celem jest demokratyzacja danych i udostępnienie ich osobom, które nie mają kompetencji analityka danych. Gdy dane stają się dostępne i interaktywne, możemy lepiej zrozumieć, jak wnioski pomagają nam w naszych rolach. Otwiera to pytanie, jak może wyglądać kultura oparta na danych.

Greg Petroff: Zobaczymy, co się wydarzy. Wiedza dziedzinowa jest zwykle skupiona w rękach niewielu osób. W niektórych organizacjach osoby posiadające największą wiedzę mają też największy wpływ. Ciekawe będzie obserwowanie, co stanie się, gdy każdy uzyska dostęp do głębszego rozumienia tego, komu służymy i dlaczego.

Czasami mam kłopoty, gdy mówię, że rolą badań jest ograniczanie ryzyka przy podejmowaniu decyzji produktowych. Chodzi o rozumienie użytkowników końcowych, problemów, które próbujemy rozwiązać, oraz rezultatów ważnych dla klientów.

Liderzy produktu zakładają, jakie funkcje przyniosą korzyści użytkownikom i za co będą oni gotowi zapłacić. Część tych założeń jest słabo potwierdzona, mimo że ich wdrożenie jest kosztowne. Badacze mogą pomóc zweryfikować te założenia i dostarczyć więcej pewności przed podjęciem decyzji.

Hannah Clark: Zaskakuje mnie, że możesz mieć kłopoty za takie stwierdzenie. Jako program zdecydowanie stoimy po stronie badaczy doświadczeń użytkownika. Jeśli zamierzamy zainwestować dużo pieniędzy w produkt, powinniśmy mieć pewność, że będzie odpowiadał naszej grupie docelowej.

Greg Petroff: Dziś mamy również dostęp do pełnego obrazu sytuacji. Narzędzia analityczne pozwalają uzyskać dane o zachowaniach, mamy wskaźniki sukcesu produktu, wykorzystanie funkcji, wskaźniki odnowień w firmach tworzących oprogramowanie jako usługę oraz analizę kohortową.

W przeszłości te informacje należały do różnych zespołów. Badania mogą teraz spojrzeć na nie całościowo i uzyskać ocenę kondycji tworzonego doświadczenia, biznesu oraz zachowań klientów. To było wcześniej niemal niemożliwe.

Sztuczna inteligencja może pomóc łączyć różne zbiory danych dotyczące sukcesu klienta i użytkownika, aby uzyskać lepszy obraz kondycji produktu i ustalić, co powinno wydarzyć się dalej.

Hannah Clark: To jedna z największych korzyści modeli konwersacyjnych: możemy trenować je na rozproszonych wynikach i łączyć je w coś bardziej użytecznego, czemu można zadawać konkretne pytania. Oczywiście pozostaje wiele problemów do rozwiązania.

Greg Petroff: Kiedy otrzymasz odpowiedź, właśnie dlatego nadal potrzebujesz zespołu badawczego. Musisz zachować rozeznanie i sprawdzić wynik, ponieważ dane mogą być słabe, a uzyskany wniosek może nie być prawdziwy.

Hannah Clark: Zastanawiam się, czy wraz z większym poleganiem na tych modelach higiena danych stanie się ważniejszą częścią rozmowy o jakości danych, które do nich wprowadzamy.

Greg Petroff: Nie potrafię wyobrazić sobie chwili, w której powiemy: „Nasza sztuczna inteligencja uważa, że zachowujesz się w ten sposób. Czy to prawda?”. Żartuję.

Hannah Clark: Dotknąłeś tematów organizacyjnych i dostosowania. Porozmawiajmy o niepewności związanej z ewolucją ról, zmianami obowiązków i łączeniem się różnych obszarów. Jak pomagamy zespołom poradzić sobie z tą niepewnością, zachowując własną wiedzę ekspercką i wartość?

Greg Petroff: Nie jestem pewien, czy określenie „ochrona własnego terytorium” jest właściwe. W ciągu ostatnich 25 lat zmieniałem kierunek kariery około jedenastu razy. Zaczynałem jako architekt, później zajmowałem się grafiką, mediami nadawczymi, erą bańki internetowej, architekturą informacji i projektowaniem interakcji.

Następnie zostałem liderem produktu, badaczem, wróciłem do projektowania interakcji, a później zostałem liderem doświadczeń użytkownika. Przez ostatnie dziesięć lat role były stosunkowo stabilne, więc wiele osób ma dziś mocno zdefiniowaną wartość, tożsamość i zakres obowiązków. Nie doświadczyły sytuacji, w której nagle pojawia się nowy sposób pracy lub technologia.

Wiedza ekspercka jest bardzo ważna. Warto wiedzieć, w czym jesteś świetny, rozwijać swoje mocne strony i je cenić. Nie należy jednak kurczowo trzymać się definicji roli. Zbliżamy się do momentu, w którym ważniejsze będą rezultat i definicja problemu, a do celu będzie prowadziło wiele różnych dróg.

Najlepsze zespoły składają się z osób wyjątkowo dobrych w konkretnych dziedzinach. W SAP pracowałem w zespole innowacji, który obejmował antropologów, inżynierów, menedżerów produktu i projektantów. Otrzymywaliśmy problem, dobieraliśmy zespół i wspólnie ustalaliśmy sposób pracy.

W przyszłości będzie zapewne więcej takich zespołów. Jeśli pozostaniemy ortodoksyjni w definiowaniu obowiązków, może to utrudniać wykonywanie pracy.

Hannah Clark: Skoro wspomniałeś o odejściu od ortodoksji, porozmawiajmy o stylach przywództwa. Obserwujesz zmianę pokoleniową w przywództwie produktu — od podejścia nakazowego i odgórnego do znacznie bardziej współpracującego. Czy możesz podać przykład wpływu takiej zmiany na rezultaty rozwoju produktu?

Greg Petroff: Nie wiem, który model pozostanie w przyszłości, ale obecnie istnieją dwa. W pierwszym lider produktu nie jest w pełni przejrzysty dla organizacji i podejmuje decyzje, aby przesuwać projekt do przodu. To środowisko nakazowo-kontrolne, które funkcjonuje w wielu organizacjach.

Gdy zasoby są ograniczone, liderzy produktu mogą konkurować o nie między sobą. Jeśli nikt na szczycie nie określi, czego nie będziemy robić, ludzie próbują wykonać zbyt wiele w dostępnym czasie. Obciążają w ten sposób system i wykorzystują zasoby mniej efektywnie.

Widziałem też drugie podejście. Lider mówi: „Wchodzę w ten projekt i nie wiem jeszcze, co zrobimy. Nie muszę znać wszystkich odpowiedzi. Zbiorę zespół, razem będziemy się uczyć, stworzymy eksperymenty, szybko zdobędziemy wiedzę i będziemy dzielić się informacjami”.

Liderzy pracujący w ten sposób uzyskują więcej od zespołów. Mają większą klarowność i widoczność pracy, a ludzie czują autonomię i mogą znaleźć swoje miejsce w projekcie. Mam wrażenie, że częściej dotyczy to młodszych menedżerów produktu, częściowo dlatego, że są cyfrowymi tubylcami.

Byłem na konferencji Canadian Friends i fascynujące było słuchanie rozmów o współpracy z partnerami z innych funkcji. Była to bardzo otwarta rozmowa, w której ludzie przyznawali, że nie znają odpowiedzi, ale organizują zespoły tak, aby wspólnie ich szukać.

Hannah Clark: Zgadzam się. Kultura pracy stała się mniej hierarchiczna i bardziej współpracująca. To pozytywna zmiana, w której podatność na zranienie, bezpieczeństwo psychologiczne i inteligencja emocjonalna coraz wyraźniej wpływają na przywództwo.

Jakie strategie okazały się skuteczne w rozwijaniu ciekawości i eksperymentowania przy jednoczesnym utrzymaniu wysokich standardów jakości?

Greg Petroff: Największym darem, jaki można dać zespołowi, jest klarowność. Nie można być przejrzystym we wszystkim, a pełna przejrzystość nie zawsze pomaga ludziom. Ważne jest, aby ludzie rozumieli swoją rolę i sposób, w jaki przyczynia się ona do całości.

Organizacjom trudno jest mówić „nie”, ale określenie, czego nie zamierzamy robić, jest bardzo użyteczne. Nie oznacza, że nigdy tego nie zrobimy — tylko że nie zrobimy tego teraz. To ogranicza podejmowanie przypadkowych inicjatyw.

Ważne jest również udzielanie uprzejmej informacji zwrotnej i rozliczanie ludzi z odpowiedzialności. Bezpieczne środowisko ma sens, ale nie można unikać konstruktywnej informacji zwrotnej. W Cisco podobała mi się zasada pochodząca z firmy Duo: „bądź bardziej życzliwy, niż to konieczne”.

Jeśli ktoś ma coś między zębami przed spotkaniem, chciałby, żeby ktoś mu o tym powiedział. Nie chodzi o tę osobę, lecz o informację, którą powinna znać. Powinniśmy przekazywać sobie informacje zwrotne i wspólnie utrzymywać wysoki standard, koncentrując się na pracy, a nie na człowieku.

Dzięki temu ludzie uczą się przyjmować uwagi bez traktowania ich osobiście. Widzą w nich okazję do poprawy własnej pracy albo zmiany kierunku projektu. Staram się być możliwie klarowny i przekazywać możliwie dużo informacji zwrotnej.

Hannah Clark: Bardzo doceniam te spostrzeżenia. Zgadzam się z tobą. Jestem pewna, że po prostu jesteś skromny.

Dziękuję, że do nas dziś dołączyłeś, Greg. To była świetna rozmowa na wiele bardzo aktualnych tematów. Mam nadzieję, że słuchacze podzielą się ciekawymi opiniami. Skoro mowa o informacjach zwrotnych — gdzie można śledzić twoją pracę lub skontaktować się z tobą w internecie?

Greg Petroff: Jestem na LinkedIn. Mam tam swój profil. Prowadzę też newsletter na Substacku pod nazwą Improbable Futures, w którym piszę o możliwościach i przyszłości. Można znaleźć mnie w tych dwóch miejscach.

Hannah Clark: Świetnie. Bardzo dziękuję, że byłeś dziś z nami.

Greg Petroff: Dziękuję.

Hannah Clark: Dziękujemy za wysłuchanie. Więcej ciekawych spostrzeżeń, poradników i recenzji narzędzi znajdziesz, zapisując się do naszego newslettera pod adresem theproductmanager.com/subscribe. Więcej takich rozmów usłyszysz, subskrybując The CPO Club w dowolnej aplikacji, w której słuchasz podcastów.