Dyrektor ds. produktu w firmie technologicznej twierdzi, że liderzy produktu zadają niewłaściwe pytania — i przegapiają największe szanse

Emrecan Dogan jest dyrektorem ds. produktu (CPO) w Glean. Wcześniej zajmował również stanowiska kierownicze związane z produktem w Stripe i LinkedIn.

Porozmawialiśmy z nim, aby dowiedzieć się, jak wraz z rozwojem AI powinno zmienić się spojrzenie menedżerów produktu. Powiedział, że większość zespołów wciąż traktuje AI jak funkcję — i że to błąd.

AI to szansa na tworzenie systemów świadomych kontekstu

Nazywam się Emrecan Dogan i jestem dyrektorem ds. produktu w Glean. Nadzoruję obszary produktu, analityki danych, operacji produktowych i programów technicznych, a także koncentruję się na pomaganiu zespołom w rzeczywistym poleganiu na AI w codziennej pracy.

Moja ścieżka zawodowa zawsze znajdowała się na styku systemów, osądu produktowego i skali. Przed dołączeniem do Glean zajmowałem stanowiska kierownicze związane z produktem w Stripe i LinkedIn. Pracowałem również ze startupami i zajmowałem się inwestowaniem, co pozwoliło mi z bliska obserwować, jak dokonują się zmiany platformowe i jak szybko założenia dotyczące produktu mogą przestać być aktualne, gdy nowa technologia staje się możliwa do wykorzystania.

AI tak bardzo mnie zaangażowało, ponieważ nie jest tylko kolejną falą nowych funkcji. Zmienia kształt samego produktu. Przez lata oprogramowanie pomagało użytkownikom głównie poruszać się po systemach ewidencyjnych. AI daje nam jednak szansę tworzenia systemów, które rozumieją kontekst, wnioskują na podstawie informacji z różnych narzędzi i pomagają ludziom przejść od intencji do realizacji. Jako lider produktu najbardziej interesuje mnie właśnie ta transformacja.

Emrecan dzieli się

Przez lata oprogramowanie pomagało użytkownikom głównie poruszać się po systemach ewidencyjnych. AI daje nam jednak szansę tworzenia systemów, które rozumieją kontekst, wnioskują na podstawie informacji z różnych narzędzi i pomagają ludziom przejść od intencji do realizacji. Jako lider produktu najbardziej interesuje mnie właśnie ta transformacja.

Wyzwanie związane z tworzeniem narzędzi jednocześnie szerokich i precyzyjnych

Moja organizacja tworzy rozwiązania AI do bezpiecznej pracy na skalę przedsiębiorstwa: wyszukiwanie korporacyjne, proaktywne asystenty, agentów oraz warstwę kontekstową, która pomaga tym rozwiązaniom rozumieć pracowników firmy, jej wiedzę, narzędzia i uprawnienia.

Produkt ma z założenia charakter horyzontalny. Tworzymy go z myślą o każdym dziale i zespole w przedsiębiorstwie — od zespołów produktowych i inżynieryjnych, przez sprzedaż i wsparcie, po IT, HR, finanse, dział prawny i wiele innych. Wszystkie te zespoły mają tę samą podstawową potrzebę: pomaganie ludziom w podejmowaniu decyzji i wykonywaniu pracy w rozproszonym środowisku aplikacji, dokumentów, rozmów i systemów.

Dostarczamy to jako platformę SaaS dla przedsiębiorstw, zaprojektowaną do działania w szerokim i złożonym zestawie systemów, a jednocześnie świadomą uprawnień, niezawodną i osadzoną w codziennych przepływach pracy użytkowników. Wyzwanie — i szansa — polega na stworzeniu rozwiązania, które może być szeroko użyteczne w całej firmie, a jednocześnie pozostaje precyzyjne i trafne w konkretnym kontekście każdego zespołu.

Jak AI zmienia produkty — od funkcji do przepływów pracy

Nie definiujemy już produktu przede wszystkim jako zbioru odizolowanych funkcji. Definiujemy go jako kompleksowy przepływ pracy nad produktem.

Jeszcze rok temu wiele zespołów, w tym nasz, wciąż myślało w kategoriach: „Gdzie umieścić tę funkcję?” albo „Która strona powinna obsługiwać ten przypadek użycia?”. AI skłoniło nas do zadania innego pytania: „Jak użytkownik wykonuje zadanie — od intencji do rezultatu?”

Brzmi to subtelnie, ale zmienia wszystko. Zmienia zakres, metryki, ocenę, doświadczenie użytkownika, a nawet sposób organizacji zespołów.

Moje zdanie niezgodne z konsensusem: większość zespołów wciąż nie docenia skali tej zmiany. Wykorzystują AI do dodania funkcji do istniejącego produktu. Większa szansa polega jednak na przeprojektowaniu całej pętli pracy.

W wielu przypadkach właściwe pytanie nie brzmi już: „Gdzie umieścimy tę funkcję?”. Powinno brzmieć: „Który istniejący element interfejsu powinien zniknąć, skoro system może teraz wykonać tę pracę w bardziej bezpośredni sposób?”

Jak AI wspiera decyzje produktowe, podczas gdy ludzie zapewniają zaufanie

Intensywnie wykorzystuję AI do syntezy, eksploracji i przyspieszania swojej pracy. Do zadań tych należą:

• Podsumowywanie opinii klientów z wielu źródeł
• Wydobywanie wzorców z danych dotyczących użytkowania i przepływów pracy
• Tworzenie struktury PRD lub opracowywanie wariantów ujęcia problemu
• Szybkie analizowanie wielu kierunków UX
• Testowanie założeń pod kątem ich zasadności
• Tworzenie wstępnych materiałów do planowania, przeglądów i komunikacji

Tym, co pozostaje wyraźnie ludzkie, jest osąd. Wiele osób wyznacza granicę między człowiekiem a maszyną w niewłaściwym miejscu. Nie chodzi o to, że AI wykonuje pracę o niskiej wartości, a ludzie zajmują się pracą o wysokiej wartości. Chodzi o to, że AI powinno zajmować się szerokim wyszukiwaniem, kompresowaniem informacji i generowaniem opcji, podczas gdy ludzie nadal ponoszą odpowiedzialność za wyczucie, zaufanie i nieodwracalne kompromisy.

Nigdy nie powierzyłbym wyczucia produktu zewnętrznemu podmiotowi. Nigdy nie powierzyłbym też decyzji dotyczących uprawnień ani zaufania. I nigdy nie pozwoliłbym modelowi podjąć ostatecznej decyzji o tym, co należy zbudować, tylko dlatego, że potrafi przedstawić argumenty za wieloma opcjami.

Generowanie opcji jest dziś tanie. Spójny osąd — nie.

Jak AI usprawnia przepływy pracy związane z planowaniem produktu

Weźmy jako przykład nasz przepływ pracy związany z planowaniem produktu.

Mogę zacząć od ogólnego pytania, takiego jak: „Pomóż mi przeanalizować, czy warto teraz rozwiązać ten problem”.

Następnie system zbiera opinie klientów, wcześniejsze dokumenty wewnętrzne, sygnały dotyczące użytkowania, powiązane prace nad harmonogramem rozwoju produktu oraz informacje o konkurencji. A ja używam AI do syntezy głównych wzorców, identyfikowania otwartych pytań i przygotowania wstępnego ujęcia produktu.

Następnie używam go do przekształcenia tego ujęcia w bardziej konkretne materiały: wstępną specyfikację, zestaw opcji, zależności, kwestie związane z wprowadzeniem produktu na rynek oraz zadania dla zespołu.

W najlepszej wersji tego przepływu pracy asystent nie kończy na tworzeniu wersji roboczej. Pomaga tworzyć lub aktualizować podstawowe obiekty w systemach, w których realizowana jest praca, przy udziale człowieka przed zatwierdzeniem jakichkolwiek zmian.

Przepływ pracy prowadzi od badań przez syntezę do realizacji w jednej ciągłej pętli. Właśnie wtedy AI staje się znacznie bardziej wartościowe niż chatbot.

Dlaczego AI przyspiesza rozwój produktu, ale podważa zaufanie

Pozytywnym skutkiem tego wszystkiego jest znacznie wyższy pułap możliwości.

AI może skracać przepływy pracy, które wcześniej wymagały intensywnego przełączania się między kartami, ręcznej syntezy i powtarzalnej koordynacji. Może sprawić, że zespoły produktowe będą pracować szybciej — od pytania do kontekstu, od kontekstu do decyzji i od decyzji do działania. Podnosi również oczekiwania użytkowników. Gdy ludzie doświadczą asystenta, który rozumie ich narzędzia, historię i uprawnienia, przestają chcieć rozwiązań punktowych odpowiadających tylko na wąskie pytania.

AI szybko poszerza więc zakres możliwości, ale trwała wartość produktu nadal wynika z rygoru.

Jak projektowanie z myślą o zaufaniu zapobiega problemom produktów AI

Negatywnym skutkiem jest to, że AI ułatwia również wprowadzenie czegoś imponującego, co nie jest jeszcze godne zaufania. Na wczesnym etapie wiele zespołów nadmiernie koncentruje się na wartości demonstracyjnej, a zbyt mało uwagi poświęca ocenie, uprawnieniom, niezawodności i przejrzystości UX dotyczącej funkcji systemu. Można szybko wzbudzić entuzjazm, ale jeśli wyniki są niespójne lub przepływ pracy załamuje się na ostatnim etapie, użytkownicy równie szybko tracą zaufanie.

Zaufanie nie powinno być warstwą dodawaną później. Jest częścią produktu od pierwszego dnia.

Użytkownicy niemal natychmiast zadają głębsze pytania: Skąd to się wzięło? Dlaczego tak postąpił? Czy mogę na nim polegać? Czy uszanuje uprawnienia? Co się stanie, jeśli się pomyli? Jeśli nie zaprojektujesz odpowiedzi na te pytania odpowiednio wcześnie, później będziesz musiał przebudować podstawowe elementy produktu.

Gdybym wcześniej, bardziej namacalnie, wiedział o tym na początku swojej pracy na stanowisku lidera produktu, jeszcze wcześniej naciskałbym na jasne cytowania, lepsze ewaluacje, większą widoczność postępów i ściślejsze mechanizmy kontroli z udziałem człowieka.

Dlaczego system otaczający AI ma największe znaczenie

AI nie zapewnia jeszcze w sposób konsekwentny w pełni autonomicznych procesów realizowanych w długim horyzoncie czasowym, na co liczyło wiele osób.

Doskonale radzi sobie z ograniczonymi zadaniami. Coraz lepiej wykonuje zadania wieloetapowe. Jednak w obliczu niejednoznacznej, międzyfunkcyjnej pracy wymagającej stałego osądu, zmieniających się celów i zniuansowanego rozumienia interesariuszy różnica między efektowną prezentacją a niezawodną wartością produkcyjną wciąż jest realna.

AI również nie spełnia oczekiwań, gdy zespoły zakładają, że sam model jest produktem. W praktyce rzeczywista wartość wynika z kontekstu, uprawnień, orkiestracji, ewaluacji i przemyślanego projektowania przepływów pracy. Bez tego otaczającego systemu model często jest najmniej wyróżniającym się elementem.

Emrecan dzieli się

Doskonale radzi sobie z ograniczonymi zadaniami. Coraz lepiej wykonuje zadania wieloetapowe. Jednak w obliczu niejednoznacznej, międzyfunkcyjnej pracy wymagającej stałego osądu, zmieniających się celów i zniuansowanego rozumienia interesariuszy różnica między efektowną prezentacją a niezawodną wartością produkcyjną wciąż jest realna.

Jak AI sprawia, że zespoły produktowe stają się interdyscyplinarne

AI sprawiła, że najlepsze zespoły stały się bardziej interdyscyplinarne. Granice między zarządzaniem produktem, projektowaniem, inżynierią, nauką o danych i operacjami produktowymi są mniej sztywne, ponieważ sam produkt jest mniej sztywny.

Tworzenie silnych produktów natywnych dla AI wymaga ściślejszej współpracy przy projektowaniu przepływów pracy, ewaluacji, budowaniu zaufania i iteracji. Zwiększa również znaczenie osób, które potrafią swobodnie przechodzić między doświadczeniem użytkownika a zachowaniem systemu.

Jak liderzy produktu powinni dostosować się do zmian napędzanych przez AI

Oto moja rada:

1. Przeprojektuj swoje przepływy pracy.
2. Traktuj kontekst jako podstawowy element produktu. W produktach opartych na AI różnica między czymś magicznym a czymś przeciętnym często nie tkwi w modelu. Chodzi o to, czy system ma właściwy kontekst we właściwym momencie i potrafi bezpiecznie go wykorzystać.
3. Inwestuj w ewaluacje i infrastrukturę zaufania wcześniej, niż wydaje się to naturalne. Liderzy produktu są przyzwyczajeni do monitorowania kliknięć i lejków. W AI trzeba również monitorować jakość, ugruntowanie, bezpieczeństwo, uprawnienia i skuteczność realizacji zadań. To nie jest opcjonalne. Branża wciąż inwestuje w te obszary zbyt mało, ponieważ prezentacje nagradzają nowość, a użytkownicy nagradzają niezawodność. Odwróć typową kolejność działań: jeśli Twój zespół nie zbudował ewaluacji, systemu zarządzania uprawnieniami, cytowań i jasnych przekazań zadań, nie jesteś gotowy na skalowanie doświadczenia, niezależnie od tego, jak dobrze model wygląda na prezentacji.
4. Na koniec nie czekaj na pewność. To moment, by uczyć się poprzez dostarczanie, ale robić to zdyscyplinowanie.

Śledź dalsze informacje

Możesz śledzić pracę Emrecana Dogana na LinkedInie.

Wkrótce kolejne wywiady z ekspertami w The CPO Club!