Dyrektor ds. produktu w Zendesk zachęca liderów produktowych do humanistycznego podejścia do wdrażania AI

Mirza Besirovic jest dyrektorem ds. produktu w Zendesk, gdzie kieruje 15 zespołami produktowymi skupionymi na systemach agentowych.

Poprosiliśmy Mirzę, aby opowiedział nam o swojej drodze związanej z wdrażaniem AI w organizacji produktowej Zendesk. Opowiedział nam, jak rozproszone wdrażanie może stać się bardziej spójne w różnych zespołach.

Niecodzienna droga przywództwa produktowego

Dwadzieścia lat temu byłem tłumaczem poezji. Seria przypadków i decyzji doprowadziła mnie do tego, że zostałem liderem produktu AI.

Technologiczna część mojej drogi rozpoczęła się w sieci dla naukowców, gdzie przed laty tworzyliśmy zbiory danych do różnego rodzaju eksperymentów z uczeniem maszynowym. W ciągu ostatnich 15 lat pracowałem w branżach technologii turystycznych, fintech, streamingu i analityki danych, a przez ostatnich kilka lat zajmowałem się konwersacyjną AI i automatyzacją.

Dziś jestem dyrektorem ds. produktu w Zendesk i kieruję grupą niespełna 15 zespołów produktowych, które odpowiadają za portfolio obejmujące agentów AI i systemy agentowe, platformy RAG i wyszukiwania, analitykę, integracje oraz wdrażanie i samoobsługę wspierane przez AI. Jesteśmy rozproszonym zespołem, którego członkowie znajdują się głównie w Europie. Współpracujemy na całym świecie z naszą siedzibą w San Francisco, partnerami w regionie APAC i klientami na całym świecie.

Dołączyłem do Zendesk w 2024 roku w wyniku przejęcia Ultimate.ai, obejmując stanowisko dyrektora ds. produktu. Od tego czasu wprowadziliśmy kilka generacji botów generatywnych, produkty do automatyzacji konwersacji oraz autonomiczny system agentowy automatyzujący miliony rozmów z obsługą klienta za pośrednictwem kanałów tekstowych i głosowych dla globalnych marek, takich jak Netflix, Vimeo, Levi's i wielu innych.

W ciągu ostatnich 18 miesięcy mój zespół zwiększył skalę działania agentów AI do ponad $100MM ARR i rozszerzył zasięg na wszystkie zakątki świata.

Jak AI poszerza role w rozwoju produktu

Dzięki AI poszerzyliśmy potencjalny zakres obowiązków każdej osoby współtworzącej produkt: projektanci tworzą repozytoria GitHub, menedżerowie produktu zgłaszają żądania scalenia, a inżynierowie podejmują decyzje dotyczące produktu. AI, a zwłaszcza agenci programistyczni, zwiększyła możliwości wszystkich w zakresie wychodzenia poza strefę komfortu, zdobywania wiedzy i angażowania się w pokrewne obszary. Ta zmiana pozwoliła nam wypełnić luki i działać szybciej, zachowując pożądany poziom jakości.

Na przykład mieliśmy prototyp w narzędziu Figma dotyczący nowego sposobu testowania, ale brakowało nam w pełni uformowanego zespołu, który mógłby się tym zająć. Zamiast tego jedna z naszych niezwykłych projektantek produktu wykorzystała swoje umiejętności i agenta programistycznego, aby zbudować działający produkt.

Umożliwienie naszemu zespołowi prowadzenia lepszych analiz danych również poprawiło jakość produktu. Nadal ściśle współpracujemy z zespołami analityki danych i analityki produktu, ale menedżerowie produktu mogą samodzielnie przeprowadzać analizy na znacznie większą skalę niż kiedykolwiek wcześniej, tworząc wysokiej jakości analizy wpływające na decyzje dotyczące produktu.

Ponadto eksperymentujemy z formatami zespołów i strukturą organizacyjną. Zaobserwowaliśmy co najmniej jeden zespół złożony z trzech osób współtworzących produkt, które od początku korzystają z AI, wykorzystujących agentów programistycznych do dostarczania rezultatów pracy znacznie większego zespołu.

Gdzie liderzy produktu powinni ograniczyć wykorzystanie AI

Mój zespół korzysta z AI w całym cyklu życia produktu.

W swojej roli lidera produktu stworzyłem również drugi mózg i asystenta do pracy. To, co zaczęło się jako skarbiec Obsidian, przekształciło się w osobiste repozytorium do burzy mózgów i opracowywania strategii.

Znacznie szybciej niż kiedykolwiek wcześniej syntetyzuję dane, zarządzam rozmowami w ramach rozległego portfolio i debatuję ze strategicznym partnerem do dyskusji, który odgrywa różne wcześniej wytrenowane role, zachowuje pamięć i rozumie mój styl pracy.

Mirza mówi

Ograniczam wykorzystanie AI, jeśli chodzi o ludzi: niektóre rzeczy wymagają przecież ludzkiego podejścia.

Ograniczam jednak wykorzystanie AI, jeśli chodzi o ludzi: mój zespół, jego rozwój, rozwój kariery i nasze relacje w pracy. Choć mogę poprosić mojego asystenta o raport dotyczący aktywności (na podstawie danych z systemów wewnętrznych), polegam na zwykłej ludzkiej intuicji, aby kierować moim zespołem i rozwijać jego członków.

Niektóre rzeczy wymagają przecież ludzkiego podejścia.

Dlaczego wczesne wyniki zastosowania AI są pozytywne

Niektóre zespoły zwiększyły szybkość tworzenia o 3–4 razy — ale są to wczesne wyniki, które nie są jeszcze istotne statystycznie. Zanim wydamy werdykt, czekamy na możliwość powiązania zwiększonej produkcji i tempa pracy ze wskaźnikami opóźnionymi oraz długoterminowymi rezultatami.

Wczesne sygnały jakościowe również są pozytywne: decyzje dotyczące UX są wyższej jakości, materiały badawcze są lepsze, czas realizacji krótszy, a między zespołami występuje mniej przekazań. AI pełni funkcję spoiwa organizacyjnego w większym stopniu, niż się spodziewano. Osobiście pozwala mi pracować nad większym portfolio i mieć wszystko pod kontrolą.

Co robić, gdy wdrażanie AI przebiega nierównomiernie

Jednocześnie wdrażanie przebiega nierównomiernie i AI nie jest jeszcze powszechne ani w pełni rozpowszechnione. Podobnie jak wszyscy, jesteśmy dopiero na początku tej szeroko zachwalanej podróży ku dziesięciokrotnemu wzrostowi produktywności. Nie postępuje ona tak szybko, jak sugeruje to szum medialny, ponieważ zmiana dotyczy ludzi. Wiele osób nadal musi się przekwalifikować i włączyć AI do swoich przepływów pracy. To wymaga czasu.

Zrobiliśmy kilka rzeczy, aby wdrażanie było bardziej spójne:

• Zbudowaliśmy wewnętrzną bramę AI, która zapewnia wszystkim dostęp do zestawu agentów programistycznych — za pośrednictwem interfejsu tekstowego (TUI) lub wygodniejszej wersji przeglądarkowej; oba rozwiązania są zgodne z naszymi wewnętrznymi zasadami bezpieczeństwa informacji
• Utworzyliśmy gildię produktu AI oraz kilka formatów, programów i spotkań poświęconych wymianie doświadczeń związanych z generatywną AI, aby pokazywać, jak ludzie korzystają z AI, jakie narzędzia tworzą i jakie problemy rozwiązują
• Rozpoczęliśmy przeprojektowywanie przepływów pracy związanych z tworzeniem artefaktów na poszczególnych etapach cyklu życia, takich jak PRD, prototypy itp., tak aby współpracowały z agentami programistycznymi
• Zbudowaliśmy serię MCP i integracji, aby umożliwić zespołom łączenie się z systemami wewnętrznymi oraz bezpieczny i zgodny z przepisami dostęp do danych

A oto kilka wskazówek:

• Zapewnij równy dostęp osobom technicznym i nietechnicznym: tokeny, CLI, aplikacje komputerowe.
• Zachęcaj do różnorodności modeli LLM, agentów i narzędzi. Pozwól zespołowi eksperymentować, aby znaleźć rozwiązania, które najlepiej sprawdzą się w waszym środowisku.
• To wymaga budżetu. Zabezpiecz go i współpracuj z osobami z działu inżynieryjnego nad przygotowaniem planu. Przygotuj się na zaangażowanie działów finansów i operacji, ponieważ AI staje się kosztem operacyjnym, a nie kosztem własnym IT.
• Dzielenie się wiedzą ma znaczenie. Poproś zespół o prezentowanie swojej pracy.
• Pomóż rozpocząć działania. Samodzielnie twórz artefakty i przepływy pracy, aby rozwiązywać powtarzalne zadania PM (przygotowywanie opisów produktu, pisanie dokumentów strategicznych itp.).

Dlaczego zespoły produktowe muszą stać się techniczne

Coraz bardziej przekonuję się, że menedżerowie produktu powinni mieć większe kompetencje techniczne.

Kiedyś uważałem, że ogólne rozumienie podstawowych terminów i pojęć związanych z tworzeniem oprogramowania jest wystarczające. Jednak w obliczu AI uważam teraz, że wszyscy musimy mieć większe kompetencje techniczne. Nie oznacza to, że świetni specjaliści ds. produktu nie mogą wywodzić się z dowolnego środowiska. Z wykształcenia jestem lingwistą, a przed rozpoczęciem pracy w branży technologicznej zajmowałem się tłumaczeniem poezji.

Musimy jednak przyjąć bardziej uniwersalistyczne podejście do nauki. Bycie technicznym nie oznacza zostania programistą. Chodzi jednak o ciekawość, zrozumienie, co napędza tworzone przez nas doświadczenia produktowe, eksperymentowanie oraz przyjęcie sposobu myślenia osoby, która coś buduje. Nigdy wcześniej nauka zagadnień technicznych nie była tak łatwa.

Jak drugi mózg może wspierać liderów produktu

Wspomniany wcześniej drugi mózg to osobisty system operacyjny oparty na AI, który pomaga mi pracować jako dyrektor ds. produktu w całej organizacji, z Claude Code jako głównym interfejsem.

Dane wejściowe trafiają do niego, a on obsługuje cały potok: przetwarza transkrypcje, wydobywa wiedzę i porównuje ją z dużym zbiorem plików pamięci.

System ustala priorytety, mapuje zależności i wstępnie przetwarza istotne dane do formatów dostosowanych do odbiorców. Na przykład tworzy swobodne wypunktowania na Slacku dla mojego zespołu, uporządkowane aktualizacje dla kadry kierowniczej albo narracyjne akapity do dokumentów strategicznych. W praktyce system zastępuje pracę, która tradycyjnie wymagałaby szefa sztabu i analityka.

Prowadzi moją listę zadań, śledzi wątki strategiczne, którymi zarządzam, oraz syntetyzuje obszerną listę materiałów do przeczytania w postaci zindeksowanych odnośników, pozwalając mi skutecznie ustalać priorytety. Korzystam z mojego drugiego mózgu, aby śledzić bieżące prace i szybko syntetyzować ogromne ilości danych, gdy potrzebuję informacji na poczekaniu.

Aktualność i jakość danych są stałym przedmiotem troski. Nieaktualne dane mogą wypaczać przepływy pracy wykorzystujące duże modele językowe i prowadzić do negatywnych rezultatów. Filtruję, oczyszczam i utrzymuję napływające dane, ale ponieważ łączę się również z systemami zewnętrznych dostawców, w których przypadku nie zawsze mam kontrolę nad danymi, stosuję bramki jakości dla wyników. Słyszałem, jak ludzie mówią, że przed wprowadzeniem danych do systemu należy wiedzieć, jaki wynik chce się uzyskać, a następnie odpowiednio go przetestować. Nie jest to rozwiązanie całkowicie niezawodne, ale przy odpowiednim dopracowaniu instrukcji i pamięci system generuje wystarczająco wysoką jakość.

Przekroczyłem już próg, przy którym mogę polegać na 80-90% wyników dostarczanych przez mój drugi mózg.

Dlaczego liderzy produktu i ich zespoły muszą eksperymentować ze sztuczną inteligencją

Oto moja rada dla dyrektorów ds. produktu:

1. Wykorzystajcie ją. Zacznijcie odkrywać możliwości sztucznej inteligencji w pracy i w życiu prywatnym. Zacznijcie od zbudowania osobistego asystenta, uporządkowania danych, umożliwienia systemowi wnioskowania na ich podstawie i odkrywania nowych wzorców. Rozpoczynajcie poboczne projekty i realizujcie pomysły, które mieliście od lat. Liderzy produktu są z natury kreatywnymi eksperymentatorami, ale wielu z nas nie zaczynało jako inżynierowie, więc zawsze czuliśmy się ograniczeni. To zmieniło się szybko i diametralnie.
2. Nie narzucajcie wdrażania sztucznej inteligencji bez narzędzi, zasobów ani wsparcia strukturalnego. Jeśli to zrobicie, będziecie w praktyce walczyć z wiatrakami. Entuzjaści dotrą do celu z wami lub bez was, ale reszta organizacji zostanie w tyle.
3. Obserwujcie swój zespół i wspierajcie go w tej podróży. Istnieje wiele obaw i powodów do zmartwień, nie wspominając już o szerzeniu strachu na LinkedInie, dotyczących tego, co nadejście sztucznej inteligencji oznacza dla menedżerów produktu oraz innych osób pracujących w branży technologicznej i biznesie. Prowadźcie z zespołem szczere rozmowy i pomagajcie tworzyć plany nauki. Chcę zrobić więcej, aby pomóc mojemu zespołowi wygospodarować więcej czasu na myślenie, eksperymentowanie i majsterkowanie.
4. Musicie zachować szczególną staranność w kwestiach bezpieczeństwa. Ponadto koszt generowania treści przez użytkowników za pomocą sztucznej inteligencji szybko kończy okres miodowy związany z tokenami.

Mirza twierdzi

Nie narzucajcie wdrażania sztucznej inteligencji bez narzędzi, zasobów ani wsparcia strukturalnego. Jeśli to zrobicie, będziecie w praktyce walczyć z wiatrakami. Entuzjaści dotrą do celu z wami lub bez was, ale reszta organizacji zostanie w tyle.

Śledź dalsze informacje

Możesz śledzić pracę Mirzy Besirovica na LinkedInie, w jego newsletterze You Are The Product oraz na jego stronie internetowej.

Na łamach The CPO Club pojawi się więcej wywiadów z ekspertami!