Det AI-förstärkta teamet: En ny spelplan för produktledare

Läs transkriberingen:

Vi testar att transkribera våra poddar med hjälp av ett datorprogram. Ha överseende med eventuella stavfel eftersom boten inte alltid har rätt.

Hannah Clark: En av de många desorienterande sakerna med denna AI-revolution är att vi gemensamt uppfinner en ny verklighet, som jag förmodligen inte behöver berätta för dig är mycket mindre utopisk än det låter. Men det som också är intressant är hur vi i realtid ser både ledare och individuella medarbetare kämpa, vågar jag säga, med att navigera i den rörighet som följer med att skapa en ny väg.

Frågorna kring saker som etik på arbetsplatsen, kvaliteten på resultaten och påverkan på framtida utfall finns i allas tankar, oavsett var de befinner sig i organisationsschemat. Men det innebär också att vi har en fantastisk möjlighet att lära oss av varandras genombrott och utforma våra egna beslut utifrån den verklighet vi vill landa i.

Min gäst i dag är Andrew Saxe, produktchef på Smartling. Smartling verkar inom översättnings- och språktjänstbranschen, som praktiskt taget är ett skolexempel på branscher som påverkas av AI. När Andrew började på Smartling utförde teamet sina översättningstjänster manuellt, och AI var bara en gammal science fiction-film med Haley Joel Osment som roboten Pinocchio.

Det behöver knappast sägas att saker har förändrats. I det här avsnittet får du höra Andrews syn på hur man skiljer genuint AI-värde från uppblåsta förväntningar, vilka etiska överväganden ledare behöver tänka på när de inför AI-drivna arbetsflöden och varför de mest efterfrågade kompetenserna har förändrats snabbare än någon förväntade sig. Nu sätter vi i gång.

Förresten har vi sådana här samtal varje vecka, så om det här låter intressant för dig – varför inte prenumerera? Okej, då sätter vi i gång.

Välkommen tillbaka till podden för produktchefer. I dag har jag med mig Andrew Saxe. Han är produktchef på Smartling.

Andrew, stort tack för att du tog dig tid ur ditt fullspäckade schema att vara med oss i dag.

Andrew Saxe: Absolut. Det är fantastiskt att vara här.

Hannah Clark: Kan du berätta lite om din bakgrund och hur du hamnade där du är i dag?

Andrew Saxe: Ja. Vet du, jag har nog varit intresserad av internet sedan mitten av nittiotalet. Det var nytt då, och jag har alltid befunnit mig i teknikvärlden och studerat mycket teknik. Alla mina jobb har handlat om utveckling och produkt.

Jag var en amatörmässig webbutvecklare ett tag och skapade inte direkt de bästa webbplatserna eller den bästa koden, men så småningom gick jag över till produkt. Jag har varit på Smartling i ungefär 14 år – jag tror att det blir 15 år i juli – så det har varit ett tag. Men ja, jag har alltid arbetat med produkt på Smartling.

Hannah Clark: Ja, coolt. Femton år är verkligen inget man ska fnysa åt.

Andrew Saxe: Det är ganska lång tid, det är säkert.

Hannah Clark: Särskilt i teknikvärlden. Det är som hundår.

Andrew Saxe: Ja. Det är faktiskt min längsta relation, tror jag.

Hannah Clark: I dag ska vi fokusera på den föränderliga etiken kring AI ur ett ledarskapsperspektiv. För att inleda samtalet – vill du rama in det genom dina observationer av Smartling under de senaste 15 åren?

Under din tid har du naturligtvis sett att Smartling verkar inom översättningsbranschen, så det har skett många stora tekniska övergångar sedan du började på företaget. Vi har gått igenom införandet av molntjänster och ökad transparens, och nu befinner vi oss i AI-eran. Vad skiljer den här förändringen från tidigare skiften?

Andrew Saxe: Ja, absolut. Jag har alltså arbetat inom översättningsbranschen, så jag kan omvandla engelska till franska och spanska och sådant. När man tänker på den processen har den i grunden alltid handlat om människor, och att översätta saker är flera hundra år gammalt. Det har alltid funnits ett behov av att omvandla språk till andra språk, och det har alltid varit en människocentrerad uppgift.

Om man tänker på de andra tekniska framstegen under de senaste 15 åren var molnet uppenbarligen ett av de största. De hade främst affärsmässiga och organisatoriska konsekvenser, medan övergången till AI redan har haft en djupgående påverkan på översättningsvärlden och förmodligen även på andra områden, där den kommer att påverka människor allt mer.

Även om molnet hade stor påverkan och gjorde det möjligt för företag att skala upp utan att behöva bygga serverhallar och allt sådant, märkte slutkunderna kanske inte så mycket mer än att de fick fler appar, företagstjänster och liknande. Men det är de dagliga arbetsuppgifterna som jag tror påverkas mest av dagens AI-skifte, och det ser vi definitivt inom översättningsvärlden.

Hannah Clark: Ja, jag kan tänka mig att det måste förstärkas inom just det området.

När vi pratar om att införa AI i översättningstjänster, som du nämnde, påverkas arbetsstyrkan av översättare och slutanvändare kraftigt. Hur balanserar ni effektivitetsvinsterna mot den påverkan det har på er personal, och hur har deras roller förändrats?

Andrew Saxe: När vi tittar på vår verksamhet är vi både ett mjukvaru- och SaaS-företag, och vi tillhandahåller verktyg för att hantera översättningar och hela processen. Tänk dig tusentals eller hundratusentals människor som skriver in översättningar – vi tillhandahåller verktyg för att hantera det.

Sedan finns naturligtvis alla människor som faktiskt utför översättningarna. Vi erbjuder de översättningstjänsterna. I stor utsträckning har människor skrivit in översättningarna, granskat kvaliteten, rättat fel och hanterat sådant som ett företags varumärkesröst.

För några år sedan kom neurala maskinöversättningar, vilket var ett stort steg framåt. Google Översätt hade funnits länge, men när tjänsten övergick till neural maskinöversättning fick kvaliteten ett rejält lyft. Det var dock inte tillräckligt för att ta bort människorna ur processen.

Om man ser på arbetsflödet skriver någon in översättningen, någon granskar kvaliteten och sedan går den tillbaka till innehållsägaren. Så har det alltid fungerat, även med maskinöversättning. Med AI tittar vi nu på att ta bort människor från delar av arbetsflödet, eller åtminstone förändra deras roll. När AI och verktygen runt omkring blir bättre kan människorna slippa skriva in översättningen, eftersom vi kan skapa en första översättning av hög kvalitet. Vi kan använda AI och stora språkmodeller för att bedöma kvaliteten och sedan avgöra om resultatet behöver gå vidare till en människa.

Människans roll blir då mer av en valideringsroll. När vi har bedömt att kvaliteten behöver kontrolleras kommer en människa in och säger: ”Det här är kanske inte tillräckligt bra.” De kan hitta gränsfall som den stora språkmodellen inte kan kontrollera eller identifiera korrekt, och sedan kan resultatet matas tillbaka till maskinen så att den förhoppningsvis förbättras över tid.

Rollen flyttas alltså från början och mitten av arbetsflödet till slutet, där man gör slumpmässiga valideringar eller stickprov av innehållet. Det är en ganska stor förändring i hur människor arbetar. Vem vet – till slut kanske vissa valideringsmoment inte längre behövs, men det är definitivt den riktning vi ser just nu.

Hannah Clark: Ja, jag tycker att det är så intressant, särskilt när du nämner något som varumärkesröst. Det är så nyanserat och kan vara svårt att uppfatta och bemästra, även på ens eget språk. Om en översättning ska fånga det kan jag föreställa mig att det blir ännu mer komplext för AI att bedöma och översätta på ett tillfredsställande sätt.

Jag förstår därför hur den mänskliga kontrollen fortfarande är mycket relevant och svår att ersätta.

Andrew Saxe: Ja, det är den verkligen. Varumärkesrösten är en stor del, liksom särskild terminologi. Företag har varumärkesord och ordlistetermer som de vill använda, eller ord som de vill undvika.

Man måste se till att översättningarna respekterar allt detta. AI gör ett ganska bra jobb, men kan också göra misstag. Man måste bygga in skyddsräcken, och ibland är den mänskliga aspekten ett sådant skyddsräcke.

Hannah Clark: Absolut. Även när man använder AI för innehållsidéer och liknande finns det mycket att ta hänsyn till. Det är intressant att tänka på vad tekniken kan klara av nu, men också på att rollerna förändras. Det handlar inte alltid om ett enkelt, ordagrant översättningsuppdrag.

Hur ser arbetsflödet ut nu jämfört med för fem år sedan, innan hela den här AI-förändringen tog fart?

Andrew Saxe: Ärligt talat har det alltid funnits teknik för översättning – datorprogram, serververktyg och allt möjligt för att hantera processen. Men det har alltid funnits människor som skriver in, granskar och bedömer kvaliteten.

När man tänker på kostnaden för översättning spenderar organisationer hundratals miljoner och miljarder på det, och det kan ta tid att få fram översättningar när människor utför dem. Arbetsflödet förändras därför genom att processen blir omedelbar och kostnaden sjunker kraftigt när man inte längre behöver betala för varje manuellt moment.

Arbetsflödet blir mycket effektivare och handlar i högre grad om gränsfall och särskilda situationer. Det finns fortfarande fall där människor behövs. Om man exempelvis har juridiska dokument kan man vilja att människor granskar allt, eller åtminstone allt som måste vara helt exakt.

Det finns alltså fortfarande roller för människor inom vissa typer av innehåll, men jag förväntar mig att även det kommer att förändras under de kommande åren.

Hannah Clark: Jag antar att det förändras i takt med att förtroendet för tekniken ökar och den blir effektivare. När vi pratar om etik finns det också en intern diskussion om var vi står i fråga om att nå artificiell generell intelligens och liknande framsteg. Vilka etiska överväganden har dykt upp i era ledningsdiskussioner om AI-införande, internt eller inom översättningstjänstbranschen i stort?

Andrew Saxe: För oss handlar det åtminstone om de lingvister vi arbetar med. Jag tycker att vi har lyckats ganska väl med att hjälpa människor över till andra roller och se till att de fortfarande tjänar ungefär lika mycket som tidigare. De kan kanske granska mer innehåll eftersom det krävs mindre redigering och granskning, vilket innebär att deras kapacitet har ökat.

Det sker helt enkelt i en annan del av arbetsflödet. Vi befinner oss fortfarande i början av användningen av de här verktygen, så det här är något vi kommer att behöva tänka mycket mer på. Branschen funderar definitivt på vart alla dessa människor kommer att ta vägen.

Översättning är en mycket nyanserad verksamhet. Bara för att man talar spanska eller franska betyder det inte att man kan översätta dokument, specialiserat innehåll och liknande. Resultatet kanske inte blir rätt. Det är därför en genomtänkt process.

Jag tror fortfarande att det finns utrymme för människor, kanske ännu mer inom att skapa innehåll på olika språk snarare än att redigera befintligt innehåll för översättning. Det kommer definitivt att finnas roller för människor inom översättningsområdet.

Hannah Clark: Det här påminner på många sätt om innehållsområdet. Nu när verktygen finns för att göra processen effektivare har även de efterfrågade kompetenserna förändrats. Tidigare var produktion och uppmärksamhet på tekniska krav, särskilt SEO, mycket efterfrågat. Nu föreställer jag mig att det är likadant inom översättning.

Det låter som att förmågan att uppfatta specifika språkliga nyanser, stil och kundens krav blir viktigare än att bara kunna översätta ord för ord. Det är intressant hur sådana tekniska förändringar får en dominoeffekt i hela branschen och förändrar vad som efterfrågas.

Andrew Saxe: Det gör de definitivt. När vi tittar på forskning och sådant vi arbetar med försöker vi fånga en del av den här nyansen – till exempel hur en organisation uppfattar sig själv eller hur den vill att kunder ska prata om den.

Sådana beskrivningar kan påverka vad AI:n eller den stora språkmodellen producerar. Vi har sett förändringar i kvalitet beroende på detta. Just nu är människor fortfarande involverade i en del av valideringen och granskningen, särskilt när det gäller nyanser.

Det kommer förmodligen också att förändras med tiden.

Hannah Clark: Jag brukar tänka på det som en pendel. När marknaden skapar ett stort utbud inom ett område, exempelvis stora mängder innehåll, uppstår en efterfrågan på högre kvalitet, mer autentiska insikter och sådant som verkligen får något att sticka ut jämfört med konkurrenterna.

Det är en mycket intressant tid att leva i.

Andrew Saxe: Ja, det är verkligen fascinerande att se en så dramatisk förändring på så kort tid.

Hannah Clark: Det känns ibland som att vi bevittnar en förändring som normalt skulle ha tagit flera årtionden, men som nu sker på några månader. Jag känner fortfarande hur huvudet snurrar. Varje gång jag har sådana här samtal känns det som om AI-samtalet i programmet blir galnare för varje gång.

Låt oss återgå till arbetsflöden. När ni fattar beslut om införande och förändrar arbetsflödet vill ni, som du sa, möjliggöra högre kapacitet. Det låter som att många i arbetsstyrkan nu får möjlighet att göra mer meningsfullt arbete i stället för rutinuppgifter som kan outsourcas.

Hur avgör ni vilka arbetsflöden eller uppgifter som främst ska utföras av människor och vilka som ska betraktas som AI-uppgifter?

Andrew Saxe: Det beror verkligen på. Inom översättningsvärlden finns en matris för kostnad, kvalitet och hastighet som man alltid försöker balansera för att få högsta möjliga kvalitet till lägsta pris och på kortast möjliga tid.

Vi forskar, studerar och testar mycket för att säkerställa att vi erbjuder rätt verktyg för rätt typ av innehåll. Vi arbetar med olika förtroendenivåer och bedömer särskilt våra AI-verktyg utifrån hur säkra vi är på att en viss teknik, ett visst verktyg eller ett visst arbetsflöde kan producera innehåll med en kvalitet vi kan garantera.

Om vi kan garantera kvaliteten i en viss process använder vi den tillsammans med kunden för att välja rätt arbetsflöde. Vissa kunder kräver fortfarande att en eller två människor ska vara involverade, särskilt för vissa typer av innehåll.

Samtidigt ser vi att teknikbaserade arbetsflöden kan användas bredare för nästan alla typer av innehåll. Ett undantag är ibland språk med få tillgängliga resurser, där det kanske inte finns tillräckligt med information i den stora språkmodellen för att den ska förstå hur översättningen bör se ut.

Hannah Clark: Om vi zoomar ut lite och tittar på Smartling som organisation, hur arbetar ni med införandet? Anammar organisationen AI på ett ganska enhetligt sätt, eller finns det skillnader i var tekniken passar bäst och var det finns större motstånd mot att överge gamla arbetssätt?

Andrew Saxe: Jag skulle säga att det finns två sidor. Som mjukvaruleverantör har vi kunder som ofta har interna krav på att använda AI. De vet kanske inte ens exakt hur den ska användas, men organisationen kräver effektivisering och att leverantörer ska använda AI och kunna rapportera om effektiviteten.

Kunderna vill alltså definitivt ha det, och vi försöker förstå vilka lösningar som ger den effektivisering eller kostnadsbesparing som krävs. Internt använder också alla team AI-verktyg. Teknikteamet gör det, produktteamet gör det och kundsupportverktygen är AI-baserade. Hjälpdesken använder AI. I princip rör sig allt i den riktningen.

Hannah Clark: Jag ser fler och fler sådana AI-krav. Organisationer verkar använda en kombination av morot och piska: man kan först uppmuntra AI-användning, och om införandet inte når önskad nivå blir det ett krav.

Syftet är väl att få människor att experimentera, använda verktygen och bli bekväma med hur de kan stödja arbetsflödena. Men jag kan också se att det kan få vissa konsekvenser.

Andrew Saxe: Internt har vi definitivt infört policyer och godkända verktyg. De leverantörer vi använder har vanligtvis redan genomgått säkerhetsgranskningar, så att vi kan skapa trygghet kring användningen.

Men det kommer ett nytt verktyg varje dag som alla kan prova.

Hannah Clark: Om vi pratar om hajpkurvan: det är ny teknik, det finns krav, entusiasm och mycket uppmärksamhet. Nu verkar vi komma ur en period av stor skepsis. Vad är egentligen hype och vilka verktyg behöver AI-funktioner?

Hur hjälper ni organisationen att skilja mellan hype och verkligt värde och samtidigt undvika både motvilja och överdriven entusiasm? Hur hittar ni AI-användningsfall som är värdefulla utan att försämra kvaliteten?

Andrew Saxe: En av våra AI-forskare och ingenjörer brukar säga att allt inte måste vara AI. Om man kan lösa något med en regel eller en enkel om–så-logik ska man inte lägga all sin tid på att göra det AI-baserat.

När man använder verktyg som ChatGPT och blir imponerad av att de kan skriva en hel uppsats eller ta fram stora mängder information uppstår en del av entusiasmen. Men när man börjar använda AI i affärslösningar måste man ha en annan säkerhetsnivå i det man ser.

Då kommer skepsisen. Det handlar inte bara om att skriva in något i ChatGPT och få ett bra svar, utan om att använda tekniken på ett sätt som förbättrar verksamheten eller kundens resultat. Det finns definitivt en stark efterfrågan, men när man börjar bygga verktygen blir förhållningssättet mer balanserat.

Man måste säkerställa att man bygger något som faktiskt är fördelaktigt och användbart. Ibland tar det längre tid än att bara skriva något i ChatGPT.

Hannah Clark: Det finns en parallell till sociala medier. Alla företag behövde finnas där, men vissa tog det inte på allvar och andra överinvesterade tills frågan blev vilken avkastning de egentligen fick.

Det handlar om att hitta balansen, skapa en miljö där människor uppmuntras att utforska och sedan behålla de användningsfall som verkligen har bevisad nytta för verksamheten.

Andrew Saxe: Ja. När vi bygger saker gör vi många experiment. Vi försöker vanligtvis nå 80 eller 85 procents säkerhet under några månader.

Ibland är det fortfarande som att singla slant om resultatet fungerar. AI är fantastiskt, men det är fortfarande ungefär 50/50 när det gäller att producera exakt det resultat vi vill ha. Därför behövs ett lager av förtroende, säkerhet och rätt användningsfall för tekniken.

Hannah Clark: Om vi tittar på andra branscher än översättning – vilka paralleller ser du i hur AI integreras? Finns det lärdomar från din karriär som är bredare tillämpbara och som påverkar hur du ser på teknikens fortsatta utveckling?

Andrew Saxe: Till viss del. Jag försöker hålla mig uppdaterad om de senaste verktygen för produktchefer och produktarbete.

Det finns mycket jag ännu inte har sett som varit oerhört användbart inom produktutveckling. Det beror kanske på att vi arbetar med att uppfinna sådant som inte finns ännu, nya verktyg, gränssnitt och tillämpningar.

AI kan vara användbart för att skriva – exempelvis att ge mig en disposition för en specifikation – eller för att omvandla den till ärenden i Jira. Det skulle minska en del av det administrativa arbete som produktchefer behöver göra. Jag har också sett verktyg där man ritar något på ett papper och får en snygg mockup som kan peka ut olika områden att fokusera på.

Jag tror att vi kommer att se många tillämpningar som förbättrar de dagliga detaljerna och sådant som kanske inte kräver lika mycket eftertanke som att uppfinna något helt nytt.

Hannah Clark: På tal om att uppfinna något nytt är jag mycket entusiastisk över den nya trenden med AI-assisterad kodning.

Det finns så mycket potential för samarbete i team, där någon kan få en idé och generera en prototyp som sedan kan vidareutvecklas av ett team med rätt kompetens.

Andrew Saxe: Har du sett några av de verktygen under utveckling?

Hannah Clark: Ja, vårt interna team har experimenterat mycket med dem. Det är häftigt att se vad människor uppfinner. Många av oss har som smartphoneanvändare tänkt: ”Det borde finnas en app för just den här saken.” Nu har man tekniken för att prova idén och se om den faktiskt fungerar.

Andrew Saxe: Det är ett fantastiskt sätt att testa om en idé verkligen håller.

Hannah Clark: Precis. Man kan validera något direkt, och det är ofta så idéer uppstår. Någon gör förmodligen redan något liknande, men kanske kan man göra det bättre.

Andrew Saxe: Exakt.

Hannah Clark: Om vi ser på relationen mellan AI och mänskliga medarbetare: som ledare har du beskrivit vissa av de organisatoriska effekterna. Vad skulle du vilja se framöver? Vad entusiasmerar dig med hur AI möjliggör för er arbetsstyrka, och vad vill du se under de kommande tre till fem åren?

Andrew Saxe: Ur ett plattformsperspektiv finns det inom översättning och många andra områden mycket ren administration. Många människor arbetar hela tiden med detaljer, och på många plattformar tillbringar människor hela arbetsdagen.

Jag tror att det utvecklas mot att man hanterar genom undantag. Om man kan lita på att AI:n eller de stora språkmodellerna skapar det resultat man vill ha bör man egentligen bara ingripa när resultatet inte blir rätt. Det innebär att verktyg och plattformar som Smartling behöver omformas och omprövas för att hanteras genom undantag i stället för genom ständig manuell övervakning.

Hannah Clark: Vad tycker du om den här tanken? Jag har länge varit kritisk till att människor som är mycket bra på en viss uppgift ofta klättrar i karriären tack vare sin kompetens inom kärnfunktionen och sedan blir personalchefer utan att ha utvecklat kompetens inom personalledning.

Nu när individuella medarbetare övervakar teknik som utför uppgifter på basnivå börjar vi kanske faktiskt träna ledarskap redan på den individuella nivån. Människor utvecklar en förståelse för vad som krävs för att leda ett team innan de når chefsnivån.

Andrew Saxe: Det låter helt rimligt. Jag har inte tänkt på det på det sättet, men det är något jag definitivt kommer att fundera på när jag tittar på Smartling-teamet.

Hannah Clark: Det är intressant, eftersom det handlar om nyanserna i att hantera mänskliga frågor. Det är spännande att se hur människor börjar tänka som chefer innan de faktiskt blir chefer.

Andrew Saxe: Ja, det skapar många nya möjligheter för människor att göra saker de inte hade gjort tidigare.

Hannah Clark: Det är fascinerande att se de oväntade resultaten när en teknik skapar ett helt nytt tankesätt.

Andrew Saxe: Absolut.

Hannah Clark: Det här har varit väldigt roligt. Jag uppskattar verkligen att du ville vara med. Jag älskar ett livligt AI-samtal.

Andrew Saxe: Jag är säker på att du kommer att ha många fler.

Hannah Clark: Förmodligen nästa månad också. Var kan människor följa dig på nätet, Andrew?

Andrew Saxe: De kan hitta mig på LinkedIn. Jag tror att det bara är ASaxe.

Hannah Clark: Utmärkt. Tack för att du kom och tack för din tid.

Andrew Saxe: Tack så mycket.

Hannah Clark: Tack för att du lyssnade. För fler insikter, praktiska guider och verktygsrecensioner kan du prenumerera på vårt nyhetsbrev på theproductmanager.com/subscribe. Du kan höra fler samtal som detta genom att prenumerera på Produktchefen där du brukar lyssna på poddar.