Lärdomar från IT-bubblan: Hur produktledare bör tänka kring AI

Läs transkriberingen:

Vi provar att transkribera våra poddavsnitt med hjälp av ett datorprogram. Ursäkta eventuella stavfel eftersom boten inte är korrekt till 100 procent hela tiden.

Hannah Clark: Med Bob Dylans odödliga ord: ”tiderna förändras”, och förändring i den här omfattningen är... ja, det är många saker. Det är skrämmande. Det är spännande. Det är oförutsägbart. Och det är oundvikligt. Oavsett hur du känner inför AI har tekniken utlöst ett paradigmskifte i hur vi hanterar i stort sett varje aspekt av produktutveckling, särskilt på ledningsnivå. Vilka av dessa nya verktyg ska vi använda och hur? Hur kommer detta att påverka våra teams struktur och funktioner? Och när våra organisationer förändras, hur behöver vi förändras tillsammans med dem?

Min gäst i dag är den fantastiske Greg Petroff, professor, designvisionär och erfaren chef, vars meritlista omfattar företag som SAP, GE Digital, Google, ServiceNow, Compass och Cisco. När Greg och jag diskuterade dessa föränderliga tider före inspelningen påpekade han att vi har varit här förut, under IT-eran, men att skillnaden ligger i förändringstakten och därmed den takt för anpassning som krävs. Nu ska du få höra Greg tala om de verktyg, organisatoriska förändringar och strategier som chefer behöver tänka på just nu – för som Bob Dylan säger och mycket väl varnar oss för: ”du bör börja simma, annars sjunker du som en sten”. Nu sätter vi i gång.

Välkommen tillbaka till podden The CPO Club. I dag har jag Greg Petroff med mig.

Tack så mycket för att du är med oss i dag, Greg. Hur mår du?

Greg Petroff: Jag mår bra, tack Hannah. Tack för att jag fick komma.

Hannah Clark: Ja, skål.

Vi börjar på det sätt vi alltid börjar. Jag skulle gärna vilja att du berättar lite om din bakgrund och hur du kom dit du är i dag.

Greg Petroff: Jag började egentligen min karriär som arkitekt. Jag började inom arkitektur för länge sedan. Sedan har jag haft roller inom företagsprogramvara, från produktledning till designledning, under de senaste 25 åren. På platser som SAP, GE, Google och ServiceNow. Senast var jag på Compass och därefter på Cisco, och nu arbetar jag med oberoende konsultuppdrag, lite deltidsbaserad designledning och coachning, samt undervisar vid California College of the Arts.

Hannah Clark: Ett hektiskt schema. I dag ska vi prata om några stora ämnen och de perspektivskiften som ledare behöver anamma för att anpassa sig till den nya AI-era som vi alla befinner oss i och försöker förstå.

För att komma i gång har vi tidigare dragit några intressanta paralleller mellan vårt nuvarande AI-ögonblick och IT-eran, som också innebar ett stort perspektivskifte. Vilka är några av de viktigaste lärdomarna från den tidigare perioden av teknisk omvälvning som är relevanta för den här förändringen?

Greg Petroff: Jag tror att det är ett par saker som pågår. För det första är expertis inte nödvändigtvis lika värdefull som den brukade vara. Vi har ett slags förutsägelsemodell för hur vi ser på världen, och den bygger på våra erfarenheter.

När vi sedan börjar titta på arbete använder vi den modellen för att navigera och utföra nästa uppsättning uppgifter. Det fungerar när reglerna är konsekventa, men i förändringstider kan reglerna förändras utan att du ser det. Därför är nyfikenhet ett mycket viktigt beteende att odla just nu.

Under IT-eran fanns det många företag som stod vid sidan av och inte riktigt förstod vad som hände. Sedan fanns det en grupp människor som inte heller riktigt förstod det, men som var nyfikna och kastade sig in i det. De började skapa saker, och jag tror att vi befinner oss i ett mycket liknande ögonblick där allting rör sig så snabbt att det bästa sättet att förstå hur man kan använda AI är att använda det så mycket som möjligt.

Hannah Clark: Ja, när allt förändras får det mig också att tänka på hur traditionella roller – traditionella så som vi ser dem nu; det som är traditionellt för oss i dag är uppenbarligen inte särskilt traditionellt egentligen – har förändrats så snabbt under de senaste årtiondena.

Kan du berätta mer om hur du hittills har sett förändringar i rollgränser och produktutveckling utvecklas?

Greg Petroff: Det beror uppenbarligen på situationen. Varje företag har sin egen kultur och sina egna styrkor. Google har till exempel en mycket stark ingenjörskultur. De andra disciplinerna är viktiga, men ingenjörerna kör på sätt och vis bilen. I andra organisationer står designen mer i centrum och i ytterligare andra är det produktledningen.

Organisationer har också olika kulturella fokus. Jag tror dessutom att vissa organisationer är mycket ortodoxa när det gäller rollbeskrivningar. De säger: ”Det här är vad du gör, och du gör inte saker utanför det”, och ”det här är vad din tvärfunktionella kollega gör”. Jag tror att det fungerade under en tid.

Jag har aldrig varit särskilt ortodox. Under min karriär har jag varit en av dem som arbetat med överlappande gränser. Ibland har jag anklagats för att vara en designer som arbetar med produktledning eller en produktchef som arbetar med design. Mitt perspektiv är att det handlar om produktkultur. En av de saker som händer just nu är att verktygen vi använder skiljer sig så mycket från tidigare.

De är mycket snabbare och mer tillgängliga för en bredare publik. Därför kan vi som tidigare kanske befann oss i en silo börja utföra en del av det arbete som tidigare var en kollegas bidrag. Frågan är då var dessa gränser går. Venndiagrammet håller på att kollapsa lite in i sig självt.

Jag tror att framtiden kommer att bestå av team med det som brukar kallas T-formade personer. Du är mycket djup inom ett område men kan röra dig horisontellt. Jag får nästan känslan av att det kommer att bli ett dubbelt T. Vi kommer att nå en punkt där vi hittar hybrider: någon som kan designa och skriva lite kod, en produktledare med bakgrund inom design eller en ingenjör som älskar produktledning.

Det viktigaste är därför att det i den organisation där du befinner dig finns en öppen dialog om verktygen, vad de möjliggör och vem som tar ansvar för vad – alltså vem som ska hantera vissa delar av produktutvecklingscykeln. Det ger oss möjlighet att gå från en ingenjörsdriven, produktdriven eller designdriven kultur till en kultur som fokuserar på produktresultat, där alla bidrar utifrån de färdigheter de kan tillföra.

Jag tror därför att vi kommer att få se hybridorganisationer som kan se mycket annorlunda ut längs vägen. Inom projektledningsområdet tror jag att definitionen av vad som ska byggas blir mycket viktigare, eftersom det blir allt enklare att bygga saker. Det inkrementella tänkesättet – att bara lägga till en funktion eller en del av något – går förstås att använda, men med samma arbetsinsats skulle man kunna skapa något som är mycket mer värdefullt för slutanvändare och kunder. Man kan föreställa sig saker som tidigare inte var möjliga.

Det som intresserar mig är hur vi skapar utrymme för detta tvärfunktionella samarbete att vara modigare i det man försöker göra, eftersom det faktiskt blir mer rakt på sak att genomföra sådant.

Hannah Clark: Okej, du öppnade just tre vägar här. Vi har verktyg, förändrade roller och hur de utvecklas, samt organisatoriskt ledarskap. Vi skulle kunna gå vidare på tre olika spår. Jag väljer verktygen först och återkommer till de andra.

Låt oss prata lite om AI-verktyg och produktutveckling, eftersom du antydde att verktygen förändras och att användningen av verktyg förändras. Det handlar delvis om omdöme, eftersom vi har många verktyg tillgängliga och befinner oss i ett intressant skede där vi verkligen måste använda gott omdöme när vi beslutar vilka verktyg vi ska använda och hur.

Hannah Clark: Hur hjälper du team att utveckla det goda omdömet, den där magkänslan för när och hur man ska använda AI-verktyg?

Greg Petroff: Det finns också en viktig följdfråga kring omdöme. När du använder ett AI-verktyg, tror du på svaret du får? Eller har du förmågan att samskapa och arbeta tillsammans med AI:n på ett sätt där ni gemensamt rör er mot det resultat som ska uppnås? Jag tror att en del av det handlar om experimenterande. Området utvecklas mycket snabbt, men det finns några omedelbara områden som verkligen är meningsfulla. Jag tänker särskilt på produktupptäckt.

Det finns nu en mängd verktyg som gör det möjligt att bygga anpassade RAG-modeller på sina forskningsinsikter. För organisationer som har flera års forskning kan man ta alla transkriberingar från forskningen och bygga modeller som man kan ställa frågor till. Det är nästan som att ha en virtuell persona.

Jag vet att det är kontroversiellt. Jag skulle dock inte kalla det en virtuell persona. Jag skulle säga att man gör den kunskapsbas man redan har mer tillgänglig och enklare att navigera i. Särskilt när man introducerar nya teammedlemmar kan man hjälpa dem att bygga upp sin domänkunskap, eftersom de får tillgång till ett informationsmaterial som verkligen är användbart.

Det är inte enkelt att göra, men när det väl är gjort – jag har experimenterat med detta tillsammans med några vänner – är det mycket intressant att se hur modellen hittar insikter och kunskapselement som kanske är allmänt förstådda men inte lika tydligt beskrivna. På designsidan och verktygssidan händer det definitivt mycket inom Figma-området. Figma i sig är ett nytt verktyg; det fanns egentligen inte här för fem år sedan, och det har förändrat vårt sätt att arbeta.

Jag tror att team arbetar direkt i hög detaljgrad, och jag är inte helt säker på att det är den bästa idén. Ibland gör låg detaljgrad att man ser saker som man kanske inte ser när man tittar på något som känns som en färdig produkt. Men det går mycket snabbare. Team kan iterera och skapa mycket snabbt. När designteamet kan skapa snabbare än du hinner tänka blir det ofta användbart för produktteam att tänka genom att skapa, i stället för att skapa genom att tänka.

Med det menar jag att samtalet som uppstår genom de misstag man gör i artefakten man skapar kan informera om resultatet och kundproblemet på sätt som enbart samtal ibland inte räcker till för. En bild säger mer än tusen ord. Det vi ser är att designteam som arbetar med sina produktteam mycket tidigt och bara itererar – de skapar inte den slutliga produkten utan itererar och skapar saker – i praktiken kan ersätta produktkravs-dokumentet med en prototyp. De kan testa prototypen och faktiskt få fram något som de vet skulle vara värdefullt, på ett sätt som tidigare var dyrt och tog för mycket tid.

Det är ett exempel. På ingenjörssidan experimenterar människor naturligtvis med saker som Copilot och verktyg som gör det möjligt att arbeta snabbare. Jag tror att vi fortfarande befinner oss i ett tidigt skede, eftersom ingenjörer är osäkra på nyttan. Men det faktum att stora delar av kodbaser kan skrivas tillsammans med dig frigör också ingenjörsteamen så att de kan arbeta med kanske svårare problem.

Allt detta finns alltså där. Jag tror att vi gemensamt måste ha ett perspektiv på hur vi förändrar vårt arbete, eftersom de flesta av oss försöker placera de här verktygen i våra produkter. Vi skulle bättre förstå vilka resultat de kan ge om vi också använde dem i våra dagliga produktutvecklingsprocesser.

Hannah Clark: Jag håller helt med. Just nu utvecklar vi förmågan att använda AI-verktyg som en förlängning av vår expertis snarare än som en ersättning för den institutionella kunskap som fortfarande är avgörande. Vi har pratat om detta tidigare. Vi befinner oss i en position där vi övervakar AI-verktyg som om de utförde vissa uppgifter som ligger inom vårt ansvarsområde och som vi fortfarande är ansvariga för.

Det passar väl in i vårt samtal om värdet av institutionell kunskap, särskilt i forskarteam. Jag tycker att forskning är ett område där användningen av AI är något kontroversiell. Hur ser du på att relationen mellan mänsklig expertis och AI-baserad kunskapshantering utvecklas?

Greg Petroff: Jag berörde det tidigare. De flesta forskarteam har ett stort innehållsmaterial och har använt det. För flera år sedan var det mycket svårt att dela materialet. Man genomförde ett forskningsprojekt, presenterade sina resultat och sedan hade ingen längre nytta av innehållet eftersom det hamnade i ett arkiv.

Forskning är dessutom tidsbunden. Den kan vara giltig under en viss period, varefter beteendemönster och kundbasen förändras eller nya tekniker dyker upp. I stora organisationer finns det vanligtvis ändå mycket innehåll tillgängligt, men inte särskilt många som faktiskt använder det.

Forskarteamet vill att fler ska använda det eftersom de anser att det leder till bättre insikter och att dessa insikter leder till bättre resultat. En intressant möjlighet är därför att bygga anpassade kunskapsgrafer över sitt forskningsmaterial och sedan låta vem som helst i organisationen ställa frågor till det.

Det ersätter inte forskning. Det gör det möjligt att se de mönster av insikter som ni tillsammans har. Kunskapen delas med en bredare publik i organisationen och ägs inte längre enbart av forskaren. Forskaren har utfört arbetet och demokratiserar tillgången till kunskapen.

På ett sätt hjälper det alla att förstå vilka vi betjänar och varför. Det gör också att forskarteamet kan fortsätta fylla på materialet. Deras uppgift är fortfarande att fortsätta utföra det arbete de gör. Jag tror starkt på kvalitativ forskning och även kvantitativa metoder där man samlar in mätdata och liknande. Det ska man inte lämna över till en AI.

Förmågan att syntetisera kunskapen och dela den bredare kommer att bli mycket intressant. Jag har alltid sett demokratisering av forskning som något positivt. Jag vet att människor tycker att idén är kontroversiell. När jag har sett tillgången till något värdefullt i en organisation bli öppnare och mer tillgänglig har efterfrågan på expertis faktiskt ökat.

Om fler ser insikter vill de ha fler insikter. De inser också i högre grad att de behöver professionella insiktssamlare i teamet som kan utföra arbetet på ett metodologiskt stabilt sätt. Det är det område som intresserar mig: hur ser vi till att alla är djupt förtrogna med kunskapen om vilka de betjänar och använder den informationen för att skapa bättre produkter?

Hannah Clark: Vi har berört det här ämnet tidigare, och jag tycker att det är ett mycket intressant område för AI-innovation. Vi hade ett populärt avsnitt om produktupptäckt som möjliggjordes av generativ AI med Craig Watson, grundaren av Arro. Där gick vi verkligen in på hur de här verktygen fungerar. Jag gillar det du sa om att använda en persona. Som du sa handlar det inte om att ersätta den personautveckling vi behöver.

Det handlar mer om att göra den data vi har utvecklat och de saker vi har lärt oss interaktiva. På liknande sätt gjorde vi ett par avsnitt om produktanalysverktyg som använder generativ AI, och de är verkligen fascinerande. Vi gjorde ett med Mo Hallaba, vd för Datawisp, och ett annat med Mario Ciabarra på Quantum Metric.

De beskriver det som en demokratisering av data och att göra den mer tillgänglig och interaktiv för människor som inte har datavetenskaplig kompetens. Jag håller med. När data blir mer tillgänglig och vi verkligen kan se, oavsett vilken typ av intressent vi är i organisationen, hur insikterna gagnar oss och interagera med dem på ett sätt som passar vår roll, öppnas dörren till frågan: Hur kan en datainformerad kultur se ut om vi använder verktygen effektivt? Det är ett mycket spännande ögonblick inom produktutveckling.

Greg Petroff: Vi får se vad som händer. Domänexpertis är hårt koncentrerad och inte något som är universellt i organisationer. Den är också hierarkisk. I vissa organisationer har de som har mest domänexpertis störst inflytande. Vad händer i en organisation där alla har tillgång till en djupare förståelse av vilka man betjänar och varför? Det blir intressant att se hur det utvecklas och om det hjälper eller bryter vissa konventioner kring hur vi ser på oss själva och våra strukturer.

Det sista är att jag ibland får problem när jag säger detta, men jag tycker att forskningens roll är att minska risken i produktbeslut. Med det menar jag att vi försöker förstå och känna empati med slutanvändarna och på djupet förstå problemen vi försöker lösa och vilka resultat som är viktiga för dem.

Produktledningen gör antaganden om vilka funktioner som kommer att gynna slutanvändarna och samtidigt skapa en bra produkt som människor är villiga att betala för. Ofta är vissa av dessa antaganden löst underbyggda, men dyra att genomföra. De har inte testats på ett sätt som ger någon grad av säkerhet kring att människor faktiskt kommer att värdesätta dem.

En sak forskare kan göra om de vill klättra högre upp i betydelse är därför att uppenbarligen ge den övergripande förståelsen av vilka man betjänar, men också hitta de delar av produktutvecklingsprocessen som bygger på många antaganden och ännu inte har validerats ordentligt. Sedan kan de använda sin styrka för att tillföra mer bevis, så att ledningen kan fatta beslut med större säkerhet om att det förväntade resultatet också blir resultatet.

Hannah Clark: Jag är faktiskt förvånad över att du får problem för att säga det, men jag ska inte skvallra. Som program står vi verkligen på UX-forskarnas sida.

Vi tycker att de tillför ett enormt värde. Det är förvånande att vi, om vi ska investera stora summor pengar i att ta fram en produkt, inte skulle vilja vara helt säkra på att den kommer att vara relevant för vår målgrupp.

Greg Petroff: En annan intressant sak är att vi nu har möjlighet att följa hela cirkeln, vilket vi inte hade tidigare. Vi har verktyg som Amplitude som, om de är väl instrumenterade, ger oss mycket bra beteendedata. Vi har mätvärden för produktframgång och insikter om funktionsanvändning.

I SaaS-företag har vi förnyelsegrader och kan göra kohortanalyser över vilka kunder som förnyar med minst insats från säljorganisationen. Historiskt har alla dessa signaler ägts av kundframgångsteamet, produktteamet, företagsstrategiteamet eller forskarteamet.

Jag tror att forskningen har möjlighet att se allt detta i en stor 360-gradersbild och få en hälsokontroll av upplevelsen man skapar, verksamheten man har, kundernas beteende och så vidare. Det var nästan omöjligt att göra tidigare, och det är fortfarande inte enkelt.

AI kan också hjälpa till att sammanföra olika datamängder om kundframgång och användarframgång för att skapa en bättre bild av produktens hälsa och vad som behöver hända härnäst.

Hannah Clark: Jag tror att det är en av de största fördelarna med vissa av de samtalsmodeller vi har: möjligheten att träna dem med alla dessa isolerade resultat och förena dem till något mer användbart, som vi kan ställa mer precisa frågor till. Som du säger får vi se hur det utvecklas. Jag är säker på att det kommer att finnas många problem att lösa.

Greg Petroff: Jag vill lägga till en sista sak. När du väl får svaret är en annan anledning till att du behöver ett forskarteam att du måste använda ditt omdöme och kontrollera svaret en gång till, eftersom det kan vara så att din data inte är särskilt bra och att insikten du får inte är verklig.

Hannah Clark: Jag undrar hur datahygien kommer att bli en större del av samtalet när vi börjar förlita oss mer på dessa modeller. Är data av tillräckligt hög kvalitet för att matas in i dem?

Greg Petroff: Jag kan inte föreställa mig ögonblicket när man säger: ”Vår AI tror att du beter dig så här. Stämmer det?” Nej, jag skojar.

Hannah Clark: Du har berört organisatoriska frågor och anpassning, och jag vill gå lite djupare i det. Vi talar om osäkerheten kring hur roller utvecklas, hur människors roller förändras och hur saker flyter ihop och skiftar. Samtidigt finns det en kärnexpertis som vi tar med oss som individuella medarbetare eller ledare. Vilken är kärnexpertisen och hur försvarar man den när andra överlappar med det man gör och bidrar med?

AI-verktyg bidrar också med en del av detta. Hur hjälper vi team att hantera osäkerheten kring rollutveckling och samtidigt behålla sin kärnexpertis, sitt värde och det expertområde de tar med sig till teamet?

Greg Petroff: Jag ifrågasätter nästan det sista du sa om att skydda sitt revir.

Jag är inte säker på att det var så du menade, men jag har förmodligen förändrat min karriär ungefär elva gånger under de senaste 25 åren när saker har utvecklats. Jag började som arkitekt, arbetade med 3D-grafik, gick vidare till sändningsmedia och därefter IT-eran, där jag var informationsarkitekt och interaktionsdesigner.

Sedan blev jag produktledare och forskare. Därefter gick jag tillbaka till interaktionsdesign och blev sedan UX-ledare. Jag tror att en intressant sak med det här ögonblicket är att vi faktiskt har haft stabilitet i rollerna under de senaste tio åren. Många har vuxit upp under den eran och har en tydlig definition av sitt värde, vilka de är och vad de gör.

De har inte upplevt hur mattan dras undan när det kommer ett nytt sätt att göra saker eller en ny teknik. Vissa av oss har varit med så länge att det hänt så många gånger att vi bara ser det och säger: ”Okej, reglerna ändrades. Nu måste vi bli mer anpassningsbara.”

Expertis är verkligen viktigt. Du bör veta vad du är bra på. Jag brukar coacha människor att luta sig mot sina styrkor och värdesätta dem. Men fastna inte i din rollbeskrivning. Vi går in i en period där det handlar mer om resultatet och problemformuleringen.

Sedan finns genomförandet, och det finns många olika sätt att nå dit. Om vi håller fast vid ortodoxin kring vår roll eller position kanske vi bara kämpar mot strömmarna omkring oss. Var nyfiken, ha ett perspektiv som innebär ständig utveckling och lärande, men överge samtidigt inte det du älskar och är bra på. De bästa teamen består av människor som är exceptionellt bra på något.

Jag kan ge ett exempel. När jag arbetade på SAP för nästan 15 år sedan var jag en del av ett team. Vi var inte ett designteam, produktteam eller ingenjörsteam. Vi var ett innovationsteam. Det bestod av antropologer, ingenjörer, produktchefer och designers. Vi fick ett projekt, satte ihop ett team och teamet var alltid en blandad grupp människor. Sedan tittade vi på problemet och kom fram till hur vi skulle arbeta med det tillsammans. Jag tror att vi kommer att se mer av den typen av beteende i framtiden.

I stora organisationer måste man organisera sig på ett visst sätt eftersom det hjälper produktutvecklingsprocessen. I mindre organisationer tror jag däremot att vi kommer att se en miljö där vi är mer flexibla kring verktygen och de resurser vi har. Om vi förblir ortodoxa kring det vi gör kommer det i själva verket att stå i vägen för arbetet.

Hannah Clark: Jag är glad att du tog upp ett avsteg från ortodoxin, för jag vill prata om ledarstilar. Du har observerat ett generationsskifte i produktledarskapets stilar.

Vi rör oss bort från det mycket kommando- och kontrollbaserade, toppstyrda förhållningssättet mot något som är betydligt mer samarbetsinriktat. När vi nu är inne på anekdoter, skulle du kunna dela ett konkret exempel på hur ett sådant skifte har påverkat produktutvecklingens resultat?

Greg Petroff: Jag vet inte vilken form av produktutveckling som kommer att finnas kvar eller om båda kommer att finnas i framtiden, men det finns definitivt två modeller. Den ena är den mycket starka produktledaren som inte är helt transparent med organisationen utan gör förflyttningar längs vägen för att driva projektet framåt.

Det är i hög grad en kommando- och kontrollmiljö. Många organisationer fungerar så, och historiskt har det funnits oerhört framgångsrika personer inom produktledning som har arbetat på det sättet. Många produktledare tidigt i karriären tittar på dem och säger: ”Jag vill vara som dem och göra samma sak.”

Utmaningen jag har sett, särskilt i stora organisationer, är att det kan uppstå ett beteende där resurserna är begränsade och incitamenten är utformade så att produktledare konkurrerar med varandra om resurser.

Om de överträffar målen får de nästa befordran. Om ingen högst upp säger vilka saker man inte ska göra uppmuntras människor att försöka få mer gjort på den tid de har. Det de inte inser är att de belastar systemet eftersom resurserna är begränsade.

De använder därför resurserna mindre effektivt genom att föra in för mycket i systemet. Till slut blir det kaotiskt och människor går över till kommando och kontroll för att försöka få ordning på allt.

Jag har också sett den andra sidan, där människor säger: ”Jag går in i det här projektet och vet inte vad vi ska göra. Jag behöver inte vara den som har alla svar. Jag ska sätta ihop ett team och tillsammans ska vi lära oss så snabbt som möjligt. Vi ska bygga en uppsättning experiment som låter oss lära oss snabbt, samarbeta och dela informationen.”

Projektledare som gör detta får enligt min erfarenhet ut mer av sina team. De har större tydlighet och bättre insyn i arbetet. Människor känner att de har självständighet, kan hitta sin roll i arbetet och bidra till ansträngningen. Det kan vara en indirekt observation, men det känns som att det generationsmässigt oftare är yngre eller mindre erfarna produktchefer som arbetar så.

Delvis beror det på att de är digitala infödingar från början. Vissa mer seniora personer är det inte om man ser till demografiska grupper. De har vuxit upp med bra programvara och vill skapa utrymme för design-, forsknings-, ingenjörs- och produktteamen att tillsammans lösa ett problem.

Jag var på Canadian Friends-konferensen i höstas, och det var fascinerande att höra hur den gruppen produktledare tänkte kring sitt arbete med tvärfunktionella kollegor. Det var väldigt uppmuntrande eftersom det var en mycket öppen dialog.

Människor var villiga att vara sårbara och erkänna att de inte hade svaren, men de organiserade sina team för att hitta svaren. Det skiljer sig från känslan av att man måste ha alla svar och att teamet förväntar sig det. Då låtsas man tills man lyckas och byter riktning många gånger innan man kommer fram.

Jag tror alltså att det finns två strömningar inom produktutveckling. Det vore intressant att se om bättre resultat uppstår med den ena eller den andra. Jag har inga perfekta exempel, utan detta är observationer av beteenden.

Hannah Clark: Jag tenderar att hålla med dig, eftersom jag har sett att arbetskulturen i allmänhet blivit mindre hierarkisk och mer samarbetsinriktad. Jag tycker mycket om den förändringen. Vi går i en positiv riktning där sårbarhet, uppmärksamhet på psykologisk trygghet och emotionell intelligens får större plats inom ledarskap.

Det är uppmuntrande att se hur detta gör det möjligt för många människor att utföra sitt bästa arbete. Men jag vill sätta dig lite på prov. Du är ledare, erfaren chef och har lett många team. Vilka strategier har du funnit effektiva för att främja nyfikenhet och experimenterande samtidigt som man upprätthåller höga kvalitetskrav?

Greg Petroff: Tydlighet är den största gåvan du kan ge ett team. Du kan inte vara transparent med allt inom ledarskap, och det hjälper inte alltid människor eftersom mycket händer i ett företags liv som ibland är transaktionellt eller svårt att förstå och kommunicera. Om alla pratar om det är ingen fokuserad på arbetet. Tydlighet är därför mycket viktigt, liksom att hjälpa människor att äga den tydligheten.

Den behöver brytas ned så att människor kan se sin roll och hur den bidrar till helheten. Det är svårt för organisationer att säga nej till saker, men jag tror att organisationer som tydligt deklarerar vad de inte ska göra har stor nytta av det. Det stoppar ivrigt beteende som ”vi skulle kunna göra det här” eller ”jag har ett eget projekt som jag vill genomföra”.

Om man säger att man inte ska göra något betyder det inte att man aldrig kommer att göra det, utan bara att man inte ska göra det nu. Det är också en del av tydligheten.

Jag tror på att ge återkoppling på ett artigt sätt och samtidigt hålla människor ansvariga. Det är viktigt att skapa miljöer där människor känner sig trygga, men man får inte undvika konstruktiv återkoppling. När jag var på Cisco hade vi en princip som jag verkligen tyckte om. Den kom från Duo, ett företag som Cisco hade köpt ungefär fem år tidigare, och kallades ”var vänligare än nödvändigt”.

Det betydde att om du hade spenat mellan tänderna och var på väg in i ett möte ville du att någon skulle säga det. Det handlar inte om dig som person, utan om något du bör känna till. Jag tror därför att man hela tiden ska ge varandra återkoppling och hålla varandra ansvariga inför en hög standard, samtidigt som man fokuserar på arbetet och inte på personen.

Då skapas villkor där människor lär sig att lyssna på återkopplingen utan att ta den personligt. De tänker: ”Okej, det här är en möjlighet för mig att förbättra mig” eller ”det här är en möjlighet att föra projektet i en annan riktning”.

Det är de två saker som jag försöker praktisera, även om jag inte säger att jag är perfekt på dem: att vara så tydlig som möjligt och ge så mycket återkoppling som möjligt.

Hannah Clark: Jag uppskattar verkligen dina insikter och håller med. Jag är säker på att du bara är ödmjuk.

Tack för att du var med oss i dag, Greg. Det här har varit ett fantastiskt samtal. Vi har talat om många ämnen som är mycket relevanta just nu. Jag hoppas att vi får intressant återkoppling från dem som lyssnar. På tal om återkoppling: var kan människor följa ditt arbete eller kontakta dig på nätet?

Greg Petroff: Jag finns på LinkedIn, så där kan man hitta mig. Jag har en profil där. Jag har också en Substack som heter Improbable Futures, där jag skriver lite om möjligheter. Man kan hitta mig på de två platserna.

Hannah Clark: Fantastiskt. Tack så mycket för att du var med oss.

Greg Petroff: Tack så mycket.

Hannah Clark: Tack för att ni lyssnade. För fler insikter, instruktionsguider och verktygsrecensioner kan ni prenumerera på vårt nyhetsbrev på theproductmanager.com/subscribe. Du kan höra fler samtal som detta genom att prenumerera på The CPO Club, oavsett var du lyssnar på poddar.