Så anpassar du dig till den nya guldstandarden inom produktledning

Läs transkriberingen:

Vi testar att transkribera våra poddar med hjälp av ett datorprogram. Ursäkta eventuella stavfel eftersom boten inte har rätt 100 % av gångerna.

Hannah Clark: När tekniken utvecklas gör även våra beteenden det. Tidigare kändes sådana förändringar ganska stegvisa. Till exempel att vi i stället för att lämna in ett cv personligen numera ansöker online. Men i en tid av drastiska tekniska förändringar befinner sig produktmänniskor mitt i en total förnyelse. Vi anpassar oss inte bara till nya beteenden som användare, utan också till helt nya standarder för hur vi arbetar.

Och låt oss vara ärliga, den förändringen känns ibland som att vi bygger fallskärmen efter att vi redan har hoppat ur planet. Så hur bygger man en anständig bildlig fallskärm när man redan är desorienterad och det inte finns någon formell handbok som instruerar en? En bra början är att se sig omkring på de fallskärmshoppare som har lyckats ta samma material som du har och hittat ett sätt att flyga.

Min gäst i dag är dr Maryam Ashoori, vice president för produkt och teknik på IBM Watsonx. Dr Ashoori, som försäkrade mig om att jag helt enkelt kunde kalla henne Maryam, har arbetat inom AI-området i över 20 år. Och även om det finns väldigt få personer som har befunnit sig närmare teknikens framkant än hon har, är det först på senare tid som hon har sett en monumental förändring i beteendena hos högpresterande produktmänniskor. Så om du vill låna handboken från det produktteam som befinner sig närmast några av de mest betydelsefulla bidragen till AI i historien kan det här avsnittet intressera dig. Då sätter vi igång.

Förresten, vi har sådana här samtal varje vecka. Så om det här låter intressant, varför inte prenumerera? Okej, då sätter vi igång.

Välkommen tillbaka till podden om produktledning. I dag har jag med mig dr Maryam Ashoori. Hon är vice president för produkt och teknik på IBM Watsonx.

Maryam, jag är så glad över att få prata med dig. Hur mår du i dag?

Maryam Ashoori: Jag mår bra. Hur mår du?

Hannah Clark: Jag mår jättebra. Jag ser verkligen fram emot det här samtalet och vi börjar på det sätt som vi alltid börjar.

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

Maryam Ashoori: Absolut. Jag har arbetat med AI i över 20 år nu, inom flera olika områden. Under min karriär har jag arbetat som designer och byggt AI-drivna system med användaren i åtanke. Jag har arbetat som ingenjör och tillfört data och optimering till de system vi byggde.

Jag har arbetat som AI-forskare och flyttat fram gränserna för vad AI kunde göra, och till slut hittade jag hem inom produktområdet, där jag kunde föra samman alla dessa perspektiv för att lösa rätt problem. Och på senare tid, för att vara exakt under de senaste två åren med generativ AI, har jag befunnit mig i frontlinjen och designat och byggt för nästa generations AI, som är IBM:s centrala företagsplattform för generativ AI.

Det arbetet från grunden förde samman allt jag tycker om: från att definiera strategi på en snabbföränderlig och ständigt utvecklande marknad, till att navigera juridik och etik och ett nytt område som generativ AI, med alla begränsningar som följer med det. Allt för att bygga något användbart som löser ett verkligt problem.

Under det arbetet insåg jag, och har kommit att se, ansvarsfull AI som det avgörande element som vi måste arbeta nära med och designa för. Det ledde mig till min nuvarande roll, där jag leder produkt och teknik för AI-styrning.

Hannah Clark: Det här är en sådan ära för oss i programmet eftersom AI har varit ett så stort samtalsämne för oss. Det är därför så fascinerande att få prata med någon som har erfarenhet av det här området sedan långt innan det blev en del av det offentliga samtalet på det sätt som det är nu. Men i dag ska vi fokusera specifikt på produktledningens roll och hur den utvecklas i takt med framväxten av AI-drivna verktyg och arbetsflöden.

Det här ligger verkligen nära ditt område. Jag skulle gärna vilja att du börjar med att berätta lite om några av de förändringar du har sett på IBM Watsonx och vad dessa förändringar signalerar om yrkets framtid.

Maryam Ashoori: Jag skulle vilja lyfta fram två saker.

Den ena gäller själva produktledningsyrket och den andra gäller produkterna som produktcheferna bygger. Låt oss börja med den första. Det råder ingen tvekan om att generativ AI innebär en kraftig acceleration av produktivitetsaspekterna i produktchefens vardag. Om jag bara ser till mina egna produktchefer så använder de intuitiv kodning.

För ett år sedan använde de inte intuitiv kodning. Då, om jag ville att de skulle skapa ett produktkravsdokument, samarbeta med designers för att ta fram skisser, gå till ingenjörerna för att bygga en prototyp och sedan komma tillbaka och presentera idén, tog det längre tid. Nu bygger de den på mindre än 24 timmar och visar mig något fullt utvecklat och fullt fungerande, och jag tänker: Vad är det jag tittar på?

Är det den faktiska produkten eller är det skissen som ni bygger? Det visar hur yrket förändras genom användningen av AI, och på varje nivå handlade det här bara om en acceleration för att testa en idé. Men man kan också tänka på att generera produktkravsdokument med AI för att hjälpa dig att brainstorma och utvärdera flera alternativ.

På produktivitetssidan handlar det alltså om det. På produktsidan har de här produktcheferna fått i uppdrag att bygga en produkt som löser ett problem. Det finns en mycket god chans att den produkten kan dra nytta av generativ AI:s acceleration. Därför är det avgörande att produktcheferna har djup kunskap om hur tekniken kan hjälpa den egna produkten och det egna arbetet och tillföra den accelerationen till det de bygger.

Hannah Clark: Ja, och jag tycker att det här är en kompetens som befinner sig i ett väldigt intressant läge just nu eftersom den utvecklas så snabbt. Det finns inte särskilt mycket formell utbildning som kan hålla jämna steg med förändringstakten. Utifrån det du har sett i ditt eget team och inom området just nu, vilka är några av de sätt som produktchefer som vill förbli konkurrenskraftiga och verkligen hålla jämna steg med produktivitetsgapet kan göra det på?

Hur kan vi bygga upp vår kompetens?

Maryam Ashoori: Den svaghet du nämnde representerar en möjlighet. All den här accelerationen kommer någon gång i framtiden att bli normen. Metaforen jag ofta tänker på är miniräknaren. För många år sedan gjorde människor manuella beräkningar, och jag minns till och med att miniräknare var förbjudna i skolan eftersom man ville att vi skulle räkna manuellt.

Men sedan tog vi oss över den klyftan och nådde en punkt där man helt enkelt går vidare till att lösa andra problem i stället för att göra manuella beräkningar. Det är samma metafor och samma sätt att tänka. Framtidens produktchefer förväntas använda AI effektivt i sitt arbete, men det finns en övergångsperiod där de som drar nytta av detta kan skapa en möjlighet för sig själva att ligga steget före.

Så den här svagheten representerar faktiskt en bra möjlighet. Nyligen genomförde vi en studie med tusen personer, med fokus på att förstå den produktivitetsacceleration vi får från AI. Vi ställde en enkel fråga till dem. Det var tusen utvecklare av AI-applikationer med fokus på företagslösningar i USA.

Vi frågade dem: Använder ni AI-stödd kodning? 38 % svarade att de ofta gör det, och vi frågade: Hur mycket tid sparar ni på det? 41 % svarade en till två timmar per dag. Alltså en till två timmars tidsbesparing per dag. 4 % svarade mer än fyra timmar. Vad säger det mig?

Det är oberoende av vägen. Om du vet hur du ska använda AI effektivt för att få AI att arbeta för dig kan du potentiellt låsa upp så många nya sätt att tänka, även inom produktledning, som vi ännu inte har utforskat. Jag tror att det är den verkliga möjlighet som den här tekniken innebär för produktchefer.

Hannah Clark: Jag håller med. Jag tycker att intuitiv kodning i synnerhet kombinerar flera olika kompetenser som är ganska unika för en erfaren produktchef och gör det möjligt att skapa något som kan vara en startpunkt som, precis som du säger, ligger långt före de produktkravsdokument som man skulle ha börjat med för ett eller två år sedan.

När vi nu tänker på de verktyg som ingår i AI, och på intuitiv kodning, har du i ett tidigare samtal nämnt att det vanligtvis krävs många verktyg för att bygga en AI-applikation, ungefär sex till femton olika verktyg. Om vi arbetar med begränsad AI-kompetens, hur rekommenderar du att man tar sig an utmaningen att förstå och samordna komplexa teknikstackar, särskilt nu när verktygen har blivit mer komplexa och sofistikerade?

Maryam Ashoori: Jag skulle säga två saker. Tänk på teknikdelen av frågan och på människodelen av frågan. Om man bara ser till tekniken utvecklas området mycket snabbt. Som produktchef har du förmodligen mindre än två timmar på dig att utforska något nytt som kommer ut på marknaden och avgöra om det är användbart och värt att lägga mer tid på och ta in i produkten, eller om det bara är brus som ska lämnas därhän.

Begränsad tid på en föränderlig marknad och begränsad AI-kompetens. Som produktchef har du förmodligen inte den djupa kunskap inom AI som en AI-forskare har efter att ha ägnat år åt området. Du måste verkligen förstå hur du ska utvärdera situationen och tekniken där ute. Om du bara förlitar dig på verktygen känns det som att du missar människodelen, alltså de personer som kan hjälpa dig eftersom din egen kunskap är begränsad.

På människosidan, när man tittar på hur marknaden utvecklas och hur olika roller utvecklas, är den bästa hjälpen förmodligen dina samarbetspartner inom teknik och forskning. På vissa företag kallas de forskare eller forskningsforskare. De förstår hur området utvecklas och vilket värde tekniken har för det du försöker tillämpa den på.

Om man ser på området som helhet håller gränsen mellan dessa roller och ansvarsområden på att lösas upp, särskilt mellan ingenjörer och produktchefer. Historiskt har vi sagt att man för varje produktchef förmodligen vill ha fem till tio ingenjörer. För en månad sedan såg vi Andrew Ng på en scen där han sade: Mitt team föreslog att ha en produktchef för varje 0,5 ingenjör. Det innebär alltså fler produktchefer, och det här är ett experiment. Jag säger inte att det är rätt förhållande, men det visar att gränsen mellan roller och ansvarsområden förändras, liksom den kompetens som behövs för att bygga rätt produkt.

Mitt råd till produktchefer är att fokusera på att bygga rätt produkt. När du väl har definierat den kan du överlåta den till dina mänskliga samarbetspartner eller AI-samarbetspartner och låta dem arbeta för dig. Men kärnan och det avgörande är att få det rätt och definiera det korrekt.

Hannah Clark: Det är den utmaning som vi alla försöker förstå: vilken balans finns mellan hur mycket vi vill luta oss mot verktygen och hur mycket av vår egen expertis, liksom expertisen hos dem vi samarbetar med, vi ska föra in?

När vi till exempel tänker på att utvärdera AI-teknik för en produktplan, vilka kriterier skulle du använda för att skilja mellan verktyg som är värda att investera i och sådana som kanske försvinner igen om sex månader?

Maryam Ashoori: Jag har sett människor som jagar lösningar i stället för att lösa problem.

Ett mycket bra exempel är någon som kom till mig och sade: Jag vill införa två agenter i min produkt före årets slut. Jag svarade: Vänta lite, vad ska de två agenterna göra, exakt? För mig handlar det om att jaga tekniken för att ta reda på hur jag kan få in den, i stället för att verkligen förstå vilket problem man försöker lösa och om det nya AI-verktyget är en distraktion eller en verklig fördel för produkten. Jag skulle börja där, eftersom du då får ett ramverk och ett perspektiv som du kan använda för att utvärdera värdet av all teknik som kommer i din väg.

Ta reda på om du vill lägga mer resurser eller mer av din tid på att utvärdera den.

Hannah Clark: Ja. Det här återspeglar ett samtal vi nyligen hade under ett panelarrangemang. Thomas Stokes, som är medansvarig på Drill Bit Labs och arbetar mycket med användarupplevelseforskning, uttryckte samma tankar. Vi ser en framväxt av ett lösningsförst-tänkande kring hur vi ska använda AI, i stället för att börja med problemet. Jag tycker att det här är ett bra tillfälle för många av oss att gå tillbaka till grunderna och tänka på att tekniken är mycket spännande och uppenbarligen har många användningsområden, men att vi fortfarande måste utgå från problemet för att säkerställa att vi använder den på ett korrekt sätt och faktiskt löser kärnproblemet.

Så hur skapar ni på IBM en balans mellan att bygga AI-funktioner internt och att ta till er lösningar från tredje part? Jag vet att ni är pionjärer inom området, så jag är mycket intresserad av hur ni hanterar den här frågan.

Maryam Ashoori: Jag skulle inte kalla det ett problem. Det är en möjlighet att förstärka sina insatser, särskilt när det gäller generativ AI.

Se bara på vad som händer utanför företaget, även inom öppen källkod. Innovation kommer från akademin, från näringslivet och från utvecklare som gör saker på egen hand som passionerade projekt. Den kommer från alla håll. Om du begränsar dig till att säga att du bara vill bygga allt internt själv, begränsar du enligt min uppfattning tillgången till den innovation du skulle kunna få.

För varje område vi fokuserar på tittar vi vanligtvis på värdet av att utnyttja vår interna kompetens. Vi har till exempel tillgång till 2 500 personer inom IBM Research som lever och andas den senaste tekniken. Jag har mycket frekventa samtal med dem för att förstå hur de tänker och vad som potentiellt kan gynna produkten.

Samtidigt har jag samma samtal med mina samarbetspartner på marknaden eller i communityn, till exempel utvalda personer som formar communityn. Jag frågar dem vart de tror att utvecklingen är på väg under de kommande tre månaderna och hur vi kan stödja aktiviteter för att bygga communityn. Samtidigt avsätter jag tid i min kalender, och jag vet att det är den svåra delen, för att leta efter slumpmässiga nyheter där ute.

Det är där man hittar passionerade utvecklare som bygger något och publicerar det, utan att det står i rampljuset för stora företag som presenterar stora funktioner. Genom dessa kanaler får man insyn i och exponering för ett brett spektrum av teknik som kommer ut på marknaden.

Och sedan, tillbaka till frågan om vilket problem jag försöker lösa, kan jag se mig omkring och bedöma kostnaden och nyttan med att hämta den här tekniken från företaget, communityn eller utvecklarna. Kanske kan jag anställa dem eller göra något annat för att få in tekniken och sedan fatta ett välgrundat beslut.

Hannah Clark: Det är ett väldigt holistiskt sätt att se på den typen av beslutsramverk. På tal om beslutsfattande vill jag byta perspektiv till ledarskap. När du leder ett team, vilka nya färdigheter och kompetenser letar du särskilt efter när du rekryterar nya produktchefer?

Även jämfört med för ett år sedan, när tekniken var nyare?

Maryam Ashoori: Även här skulle jag utgå från problemet jag försöker lösa med rekryteringen. Jag tittar vanligtvis på teamets kompetenser och identifierar luckan, eftersom vi vanligtvis rekryterar för att fylla den luckan. När jag har identifierat den frågar jag mig: Skulle jag en dag vilja rapportera till den här personen?

Om jag ska anställa någon vill jag anställa en person som kan mer, fyller luckan och är expert på just det som personen anställs för. Sedan ska man lämna dem i fred och ge dem självständighet att leverera, eftersom de verkligen ska vara bäst på området. Det är det tankesätt jag använder: att verkligen förstå vilka luckor som finns och rekrytera för dem.

Jag tittar inte på att jag har en produktchef och en designer. I stället ser jag specifikt att en person kanske är mycket bra på lansering på marknaden och kundsamtal, en annan är mycket bra på att utveckla SaaS-området och en tredje på något annat. Man tittar alltså på färdigheter i stället för titlar.

Försök fylla den färdigheten och hitta den bästa personen du kan ta in i teamet för att täcka den.

Hannah Clark: Det här är mycket intressant eftersom jag tycker att det också är en förändring i hur man tänker kring vilka kompletterande erfarenheter, scenarier, kontakter eller andra aspekter hos en person som sticker ut, i stället för att bara se på kvalifikationerna.

Det är ett tydligt avsteg från en annan typ av rekryteringstänkande. Tidigare fokuserade vi mycket på specifika hårda färdigheter, certifieringar och kvalifikationer. Nu verkar bredden i någons erfarenhet och andra unika bidrag som personen tar med sig som individ ha större betydelse.

Skulle du säga att det stämmer?

Maryam Ashoori: Det stämmer. Jag tycker att det som är gemensamt för de flesta rekryteringar jag har sett under de senaste två åren, i generativ AI:s tidsålder, är två egenskaper. Den ena är att vara nyfiken: visa nyfikenhet på vart området är på väg, kasta dig in i det, utforska och bygg saker.

Den andra är att vara teknisk och verkligen förstå vad som händer. Jag har sett produktchefer kategorisera sig själva som produktchefer för marknadslansering i stället för tekniska produktchefer, och då tänker jag: Vänta lite. Vi talar om AI:s tidsålder. Du måste ha en mycket god förståelse för hur tekniken kan hjälpa din produkt och dig själv.

Om du inte kan svara på det kanske du befinner dig i fel position.

Hannah Clark: Ja, jag håller med. Det du sade om att vilja rapportera till personen en dag påminner mig om ett samtal jag hade med en italiensk person om Kova på Atlassian för ett och ett halvt år sedan, om en liknande fråga kring vad hon letar efter hos en kandidat.

En sak som verkligen fastnade hos mig var: Om jag frågar den här personen vem de beundrar, har de då någonsin nämnt någon som var mer junior än de själva? Jag tyckte att det var mycket intressant, eftersom det handlar om att se vilka egenskaper personen har, hur väl personen kan samarbeta och om personen respekterar alla kompetenser i kedjan.

Och nu, särskilt, känns det som ett bra tillfälle att undersöka hur personen samarbetar med andra, eftersom tekniken till sin natur är så samarbetsinriktad. Jag tycker att det här är mycket fascinerande. Du nämnde tidigare att två centrala områden där AI påverkar produktledning är att förbättra befintliga produkter och att förbättra den personliga produktiviteten.

Jag vill nu prata lite om hur vi förbättrar våra befintliga produkter med AI, eftersom vi bara har berört det kort. Vilka briljanta användningsområden har du sett inom dessa båda områden? Jag är säker på att du har många exempel.

Maryam Ashoori: Det finns olika sätt att föra in AI i våra produkter. Ett sätt är att vara leverantör av tekniken till världen. Till exempel är plattformen som jag bygger en paketering av stora språkmodeller, verktyg och allt annat man behöver, som vi erbjuder till andra roller så att de kan bygga vidare på den.

Det är ett sätt att tänka: att ta fram tekniken som en plattform och leverera den till marknaden för att hjälpa andra att bygga applikationer. Det andra är att bygga applikationer som är berikade med AI. Oavsett vilken produkt du har kan du fundera på hur du kan använda AI för att berika vissa funktioner och dra nytta av accelerationen.

Det kan vara något av de direkta användningsområden som generativ AI möjliggör, som informationsklassificering, informationsutvinning, frågor och svar, kundtjänst, chattbotar, innehållsgenerering eller kodgenerering. Eller så kan det handla om automatisering, till exempel agenter. Du kan koppla samman alla dessa användningsområden genom funktionsanrop med varje affärsarbetsflöde du har.

Hur kan jag tillföra den effektiviteten till min produkt för att få en bättre produkt? Det är den andra kategorin. Den tredje kategorin är hur man kan skapa en ny produktkategori som drivs av stora språkmodeller. Ett exempel är all kodassisterande teknik där en stor språkmodell arbetar i bakgrunden och används för att hjälpa utvecklare att arbeta med intuitiv kodning.

Det är ett mycket bra exempel på nya möjlighetsområden. Den fjärde kategorin skulle jag placera inom tjänster. Den utbildningsutmaning du nämnde för produktchefer är inte unik för den här rollen. Den gäller hela marknaden, företagsmarknaden såväl som konsumentmarknaden. Alla behöver utbilda sig för att kunna fatta bättre AI-beslut, och det representerar en möjlighet för tjänster.

Om du kan området kan du hjälpa andra att välja rätt modell för rätt användningsområde och fatta bättre beslut. Det innebär fyra olika möjlighetsområden för produktchefer, och beroende på vilket område du riktar in dig på blir råden för hur du ska närma dig det helt olika.

Hannah Clark: Jag är mycket intresserad av den fjärde kategorin, tjänster, eftersom jag också har sett en trend där produktchefer rör sig mot tjänster eller utbildning. Jag har sett en explosion av tidigare produktchefer som erbjuder kurser på Maven, och det verkar finnas en stor drivkraft att ta vara på den här möjligheten nu när verktyg för intuitiv kodning har gjort kodning och utveckling tillgängligt för nästan alla.

Jag kan verkligen se trenden mot att erbjuda andra tjänster för att hjälpa människor att utveckla lösningar som är skräddarsydda för dem. Det är mycket intressant. Det är en helt annan förändring som sker parallellt med all utveckling inom produktområdet, och jag tycker att det är väldigt spännande.

Om vi blickar framåt, vilka utvecklingar eller trender inom AI tror du kommer att ha en betydande påverkan under de kommande 12 till 18 månaderna, utifrån det du ser börja ta form just nu?

Maryam Ashoori: I vår värld är tre månader en generation, så 12 till 18 månader innebär fem generationer framåt.

Det är lite för långt fram för att säga vart vi kommer att ta vägen. Men om jag tittar på kanske tre generationer, sex till nio månader framåt, skulle jag säga att jag kommer att se mycket mer automatisering. Vi ser det redan i dag, men tekniken är inte riktigt där än. Det handlar mer om att utforska nya användningsområden och tillsammans med communityn ta reda på hur man använder detta effektivt.

Det innebär en möjlighet för produktchefer. När jag säger automatisering menar jag verkligen att automatisera allt från att generera e-post och prata med kunder till att optimera produktplaner utifrån den utvecklingsinsats som krävs för att leverera något. Från att bestämma tidsplanen till att generera innehåll för produktkravsdokumentet.

Att utforska nya alternativ för kunderna och hjälpa dem att fatta bättre beslut, alltså bokstavligen varje beslut du fattar. Jag hävdar att det potentiellt kan förbättras med AI om du kommer på hur du får AI att arbeta för dig. Men på den andra sidan skulle jag lägga till att all den vackra acceleration vi får med AI har en kostnad. Den kostnaden är riskerna. Du kan bygga eller förstöra din karriär beroende på hur du använder tekniken.

Det är avgörande för produktchefer att inte bara ha en mycket god förståelse för fördelarna, utan också för riskerna. Risker kan påverka produkten. Saker kan gå fel, och risker kan även påverka ens personliga identitet och varumärke.

Jag skulle därför säga att man alltid ska tänka på balansen mellan kostnad och nytta i det man gör.

Hannah Clark: Ja. Jag är säker på att det här är en fråga som ligger dig varmt om hjärtat. Eftersom etisk användning av AI är en hörnsten i din karriär, hur navigerar vi bland dessa risker? Jag upplever ofta att misstag kan begås av människor som har goda avsikter men som befinner sig i ett läge av lek och utforskande.

Har du något ramverk eller några skyddsräcken som du brukar tänka på när du utforskar AI, eller något du skulle vilja skicka med till personer som vill bygga in riskhantering i sin utveckling och kompetens?

Maryam Ashoori: Jag kan ge dig ett exempel. Säg att du vill använda en agent som skickar e-post åt dig eller sammanfattar dina e-postmeddelanden och som har tillgång till din kalender för att boka något.

Fördelarna är fantastiska. Å andra sidan måste du ge agenten tillgång till din e-post och ditt kalenderschema, och då finns det potentiellt en illvillig aktör som kan missbruka informationen om var du kommer att vara, när och vem du ska prata med. Varje behörighet du ger dessa agenter skapar potentiellt en sårbarhetspunkt för dig, och det gäller inte bara dig.

Detsamma gäller för din produkt när du tar in sådana agenter i den. Jag skulle därför börja om från ritbordet och utgå från användningsområdet. Det är avgörande att förstå vilket problem du försöker lösa för communityn och för din produkt. Vad är det här? Och när det gäller AI måste du ha en mycket god förståelse för vilken nytta tekniken innebär.

Men också vilka sårbarhetspunkter jag introducerar i produkten. Känner jag mig trygg med att ha en plan för att hantera och lösa dem, eller följer jag blint med och för in AI i produkten för att se vad som händer?

Hannah Clark: Jag är verkligen glad att du sade det, eftersom jag tycker att det är den mindre glamorösa delen av AI-utveckling och utforskning.

Det här är en tid av stor entusiasm, men riskhantering har i vissa sammanhang blivit något man tänker på i efterhand, om man tänker på det alls. Vi befinner oss nästan i en vilda västern-fas av utveckling och utforskning, som en andra generation pionjärer när det gäller intuitiv kodning och användning av AI för helt nya användningsområden.

Därför tycker jag att det är viktigt att lyfta fram detta. Jag ville avsluta med några nästa steg för dem som är intresserade av att utveckla sin egen kompetens. I den nuvarande generationen, där vi befinner oss just nu, vilka resurser har du funnit vara mest användbara för dig själv eller för personer i ditt team som naturligt vidareutbildar sig?

Att bara leka med tekniken är ett sätt, men finns det andra resurser du skulle rekommendera?

Maryam Ashoori: Utöver alla bra resurser som finns där ute skulle jag också säga att man måste hitta sitt sätt att sålla bland det man vill exponeras för. Det händer så mycket på marknaden, och jag har sett produktchefer hantera en trötthet inför tekniken, kanske kan vi kalla det tekniktrötthet.

Var får du din information ifrån? Det mest effektiva jag har uppmuntrat mina team att göra är att hitta en pålitlig röst i communityn och följa den. Om det är på LinkedIn eller någon annanstans spelar ingen roll. Följ personen, eftersom det är stor chans att du vill höra deras perspektiv när ny teknik kommer ut, i stället för att själv behöva gå igenom hela communityn för att förstå den.

Det är en genväg till att höra en experts åsikt om tekniken, och det är mycket hjälpsamt. Men även om du tänker på kostnad och nytta för dina produktchefer måste du se till att personen du följer verkligen är värd att följa.

Annars begränsar du din syn på världen till det fönstret. Om perspektivet inte är korrekt får du en grumlig bild av omvärlden. Var därför mycket selektiv, men hitta personer som delar ditt perspektiv och är experter på det du bryr dig om, och följ dem.

Hannah Clark: Jag älskar det rådet, och jag tycker att det är mycket viktigt just nu när vi går in i en period av snabb mättnad.

Rådet att vara selektiv gäller många saker inom AI och teknik, och jag tror att vi även kommer att upptäcka att det gäller livet i stort. På tal om att lita på människor och följa dem, hur kan man följa ditt arbete efter det här avsnittet?

Maryam Ashoori: Jag finns på LinkedIn och försöker skriva så mycket som möjligt, så jag håller gärna kontakten med dem på LinkedIn.

Hannah Clark: Underbart. Tack så mycket för att du var med, Maryam. Vi ser till att lägga till länken till din LinkedIn-profil i dagens programanteckningar. Tack så mycket. Jag uppskattar verkligen din tid. Jag vet att du är en mycket upptagen person.

Maryam Ashoori: Underbart. Tack för att jag fick vara med.

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