Teknikchef för produktutveckling säger att produktledare ställer fel frågor – och missar de största möjligheterna

Emrecan Dogan är CPO på Glean. Han har även haft produktledande roller på Stripe och LinkedIn.

Vi pratade med honom för att få en uppfattning om hur produktchefers perspektiv behöver förändras med AI. Han sa att de flesta team fortfarande behandlar AI som en funktion – och att det är ett misstag.

AI är en möjlighet att bygga kontextmedvetna system

Jag heter Emrecan Dogan och är produktchef på Glean. Jag ansvarar för produkt, datavetenskap, produktverksamhet och tekniska program, och jag fokuserar på att hjälpa team att verkligen förlita sig på AI i sitt dagliga arbete.

Min väg har alltid legat i skärningspunkten mellan system, produktbedömning och skalning. Innan Glean arbetade jag i produktledande roller på Stripe och LinkedIn. Jag har också arbetat med startupföretag och investeringar, vilket gav mig en förstahandsinblick i hur plattformsförskjutningar sker och hur snabbt produktantaganden kan falla när ny teknik blir användbar.

AI fångade mitt intresse så starkt eftersom det inte bara är ännu en våg av nya funktioner. Det förändrar själva produktens form. I åratal har programvara främst hjälpt användare att navigera i registersystem. Men AI ger oss möjlighet att bygga system som förstår kontext, resonerar över flera verktyg och hjälper människor att gå från avsikt till genomförande. Som produktledare är det den omvandlingen som intresserar mig mest.

Emrecan delar med sig

I åratal har programvara främst hjälpt användare att navigera i registersystem. Men AI ger oss möjlighet att bygga system som förstår kontext, resonerar över flera verktyg och hjälper människor att gå från avsikt till genomförande. Som produktledare är det den omvandlingen som intresserar mig mest.

Utmaningen med att bygga verktyg som är både breda och precisa

Min organisation bygger AI för säkert arbete i företagsskala: företagssökning, proaktiva assistenter, agenter och det kontextlager som hjälper dessa upplevelser att förstå företagets medarbetare, kunskap, verktyg och behörigheter.

Produkten är i grunden horisontell. Vi bygger för alla avdelningar och team inom företaget – från produkt och teknik till försäljning och support, samt IT, HR, ekonomi, juridik och mer. Alla delar samma gemensamma behov: att hjälpa människor fatta beslut och få arbetet gjort i ett splittrat landskap av appar, dokument, konversationer och system.

Vi levererar detta som en SaaS-plattform för företag, utformad för att fungera över en bred och komplex uppsättning system samtidigt som den förblir djupt behörighetsmedveten, tillförlitlig och integrerad i användarnas dagliga arbetsflöden. Utmaningen – och möjligheten – är att bygga något som kan vara brett användbart i hela företaget, men som ändå känns precist och relevant i varje teams specifika kontext.

Hur AI förändrar produkter från funktioner till arbetsflöden

Vi definierar inte längre produkten främst som isolerade funktioner. Vi definierar den som ett heltäckande produktarbetsflöde.

För ett år sedan tänkte många team, inklusive vårt eget, fortfarande i termer av ”Var finns den här funktionen?” eller ”Vilken sida ska äga det här användningsfallet?” AI fick oss att ställa en annan fråga: ”Hur får användaren jobbet gjort, från avsikt till resultat?”

Det låter subtilt, men det förändrar allt. Det förändrar omfattning, mätvärden, utvärdering, användarupplevelse och till och med hur team organiseras.

Min avvikande åsikt: De flesta team underskattar fortfarande hur djup den här förändringen är. De använder AI för att lägga till en funktion i den befintliga produkten. Men den större möjligheten är att utforma om hela arbetsflödet.

I många fall är den rätta frågan inte längre ”Var placerar vi den här funktionen?” utan ”Vilket befintligt användargränssnitt bör försvinna eftersom systemet nu kan utföra arbetet mer direkt?”

Hur AI informerar produktbeslut medan människor säkerställer förtroende

Jag använder AI flitigt för syntes, utforskning och för att effektivisera mitt arbete. Uppgifterna omfattar:

• Sammanfatta kundfeedback från många olika källor
• Identifiera mönster i användnings- och arbetsflödesdata
• Skapa en PRD-struktur eller formulera olika alternativ
• Utforska flera UX-inriktningar snabbt
• Testa antaganden under press
• Skapa första utkast till underlag för planering, granskningar och kommunikation

Det som fortfarande uttryckligen är mänskligt är omdömet. Många drar gränsen mellan människa och maskin på fel ställe. Gränsen går inte mellan att AI utför arbete med lågt värde och människor arbete med högt värde. Gränsen går vid att AI bör utföra den breda sökningen, komprimeringen och genereringen av alternativ, medan människor fortsatt är ansvariga för känsla, förtroende och oåterkalleliga avvägningar.

Jag skulle aldrig lämna över produktkänslan. Jag skulle aldrig lämna över beslut om behörigheter eller förtroende. Och jag skulle aldrig låta en modell fatta det slutliga beslutet om vad som bör byggas bara för att den kan argumentera för flera alternativ.

Det är billigt att generera alternativ nu. Ett sammanhängande omdöme är det inte.

Så förbättrar AI arbetsflödena för produktplanering

Låt oss ta vårt arbetsflöde för produktplanering som exempel.

Jag kanske börjar med en bred fråga som: ”Hjälp mig att avgöra om det här problemet är värt att lösa nu.”

Därefter sammanställer systemet kundfeedback, tidigare interna dokument, användningssignaler, relaterat arbete i produktplanen och konkurrensmässig kontext. Och jag använder AI för att syntetisera de viktigaste mönstren, identifiera öppna frågor och skapa ett första utkast till produktinramning.

Nästa steg är att använda det för att omvandla denna inramning till mer konkreta underlag: ett utkast till specifikation, en uppsättning alternativ, beroenden, överväganden inför lanseringen och åtgärdspunkter för teamet.

Och i den starkaste versionen av detta arbetsflöde stannar assistenten inte vid att skapa utkast. Den hjälper till att skapa eller uppdatera de underliggande objekten i de system där arbetet utförs, med en människa i loopen innan något verkställs.

Arbetsflödet går från efterforskning till syntes till genomförande i en enda kontinuerlig loop. Det är där AI blir mycket mer värdefullt än en chattbot.

Därför accelererar AI produktutvecklingen men utmanar förtroendet

Ett positivt resultat av allt detta är att taket ligger betydligt högre.

AI kan komprimera arbetsflöden som tidigare krävde omfattande växling mellan flikar, manuell syntes och repetitiv samordning. Det kan göra produktteam snabbare på vägen från fråga till kontext, från kontext till beslut och från beslut till handling. Det höjer också användarnas förväntningar. När människor väl har upplevt en assistent som kan förstå deras verktyg, historik och behörigheter vill de inte längre ha punktlösningar som bara besvarar snäva frågor.

AI utökar alltså möjligheterna snabbt, men varaktigt produktvärde kommer fortfarande från noggrannhet.

Så förebygger förtroendeskapande design fallgropar i AI-produkter

Ett negativt resultat är att AI också gör det enklare att lansera något imponerande som ännu inte är tillförlitligt. I ett tidigt skede lägger många team för stor vikt vid demonstrationsvärde och för liten vikt vid utvärdering, behörigheter, tillförlitlighet och tydlighet i användarupplevelsen kring systemets funktion. Du kan snabbt skapa entusiasm, men om resultaten är inkonsekventa eller arbetsflödet bryter samman i det sista steget förlorar användarna förtroendet lika snabbt.

Förtroende bör inte vara ett lager som du lägger till senare. Det är en del av produkten från dag ett.

Användarna ställer nästan omedelbart djupare frågor: Var kom det här ifrån? Varför gjorde den så? Kan jag lita på den? Kommer den att respektera behörigheter? Vad händer om den har fel? Om du inte utformar för de frågorna tidigt slutar det med att du måste bygga om centrala delar av produkten senare.

Om jag hade förstått det mer på djupet tidigt i min produktledarkarriär, skulle jag ha drivit på ännu tidigare för tydliga källhänvisningar, bättre utvärderingar, större insyn i framstegen och striktare kontroller med människan i loopen.

Varför systemet runt AI är det viktigaste

AI har ännu inte konsekvent levererat helt autonoma arbetsflöden över långa tidshorisonter, så som många hoppades.

Det utmärker sig i avgränsade uppgifter. Det blir bättre på utförande i flera steg. Men när det ställs inför tvetydigt, tvärfunktionellt arbete som kräver uthålligt omdöme, föränderliga mål och en nyanserad förståelse av intressenter, är gapet mellan en imponerande demo och ett tillförlitligt värde i produktion fortfarande verkligt.

AI levererar också sämre när team antar att modellen ensam är produkten. I praktiken kommer det verkliga värdet från kontext, behörigheter, orkestrering, utvärdering och genomtänkt arbetsflödesdesign. Utan det omgivande systemet är modellen ofta den minst differentierade delen.

Emrecan delar med sig

Det (AI) utmärker sig i avgränsade uppgifter. Det blir bättre på utförande i flera steg. Men när det ställs inför tvetydigt, tvärfunktionellt arbete som kräver uthålligt omdöme, föränderliga mål och en nyanserad förståelse av intressenter, är gapet mellan en imponerande demo och ett tillförlitligt värde i produktion fortfarande verkligt.

Hur AI gör produktteam tvärdisciplinära

AI har gjort de bästa teamen mer tvärdisciplinära. Gränserna mellan produktledning, design, utveckling, datavetenskap och produktverksamhet är mindre fasta eftersom själva produkten är mindre fast.

Att bygga starka AI-infödda produkter kräver närmare samarbete kring arbetsflödesdesign, utvärdering, förtroende och iteration. Det ökar också betydelsen av personer som kan växla mellan användarupplevelse och systembeteende.

Hur produktledare bör anpassa sig till AI-driven förändring

Här är mina råd:

1. Designa om era arbetsflöden.
2. Se kontext som en central produktbyggsten. I AI-produkter ligger skillnaden mellan något magiskt och något mediokert ofta inte i modellen. Det handlar om huruvida systemet har rätt kontext vid rätt tidpunkt och kan agera på den på ett säkert sätt.
3. Investera i utvärderingar och förtroendeinfrastruktur tidigare än vad som känns naturligt. Produktledare är vana vid att instrumentera klick och konverteringstrattar. Inom AI behöver ni också instrumentera kvalitet, förankring, säkerhet, behörigheter och uppgiftsresultat. Det är inte valfritt. Branschen investerar fortfarande för lite här eftersom demos belönar nyhet och användare belönar tillförlitlighet. Vänd på den vanliga ordningen: Om ert team inte har byggt utvärderingar, behörighetsstyrning, källhänvisningar och tydliga överlämningar är ni inte redo att skala upplevelsen, oavsett hur bra modellen ser ut i en demo.
4. Vänta slutligen inte på visshet. Det här är ett tillfälle att lära genom att lansera, men med disciplin.

Följ med

Du kan följa Emrecan Dogans arbete på LinkedIn.

Fler expertintervjuer kommer på The CPO Club!