SVP för produkt säger att traditionella PM-metoder är “helt fel” tack vare AI

Ibrahim Bashir har tidigare lett produktinitiativ på Box, Twitter, Amplitude och Amazon, och är för närvarande SVP för produkt på Ontra. Han har skapat nyhetsbrevet Run the Business.

Vi satte oss ner med Ibrahim för att få en bild av hur AI förändrar hans organisation – och produktledning i allmänhet. Här är vad han berättade.

Att bygga team, lansera produkter och upprepa resultat

Jag heter Ibrahim Bashir. Jag är för närvarande SVP för produkt på Ontra, där jag leder ungefär 60 personer inom produktledning, användarupplevelse, datavetenskap och verksamhetsdrift.

Ontra är ett AI-drivet juridiskt operativsystem för privata marknader: Vi automatiserar avtal, skyldigheter, bolagshantering och arbetsflöden för regelefterlevnad genom hela fondens livscykel. Våra kunder är främst private equity- och riskkapitalbolag, investmentbanker, direkta långivare samt de advokatbyråer och tjänsteleverantörer som stödjer dem. Sammantaget arbetar vi med fler än 1 000 företag globalt, däribland nio av de tio största private equity-företagen.

Vår leveransmodell är förmodligen det mest särpräglade med oss, och den är särskilt relevant för det här samtalet. Vi levererar både traditionella prenumerationsbaserade SaaS-produkter och ett erbjudande med hanterade tjänster, där juridiska experter använder AI för att utföra arbete direkt på kundernas uppdrag.

Den här dubbla modellen gör att vi i realtid kan se var AI kan hantera hela arbetsflödet från början till slut och var en människa fortfarande behöver vara delaktig. Den ger oss ett enastående perspektiv på hur AI-infödda produkter byggs och tas i bruk i företagsmiljöer där mycket står på spel.

Före Ontra skalade jag upp flaggskeppsprodukten på Amplitude, utvecklade nya verksamheter på Box, byggde tjänsteinfrastruktur på Twitter och lanserade produkter i Kindle-ekosystemet på Amazon.

Genom allt detta har jag fokuserat på tre saker: att bygga team, lansera produkter och upprepa resultat. Jag skriver också Run the Business, ett Substack-nyhetsbrev för produktledare inom B2B, som jag använder som en yta för att tydliggöra mina tankar. Mitt mål är att knyta samman lärdomar från praktiken, idéer som jag har tagit till mig genom läsning och ramverk som jag har hämtat genom samarbete.

Varför AI har gjort gamla produktantaganden felaktiga

Det som gör det här AI-ögonblicket annorlunda för mig är inte kurvan för modellernas kapacitet. Det är att AI i tysthet urholkar de flesta antaganden som jag hade tagit till mig som B2B-produktledare under det senaste decenniet.

De verksamhetsprinciper som jag brukade upprepa utan att tänka efter är inte direkt fel, men AI omformar dem i realtid.

Ta förändringsledning som exempel. Den handlade om att minska inlärningskurvan så att användarna tog sig igenom friktionen med ett nytt verktyg. I en AI-infödd produkt är verktyget ofta inte svårt att använda; motståndet är mer existentiellt – ”Tränar jag upp min ersättare?” En annan grundorsak kräver ett annat svar.

Det verkliga arbetet inom produktledning just nu handlar därför mindre om att lägga till AI i färdplanen och mer om att ärligt granska vilka av dina tidigare antaganden som fortfarande förtjänar att behållas.

Ibrahim delar med sig

Det verkliga arbetet inom produktledning just nu handlar därför mindre om att lägga till AI i färdplanen och mer om att ärligt granska vilka av dina tidigare antaganden som fortfarande förtjänar att behållas.

Var AI ger högst ROI för produktchefer

Jag använder AI inom alla delar av produktutvecklingens livscykel, men storskalig syntes ger högst ROI:

• Sammanfatta teman från kundsamtal
• Skapa varianter av presentationer om färdplanen
• Omvandla strategiska diskussionspunkter till kommunikation på olika detaljnivåer
• Och så vidare

Bedömnings- och tolkningsarbete som saknar mycket tidigare erfarenhet eller sammanhang kräver fortfarande främst människor. Men AI blir ett bra bollplank även i sådana situationer.

Så kan AI förena olika produktperspektiv

Här är ytterligare en fördel: AI förenklar processen med att förena och samordna produktperspektiv inom ett företag, vilket minskar den friktion som vanligtvis uppstår när en produkt närmar sig lansering.

Nu kan team enklare skapa en gemensam förståelse för problemet, målpersonen, lösningen och differentieringen mycket tidigare genom att använda skriftliga och visualiserade artefakter, vilket förhindrar bristande samordning senare i utvecklingscykeln.

Så kan produktledare förbereda sig inför kundmöten med AI

När jag förbereder mig inför ett kundmöte sammanställer jag alla våra ledtrådar om kunden från olika system, inklusive samtalstranskriptioner, för att få en heltäckande bild av vad de bryr sig om, hur det går med produktfeedbacken och en sammanställning över viktiga intressenter.

Arbetsflödet omfattar Claude tillsammans med verktyg som Gainsight, Gong och Snowflake.

Så påverkar AI produktens cykeltid

AI har fått mig att sikta högre och även återvända till gamla idéer som kanske hade varit svårare att utforska tidigare.

Det har också gjort mig mer benägen att snabbt testa och lägga ned produktidéer. I vår bransch pratar vi visserligen om produktsatsningar, men vi påbörjar sällan något som inte lanseras.

AI gör det möjligt för oss att genomföra snabbare idégenerering och prototyparbete, vilket minskar cykeltiden från idé till lansering.

Men det finns en baksida. Produktteam måste överväga och svara på fler idéer. Att hålla jämna steg med mängden idéer från hela företaget gör varje vecka till en hackvecka.

Så kan kunder bli en flaskhals för AI:s fördelar

Nu när AI har minskat våra cykeltider har vi stött på ett nytt problem.

Partnernas tillgänglighet som medutvecklare är fortfarande begränsad. Vi säljer till en nischad köparbas, så deras tid och möjlighet att delta i betaprogram är begränsade. De kan bara hantera en begränsad mängd förändringsarbete.

Så även om AI har hjälpt oss med volymen försöker vi fortfarande hitta rätt sätt att rulla ut och möjliggöra användningen av tekniken.

Så skapar AI orealistiska förväntningar

AI skapar en falsk känsla av att det är enkelt att sätta något i produktion, vilket gör att förväntningarna på lanseringstakt och användning blir orimliga.

Räkna med snabbare idégenerering, men vid någon punkt är GA en helt annan ribba.

Varför AI:s kostnadseffektivitet behöver ses över

Vi diskuterade inte den totala kostnaden för att bygga.

Många ser AI som en nästan kostnadsfri produktivitetsökning, men så småningom måste du jämföra tokenkostnader med personalkostnader, och kalkylen kanske inte alltid talar till AI:s fördel.

Att exempelvis använda Claude för att övervaka Slack och läsa meddelanden kanske snart inte är kostnadseffektivt.

Varför produktledare måste kavla upp ärmarna och experimentera med AI

Jag uppmuntrar produktledare att ha ett lärande förhållningssätt, förbli nyfikna och uppmuntra experimenterande. Var inte alltför fäst vid bästa praxis från den tidigare eran av mjukvaruutveckling.

Jag har haft goda resultat av att kavla upp ärmarna och dela med mig av mina egna hack, motivera team med roliga utmärkelser för kreativitet och avsätta särskild tid för att experimentera i stället för att fokusera till 100 % på att leverera enligt färdplanen.

Det är också helt okej att prova flera verktyg för samma scenario. Modeller och produkter utvecklas snabbt — det finns ingen anledning att fatta förhastade beslut om att låsa fast sig.

Ibrahim delar med sig

…det är helt okej att prova flera verktyg för samma scenario. Modeller och produkter utvecklas snabbt — det finns ingen anledning att fatta förhastade beslut om att låsa fast sig.

Följ med

Du kan följa Ibrahim Bashirs arbete på LinkedIn. Ta också en titt på hans Substack, Run the Business.

Fler expertintervjuer kommer på The CPO Club!