Paramounts produktchef säger att de största AI-vinsterna inom produktledning kommer från sammanställning av återkoppling

Joshua Karp har över 20 års erfarenhet av produktledning – han arbetade till och med med produktutveckling på MySpace under företagets tidiga år. I dag är han produktchef på Paramount, där han ansvarar för streamingtjänsten BET+.

Vi pratade med Joshua för att få veta hur AI förändrar hans sätt att leda produktteam. Han berättade att användningen av AI för att sammanställa feedback har varit hans största framgång.

Produktledare kommer att överreagera på AI

Jag är produktledare inom konsumentprodukter och har över 20 års erfarenhet av att bygga digitala produkter inom streaming, medier, sociala plattformar, handel och prenumerationsverksamheter.

En ganska enkel fråga har stått i centrum för min karriär: Vad får människor att prova en produkt, återvända till den och så småningom göra den till en del av sin vardag?

Jag har arbetat med produkter i mycket olika stadier och skalor, från tidigt produktarbete på MySpace under en period av snabb tillväxt bland konsumenter, till produktledning på WWE och vidare till att leda produktstrategin för BET+ på Paramount inom områden som kundanskaffning, engagemang, kundlojalitet, intäktsgenerering, personalisering, experimentering och plattformsöverskridande upplevelser.

Det är en del av anledningen till att jag är så entusiastisk över det här AI-skedet. Tekniken är inte perfekt, och jag tror att branschen kommer att överreagera på den på vissa sätt, precis som vi ofta gör vid större plattformsförändringar. Men det innebär en verklig förändring, och produktledare måste engagera sig i den, lära sig av den och förstå var den skapar meningsfullt värde för kunder och verksamheter.

Att leda produktarbetet på BET+

BET+ är en premiumbaserad streamingtjänst med prenumeration som lanserades i partnerskap mellan Paramount och Tyler Perry Studios. Vi byggde tjänsten kring en engagerad målgrupp, ett starkt utbud av originalinnehåll och en växande plattformsöverskridande streamingupplevelse.

Jag var en del av BET+ från den första lanseringen och har lett produktarbetet för verksamheten under de senaste 4,5 åren. Under den tiden har tjänsten expanderat till mer än ett dussin plattformar, inklusive webben, mobila enheter, uppkopplad TV och partnerplattformar.

Produktorganisationen omfattar intäktsgenerering, innehållsupptäckt, videoengagemang, experimentering, personalisering, regelefterlevnad och innehållsstrategi. Leveransmodellen riktar sig både direkt till konsumenter och distribueras via partner, och betjänar kunder på egna plattformar och partnerplattformar.

Så låter AI produktchefer fokusera på produktbedömningar

Under lång tid har produktarbete inneburit omfattande planering, idékläckning och analys i ett tidigt skede innan ett team kunde reagera på en idé. Även om det arbetet fortfarande är värdefullt tycker jag inte längre att det alltid måste gå till på det sättet.

AI snabbar upp de tidigare delarna av produktprocessen – upptäckt, sammanställning, analys, prototypframtagning och förberedelser – så att teamen kan fokusera på det verkliga problemet tidigare och snabbare röra sig mot rätt lösning.

AI kan till exempel hjälpa produktteam att analysera både kvantitativa och kvalitativa data, sammanställa kundfeedback, identifiera teman och stresstesta tidiga hypoteser. Det kan också hjälpa till att ta fram utgångspunkter för prototyper, budskap, produktkoncept eller kundsamtal. Förmågan att sammanställa feedback har i synnerhet förändrat spelplanen för mig.

Det här är värdefullt eftersom det hjälper teamen att arbeta snabbare och eliminerar problemet med det tomma bladet i början. Det skapar också en mer givande diskussion eftersom människor reagerar på något konkret i stället för att debattera en abstrakt idé.

Men det här är fortfarande startlinjen, inte mållinjen.

Människor måste fortfarande förstå kunderna, fastställa verksamhetens strategi och mål, göra avvägningar, prioritera färdplanen och avgöra vad som är värt att bygga och hur omfattande det ska vara. AI kan bidra till det arbetet, men mänskligt produktomdöme är fortfarande avgörande för prioritering, strategi, kundförståelse och ansvar för de slutliga besluten.

Jag tror fortfarande starkt på värdet av fantastisk produktdesign, stark ingenjörskonst och team som förstår hela sammanhanget för det de bygger. AI ersätter inte det. Men AI har förändrat hur snabbt jag kan skapa något konkret. Det gör att jag kan lägga mer energi på att utvärdera, förfina och besluta vad som är värt att gå vidare med. Och det är enormt.

Joshs anteckningar

AI kan hjälpa produktteam att analysera både kvantitativa och kvalitativa data, sammanställa kundfeedback, identifiera teman och stresstesta tidiga hypoteser. Det kan också hjälpa till att generera utgångspunkter för prototyper, budskap, produktkoncept eller kundsamtal. Förmågan att sammanställa feedback har i synnerhet förändrat spelplanen för mig.

Så förbättrar AI tvärfunktionell produktplanering

AI ger också produktledare en möjlighet att tänka om kring tvärfunktionell produktplanering.

Alltför ofta planerar team i silos. Produkt- och designteamen kan utforma en upplevelse innan de tar hänsyn till tekniska begränsningar. Produkt- och ingenjörsteamen kan gå vidare innan de beaktar designsystem eller konsekvenser för användarupplevelsen. Eller så kan team planera en funktion utan att ta hänsyn till marknadsföringens behov, operativa arbetsflöden, kundtjänstens påverkan eller hur funktionen ska stödjas när den väl är lanserad.

AI skapar en möjlighet att integrera dessa signaler tidigare i processen. Det kan hjälpa till att sammanställa feedback och begränsningar från produkt, design, utveckling, marknadsföring, drift, kundtjänst, data och andra intressenter, vilket ger teamet en mer heltäckande bild av vad de bygger och varför.

AI skapar en möjlighet att integrera dessa [kund]signaler tidigare i processen

Med tiden kan AI också bevara och återanvända detta sammanhang. När det förstår hur team samarbetar, var beroenden finns, vilka begränsningar som vanligtvis är viktiga och vad som orsakade tidigare friktion, kan det föra tillbaka den kunskapen till framtida planering. Det hjälper team att undvika upprepade misstag och fatta bättre beslut tidigare.

Hur AIs största fördel inom produktledning också är en risk

Det största positiva resultatet av AI är att team snabbare når startlinjen.

Det kan innebära att skapa mening i komplicerade data, sammanställa stora mängder kvalitativ kundfeedback, analysera känslolägen mer ingående eller förbereda produktkrav bättre.

Även om det är oerhört användbart innebär det också en verklig risk. Produktchefer måste fortfarande upprätthålla disciplin och gott omdöme.

Produktkrav är ett bra exempel. AI kan vara till stor hjälp när man skapar ett första utkast eller försöker tänka igenom strukturen, men det är farligt att förlita sig alltför mycket på det. AI får sällan allt rätt på egen hand och missar ofta kritiska specialfall, affärssammanhang, kundnyanser och tekniska begränsningar som formar kraven.

Det positiva resultatet är alltså snabbhet och framdrift. Det negativa resultatet, om man inte är försiktig, är att team kan förväxla AI-genererade krav med ett färdigt produktsvar.

AI kan ännu inte omvandla feedback till riktning

Jag nämnde tidigare att det har förändrat spelplanen att sammanställa kundfeedback med AI. Men att omvandla denna feedback till en produktriktning är ett område där AI ännu inte har levererat.

AI är mycket användbart för sammanställning. Det kan analysera enorma mängder kundfeedback, identifiera återkommande teman, sammanfatta känslolägen och synliggöra mönster. Det krävs dock fortfarande försiktighet när det gäller vägledning om riktningen.

Utan disciplin kan AI få en liten signal att verka större än den är. Jag har sett AI överreagera på en samling kundfeedback och föreslå en förändring av produktriktningen som inte stöds av det bredare sammanhanget.

Det är därför mänskligt omdöme spelar roll. Kundfeedback är oerhört värdefull, men all feedback väger inte lika tungt. Du måste fortfarande förstå vem som lämnar feedbacken, hur representativ den är, hur väl den stämmer överens med den övergripande strategin och vilka avvägningar den medför.

Se AI som ytterligare en värdefull signal, inte som en beslutsfattare.

Ett verklighetsbaserat arbetsflöde för feedbacksyntes

Här är ett AI-arbetsflöde som jag använder i ett sidoprojekt.

Det börjar med att samla in rå kundfeedback, data om produktanvändning och analyspaneler. AI syntetiserar sedan den informationen till tydliga teman, kundernas problemområden och produktmöjligheter.

AI identifierar till exempel gemensamma teman i kundfeedback, synliggör känsloläget och kopplar dessa teman till viktiga datapunkter. Det tydliggör var kundbeteende och produktens resultat kan peka på samma problem. Vi använder ChatGPT och Claude för detta.

Jag fokuserar sedan på de två eller tre viktigaste produktutmaningarna eller möjligheterna och tillämpar mitt omdöme. Jag bedömer om temana är meningsfulla, om data stöder feedbacken, om möjligheten stämmer överens med produktstrategin och om den är värd att testa.

Det här arbetsflödet leder vanligtvis till en tydlig produkthypotes, en skarp problemformulering eller lösningsidéer som kan omvandlas till enkla prototyper, krav eller experiment.

Varför AI-drivna produkter och funktioner behöver feedback snabbt

Med AI-drivna upplevelser är det viktigt att få dem framför användarna så tidigt som möjligt. Användarfeedback är alltid viktig, men med AI är den ännu viktigare eftersom du ofta inte kan förutse användarnas reaktioner, kantfall eller oväntade användningsområden under planeringen.

Det största misstaget att undvika är att bygga för länge i ett vakuum. Visa i stället AI-funktioner för användarna så tidigt som möjligt, även om de fortfarande bara är prototyper eller koncept. Observera hur användarna tolkar och interagerar med upplevelsen.

Det största misstaget är att bygga för länge i ett vakuum.

Du kommer ofta att lära dig något som gör stor skillnad och leder till en mer genomarbetad slutlig produkt eller funktion.

Varför produktledare bör experimentera med AI hemma

Mitt råd är att inta ett produktperspektiv, förbli nyfiken och skaffa praktisk erfarenhet av AI.

Det enda sättet att förstå vad AI klarar av, var den brister och hur den kan hjälpa din organisation är att använda den.

Jag menar inte bara att använda den professionellt. Jag rekommenderar också att använda AI för personliga ändamål. Skapa agenter, testa arbetsflöden och använd AI för att planera, göra efterforskningar, skapa prototyper och tänka igenom problem. Ibland kan något du provar privat öppna ögonen för ett användningsområde eller en produktmöjlighet i arbetet.

Produktledare behöver också uppmuntra sina team och organisationer att inte vara rädda för AI. De bör skapa en miljö där människor är öppna för att experimentera med AI, lära sig vad som fungerar, vara ärliga med vad som inte fungerar och regelbundet dela dessa lärdomar med varandra.

Men samtidigt bör AI vara ett verktyg i verktygslådan. Den bör inte vara det som driver produkten. Produktledare måste fortfarande styra skutan.

AI är här, och det är oklokt att ignorera den. Förstå vad den kan göra, vad den inte kan göra och vad den kanske kommer att kunna göra över tid, så att ditt produktperspektiv kan utvecklas tillsammans med den.

Följ med

Du kan följa Joshua Karps arbete på LinkedIn.

Fler expertintervjuer kommer på The CPO Club!