Zendesk’s produktdirektör uppmanar produktledare att inta ett mänskligt förhållningssätt till AI-användning

Mirza Besirovic är produktchef på Zendesk, där han leder 15 produktteam med fokus på agentbaserade system.

Vi bad Mirza berätta om sin resa med AI-användning inom Zendesks produktorganisation. Han berättade hur sporadisk användning kan bli mer konsekvent mellan teamen.

En okonventionell resa inom produktledning

För tjugo år sedan var jag poesiöversättare. En rad tillfälligheter och val ledde mig till att bli produktledare inom AI.

Den tekniska delen av min resa började på ett nätverk för forskare där vi för många år sedan byggde datamängder för alla möjliga ML-experiment. Under de senaste 15 åren har jag arbetat inom reseteknik, finansteknik, strömning, datavetenskap och under de senaste åren med konversations-AI och automatisering.

I dag är jag produktchef på Zendesk och leder en grupp på knappt 15 produktteam som ansvarar för en portfölj inom AI-agenter och agentbaserade system, RAG- och hämtningsplattformar, analys, integrationer samt AI-driftsättning och självbetjäning. Vi är ett distribuerat team som huvudsakligen finns i Europa och arbetar globalt med vårt huvudkontor i San Francisco, partner i APAC och kunder över hela världen.

Jag började på Zendesk genom förvärvet av Ultimate.ai 2024 som produktchef. Sedan dess har vi lanserat ett par generationer av generativa botar, produkter för konversationsautomatisering och ett autonomt agentbaserat system som automatiserar miljontals kundtjänstsamtal via text- och röstkanaler för globala varumärken som Netflix, Vimeo, Levi's och många andra.

Under de senaste 18 månaderna har mitt team skalat upp AI-agenter till över $100MM i ARR och utökat vår räckvidd till alla delar av världen.

Hur AI utökar rollerna inom produktutveckling

Tack vare AI har vi utökat varje enskild medarbetares möjliga ansvarsområde: designers bygger GitHub-arkiv, produktchefer skickar in pullförfrågningar och ingenjörer driver produktbeslut. AI, särskilt kodningsagenter, har utökat allas förmåga att lämna sina komfortzoner, lära sig och ta sig an närliggande områden. Den här förändringen gjorde det möjligt för oss att överbrygga luckor och arbeta snabbare samtidigt som vi behöll önskad kvalitetsnivå.

Vi hade till exempel en Figma-prototyp för en ny testupplevelse, men saknade ett fullt bemannat team som kunde äga arbetet. I stället använde en av våra fantastiska produktdesigners sina färdigheter och en kodningsagent för att bygga en fungerande produkt.

Att göra det möjligt för teamet att genomföra bättre dataanalyser förbättrade också produktkvaliteten. Även om vi fortsätter att arbeta nära datavetenskap och produktanalys kan produktchefer i mycket högre grad än tidigare själva ta fram analyser av hög kvalitet som påverkar produktbesluten.

Dessutom experimenterar vi med teamformat och organisationsdesign. Vi har sett åtminstone ett team med tre AI-infödda medarbetare använda kodningsagenter för att leverera resultatet från ett betydligt större team.

Var produktledare bör begränsa AI-användningen

Mitt team använder AI under hela produktlivscykeln.

I min roll som produktledare har jag dessutom byggt en andra hjärna och en arbetsassistent. Det som började som ett Obsidian-valv har förvandlats till ett personligt kodförråd för att brainstorma idéer och utveckla strategier.

Jag sammanställer data mycket snabbare än tidigare, hanterar samtal inom en omfattande portfölj och diskuterar med en strategisk samtalspartner som utför olika förtränade roller, behåller minnet och förstår mitt arbetssätt.

Mirza säger

Jag begränsar AI-användningen när det gäller människor: Vissa saker kräver trots allt en mänsklig kontakt.

Men jag begränsar AI-användningen när det gäller människor: mitt team, deras utveckling, karriärutveckling och vår arbetsrelation. Även om jag kan be min arbetsassistent rapportera om aktiviteter genom att hämta information från interna system, förlitar jag mig på gammal hederlig mänsklig intuition för att leda och utveckla mitt team.

Vissa saker kräver trots allt en mänsklig kontakt.

Varför tidiga resultat med AI är positiva

Vissa team har ökat utvecklingshastigheten 3–4 gånger – men detta är tidiga resultat och ännu inte statistiskt signifikanta. Vi väntar med att koppla den ökade produktionen och hastigheten till eftersläpande indikatorer och långsiktiga resultat innan vi drar någon slutsats.

Tidiga kvalitativa tecken är också positiva: beslut om UX av högre kvalitet, bättre researchmaterial, snabbare genomlopp och färre överlämningar mellan team. AI fungerar mer som organisatoriskt kitt än väntat. Personligen gör det att jag kan arbeta med en större portfölj och hålla koll på allt.

Vad man gör när användningen av AI är ojämn

Med det sagt är användningen ojämn, och den är ännu inte vanlig eller fullt etablerad. Precis som alla andra befinner vi oss i början av den omtalade produktivitetsresan med tiofaldig effektivisering. Det har inte gått lika snabbt som hajpen antyder, eftersom förändring handlar om människor. Många behöver fortfarande lära om och integrera AI i sina arbetsflöden. Det tar tid.

Vi har gjort några saker för att göra användningen mer konsekvent:

• Byggt en intern AI-gateway som ger alla tillgång till en uppsättning kodningsagenter, antingen via ett textbaserat användargränssnitt eller en mer användarvänlig webbläsarversion, där båda följer våra interna informationssäkerhetspolicyer
• Startat ett AI-produktforum och flera utbytesformat, program och sammankomster om generativ AI för att visa hur människor använder AI, vilka verktyg de bygger och vilka problem de löser
• Påbörjat en omformning av arbetsflöden för att ta fram livscykeldokument som PRD:er, prototyper med mera, så att de fungerar med kodningsagenter
• Byggt en serie MCP:er och integrationer för att göra det möjligt för team att ansluta till interna system och få tillgång till data på ett säkert sätt och i enlighet med regelverk

Här är också några tips:

• Säkerställ lika tillgång för tekniska och icke-tekniska personer: tokens, CLI och datorprogram.
• Uppmuntra en mångfald av LLM:er, agenter och verktyg. Låt teamet experimentera för att hitta det som fungerar bäst i er miljö.
• Detta kräver en budget. Säkerställ den och samarbeta med era tekniska motsvarigheter för att ta fram en plan. Förbered er på att ekonomi- och verksamhetsfunktionerna blir involverade när AI blir en driftskostnad och inte en IT-kostnad.
• Att dela med sig är omtanke. Låt teamet visa upp sitt arbete.
• Hjälp till att komma igång. Bygg själv dokument och arbetsflöden för att lösa repetitiva produktchefuppgifter, som att utarbeta produktbriefar och skriva strategidokument.

Varför produktteam måste bli tekniska

Jag har blivit mer övertygad om att produktchefer bör bli mer tekniska.

Tidigare trodde jag att en allmän förståelse för grundläggande termer och koncept inom programvaruutveckling var tillräcklig. Men med AI tror jag nu att vi alla behöver bli mer tekniska. Det betyder inte att bra produktpersoner inte kan komma från alla möjliga bakgrunder. Jag är utbildad lingvist och arbetade med att översätta poesi innan jag började inom teknik.

Men vi behöver anamma ett mer universalistiskt förhållningssätt till lärande. Att vara teknisk är inte samma sak som att bli utvecklare. Det handlar däremot om nyfikenhet, att förstå vad som driver de produktupplevelser vi bygger, att experimentera och att anamma ett skaparperspektiv. Det har aldrig varit enklare att lära sig allt som rör teknik.

Hur en andra hjärna kan hjälpa produktledare

Den andra hjärnan som jag nämnde tidigare är ett AI-drivet personligt operativsystem som hjälper mig att arbeta som produktchef i hela organisationen, med Claude Code som huvudsakligt gränssnitt.

Indata flödar in i det och det hanterar hela processen: bearbetar transkriptioner, extraherar kunskap och korsrefererar den mot en stor mängd minnesfiler.

Systemet prioriterar, kartlägger beroenden och förbearbetar relevanta data till målgruppsspecifika format. Till exempel informella punkter i Slack för mitt team, strukturerade uppdateringar för ledningen eller berättande stycken för strategidokument. I praktiken ersätter systemet det som traditionellt skulle kräva en stabschef och en analytiker.

Det underhåller min att-göra-lista, håller reda på strategiska trådar som jag hanterar och sammanfattar en omfattande läslista till indexerade referenser, så att jag effektivt kan prioritera min tid. Jag använder min andra hjärna för att hålla reda på pågående arbete och snabbt sammanfatta enorma mängder data när jag behöver information direkt.

Aktualitet och kvalitet hos data är ständiga bekymmer. Föråldrade data kan snedvrida arbetsflöden som drivs av LLM och leda till negativa resultat. Jag filtrerar, rensar och underhåller inkommande data, men eftersom jag också ansluter till tredjepartssystem där jag inte alltid har kontroll över datan, inför jag kvalitetsgrindar för resultatet. En regel som jag har hört människor säga är att man bör veta vilket resultat man vill ha innan man matar systemet med indata, och testa därefter. Det är inte helt idiotsäkert, men med tillräckligt mycket justeringar av instruktioner och minne levererar systemet tillräckligt hög kvalitet.

Jag har passerat den punkt där jag kan lita på 80-90 % av det resultat som min andra hjärna ger mig.

Varför produktledare och deras team måste experimentera med AI

Här är mina råd till CPO:er:

1. Ta till dig det. Börja utforska AI i ditt arbete och i privata sammanhang. Börja med att bygga en personlig AI-assistent, strukturera dina data, låta den resonera kring datan och upptäcka nya mönster. Starta sidoprojekt och förverkliga den idé du har haft i flera år. Produktledare är av naturen kreativa experimenterare, men många av oss började inte som ingenjörer, så vi kände oss alltid begränsade. Det här har förändrats snabbt och drastiskt.
2. Påbjud inte införande av AI utan verktyg, resurser eller strukturellt stöd. Om du gör det slåss du i praktiken mot väderkvarnar. Entusiasterna kommer dit med eller utan dig, men resten av organisationen kommer att hamna efter.
3. Håll ett öga på ditt team och stötta dem på den här resan. Det finns många farhågor och bekymmer, för att inte tala om skrämselpropagandan på LinkedIn, kring vad AI:s intåg innebär för produktchefer och andra inom teknik och näringsliv. Ha ärliga samtal med ditt team och hjälp till att strukturera lärandeplaner. Jag vill göra mer för att hjälpa mitt team att frigöra mer tid för tänkande, experimenterande och utforskande.
4. Du måste vara noggrann med säkerheten. Dessutom gör kostnaden för att dina användare genererar AI-innehåll snabbt slut på smekmånaden med tokens.

Mirza säger

Påbjud inte införande av AI utan verktyg, resurser eller strukturellt stöd. Om du gör det slåss du i praktiken mot väderkvarnar. Entusiasterna kommer dit med eller utan dig, men resten av organisationen kommer att hamna efter.

Följ med

Du kan följa Mirza Besirovics arbete på LinkedIn, i hans nyhetsbrev You Are The Product och på hans webbplats.

Fler expertintervjuer kommer på The CPO Club!