Googlen toimitusjohtaja kertoo, miten agenttimaiset työnkulut muuttavat tuotehallinnan malleja
Anshumani Ruddra kertoo, miten agenttimaiset työnkulut auttavat toimitustiimejä rakentamaan nopeammin ja samalla tekevät ihmisen harkinnasta, validoinnista ja päätöksenteosta entistä tärkeämpää.
Anshumani Ruddra
Tuotejohtaja Googlessa
Agenttimainen muutos: Agenttimaiset työnkulut korvaavat lineaariset luovutukset rinnakkaisella ja toimintojen välisellä toimituksella, joka perustuu yhteiseen koodiin ja dokumentaatioon.
Ihmisen harkinta: Tekoäly hoitaa koordinoinnin ja luonnostelun, kun taas johtajat säilyttävät vastuun laadusta, luovuudesta, priorisoinnista ja luottamuksesta.
Aloita auditoinnista: Tiimien tulisi selvittää viikoittaiset ajanhukan lähteet ennen työkalujen valintaa ja välttää yleisluontoista käyttöönottoa sekä näyttäviä mutta tehottomia työkalukokonaisuuksia.
Rutiineilla on merkitystä: Tekoälyn nopeuttama toimitus edellyttää edelleen selkeää laajuutta, sidosryhmien yhteistä näkemystä, perusteellista validointia ja kurinalaisia tarkistuslistoja tuotteen laadun ylläpitämiseksi.
Johtamismalli: Onnistunut tekoälyn käyttöönotto yhdistää johtajien työnkulkujen muuttamisen siihen, että tiimit kokeilevat ja jakavat parannuksia koko organisaatiossa.
Anshumani Ruddra on Googlen tuotejohtaja, joka työskentelee sen maksutuotteiden toimituksen parissa. Hän toimii myös kouluttajana ja on hoitanut toimituksesta vastaavia C-tason tehtäviä.
Haastattelimme Anshumania oppiaksemme, miten tekoäly muuttaa toimitusta Googlen kaltaisissa yrityksissä. Näin hän vastasi.
Tuotteiden rakentaminen Googlella
Olen Anshumani Ruddra. Olen viettänyt yli 22 vuotta kuluttajatuotteiden rakentamisen parissa teknologian, tarinankerronnan, popkulttuurin ja ihmisen käyttäytymisen risteyskohdassa — aloittaen lastenkirjailijana, jatkaen pelisuunnittelijana maailmanlaajuisissa menestyspeleissä, kuten Mafia Wars ja Café World, ja kasvattaen sen jälkeen Hotstarin yhdeksi maailman suurimmista suoratoistoalustoista IPL-vuosien aikana.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Viimeisten viiden vuoden aikana Googlella olen johtanut erittäin menestyksekkään GPay-sovelluksen tuotehallintaa Intiassa, vastannut koko Googlen maksutuotetarjonnasta APAC-alueella ja rakentanut kuluttajille suunnattuja tekoälytuotteita. Tällä hetkellä johdan päästä päähän ulottuvaa tekoälytuotteen kehityshanketta, jonka tavoitteena on rakentaa täysin uusi tuote.
Lisäksi opetan tuotejohtajille ja johtajille tekoälyn avulla rakentamista Maven-kurssillani Level Up to Product Super IC. Toimin samanaikaisesti kahdessa roolissa — käytännön toteuttajana ja opettajana — ja molemmat muovaavat lähestymistapaani tuotteiden toimitukseen: vähemmän koordinointia ja hyväksyntöjä, enemmän siirtymistä oivalluksesta toimivaan prototyyppiin lupaa odottamatta.
Miten tekoäly auttaa ihmisiä keskittymään enemmän siihen, missä he ovat parhaimmillaan
Yritän olla ajattelematta tekoälyä vain yhtenä, aiempaa parempana työkaluna. Tällainen näkökulma saa ajattelemaan, että kyse on ainoastaan tehokkuudesta. Tekoäly on kerroin — mahdollisesti vuosisadan mittakaavassa ainutlaatuinen sellainen.
Sen ansiosta käytän paljon vähemmän aikaa toimituksen yhteen sitovaan työhön: kokousten yhteenvetoihin, PRD-dokumenttien luonnosteluun, tilannekatsauksiin ja sidosryhmäpäivityksiin sekä alustavaan tutkimukseen. Olen siirtänyt suuren osan tästä henkilökohtaiseen ”agenttiseen käyttöjärjestelmään”, jolloin se pystyy pitkälti toimimaan itsenäisesti.
Nyt käytän aikani siihen 10 prosenttiin, joka on vaikeaa ja inhimillistä, enkä siihen 90 prosenttiin koordinointia, joka aiemmin söi koko viikon. Keskityn enemmän itse tekemisen taitoon: ajatteluun, harkintaa vaativiin ratkaisuihin ja prototyyppien rakentamiseen.
Prototyyppien rakentamisesta puheen ollen, se on itsessään valtava muutos. Voin nyt validoida vision rakentamalla toimivan prototyypin itse ennen kuin osoitan sen kenenkään muun tehtäväksi. Rakentamisen este on poistunut. Jos pystyn kuvittelemaan jonkin asian, voin saada ensimmäisen luonnoksen toimimaan.
Milloin käyttää tekoälyä ja milloin tarvitaan ihminen
Helpommin automatisoitava työ liittyy synteesiin ja hallinnolliseen kerrokseen:
- Kokousten raakamuotoisen äänitteen muuttaminen päätöksiksi ja toimenpiteiksi
- PRD-dokumenttien ja tutkimuksen ensimmäisten luonnosten tuottaminen
- Saapuvan tiedon alustava käsittely
- Sidosryhmäpäivitysten hoitaminen
Toteutat tämän henkilökohtaisten agenttien avulla. Ne seuraavat syötteitäsi, tuovat esiin päätöksiä vaativat asiat ja luonnostelevat loput.
Myös asiakasymmärrystä hyödynnetään tässä aivan liian vähän: nykyään on olemassa työkaluja, jotka kertovat, mitä ominaisuuksia kannattaa rakentaa, ja arvioivat niiden vaikutuksen ARR:ään, mutta useimmat tiimit keräävät edelleen palautetta käsin Slackista ja tukipyynnöistä.
Ihmisten on kuitenkin edelleen määriteltävä, mitä ”hyvä” tarkoittaa. Johtajana laadun määrittely on sinun tehtäväsi, minkä vuoksi pidän arviointeja niin tärkeinä.
Ihmisten on myös vastattava mausta ja tuotteeseen liittyvästä harkinnasta, aidosti luovista nollasta yhteen -loikista sekä tiimien valmentamiseen, valtapelien navigointiin ja vaikeisiin priorisointipäätöksiin liittyvästä luottamusta vaativasta inhimillisestä työstä.
Tekoäly antaa enemmän yrityksiä osua tauluun; ihmisen on silti päätettävä, missä taulu on.
Miksi teknologiavalikoiman pitäisi alkaa auditoinnista
Tekoälytyökalut ovat aivan kuin loistava videopeli — helppoja pelata, armottoman vaikeita hallita. Koukuttava ensikokemus saa ihmiset olettamaan, että kaikki sujuu ongelmitta, joten he järkyttyvät monimutkaisuuden kohdatessa. Monet luovuttavat. Todellinen taito ei ole kehotteiden kirjoittaminen, vaan halu jatkaa ja oppia omaan tahtiisi, nopeammin kuin tuntuu mukavalta.
Työssä käyttämäni valikoima koostuu ensisijaisesti uusimmista Gemini-malleista, ja Antigravity toimii agenttikeskuksena. Antigravityn agenttien hallintatoimintoa ei arvosteta riittävästi. Se on todella innovatiivinen. Projektinhallinnan osalta Google käyttää omia räätälöityjä työkalujaan, jotka vastaavat ulkomaailmassa Jiraa ja GitHubia.
Henkilökohtaisten projektieni ja opetustoimintani keskeinen työkalupino on:
- Claude Code ohjelmointiin. Tämä erottuu edukseen. Ajan useita agentteja rinnakkain. Se on lähimpänä oikeaa avustajaa, ei vain automaattista täydennystä.
- Replit prototyyppien tekemiseen. Sen suunnitelma ensin -lähestymistapa ja rinnakkaiset agentit erottavat sen muista.
- NotebookLM ja Obsidian tutkimiseen ja kirjoittamiseen.
- Codex ja Claude Cowork hoitavat monia aikataulutettuja tehtäviä ja automaatioita sekä yhdistävät sähköpostin, kalenterin, pilvitallennustilat ja kokousmuistiinpanot.
- Granola ja Wispr Flow täydentävät työkalupinon. Kannatan vahvasti puheentunnistusta ja puheen käyttämistä syötteenä.
Viimeisten 6–12 kuukauden aikana työkalupino kehittyi muotoon ”tekoälyn käyttäminen asioiden nopeampaan luonnosteluun” ja siitä aidoksi henkilökohtaiseksi agenttipohjaiseksi käyttöjärjestelmäksi — kyse ei ole enää niinkään yksittäisistä kehotteista, vaan jatkuvasti toimivista agenteista, jotka hallitsevat toistuvat työnkulut alusta loppuun.
Neuvoni työkalupinon rakentamiseen: Älä aloita näyttävimmästä työkalusta. Arvioi, miten käytät viikkosi, etsi suurimmat ajankäytön pullonkaulat ja valitse juuri se työkalu, joka poistaa ne. Yleiset käyttöönotostrategiat eivät toimi.
Miten agenttipohjaiset työnkulut sujuvoittavat projektien toimitusta
Keskitimme ensin tarkoituksella huomiomme yhteiseen perustaan, joka mahdollistaa nämä työnkulut, koska kaikki joko pysyy koossa tai hajoaa juuri siinä.
Lähes kaikki prosessimme toimivat nyt agenttipohjaisina työnkulkuina suunnittelussa, tuotehallinnassa ja teknisessä toteutuksessa. Agenttipohjaiset työnkulut hallitsevat rakennettavan kokonaisuuden strategiaa ja ajattelua, komponenttien, näkymien ja asettelujen suunnittelua sekä sitä, miten tausta- ja käyttöliittymäkoodi yhdistyvät. Kyse ei ole yksittäisestä kokeilusta jossain tiimin nurkassa, vaan näin työ tehdään alusta loppuun.
Keskitimme ensin tarkoituksella huomiomme yhteiseen perustaan, joka mahdollistaa nämä työnkulut, koska kaikki joko pysyy koossa tai hajoaa juuri siinä. Käytännössä tämä tarkoittaa koko tiimin yhteisen infrastruktuurin, yhteisten agenttitaitojen ja yhteisen työskentelykehyksen rakentamista. Tärkein osa on dokumentaatio, joka ei ole vain ihmisille ymmärrettävää vaan myös agenteille valmis. Jos dokumentaatio on järkevää vain ihmisille, agenttisi alkavat ajautua sivuraiteille, joten panostamme voimakkaasti kirjoittamiseen samanaikaisesti molemmille kohderyhmille.
Konkreettisesti tämä tarkoittaa selkeästi merkittyjä tietotiedostoja, PRD-dokumentteja ja teknisiä suunnitteludokumentteja. Säilytämme ne yleensä Markdown-muodossa, pidämme ne erittäin selkeinä ja kirjoitamme ne niin, että ne ovat ymmärrettäviä sekä ihmisille että agenteille. Olennaista on, että ihmiset vahvistavat kaikki nämä tiedostot ennen kuin aloitamme rakentamisen. Ihmisten suorittama syötteiden vahvistaminen pitää agenttipohjaisen työnkulun puhtaana, koska agentit ovat vain niin hyviä kuin niiden käyttöön annetut dokumentit ja taidot.
Ylläpidämme myös erittäin selkeitä tarkistuslistoja ja varmistamme, että agentit käyvät ne läpi. Agentti merkitsee vaiheen valmiiksi vain, kun sen tarkistuslista on aidosti täytetty; vasta sitten siirrymme seuraavaan vaiheeseen. Tämä selkeän dokumentaation, ihmisten vahvistamien syötteiden, jaettujen taitojen ja vaiheittaisten tarkistuslistojen muodostama kurinalaisuus muuttaa agenttipohjaisen työn uutuudesta luotettavaksi toiminnaksi.
Hyödyt ovat todellisia, kun perusta on kunnossa. Vaikeinta on ennakkoon tehtävä investointi yhteiseen infrastruktuuriin ja agenteille valmiiseen dokumentaatioon. Tiimit, jotka ohittavat tämän vaiheen, saavat näyttävän demon ja näkevät sen sitten hajoavan monimutkaisuuden kasvaessa. Työnsä eteen tekevät tiimit saavuttavat aidosti nopean ja rinnakkaisen toteutuksen suunnittelussa, tuotehallinnassa ja teknisessä toteutuksessa.
Miten tekoäly muuttaa perinteisiä projektinhallintamalleja
Vanhan koulukunnan vesiputousmalli ei yksinkertaisesti enää toimi. Perinteinen projektinhallinta oli vääjäämättömän lineaarista: ensimmäinen vaihe johti toiseen ja sitten kolmanteen, ja eri alojen välillä oli jäykät luovutukset. Tuotetiimi kirjoitti määrittelyn, suunnittelu loi luonnokset, tekninen tiimi rakensi sen ja suunnittelu tarkisti viimeistelyn — jokainen vaihe odotti edellistä.
Tuo lineaarinen ketju on katkennut, mikä on hieno asia. Vaiheet ovat nyt keskenään vaihdettavissa, ja suunnittelun, teknisen toteutuksen ja tuotetiimin väliset rajat ovat hämärtyneet. Suunnittelijat ovat esimerkiksi jo rakentaneet suunnittelujärjestelmän suoraan koodikantaan — oikeat komponentit, asettelut ja tietyt väritunnisteet. Tekninen tiimi voi sen jälkeen rakentaa kokonaisen toiminnallisuuden työnkulun, ja suunnittelu korjaa kaikki käyttöliittymän ongelmat suoraan koodissa viimeistelyn viimeistelemiseksi. Kukaan ei odota Figma-luovutusta. Suunnittelu toimii samassa ympäristössä kuin tekninen toteutus.
Sama rajojen hämärtyminen tapahtuu myös aiemmissa vaiheissa. Tuotetiimi voi kirjoittaa samanaikaisesti paljon enemmän PRD-dokumentteja, mikä vapauttaa suunnittelun etenemään. Suunnittelu voi tuottaa syvällisiä ja yksityiskohtaisia teknisiä suunnitteludokumentteja ilman, että tuotetiimi ohjaa jokaista vaihetta, koska tekoälyn ansiosta kumpikin ala voi tuottaa työtä, joka aiemmin edellytti asiantuntijaa.
Eri tiimin jäsenet voivat nyt hoitaa työn eri osa-alueita. Sen sijaan, että kyseessä olisi lineaarinen viestikapulanvaihtoon perustuva viestijuoksu, jossa kapulat putoavat jokaisessa vaihdossa, syntyy pieni ja itsenäisesti toimiva tiimi, jossa jokainen voi siirtyä myös naapurialueille ja auttaa työtä etenemään.
Käytännössä tämä tarkoittaa kevyitä järjestelmiä raskaiden prosessien sijaan: vähemmän tilannekatsauksia ja hyväksymisportteja, enemmän toimivia prototyyppejä. PRD-dokumentit ja tekniset suunnitteludokumentit tuotetaan nopeasti, ja niitä käsitellään elävinä artefakteina jäädytettyjen määritysten sijaan. Yhteinen koodikanta — johon suunnittelujärjestelmä on sisäänrakennettu — toimii yhtenä totuuden lähteenä, jossa tuote, suunnittelu ja ohjelmistokehitys kohtaavat.
Tuloksena on vauhti — tiimit varmistavat vision rakentamalla, eivät koordinoimalla, ja julkaisevat viimeistellyn lopputuloksen, jonka tuottaminen vaati aiemmin useita työvaiheiden siirtokierroksia, nyt vain murto-osassa ajasta.
Miksi tekoäly ei voi poistaa projektikäytäntöjen tarvetta
Kaikki tavanomaiset käytännöt ovat edelleen olemassa, ja useat niistä muuttuvat tekoälyn myötä entistä tärkeämmiksi, eivät vähemmän tärkeiksi. Ihmiset olettavat virheellisesti, että nopeampi rakentaminen tarkoittaa löyhempää kurinalaisuutta. Asia on päinvastoin.
Laajuuden määrittely on yhtä tärkeää kuin aina ennenkin. Tiimi tarvitsee edelleen kristallinkirkkaan määritelmän siitä, mitä se yrittää rakentaa. Muuttunut asia on se, mikä tämän laajuuden puitteissa on mahdollista. Jos tiimi rakentaa tehokkaasti tekoälyn avulla, monet asiat, jotka olivat aiemmin matalan prioriteetin kohteita tai jäivät ikuisesti työjonoon, voidaan nyt priorisoida ja julkaista. Näin voidaan rakentaa aiempaa merkityksellisempi ja kattavampi tuote. Laajuuden kunnianhimo voi kasvaa, mutta tarve määritellä se selkeästi säilyy.
Tiimit tarvitsevat edelleen täydellisen yhteisen näkemyksen. Sidosryhmät tarvitsevat edelleen yhteisen näkemyksen. Kun työskentelet useiden tiimien välillä, sinun on edelleen tietoisesti varmistettava yhteinen näkemys sekä oman tiimisi sisällä että tiimien välillä. Tekoäly ei luo ihmisille yhteistä näkemystä puolestasi.
Työn validointi on entistä tärkeämpää. Kun rakennetaan suuressa yrityksessä, tuotteet tavoittavat miljoonia, eivät vain kymmeniä tai satoja käyttäjiä. Tuotteiden on edelleen oltava erinomaisia, toimittava erittäin hyvin ja suoriuduttava tässä mittakaavassa. Se, että tekoäly auttaa rakentamaan nopeammin, ei laske vaatimustasoa. Siksi validointi ei ole neuvoteltavissa.
Muuttunut asia on se, ettei prosessi ole enää yhtä vaikea ja hidas. Käytännöt itsessään — selkeä laajuus, todellinen yhteinen näkemys ja perusteellinen validointi — ovat edelleen välttämättömiä ja niiden merkitys jopa kasvaa. Meidän on ajateltava uudelleen prosesseja, jotka perinteisesti estävät nopeamman toteutuksen. Tekoälyn avulla näihin käytäntöihin liittyvää seremoniallisuutta ja kitkaa voidaan vähentää, samalla kun niiden sisältö säilytetään.
Miksi harkintakyvystä tulee entistä tärkeämpää tekoäly edellä toimivissa organisaatioissa
Lähitulevaisuudessa yhä useammat teknologiayritykset ottavat AI:n käyttöön tuotteen päästä päähän tapahtuvassa kehityksessä ja toimituksessa. Rohkeampi ennuste koskee kuitenkin sitä, mihin tekoäly leviää seuraavaksi. Se ei jää teknologia-alalle. Se leviää suuriin yrityksiin, sitten teknologiasta riippumattomiin yrityksiin ja lopulta perinteisiin liiketoimintoihin.
Kun nämä hyödyt siirtyvät yksilöiltä pieniin tiimeihin ja kokonaisiin organisaatioihin, kerrannaisvaikutus muokkaa tiimejä ja työnkulkuja perusteellisesti. Toimitustiimien rakenne ja työn kulku niiden läpi näyttävät hyvin erilaisilta kuin nykyään.
Hyvän päätöksenteon merkitys ei kuitenkaan katoa; päinvastoin siitä tulee tärkeämpää, koska päätöksiä tehdään nyt paljon useammin. Kun toimitus kokonaisuudessaan oli hidasta, teit vain muutaman keskeisen päätöksen, ehkä kerran muutamassa viikossa tai kuukaudessa. Nyt sinun on tehtävä laadukkaita päätöksiä useita kertoja päivässä, joskus useita kertoja tunnissa.
Tekoälyohjattu kehitys on otettava käyttöön sekä ylhäältä alas että alhaalta ylös.
Siksi painopisteen on siirryttävä ihmisten päätöksentekoon. Jokaisen asiantuntemusalueen on määriteltävä selkeä joukko näkökulmia, joiden kautta jokaista päätöstä tarkastellaan, jotta päätökset voidaan tehdä terävämmin ja nopeammin. Yhtä tärkeää on kirjata nämä päätökset, jotta agentit ymmärtävät ne ja voivat palata niihin myöhemmin.
Menestyvät tiimit kohtelevat laadukasta ja hyvin dokumentoitua ihmisen harkintaa niukkana resurssina, koska tekoäly tekee siitä sekä yleisempää että arvokkaampaa.
Miksi toimitusten johtajien on otettava tekoäly käyttöön ja kannustettava kokeiluihin
Keskeinen metatason huomio on, että tekoälypohjainen kehitys on otettava käyttöön sekä ylhäältä alaspäin että alhaalta ylöspäin. Se ei voi tapahtua vain jommallakummalla tavalla.
Ylhäältä alaspäin suuntautuva puoli edellyttää johdon sitoutumista. Jos ylin johto ei sitoudu, kokeile eikä pyri muuttamaan omia työnkulkujaan ja toimitusjärjestelmiään, organisaation on hyvin vaikea ottaa tekoälyä mielekkäällä tavalla käyttöön. Et voi määrätä muutosta, jota et itse toteuta käytännössä. Johtajat, jotka siirtävät tekoälyn tehtäväryhmän vastuulle mutta pitävät omat työskentelytapansa ennallaan, lähettävät selkeän viestin siitä, että tämä on valinnaista, ja organisaatio tulkitsee viestin oikein. Siksi ensimmäinen neuvoni muille toimitusten johtajille on muuttaa ensin omia työnkulkujasi, ennen kuin pyydät ketään muuta muuttamaan omiaan.
Alhaalta ylöspäin suuntautuva puoli on yhtä tärkeä. Nuoremmilla työntekijöillä ja yksittäisillä tiimeillä on oltava vapaus kokeilla, kyseenalaistaa käytäntöjä ja haastaa nykyiset työnkulut. He tarvitsevat tilaa kokeilla erilaisia asioita, pohtia, miten toimitukset on aina toteutettu, ja tuoda sitten oppimansa johdon tietoon. Jos tällaista kanavaa ei ole, jos ihmisiltä puuttuu tämä vapaus eikä heidän havaintonsa koskaan kulkeudu ylöspäin, koko asia romahtaa yhtä varmasti kuin silloin, kun johto puuttuu.
Hyödyllisin yksittäinen asia, jonka toimitusten johtaja voi juuri nyt tehdä, on pitää molemmista päistä kiinni samanaikaisesti. Johda edestäpäin miettimällä omat toimitusjärjestelmäsi näkyvästi uudelleen ja luo samalla tiimeillesi olosuhteet, joissa ne voivat kokeilla vapaasti ja tuoda toimivat ratkaisut takaisin sinulle. Sen on tapahduttava sekä ylhäältä alaspäin että alhaalta ylöspäin.
Kun vain toinen puoli osallistuu, käyttöönotto pysähtyy. Kun molemmat osallistuvat, muutos juurtuu.
Pysy mukana
Voit seurata Anshumani Ruddrahin työskentelyä LinkedInissä. Voit myös tutustua hänen blogiinsa ja kursseihinsa.
Lisää asiantuntijahaastatteluja on luvassa The Digital Project Managerissa!
