Dells Amy Mitchell om hvorfor kunstig intelligens skaper «bygger-PM-er»
Kunstig intelligens endrer produktledelse raskere enn de fleste team innser. Dells Amy Mitchell forklarer hvorfor neste generasjon PM-er ikke bare vil definere krav, men også gå inn og bygge.
Utviklingen innen kunstig intelligens: Kunstig intelligens forvandler produktledere til «bygger-PM-er» som håndterer hindringer og styrker samarbeidet tidlig i prosjektene.
Kontinuerlig forbedring: Bruk av verktøy for kunstig intelligens muliggjør kontinuerlig optimalisering av arbeidsflyter, noe som forbedrer leveringshastigheten og teamets effektivitet.
Kunnskapsforvaltning: Integrering av Jira og Confluence gjør det mulig for teamene å finne informasjon og løse oppgaver selv, noe som reduserer administrativ belastning og øker fokuset på strategi.
Smidig arbeidsmetodikk: Overgangen til en hybrid smidig arbeidsmetodikk forenkler prosessene ved å basere seg på færre verktøy for effektive gjennomganger og mer strømlinjeformet kommunikasjon.
Leveringshastighet: Akselererte arbeidsprosesser fører til hyppigere lanseringer, og enkle oppgaver håndteres i økende grad av produktledere.
Amy Mitchell er ledende produktleder i Dell, der hun fokuserer på å bringe tilbud innen administrerte tjenester fra idé til leveranse. Med erfaring innen nettverk, lagring og datasenterinfrastruktur jobber hun tett med kunder og leveranseteam for å hjelpe organisasjoner med å modernisere og skalere gjennom administrerte tjenester. Hun er også skaperen av nyhetsbrevet Product Management IRL.
Vi tok en prat med henne for å få et innblikk i hvordan fagområdet er i endring, og hva det betyr i praksis. Dette er hva hun hadde å si.
Levering av administrerte tjenester
Jeg er en av de produktlederne som er interessert i hvordan produktene mine når kundene. I min nåværende rolle som ledende produktleder i Dell får jeg jobbe tett med programledere og tjenesteleveranseteam med å lansere og vedlikeholde administrerte tjenester.
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
«Produktene» jeg leverer, er ikke maskinvare- eller programvareprodukter. Produktene mine er administrerte tjenester som administrert lagring, administrert AI-fabrikk eller administrert databehandling, for å nevne noen.
Ved siden av dette arbeidet skriver jeg også nyhetsbrevet Product Management IRL.
Hvorfor AI tvinger produktledere til å bli «skaper-produktledere»
Med AI utvikler rollen min seg til det jeg kaller en «skaper-produktleder»-rolle. En «skaper-produktleder» er en produktleder som går utenfor sitt ansvarsområde for å fjerne hindringer for arbeidet.
Med AI utvikler rollen min seg til en “skaper-produktleder”-rolle. En skaper-produktleder er en produktleder som går utenfor sitt ansvarsområde for å fjerne hindringer for arbeidet.
Når jeg er i skaper-produktledermodus, jobber jeg tett med produktteamet tidlig i utviklingssyklusen — ofte med utvikling, salg og markedsføring før jeg skriver et eneste krav.
Jeg kan gjøre dette fordi AI utvider arbeidet mitt og lar meg zoome ut. Her er noen eksempler på merverdien AI gir i arbeidet mitt:
- Markeds- og prisundersøkelser: Dette gjør det mulig for meg å kvantifisere brukstilfeller for prising og prognoser.
- Detaljerte veikart som nærmer seg en programplan: Raske skisser og kartlegging av kritiske stier.
- Samarbeidsområder: Automatiserte oppdateringer og selvbetjent informasjon til hele produktteamet.
- Vurdering av komplekse situasjoner: Perspektiver på konflikter og løsninger.
- Møtereferater: Automatiserte referater frigjør tid for en programleder hver dag.
- Vibekoding: Skripter for å automatisere oppdateringer av dokumentasjon.
Hvordan AI støtter kontinuerlig forbedring i produkt- og leveransearbeidsflyter
Verdien stopper ikke der. Der jeg jobber, tror vi på kontinuerlig forbedring — og vi bruker AI aktivt til dette.
Internt utviklet AI hjelper oss med etteranalysene som brukes til å identifisere forbedringer i arbeidsflyten. Vår interne kopilot hjelper til med å undersøke måter å optimalisere arbeidsflytene sammen med kundene på. Og standardisering av hvordan vi bruker AI i utviklingen har muliggjort automatisering via API-er og skripter.
Men enkelte ting krever fortsatt et menneskelig preg. Kontakt med salg og kundesamtaler, for eksempel. Og utforming av løsninger for nye funksjoner.
Hvordan AI-forbedrede kunnskapsbaser frigjør tid for produktledere
Ved å integrere plattformen vår for arbeidsstyring — Jira — med et sentralisert kunnskapslager — Confluence + SharePoint — har vi kunnet dokumentere komplekse arbeidsflyter og tjenestebeskrivelser på en måte som gjør at leveranseteamet kan finne informasjon selv, noe som reduserer den administrative belastningen på programlederne våre betydelig.
Med andre ord kan produktteamet være konsekvent og finne det de trenger uten et møte eller en direktemeldingsforstyrrelse. Og produktlederne kan bruke mer tid på å forutse hindringer for kundeleveranser.
Kunnskapsbasen for produktporteføljen vår er en gruppe delte mapper. De nyeste versjonene oppdateres månedlig og legges ut på Confluence. Hele produktteamet bidrar til den månedlige versjonsoppdateringen og henter ut det de trenger for å publisere på salgssider, i kunngjøringer og møter, eller bruke i det daglige arbeidet.
De viktigste elementene i kunnskapsbasen er:
- Versjonsmerknader om hva som er endret
- Bestillingsveiledning
- Kontraktsmaler
- Konfigurasjons- og priskalkulator
- Salgsopplæring
- Vanlige spørsmål
Jira fungerer som orkestreringsplattformen som samhandler med kunnskapsbasen. Frem til nå har innsatsen min vært rettet mot å opprette kunnskapsbasen og arbeidsflytene. Automatisering gjennom KI-assistanse er neste steg!
Slik samler du status fra Jira og Confluence uten presentasjoner
Vi har også nylig begynt å bruke Confluence til å samle status fra PRD-en vår (som også ligger i Confluence) og funksjonsplanene i Jira.
I stedet for flere møter for å finpusse en presentasjon før gjennomganger ved ledelsesporter, leser vi nå opp planen og lanseringsoppsummeringen direkte fra Confluence for ledelsen.
Og vi bruker det samme materialet til ukentlig programoppfølging.
Slik blir evalueringer og orkestrering kjerneferdigheter for produktledere
Jeg har tatt i bruk to viktige KI-metoder innen produktledelse: evalueringer og orkestrering.
I bunn og grunn er evalueringer systematiske og gjentakbare måter å validere resultater på. De fikk først fotfeste innen KI, der resultater endres konstant og avdrift er reell, men konseptet er langt bredere. Jeg mener evalueringer er i ferd med å bli en kjerneferdighet for produktledere.
Det fine med evalueringer er hastigheten. I stedet for å teste hver eneste kombinasjon grundig, kontrollerer du et lite, prioritert utvalg av kundesentrerte scenarier som gjenspeiler det som virkelig betyr noe. Slik ser prosessen ut:
- Prioriter bruksområder.
- Sett opp miljøet — akkurat nok til å teste kritiske veier.
- Evaluer og iterer deretter.
Orkestrering er heller ikke lenger bare for KI. Det handler om hvordan du kobler sammen strategi og leveranse og reduserer risikoen i overleveringen. Og det er en nødvendig ferdighet for produktledere nå som organisasjoner blir flatere og leveransene går raskere enn noen gang.
Orkestrering er heller ikke lenger bare for KI. Det handler om hvordan du kobler sammen strategi og leveranse og reduserer risikoen i overleveringen. Og det er en nødvendig ferdighet for produktledere nå som organisasjoner blir flatere og leveransene går raskere enn noen gang.
I denne sammenhengen betyr orkestrering:
- Kartlegging av avhengigheter
- Utvikling av enkle orkestreringsrutiner. Disse varierer mye fra team til team. For øyeblikket gjennomgår vi kravene i produktteamet og blir enige før vi tildeler saker. Når vi legger til en ny funksjon, gjør vi en «løsningsutforming» for å skissere de viktigste arbeidsflytene på en tavle.
- Synliggjøring av risikoer tidlig
Når du gjør dette på tvers av team, forhindrer det mangler, bygger tillit hos ledelsen og setter fart på karrieren din.
Slik ser en verktøystakk for produktledere med KI først ut
Det er viktig å lære seg å bruke noen gode KI-verktøy! De vil spare deg for svært mye tid.
Men ikke kast bort tiden din på verktøy som IT-avdelingen ikke godkjenner. Du vil ikke utsette produktet ditt for sikkerhets-, personvern- eller etiske problemer ved å bruke KI-verktøy som ikke er godkjent.
Ikke kast bort tiden din på verktøy som IT-avdelingen ikke støtter. Du vil ikke åpne produktet ditt for sikkerhets-, personvern- eller etiske problemer ved å bruke ikke-godkjente AI-verktøy.
Som jeg nevnte, bruker vi Confluence til PRD-ene våre og administrasjon av kunnskapsbasen, og Jira til leveranser. Begge har AI-integrasjoner.
Jeg er også svært avhengig av Microsoft Copilot til undersøkelser og oppsummering. Og vi har egenutviklede AI-verktøy, som vår interne copilot og støtteverktøy.
Når det gjelder evalueringer, er jeg tilhenger av enkle regneark. De sparer tid. Vi la nylig til et nytt CPQ-verktøy (konfigurer, pris, tilbud) for automatisering som genererer komplekse tilbud og kontrakter på minutter i stedet for dager. Vi fullførte testingen av det nye verktøyet på to uker etter å ha brukt en måned på å laste inn produktdataene våre. Vi hadde fem evaluatorer og tolv brukstilfeller. Vi gikk gjennom dem fem ganger, med rettelser i hver runde. Vi brukte et regneark til å følge opp det asynkrone arbeidet vårt og rapportere fremdrift til interessentene, og det var svært effektivt.
Og personlig bruker jeg ChatGPT, Gemini, Copilot, Perplexity, Visual Studio og GitHub.
Hvordan Confluence og Jira muliggjør hybrid smidig utvikling uten omfattende kontrollgjennomganger
Når det gjelder metoder for prosjektledelse, brukte vi tidligere smidig utvikling, med omfattende kontrollgjennomganger for hvert trinn i programmets livssyklus. Verktøyene vi brukte, var Word-dokumenter, PowerPoint-presentasjoner og noe Jira.
Nå bruker vi hybrid smidig utvikling med bare en planleggingsgjennomgang og en leveransegjennomgang. De eneste verktøyene vi trenger til dette, er Confluence og Jira. Som jeg sa, la vi alt produktteam, interessenter og ledere trengte, inn i Confluence. Ett sted, selvbetjent. Det alene endret metoden vår.
Hvorfor leveransehastigheten øker, og hva det betyr for roller innen prosjektledelse
Jeg ser to store endringer komme.
For det første øker arbeidstempoet til alle hver dag. Bare med verktøyene som er nevnt ovenfor, har jeg gått fra én eller to leveranser i året til månedlige leveranser — og denne endringen skjedde i løpet av noen måneder.
Det kommer ikke til å stoppe. Nye verktøy — og at prosjektledere blir bedre til å bruke disse verktøyene — vil fortsette å øke hastigheten på produktutviklingen.
For det andre tror jeg programledere bare vil håndtere de mest komplekse og tekniske programmene. Enkle endringer vil bli gjort av produktledere — og av selve verktøyene.
Hvordan unngå AI-teater og bygge det som faktisk kan lanseres
Mitt råd er å være kreativ. Fokuser på de beste kundeutfallene. Og slutt å lage imponerende demonstrasjoner som faktisk ikke kan lanseres. Det er forskjellen mellom AI-først-prosjektledelse og AI-teater.
Slutt å lage imponerende demonstrasjoner som faktisk ikke kan lanseres. Det er forskjellen mellom AI-først-prosjektledelse og AI-teater.
Altfor mange prosjektledere har laget imponerende AI-demonstrasjoner som ser riktige ut og går raskt. Men så innser de at løsningen ikke kan lanseres.
Det handler ikke om kvaliteten på demonstrasjonen, men om samsvar mellom mål og resultater.
Følg med
Du kan følge med når Amy Mitchell deler erfaringene sine om produkt- og programledelse fra virkeligheten i nyhetsbrevet Product Management IRL. Du kan også følge henne på LinkedIn.
Flere ekspertintervjuer kommer på The Digital Project Manager!
