Denne tidligere Google-produktsjefen endrer hvordan prosjektteam arbeider med et AI-verktøy for produktsjefer bygget på AI-agenter
Etter å ha arbeidet som produktsjef i Google bygget Ishwar Dhanuka et AI-produkt utviklet for å fungere som en juniorproduktsjef. Bare seks måneder etter lanseringen og kunngjøringen av en forhåndsseed-runde endrer ThriveAI allerede hvordan prosjektteam arbeider.
Ishwar Dhanuka
Medgründer og administrerende direktør i ThriveAI
AI i prosjektledelse: Store språkmodeller forbedrer prosjektledelsen ved å automatisere statusoppdateringer og frigjøre ledere slik at de kan fokusere på strategi.
Effektivitetsgevinster: AI-arbeidsflyter reduserer responstidene for produktteam, slik at de kan oppdage og løse problemer raskere.
Datadrevne beslutninger: ThriveAI muliggjør informerte beslutninger ved kontinuerlig å overvåke måltall og analysere tilbakemeldinger fra brukere.
Ritualer i utvikling: Leveransepraksis er i endring ettersom AI automatiserer dokumentasjon og overvåking, noe som styrker samarbeidet i teamet.
Behovet for sikkerhetsrammer: Effektiv AI-integrasjon krever en forståelse av begrensningene og utvikling av egnede arbeidsflyter for å oppnå best mulige resultater.
Vi tok en prat med ham for å forstå hvordan den AI-baserte organisasjonen hans håndterer prosjektene sine. Dette fortalte han oss.
Slik kobler LLM-er sammen team og verktøy i prosjektledelse
Tradisjonelt har prosjektledere skapt verdi ved å koble sammen trådene på tvers av team og verktøy. LLM-er er den første teknologien som faktisk kan bidra til dette i stor skala.
I stedet for å jage statusoppdateringer eller hente ut rapporter manuelt, kan AI nå ta seg av dette merarbeidet. Det frigjør prosjektledere til å fokusere på å veilede strategien, skape enighet og holde teamene fokusert på resultater – samtidig som de får større gjennomslagskraft til å skape en større effekt på tvers av flere prosjekter uten å bli utbrent.
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
Det er en flott tid å være prosjektleder på, så gled deg! Det er sjelden man opplever et øyeblikk der hele status quo står på spill og nye muligheter lanseres hver dag.
Gled deg! Det er sjelden man opplever et øyeblikk der hele status quo står på spill og nye muligheter lanseres hver dag.
Fra ingeniør til produktleder til AI-gründer
Jeg startet som ingeniør, ledet deretter produkt- og utviklingsarbeid i selskaper i vekst, før jeg begynte i Google som produktleder.
Hos Google jobbet jeg tett med programledere, og jeg gruet meg til prosjekter som ikke hadde en slik person – det er ikke alle team der som får en! Og ting skled alltid ut uten en programleder.
Jeg tok denne frustrasjonen og bygde ThriveAI, en junior-PM drevet av AI, utviklet med beste praksis innen produktutvikling og tilpassede arbeidsflyter for å hjelpe produktteam med å ligge i forkant av kaoset.
Slik sparer agentiske arbeidsflyter prosjektteam for tid og penger
Thrive er bygget på AI-agenter. Vi startet med avviksdeteksjon, klynging av tilbakemeldinger, traktanalyse og til og med ad hoc-oppgaver som sammendrag og enkeltstående analyser. Dette er repetitive oppgaver med høyt volum, og derfor passer de perfekt for AI.
De agentiske arbeidsflytene våre betyr at produktteam som bruker produktet vårt – inkludert oss selv – nå oppdager problemer i løpet av timer i stedet for dager, løser brukervennlighetsproblemer før de sprer seg, og lanserer med trygghet uten å vente på manuelle kontroller. Agentene våre har redusert blindsoner på tvers av organisasjonen og gitt teamene mer tid til å fokusere på å bygge.
Her er et godt eksempel på en vellykket agentisk arbeidsflyt. Vi bygde en AI-basert arbeidsflyt for en stor markedsplass med titalls millioner daglige aktive brukere. Teamet deres druknet i tilbakemeldinger fra brukerne, og det betydde at tidlige varselsignaler ble begravd.
Derfor bygde vi en AI-agent som leser hvert notat, avdekker mønstre og flagger avvik. Den har blitt en sentral del av leveransesystemet: Teamet til kunden vår er avhengig av den for å oppdage brukervennlighetsproblemer tidlig, lenge før de sprer seg. Det sparer dem for titusenvis av dollar hver måned og holder leveransene på rett spor uten å øke bemanningen.
Slik bruker du AI til å redusere risikoen ved produktsatsinger og forbedre beslutningstakingen
Det er enkelt å bygge, lage prototyper og utforme programvare nå. Det vanskelige er å finne ut hva man skal bygge. Funksjoner er handelsvarer. Det som betyr noe, er å satse på de riktige tingene.
Jeg bruker nesten ikke tid på status eller rapportering lenger. Fokuset mitt er å bruke AI til å redusere risikoen ved satsinger og øke sannsynligheten for å lykkes.
Derfor bruker jeg produktet mitt til å få en kontinuerlig oversikt over hva som fungerer og hva som ikke fungerer. I praksis betyr det at Thrive følger med på produktmålinger, tilbakemeldinger fra brukere (e-post, spørreundersøkelser, i appen osv.) og telemetri (via PostHog). Det avdekker problemer som friksjon i introduksjonen for et brukersegment etter lansering eller plutselige fall i trakten. Det gir meg også en kort ukentlig statusoppdatering i Slack som fremhever trender og risikoer – det er som en hyggelig kollega som stikker innom med en oppdatering.
Resultatet er at beslutningene mine er forankret i data der data er tilgjengelig, og i produktforståelse der det ikke finnes data.
Slik forvandler AI leveranserutinene i prosjektledelse
Leveranserutinene er i endring for de fleste av oss. Hos Thrive lager AI et førsteutkast til nesten alt – prosjektbeskrivelser, veikartselementer, hva som helst. Deretter videreutvikler mennesker det.
Her er oversikten:
- Justering skjer gjennom Slack-påminnelser i stedet for store møter.
- Validering kommer fra Thrive sin AI-overvåkingstelemetri og tilbakemeldinger i sanntid, samt ved å hente data for ad hoc-analyse — dette var jeg så vidt inne på ovenfor.
- Under gjennomføringen følger AI med på fremdriften og varsler når noe ser feil ut. Deretter avgjør mennesker hva som skal gjøres.
En AI-teknologistakk: Bakgrunns-AI og arbeidsflyter med Slack først
Teknologistakken vår har gått fra å stirre på dashbord og sitte i statusmøter til bakgrunns-AI og arbeidsflyter med Slack først. Her er teknologistakken vår for prosjektleveranser:
- Slack
- Linear
- GSuite
- PostHog
- Thrive
Og slik samhandler de.
- Slack er knutepunktet vårt for oppdateringer, varsler og håndtering av Linear
- Linear håndterer oppgavene og oppgavekøen vår, mens AI utfører sorteringen (ansvarlige, duplikater osv.). Det er synkronisert med Slack (programvare for medarbeiderkommunikasjon) og PostHog.
- PostHog håndterer telemetri og produktmålinger og sender dem inn i Slack.
- Thrive analyserer deretter det PostHog sender inn, for å oppdage avvik, lage rapporter og levere ukentlige oppdateringer. Disse leveres også via Slack. For det meste fungerer det i bakgrunnen, lærer preferansene mine og varsler meg bare når noe virkelig trenger oppmerksomhet — en ødelagt arbeidsflyt, økende brukersentiment eller hva det måtte være.
- GSuite – som vårt system for digital medieforvaltning av dokumenter og kommunikasjon.
Alle disse verktøyene spiller en viktig rolle. Men jeg må si at jeg er stor fan av de nye AI-oppdateringene i Linear. Den automatiske sorteringen har særlig imponert meg. Den foreslår ansvarlige og etiketter, og kobler til og med sammen duplikater. Jeg kan ikke forestille meg at noen faktisk liker den typen arbeid. Nå skjer det i bakgrunnen, og teamet mitt kan holde fokus på det egentlige arbeidet.
Hvorfor AI trenger sikkerhetsnett og støttestrukturer i prosjektarbeidsflyter
Alt dette er flott, men jeg må si følgende: Store språkmodeller kan være så uforutsigbare! Det ene øyeblikket imponerer de deg voldsomt, og det neste overser de noe en elev på femte trinn ville ha oppdaget.
Trikset er å vite hvor de utmerker seg og utforme arbeidsflyter rundt det. Deretter bygger man støttestrukturer og verktøy for områdene der de ikke gjør det — som å dele opp lange inndata, validere tall eller koble dem til slik at de henter reelle data i stedet for å finne på ting.
Store språkmodeller kan være så uforutsigbare! Det ene øyeblikket imponerer de deg voldsomt, og det neste overser de noe en elev på femte trinn ville ha oppdaget. Trikset er å vite hvor de utmerker seg og utforme arbeidsflyter rundt det. Deretter bygger man støttestrukturer og verktøy for områdene der de ikke gjør det.
Hos Thrive har AI fullt ansvar for rapportering, statusoppdateringer og utforming av veikartselementer. Mennesker bidrar med domenekunnskap, relasjoner og knallhard prioritering.
For saken er den at alle har tilgang til den samme AI-en, så den kan ikke være konkurransefortrinnet ditt. Det som skiller deg ut, er hvordan du setter prioriteringer, bygger tillit og foretar de vanskelige avveiningene.
Det er der du trenger flere mennesker i verdensklasse.
Fremtiden: AI håndterer trinnvise produktforbedringer
Om ikke lenge vil AI ha full kontroll over trinnvise produktforbedringer. For hver optimalisering på 1–2 % vil AI utforme eksperimenter, gjennomføre dem, måle resultatene og iterere på egen hånd.
Mennesker vil bare fokusere på de store satsingene med høy risiko.
Prosjektledere må komme seg ut av sidelinjen med AI
Rådet mitt er enkelt: Vær nysgjerrig og selvbevisst. Kjenn styrkene dine, og bruk AI til å forsterke dem. Vær ærlig om svakhetene dine, og la AI dekke deg – det er lagkameraten som aldri dømmer og alltid stiller opp.
Fremfor alt: Ikke bli sittende på sidelinjen. Dette er en mulighet man bare får én gang i karrieren, til å bidra til å forme fremtidens arbeidsliv.
Følg med
Du kan følge med på LinkedIn mens Ishwar bygger Thrive og endrer hvordan prosjektteam arbeider. Ta også en titt på ThriveAI!
Det kommer flere ekspertintervjuer på Den digitale prosjektlederen.
