Techniczna dyrektorka produktu analizuje agentów AI wykorzystywanych przez jej zespół w realizacji projektów
Dowiedz się, jak dyrektorka produktu wykorzystuje agentów AI do automatyzacji zadań związanych z zarządzaniem projektami, przyspieszania realizacji i koncentrowania się na rezultatach, korzystając z rzeczywistych przykładów przepływów pracy, które ograniczają opóźnienia i poprawiają wydajność zespołu.
Utrzymanie produktu: Product People wykorzystuje AI do obsługi zadań związanych z utrzymaniem, dzięki czemu może koncentrować się na osiąganiu rezultatów biznesowych.
Czynnik ludzki: Empatia, osąd i strategia pozostają ludzkimi atutami, których AI nie jest w stanie odtworzyć w zarządzaniu produktem.
Rozwiązania agentowe: Wdrożenie agentów AI przyspieszyło przepływy pracy, zwiększając szybkość działania i satysfakcję interesariuszy.
Narzędzia wymagające niewielkiej obsługi: Narzędzia niezależne od klienta, takie jak Notion i Figma, wspierają rozproszony i wydajny model operacyjny.
Przyszła rola kierownika projektu: AI na nowo zdefiniuje zarządzanie projektami, a punkt ciężkości przesunie się w stronę umiejętności strategicznych i projektowania systemów.
Mirela Mus jest założycielką i dyrektorką ds. produktu w Product People. Ma tytuł MBA, wykształcenie informatyczne i ponad dekadę doświadczenia w zarządzaniu produktem — połowę tego czasu spędziła również na stanowisku kierowniczym.
Skontaktowaliśmy się z nią, aby dowiedzieć się więcej o delegowaniu zadań związanych z utrzymaniem do AI, tak aby ludzie mogli skupić się na osiąganiu rzeczywistych rezultatów. Oto, co miała do powiedzenia.
Osiąganie wyników biznesowych
Jestem Mirela Mus, założycielką i dyrektorką ds. produktu w Product People. Jesteśmy wiodącą w Europie firmą świadczącą usługi z zakresu zarządzania produktem i rozwoju produktów. Wśród naszych klientów znajdują się Amazon, Zalando, eBay, DeepL i Światowa Organizacja Zdrowia.
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
Choć zgadzamy się, że realizacja jest świetną przewagą konkurencyjną, nie tylko nadzorujemy ani nie zarządzamy projektami; osiągamy wyniki biznesowe, takie jak zwiększanie przychodów i obniżanie kosztów.
Dlaczego niektórych elementów nie można odtworzyć za pomocą AI
Patrzymy na ewolucję opartą przede wszystkim na AI przez pryzmat naszej kluczowej zasady: „Niskie koszty utrzymania, wysokie rezultaty”. AI zajmuje się utrzymaniem, dzięki czemu my możemy w pełni skupić się na rezultatach.
Śmiało wdrażamy narzędzia, które przyspieszają realizację podstawowych zadań, abyśmy mogli poświęcać mniej czasu na mało efektowną pracę manualną, taką jak:
- Synteza danych jakościowych: używamy AI do natychmiastowej syntezy publicznie dostępnych danych rynkowych, opinii użytkowników i zgłoszeń do pomocy technicznej. Wspiera to nasze podejście „GSD (Get Sh*t Done)”. Nie tracimy czasu na wpatrywanie się w puste strony.
- Tworzenie pierwszych wersji artefaktów: AI doskonale sprawdza się w przygotowywaniu pierwszej wersji dokumentów PRD lub informacji o wydaniu. Wspiera to nasze obecne metody, zapewniając, że młodsi menedżerowie produktu zaczynają od struktury spełniającej nasze wysokie wewnętrzne standardy, a tym samym skracając cykl ręcznego przeglądu.
- Szybkie gromadzenie kontekstu: zamiast długich faz rozpoznania wykorzystujemy AI do przyspieszenia zrozumienia nowych branż i norm rynkowych. Dzięki temu możemy szybko wdrażać nowe osoby i od razu zacząć dostarczać wartość.
Patrzymy na rewolucję opartą przede wszystkim na AI przez pryzmat naszej kluczowej zasady: ‘Niskie koszty utrzymania, wysokie rezultaty.'
Po zautomatyzowaniu pracy jeszcze bardziej koncentruję się na ludzkich elementach, których AI nie jest w stanie odtworzyć:
- Głęboka empatia (odkrywanie odpowiedzi na pytanie „dlaczego teraz?”): AI może analizować dane, ale nie potrafi wyczuć atmosfery. Człowiek musi spojrzeć interesariuszowi w oczy i zrozumieć rzeczywistą presję stojącą za prośbą — niezależnie od tego, czy wynika ona z autentycznej potrzeby rynkowej, czy jest jedynie paniczną reakcją na działania konkurenta. Dlatego poświęcaj więcej czasu na wywieranie wpływu na interesariuszy i poruszanie się w kontekście politycznym, który często blokuje realizację w złożonych organizacjach.
- Bezstronny osąd („mentalność najemnika”): wykorzystujemy zaoszczędzony czas do stosowania tego, co nazywam „mentalnością najemnika”, usuwając emocje z procesu podejmowania decyzji, aby zapewnić jasny osąd. Pozwala nam to przebić się przez wewnętrzny szum i rozwiązywać problemy z myślą o kliencie, przedkładając jego rzeczywiste cele biznesowe nad wewnętrzne konkursy popularności.
- Wyznaczanie wizji i podejmowanie strategicznych zakładów: jak często powtarzam, „tylko nieustający optymiści pasują do zarządzania produktem”. AI może przewidywać przyszłość na podstawie wcześniejszych danych, ale nie potrafi zmobilizować zdemotywowanego zespołu do działania na rzecz lepszej przyszłości ani podejmować sprzecznych z intuicją decyzji wymaganych do transformacji firmy.
- Poruszanie się w złożonej polityce organizacyjnej: to najtrudniejsza część tej pracy. Radzenie sobie z działami, które opóźniają działania, lub zarządzanie interesariuszami o sprzecznych celach wymaga wysokiej inteligencji emocjonalnej i „najemniczej” koncentracji.
- Szybkość podejmowania decyzji (pętla OODA): wykorzystujemy wzrost efektywności do usprawnienia naszej „pętli OODA” (obserwuj, ukierunkuj, decyduj, działaj), dzięki czemu zmieniamy strategie szybciej niż tradycyjne zespoły wewnętrzne.
Sztuczna inteligencja może przewidywać na podstawie danych historycznych, ale nie potrafi zmobilizować zdemoralizowanego zespołu do pracy na rzecz lepszej przyszłości ani podejmować sprzecznych z intuicją decyzji wymaganych do transformacji firmy.
Jak rozwiązania agentowe zwiększyły szybkość i satysfakcję
Niedawno zastosowaliśmy rozwiązania agentowe, gdy stanęliśmy w obliczu klasycznego wąskiego gardła. Czas między opracowaniem pomysłu a rozpoczęciem prac deweloperskich był nadmiernie wydłużony. Nasi PM-owie poświęcali ogromną ilość energii na ręczne sprawdzanie ograniczeń prawnych i uzyskiwanie akceptacji od interesariuszy. Ta wymagająca ciągłej obsługi praca nie wnosiła żadnej wartości strategicznej.
Wdrożyliśmy system wewnętrznych agentów AI, aby zajęli się mało efektowną, praktyczną pracą:
- Bariera zgodności: skonfigurowaliśmy wewnętrznego agenta, korzystając z kontekstu zawartego w wewnętrznych bazach wiedzy klienta dotyczących prawa i zgodności. Zanim PRD trafił do weryfikacji, agent przeprowadzał jego wstępną walidację, natychmiast wskazując ryzyka regulacyjne. Stanowiło to natychmiastową kontrolę podnoszącą standardy i gwarantowało, że PM-owie klienta nie będą tracić czasu na projekty niezgodne z przepisami.
- Ponaglanie interesariuszy (przez Slack): zautomatyzowaliśmy proces zatwierdzania. Zamiast wykorzystywać ograniczony kapitał polityczny, by prosić dyrektora o podpis, PM powierzał agentowi ponaglanie przez Slacka. Agent nieustannie, ale uprzejmie zabiegał o akceptacje, zdejmując z PM-a emocjonalne obciążenie.
- Automatyczne aktualizacje postępów: wdrożyliśmy agenta, który syntetyzował dane dotyczące postępów i prac deweloperskich oraz wysyłał proaktywne raporty statusowe.
Rezultaty:
- Szybkość: znacznie skróciliśmy średni czas między opracowaniem pomysłu a rozpoczęciem prac deweloperskich. „Martwy czas” oczekiwania na akceptacje się skurczył, a agent, pełniący rolę adwokata diabła, szybciej weryfikował PRD.
- Satysfakcja: wzrosła satysfakcja interesariuszy. Docenili oni proaktywność i terminowość zautomatyzowanych raportów, dzięki czemu nasi PM-owie mogli skupić się na osiąganiu rezultatów, zamiast na administracyjnym ponaglaniu.
Dlaczego eksperymentowanie z agentami jest tak ważne w zarządzaniu projektami
Oto kilka kolejnych agentów, z którymi eksperymentowaliśmy. Korzystamy z Claude Code, Make.com, Glean, NotebookLM, n8n i/lub Notion AI.
- Standaryzator artefaktów: wytrenowany na „Najlepszych PRD”, aby zmieniać format dokumentów i zgłoszeń Jira. Jest dostosowany do typu produktu, obszaru (wewnętrznego, zewnętrznego) i etapu (utrzymanie, inwestowanie, innowacje).
- Adwokat diabła: wyszukuje luki w dokumentach PRD, wykorzystując przepisy dotyczące zgodności, oraz wzbogaca indeksy bazy wiedzy użytkowników, informacje o konkurencji i kontekst firmy. Oszczędza pięć godzin tygodniowo na każdego PM-a.
- Rozpoczęcie prac deweloperskich: odczytuje zgłoszenia Jira i inicjuje procesy deweloperskie, konfigurując środowisko i repozytoria oraz otwierając odpowiednie biblioteki. Oszczędza trzy godziny tygodniowo na każdego dewelopera.
- Triaż incydentów: zapewnia terminowe i trafne ustalanie priorytetów względnych dla każdego przychodzącego zgłoszenia do pomocy technicznej lub zgłoszenia błędu.
- Aktualizator interesariuszy: mapuje interesariuszy i wysyła cotygodniowe podsumowania i/lub raporty dotyczące całego lejka produktowego. Oszczędza trzy godziny tygodniowo na każdego PM-a poświęcane na wybór informacji i komunikację. Oto przykład tego, jak raport może wyglądać dla dyrektora generalnego: „Prognozowany ROI spadł do 3 mln EUR (-15%). Wynika to z tego, że inicjatywa 1 jest opóźniona o 3 miesiące w Europie Północnej z powodu zależności od inicjatywy 2 i nieporozumień z dostawcą oprogramowania. Aby rozwiązać problem, doszło do dwóch eskalacji na poziomie wiceprezesów. Przewidywany termin rozwiązania problemu to tydzień.”
- Jedno źródło prawdy: pracownicy pytają Notion AI. Wyszukuje ono informacje nie tylko w Notion, lecz także w Slacku, Google Drive, Jira i innych połączonych aplikacjach.
Osobiście eksperymentowałem również z OpenClaw na nowym Macu Mini.
Jak niewymagający dużej obsługi zestaw narzędzi wspiera rozproszoną strukturę
Nasz zestaw narzędzi jest niezależny od klienta — pracujemy z tym, czego używa klient. Wewnętrznie korzystamy jednak z rygorystycznego, niewymagającego dużej obsługi zestawu narzędzi, który wspiera nasz model pracy i rozproszoną strukturę.
Narzędzie: Notion
- Kategoria: Wewnętrzna baza wiedzy i podręczniki operacyjne
- Wpływ: Jedno, wiarygodne źródło informacji o naszym autorskim modelu realizacji. Zawiera wszystkie nasze Sposoby pracy, Zasady i Funkcje wspierające rozwój kompetencji.
- Ewolucja w ciągu ostatniego roku: Zintensyfikowaliśmy jej wykorzystanie. Obecnie służy nam nie tylko do przechowywania informacji, ale także jako aktywne środowisko szkoleniowe, które pozwala szybko wdrażać nowe osoby i natychmiast przekazywać im nasze konkretne metody, takie jak „Optymizm jako system operacyjny”.
Narzędzie: Figma
- Kategoria: Projektowanie i prototypowanie
- Wpływ: Umożliwia nam weryfikowanie pomysłów za pomocą prototypów o niskiej szczegółowości zamiast tworzenia obszernych specyfikacji.
- Ewolucja w ciągu ostatniego roku: Integracja z AI. Odeszliśmy od ręcznego tworzenia makiet na rzecz generowania szablonów z wykorzystaniem AI, aby przyspieszyć początkowy, „chaotyczny” etap projektowania.
Narzędzie: Miro
- Kategoria: Współpraca wizualna i strategia
- Wpływ: Przestrzeń do „zarządzania chaosem”. Intensywnie korzystamy z niej do tworzenia Drzew możliwości i rozwiązań (OST) oraz uzgadniania stanowisk interesariuszy, którzy „ciągną w różnych kierunkach”.
- Ewolucja w ciągu ostatniego roku: Standaryzacja. Odeszliśmy od spontanicznych sesji burzy mózgów na rzecz ścisłego stosowania wcześniej przygotowanych szablonów warsztatów. Dzięki temu każdy kierownik projektu prowadzi spotkania na równie wysokim poziomie, nawet bez obecności starszego rangą lidera.
Narzędzie: Slack
- Kategoria: Komunikacja i społeczność
- Wpływ: Fundament naszej „więzi” i sieci wsparcia. Umożliwia kierownikom projektów „otwarte omawianie problemów” i usuwanie blokad.
- Ewolucja w ciągu ostatniego roku: Zdyscyplinowana praca asynchroniczna. W dużym stopniu przeszliśmy na asynchroniczne przepływy pracy, aby chronić czas na pracę wymagającą skupienia. Korzystamy z tego narzędzia rzadziej do rozmów w czasie rzeczywistym, a częściej do uporządkowanych aktualizacji, ograniczając szum wynikający z kontekstów politycznych.
Jak asynchroniczne nagrania wideo wspierają coaching zespołu
Asynchroniczne nagrania wideo, realizowane za pomocą Loom i Miro TalkTrack, są jednymi z najbardziej niedocenianych narzędzi, z których korzystamy, ponieważ umożliwiają skalowanie naszego modelu „szpitala dydaktycznego”.
W naszej organizacji „przeglądy w cztery oczy” mają kluczowe znaczenie dla jakości, ale planowanie ich w czasie rzeczywistym jest wąskim gardłem procesu. Zamiast rezerwować teraz 30-minutowe spotkanie w celu omówienia PRD lub prezentacji strategicznej, nasi starsi konsultanci nagrywają 5-minutową krytykę w Loom. Dzięki temu kierownicy projektów mogą otrzymać coaching bez przerywania pracy.
Ponadto interesariusze, którzy często zwlekają, prawdopodobnie nie przeczytają pięciostronicowego dokumentu, ale obejrzą trzyminutowe nagranie wideo. Wymusza ono uzgodnienie stanowisk w złożonych kontekstach politycznych, w których musimy wprowadzić porządek do chaosu bez dodawania kolejnego spotkania do ich kalendarzy.
Doskonale odzwierciedla to nasze podejście „niska obsługa, wysokie rezultaty”. Skróciliśmy czas spotkań o 80%, jednocześnie zwiększając szczegółowość komunikacji.
Dlaczego kierownicy projektów muszą unikać „kultu cargo” Agile
Jeśli chodzi o metody zarządzania projektami, odchodzimy od rozbudowanych procesów na rzecz tego, co nazywam modelem „zdroworozsądkowym”. Świadomie unikamy „kultu cargo” Agile, w którym proces istnieje dla samego procesu.
Od czego odeszliśmy:
- Sztywne planowanie: Unikamy długoterminowych wykresów Gantta i mentalności fabryki funkcji, w której sukces mierzy się dotrzymaniem terminu, a nie osiągnięciem wskaźnika.
- Rozrost procesów: Nie wdrażamy złożonych modeli tylko dlatego, że są modne. Wiele firm ponosi porażkę, ponieważ ich procesy nie są w stanie udźwignąć ciężaru, który muszą na siebie przyjąć.
Na co przeszliśmy:
- Elastyczna strategia: Korzystamy z Drzew możliwości i rozwiązań (OST) oraz OKR-ów, ale tylko rozsądnie. Celem jest uzgodnienie rezultatu (np. „znaleźć coś, co przyniesie 10 mln USD ARR”), a nie zarządzanie idealnym backlogiem.
- Doskonałość operacyjna: W praktyce korzystamy z autorskiego procesu oceny, który sprawdza zdolność kierowników projektów do dostarczania rezultatów. Sukces oceniamy na podstawie tego, czy klient ponownie podjąłby z nami współpracę lub czy osiągnął ważny kamień milowy, a nie na podstawie tempa tworzenia dokumentacji.
Jak AI redefiniuje rytuały realizacji projektów
Mamy również kilka rytuałów, które zdefiniowaliśmy na nowo dzięki AI:
- Definiowanie zakresu: AI zajmuje się mało efektowną, praktyczną pracą polegającą na tworzeniu standardowych specyfikacji funkcji. Dzięki temu kierownik projektu może przyjąć „najemnicze” podejście i skupić się wyłącznie na 20% zakresu, które przekłada się na wynik biznesowy, zamiast zarządzać rozdętym backlogiem.
- Weryfikowanie pracy: Wykorzystujemy AI do natychmiastowego syntetyzowania wyników z różnych narzędzi, co pozwala nam szybciej przechodzić przez cykl Obserwuj–Zorientuj się–Zdecyduj–Działaj. Zamiast czekać tydzień na analizę testu, możemy natychmiast zmienić kierunek. Pomaga nam to szybko poruszać się w środowiskach „VUCA” (zmienność, niepewność, złożoność, niejednoznaczność).
- Uzyskiwanie zgodności zespołów: AI tworzy podsumowania rutynowej komunikacji. Dzięki temu kierownik projektu może skupić się na „przywództwie bez formalnej władzy”. Zarządzamy kontekstem politycznym i uzgadniamy stanowiska interesariuszy, którzy mogą ociągać się z działaniem, aby mieć pewność, że przekaz dotrze do właściwych osób.
Jak AI na nowo zdefiniuje role w zarządzaniu projektami
W ciągu pięciu lat rola młodszego kierownika projektu/produktu zostanie niemal całkowicie zautomatyzowana lub zdefiniowana na nowo. Autonomiczne agenty AI będą zarządzać rutynowym śledzeniem projektów, zarządzaniem zależnościami, podstawową dokumentacją oraz prostą syntezą danych i wniosków. Zmieni się punkt wejścia dla ludzkiego lidera produktu: nie wejdziesz do branży, pisząc historyjki użytkownika; wejdziesz do niej, wykazując się wyjątkowymi umiejętnościami myślenia strategicznego, projektowania systemów i przywództwa skoncentrowanego na człowieku.
Rola kierownika projektu zasadniczo podzieli się na role Strategicznych Liderów Wspomaganych przez AI (skupionych na wizji i ludziach) oraz Architektów Systemów/Procesów Wspomaganych przez AI (skupionych na projektowaniu idealnego przepływu pracy dla agentów AI).
Dlaczego liderzy odpowiedzialni za realizację muszą zmienić punkt ciężkości
Liderzy odpowiedzialni za realizację muszą zrozumieć, że nasza praca zmienia się z wykonawcy procesu w projektanta systemu.
Oto moja rada: przestań optymalizować własny czas pod kątem zadań taktycznych i skup się na projektowaniu systemów wspomaganych przez AI , w ramach których będzie działać Twój zespół. Musisz:
- Skodyfikować swoją doskonałość: jasno udokumentuj zastrzeżoną wiedzę i najlepsze praktyki swojej organizacji, ponieważ stanowią one niezbędne dane treningowe dla agentów AI.
- Skupić się na „dlaczego”: wykorzystaj czas zaoszczędzony dzięki AI, aby stać się lepszym liderem, koncentrując się na motywowaniu, klarowności oraz poruszaniu się po etycznych konsekwencjach produktów tworzonych przez Twój zespół.
Celem nie jest zastąpienie Twojego zespołu, lecz wykorzystanie AI do egzekwowania definicji doskonałości przyjętej w Twojej organizacji na dużą skalę.
Celem nie jest zastąpienie Twojego zespołu, lecz wykorzystanie AI do egzekwowania definicji doskonałości przyjętej w Twojej organizacji na dużą skalę.
Śledź dalsze informacje
Możesz obserwować Mirelę Mus na LinkedInie oraz odwiedzić stronę jej firmy, Product People.
Na The Digital Project Manager pojawią się kolejne wywiady z ekspertami!
