Wiceprezes ds. produktu ostrzega, że „kierownik projektu” nie będzie już samodzielnym stanowiskiem — i dzieli się tym, co kierownicy projektów muszą zrobić dalej
Dowiedz się, jak sztuczna inteligencja poszerza rolę lidera produktu, przyspiesza działania związane z wejściem na rynek i zastępuje tradycyjne procesy zarządzania projektami szybszym podejmowaniem decyzji opartym na wnioskach.
Wpływ sztucznej inteligencji: Sztuczna inteligencja poszerzyła rolę Scotta Jonesa — od lidera produktu po głębsze zaangażowanie w specjalistyczne obszary.
Ewolucja roli: Tradycyjna rola kierowników projektów ulegnie zmianie, prowadząc do większego usamodzielnienia poszczególnych osób.
Narzędzia sztucznej inteligencji: Narzędzia sztucznej inteligencji, takie jak Claude i Cursor, zwiększają szybkość realizacji i zmniejszają złożoność zarządzania projektami.
Kreatywna intuicja: Intuicja i umiejętności twórcze nadal mają kluczowe znaczenie dla skutecznego wykorzystywania sztucznej inteligencji w realizacji produktów.
Wizja przyszłości: Sztuczna inteligencja umożliwi tworzenie mniejszych i bardziej efektywnych zespołów oraz na nowo zdefiniuje realizację projektów w ciągu najbliższych pięciu lat.
Scott Jones jest liderem produktu z technicznym zacięciem. Większość ostatnich dwudziestu lat spędził, ucząc się skalowania od zera, i tworzył produkty od zera do jedynki w wielu różnych branżach. Obecnie jest wiceprezesem ds. produktu w Realeyes, ale dzięki AI jego rola rozszerzyła się również o kierowanie działaniami związanymi z wejściem na rynek.
Porozmawialiśmy ze Scottem, aby zrozumieć, jak udało mu się zwiększyć swój „zakres działania” bez obniżania jakości. Powiedział, że wszystko sprowadza się do AI i intuicji.
Łączenie produktu z rynkiem
Od ponad 16 lat tworzę produkty od zera do jedynki w wielu różnych branżach — technologii reklamowej, technologii marketingowej, IoT i infrastrukturze chmurowej, w firmach takich jak HPE i Lenovo. Każde z tych doświadczeń nauczyło mnie czegoś innego o skalowaniu od zera.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Dziś kieruję działami produktu, marketingu, sprzedaży, rozwoju biznesu i partnerstw w firmie Realeyes, gdzie stworzyłem i prowadzę VerifEye — platformę do weryfikacji ludzi, która anonimowo potwierdza tożsamość osoby, jej unikalność i dane demograficzne w ciągu kilku sekund i za kilka centów. W ciągu 18 miesięcy produkt przeszedł od koncepcji do rocznych cyklicznych przychodów na poziomie kilku milionów, przy udziale niewielkiego zespołu, a AI jest jednym z głównych powodów, dla których ta szybkość jest możliwa.
Pracuję ramię w ramię z naszymi współzałożycielami, a moją rolą jest całościowe zarządzanie wejściem na rynek: dbanie o to, aby nasza mapa drogowa produktu, klienci, partnerzy i zespoły wewnętrzne były ze sobą zgodne i podążały w tym samym kierunku. Wiele spraw dzieje się jednocześnie, ale właśnie to lubię najbardziej — mogę łączyć to, co tworzymy, z problemami, które rozwiązujemy na rynku.
Jak AI poszerza „zakres działania” lidera produktu
AI fundamentalnie zmieniła sposób, w jaki działam jako lider produktu — i nie mam na myśli teorii. Żyję tym każdego dnia. W niewielkich środowiskach, w których tworzy się produkty od zera do jedynki, tego rodzaju wsparcie AI jest szczególnie potężne. To mój mnożnik siły.
Odkrywanie potrzeb klientów, które wcześniej wymagało tygodni pracy badawczej — mapowania krajobrazu konkurencyjnego, zrozumienia stosu technologicznego potencjalnego klienta i określenia, gdzie nasze rozwiązanie wpisuje się w jego proces pracy — mogę teraz przeprowadzić w ułamku tego czasu, uzyskując przy tym znacznie głębszy poziom analizy. Prowadzę analizę konkurencji firm takich jak Onfido czy Entain, przygotowując się do rozmów sprzedażowych z dużymi przedsiębiorstwami i dysponując szczegółowym kontekstem, którego uzyskanie wcześniej wymagało zespołu analityków.
Tworzę prototypy pozycjonowania, opracowuję narracje dotyczące partnerstw, przygotowuję strategie wejścia na rynek i tworzę treści promocyjne — wszystko szybciej, bardziej iteracyjnie i, szczerze mówiąc, lepiej niż wtedy, gdy musiałem przełączać się między dziesięcioma różnymi narzędziami i osobami, aby przygotować pierwszą wersję.
AI nie tylko sprawiła, że działam szybciej; poszerzyła również mój zakres. Opis mojego stanowiska się nie zmienił, ale mój zakres działania w pracy — znacząco tak. Z lidera produktu, który koordynuje specjalistów, stałem się liderem produktu, który może zagłębiać się w te specjalizacje na poziomie jakości wystarczającym do rozmów z dużymi przedsiębiorstwami.
AI nie tylko sprawiła, że działam szybciej; poszerzyła również mój zakres. Opis mojego stanowiska się nie zmienił, ale mój zakres działania w pracy — znacząco tak.
Obecnie poświęcam mniej czasu na żmudną pracę — wstępne zbieranie informacji, tworzenie pierwszych wersji, syntezę informacji z różnych źródeł i budowanie struktur od podstaw. Więcej czasu poświęcam zadaniom wymagającym myślenia na wyższym poziomie: rozpoznawaniu wzorców na różnych rynkach, podejmowaniu strategicznych decyzji dotyczących kierunku partnerstw, prowadzeniu bogatszych rozmów z klientami, ponieważ jestem do nich lepiej przygotowany, oraz przyspieszaniu całego procesu decyzyjnego.
Myślę o tym w ten sposób: AI nie zastąpiła żadnej z pełnionych przeze mnie ról. Sprawiła, że jednocześnie jestem w każdej z nich niezwykle skuteczny.
Dlaczego AI zmieni rolę kierowników projektów
Rola „kierownika projektu” jako samodzielnej funkcji znacząco zmieni swój zakres w ciągu najbliższych pięciu lat. I nie będzie to strata; będzie to wyzwolenie.
Oto, co mam na myśli: Cała dziedzina zarządzania projektami rozwiązywała problem koordynacji. Gdy masz wyspecjalizowanych ludzi, z których każdy posiada część układanki — inżynierię, projektowanie, marketing, sprzedaż, prawo — potrzebujesz człowieka pośrodku, który zadba o przepływ informacji, dotrzymywanie terminów, śledzenie zależności i to, aby wszyscy zmierzali w tym samym kierunku. Ta warstwa koordynacji stała się odrębnym zawodem, z certyfikatami, metodykami i ekosystemami oprogramowania zbudowanymi wokół niej.
Rola “menedżera projektu” jako odrębnej funkcji zniknie w ciągu pięciu lat — i nie jest to strata; to wyzwolenie.
SI rozpuszcza problem koordynacji. Nie zastępuje menedżera projektów AI — to płytka prognoza. Rozwiązuje ten problem, znosząc specjalizację, która stworzyła potrzebę koordynacji.
Jestem tego żywym dowodem. Zajmuję się produktem, marketingiem, sprzedażą, rozwojem biznesu, partnerstwami, analizą konkurencji, badaniami prawnymi i prototypowaniem technicznym. Dwa lata temu zespół z menedżerem projektu dbał o to, aby wszyscy byli zgrani. Dziś mogę działać na poziomie, który wcześniej wymagał wielu różnych ról, mając Claude'a jako drugiego pilota. Praca nie stała się prostsza; stała się szybsza. Wąskie gardło przesunęło się z pytania „Jak koordynować działania różnych specjalistów?” do pytania „Jak jedna osoba, wykorzystująca możliwości SI, może szybciej podejmować lepsze decyzje?”
Jak narzędzia SI zmieniają stos technologiczny realizacji projektów
Mój stos narzędzi do realizacji projektów znacznie się rozwinął w ciągu ostatniego roku. SI przeszła od kategorii „dobrze ją mieć” do roli mojego systemu operacyjnego.
Claude — mój główny drugi pilot SI: To podstawa. Używam Claude'a firmy Anthropic do zadań, które normalnie wymagałyby pracy trzech lub czterech różnych ról w zespole. Korzystam z niego przy poznawaniu klientów, analizie konkurencji, strategii partnerstw, tworzeniu treści, komunikacji następczej, narracjach do prezentacji sprzedażowych, wsparciu sprzedaży, szacowaniu wielkości rynku oraz podczas głośnego myślenia z partnerem do współpracy, który ma nieskończoną cierpliwość i szeroką wiedzę dziedzinową.
Claude Code — wprowadzanie SI do terminala: Niedawno zainstalowałem Claude Code, narzędzie wiersza poleceń firmy Anthropic do kodowania agentowego. Zamiast korzystać z SI w oknie czatu podczas pracy w osobnym środowisku programistycznym, SI działa bezpośrednio w terminalu — odczytuje pliki, wykonuje polecenia i iteracyjnie modyfikuje kod w rzeczywistym katalogu roboczym. Dopiero zaczynam z niego korzystać, ale wyraźnie wpływa na realizację projektów. Gdy określam zakres integracji API na potrzeby pilotażowego projektu dla klienta albo oceniam, jak nasz SDK pasuje do środowiska partnera, mogę teraz analizować te kwestie technicznie w czasie rzeczywistym, zamiast pisać specyfikację i przekazywać ją zespołowi inżynieryjnemu.
Cursor — środowisko programistyczne wykorzystujące SI: To nowszy dodatek, ale już zmienia moje podejście do prototypowania i pracy technicznej. Cursor wprowadza SI bezpośrednio do środowiska kodowania. Zamiast przełączać się między rozmową z Claude'em a środowiskiem IDE, mogę iteracyjnie rozwijać koncepcje techniczne, tworzyć prototypy integracji i analizować szczegóły implementacji przy wsparciu SI wbudowanym w przepływ pracy. Dla osoby działającej na styku produktu i inżynierii — określającej zakres API, analizującej ścieżki integracji SDK i oceniającej wykonalność techniczną pilotażowych projektów dla klientów — środowisko programistyczne stworzone z myślą o SI zmniejsza dystans między myśleniem strategicznym a praktycznym budowaniem.
Sprzedaż i działania wychodzące oparte na SI: To całkowita zmiana zasad gry w generowaniu lejka sprzedażowego. Używam narzędzi opartych na SI, w tym Claude'a, do automatyzacji inteligentnych sekwencji kontaktu — pierwszych wiadomości, spersonalizowanych działań następczych i kampanii kroplowych — wszystko sterowane logiką targetowania.
HubSpot — CRM i operacje sprzedażowe: HubSpot jest naszym systemem ewidencji do zarządzania lejkiem sprzedażowym, śledzenia transakcji i komunikacji z klientami. Śledzę wszystko — od zakwalifikowanych szans sprzedażowych, przez ocenę techniczną, aż po finalizację transakcji — zapisuję notatki z rozmów i kolejne kroki oraz zarządzam sekwencjami działań następczych. Nie jest to najbardziej efektowne narzędzie w stosie, ale stanowi tkankę łączną, która utrzymuje porządek, gdy prowadzę wiele transakcji z klientami korporacyjnymi.
SI stała się warstwą, która łączy wszystko. Claude jest strategicznym mózgiem, narzędzia sprzedaży społecznościowej są silnikiem działań wychodzących, HubSpot stanowi operacyjny kręgosłup, Cursor zmniejsza dystans w prototypowaniu technicznym, a platformy marketplace są warstwą dystrybucji. Każdy element jest silniejszy, ponieważ SI przenika je wszystkie.
Jak Claude usprawnił każdy aspekt przepływu pracy sprzedażowej
Oto przykład tego, co potrafi Claude. Użyłem go podczas prowadzenia cyklu sprzedażowego dla dużej platformy gospodarki zleceniowej, która oceniała rozwiązania weryfikacyjne dla swojej grupy wykonawców.
Złożoność tej sytuacji ma wiele wymiarów: potencjalny klient ma już wdrożony stos narzędzi do weryfikacji, konkretne wymagania techniczne dotyczące ciągłej ponownej weryfikacji, obawy związane z prywatnością danych oraz wielu interesariuszy z działów produktu, inżynierii, zaufania i bezpieczeństwa oraz zakupów. Zazwyczaj przygotowanie się do takiej transakcji i jej przeprowadzenie wymagałoby zaangażowania niewielkiego zespołu — analityka prowadzącego analizę konkurencji, inżyniera ds. rozwiązań przygotowującego pozycjonowanie techniczne, osoby opracowującej komunikację uzupełniającą oraz stratega tworzącego plan działań dla klienta.
Zrobiłem to wszystko z Claude'em jako moim współpilotem. Oto jak:
Przed pierwszym spotkaniem przeprowadziłem dogłębną analizę konkurencyjną obecnego dostawcy klienta — jednej z największych platform do weryfikacji tożsamości na rynku. Claude zbadał dla mnie cały ich model cenowy: koszt za sesję, to, czy pobierają opłaty za nieudane weryfikacje, sposób łączenia kontroli żywotności i dokumentów, struktury umów oraz ceny dodatków. W ciągu 20 minut miałem analizę konkurencji, której przygotowanie zajęłoby analitykowi kilka dni — a następnie sformatowałem ją jako wiadomość na Slacku, aby udostępnić ją liderom zespołu inżynieryjnego i zapewnić im te informacje przed rozmową.
Na samo spotkanie wykorzystałem Claude'a do opracowania wątków narracyjnych, które pomogły mi pokierować procesem rozpoznania potrzeb i zaprezentować moje możliwości.
Po spotkaniu przygotowałem wiadomość e-mail podsumowującą do czterech interesariuszy. Zamiast ogólnej wiadomości z podziękowaniem wykorzystałem Claude'a do dopracowania komunikatu w odniesieniu do trzech konkretnych wątków rozmowy. Claude pomógł mi dostosować poziom szczegółowości technicznej — zasugerował na przykład uproszczenie fragmentu dotyczącego odsetka wyników prawdziwie pozytywnych i fałszywie pozytywnych dla odbiorcy nietechnicznego. To było jak praca z uważnym i refleksyjnym współpracownikiem, który sprawdza twoją pracę.
Praca z Claude’em przypomina pracę z uważnym i refleksyjnym współpracownikiem, który sprawdza twoją pracę.
Warto jednak wspomnieć, że traktuję wyniki generowane przez AI jako ramy robocze na pierwszy etap — coś, co należy dopracować i zweryfikować, a nie ślepo temu ufać.
Równolegle zastosowałem to samo podejście oparte na AI w partnerstwie dotyczącym agregacji danych, w którym pojawiły się złożone kwestie prawne. Ich przypadek użycia rozpoznawania twarzy 1:N napotkał przepisy stanu Illinois dotyczące prywatności danych biometrycznych. Claude pomógł mi przeanalizować orzecznictwo, zrozumieć, w jaki sposób powstaje odpowiedzialność podczas gromadzenia danych w porównaniu z ich przechowywaniem, prześledzić precedensy prawne dotyczące oddalonych podobnych roszczeń oraz opracować trzy różne podejścia do zapewnienia zgodności — od całkowitego wykluczenia poziomu stanowego po rozszerzone procesy uzyskiwania zgody. Przystąpiłem do tej rozmowy z prawną strategią, której przygotowanie normalnie wymagałoby wielu godzin pracy zewnętrznego prawnika.
Na czym menedżerowie produktu powinni koncentrować eksperymenty z agentami
Jeśli chodzi o agentów, celowo koncentruję eksperymenty na obszarach, które przyspieszają realizację moich istniejących wąskich gardeł, zamiast budować rozbudowaną orkiestrację dla niej samej. Moje wąskie gardła to:
Szybkość walidacji technicznej podczas określania zakresu integracji z klientami
Tarcia przy przekazywaniu zadań między strategią produktu a realizacją inżynieryjną
Moja osobista dostępność czasowa, aby prototypować pomysły przed zaangażowaniem zasobów zespołu.
Claude Code i Cursor bezpośrednio odpowiadają na wszystkie trzy problemy. Dlatego nie uruchamiam potoków orkiestracji wielu agentów ani nie buduję łańcuchów autonomicznych przepływów pracy . Część z tych rozwiązań dopiero nadejdzie i uważnie je obserwuję. Jednak obecnie inwestycja w agentową sztuczną inteligencję o najwyższym zwrocie dla niewielkiego zespołu na naszym etapie polega na tym, że każdy człowiek w zespole staje się znacznie bardziej skuteczny — a nie na zastępowaniu ludzi rojami agentów.
Jest jeszcze wcześnie i jest chaotycznie — dokładnie tak, jak powinny wyglądać eksperymenty.
Jak AI umożliwia tworzenie lekkich systemów dla małych zespołów
Niemal całkowicie odszedłem od tradycyjnych metod zarządzania projektami. Nie była to stopniowa zmiana filozoficzna, lecz praktyczna decyzja wynikająca z realiów tworzenia produktu w tempie startupu przy niewielkim zespole.
Na wcześniejszych etapach kariery, w firmach takich jak HPE, Lenovo i Digital Turbine, korzystałem z tradycyjnego stosu narzędzi. Jira do zarządzania backlogiem i planowania sprintów. Dokumenty PRD i BRD pełniły funkcję formalnych artefaktów. Ceremonie sprintowe — codzienne spotkania, retrospektywy i sesje planowania. Zespoły przez całe tygodnie omawiały dokumenty dotyczące mapy drogowej, zanim zaczęły cokolwiek budować. Przy określonej skali i dużych, interdyscyplinarnych zespołach taka struktura spełnia swoje zadanie. Tworzy wspólny język i przewidywalny rytm pracy.
Ale kiedy przeniosłem się do środowisk kierowanych przez założycieli, w których wszystko buduje się od zera, większość tego narzutu zaczęła nas spowalniać, zamiast nas wspierać. Gdy tworzysz produkt z małym zespołem, tradycyjne struktury PM mają odwrócony stosunek ceremonii do rezultatów.
Co to zastąpiło?
Gdy tworzysz produkt z małym zespołem, tradycyjne struktury PM mają odwrócony stosunek ceremonii do rezultatów.
Claude zastąpił fabrykę dokumentów. Tradycyjne zarządzanie produktem generuje ogromne ilości dokumentacji — PRD, analizy konkurencji, wymagania rynkowe, aktualizacje dla interesariuszy, materiały dotyczące wejścia na rynek. Nadal tworzę całą tę dokumentację, ale teraz powstaje ona w czasie rzeczywistym podczas rozmowy ze sztuczną inteligencją, zamiast w formie szablonowych dokumentów, których przygotowanie, rozesłanie i poprawianie zajmuje całe dnie. Kiedy przed rozmową sprzedażową potrzebuję informacji o konkurencji, nie otwieram strony w Confluence i nie rozpoczynam projektu badawczego — rozmawiam z Claude'em i w ciągu godziny otrzymuję użyteczne informacje.
Slack stał się systemem operacyjnym, a nie paskiem bocznym. W tradycyjnym zarządzaniu produktem Slack służy zespołom do omawiania pracy, która znajduje się gdzie indziej — w Jira, w Confluence, w Dokumentach Google. W moim obecnym sposobie pracy to Slack napędza decyzje. Przeprowadzam sesję badania konkurencji z Claude'em, formatuję wyniki na potrzeby Slacka i umieszczam je bezpośrednio na kanale dla liderów zespołów inżynieryjnych. Strategia, informacje i decyzje przepływają przez ten sam kanał, bez warstwy abstrakcji formalnych dokumentów i systemów obsługi zgłoszeń.
Jak sztuczna inteligencja przyspiesza zgrywanie zespołu i zarządzanie realizacją
Moje podstawowe rytuały związane z dostarczaniem produktów nie zmieniły się zasadniczo. Określanie zakresu, zgrywanie zespołów, weryfikowanie pracy i zarządzanie realizacją — to nadal należy do naszych obowiązków. Zmieniło się jednak tempo, w jakim można wykonywać te zadania, ponieważ sztuczna inteligencja działa teraz jak mnożnik siły każdego członka zespołu.
Określanie zakresu: Rytuał pozostaje taki sam. Odrobić pracę domową. Zrozumieć problem, nabywcę, otoczenie konkurencyjne i ograniczenia techniczne. I określić, co rozwiązujemy. Praca domowa odbywa się po prostu 10-krotnie szybciej.
Zgrywanie zespołów: Nadal oznacza to zgrywanie zespołów produktowych, inżynieryjnych i komercyjnych. Nadal udostępniam liderom zespołów inżynieryjnych informacje o konkurencji na Slacku. Nadal poddaję pozycjonowanie próbie przed wprowadzeniem produktu na rynek. Nadal piszę narrację łączącą to, co budujemy, z powodami, dla których powinno to obchodzić klientów. Teraz jednak tworzę tę narrację podczas jednej sesji z Claude'em, zanim przedstawię zespołowi dopracowaną rekomendację. Zmienia to jakość rozmowy dotyczącej zgrywania zespołu. Poświęcamy mniej czasu na dopracowywanie sformułowań, a więcej na podejmowanie strategicznych decyzji.
Weryfikowanie pracy: To obszar, w którym sztuczna inteligencja ma chyba najciekawszy wpływ. Tradycyjnie weryfikacja oznaczała czekanie — na wyniki badań użytkowników, przeprowadzenie pilotażu albo potwierdzenie pozycjonowania przez rynek. Nadal wykonuję wszystkie te kroki. Teraz jednak mogę przeprowadzić wstępną weryfikację na poziomie, który wcześniej był niepraktyczny. Gdy analizowałem partnerstwo dotyczące agregacji danych, które napotkało komplikacje związane z przepisami o ochronie prywatności biometrycznej, nie czekałem na memorandum od zewnętrznego doradcy prawnego. Zbadałem orzecznictwo, wskazałem przesłanki odpowiedzialności, znalazłem istotne precedensy prawne i zaprojektowałem trzy podejścia do zapewnienia zgodności — wszystko przed kolejną rozmową z partnerem. Cykl weryfikacji skrócił się z tygodni do godzin. Nadal zweryfikowaliśmy założenia z prawdziwymi doradcami prawnymi, ale weszliśmy w rozmowę z przemyślanymi ramami zamiast z czystą kartą.
Zarządzanie realizacją: Nadal obejmuje ono koordynowanie wielu elementów będących w ruchu, ale sztuczna inteligencja zwiększyła moją osobistą przepustowość w zarządzaniu realizacją równoległych strumieni pracy.
Filozoficzny wniosek jest taki: sztuczna inteligencja nie dała nam nowych rytuałów. Usunęła tarcie z istniejących rytuałów. Kiedy usuwasz tarcie z systemu, te same dane wejściowe generują zdecydowanie więcej rezultatów.
Filozoficzny wniosek jest taki: sztuczna inteligencja nie dała nam nowych rytuałów. Usunęła tarcie z istniejących rytuałów. Kiedy usuwasz tarcie z systemu, te same dane wejściowe generują zdecydowanie więcej rezultatów.
Jak intuicja twórcza zwiększa sukces projektów napędzanych przez sztuczną inteligencję
Wartość zależy od człowieka, a nie od narzędzia. Każdy ma dostęp do tej samej sztucznej inteligencji. Dlatego moje życie twórcze jako muzyka i artysty wizualnego wpływa na sposób, w jaki korzystam ze sztucznej inteligencji w pracy.
Najlepsza praca z AI nie jest mechaniczna. Jest improwizacją. To świadomość, kiedy popchnąć Claude’a w innym kierunku, bo coś w wyniku wydaje się nie w porządku. To wyczucie, że analiza konkurencji potrzebuje jeszcze jednej warstwy głębi, bo wnioski nie są jeszcze wystarczająco trafne. To wyczucie rytmu rozmowy sprzedażowej z klientem biznesowym i wiedza, który argument wysunąć na pierwszy plan, a który na razie zachować. Nic z tego nie wynika z szablonu promptu. Pochodzi z tego samego miejsca co moje umiejętności muzyczne — z gotowości do bycia obecnym, reagowania na to, co się dzieje, zamiast na to, co zaplanowałeś, oraz zaufania własnym instynktom na tyle, by działać bez nadmiernego analizowania.
Jestem także praktykiem jogi Krija, a jedną z podstawowych zasad tej praktyki jest kierowanie się tym, co czujesz, a nie tym, co myślisz. Ta filozofia przenika wszystko, co robię. Kiedy razem z Claude’em iteracyjnie dopracowuję pozycjonowanie, nie podążam za żadną formułą — wyczuwam drogę do wersji, która rezonuje. Kiedy rozmawiam z klientem, nie odtwarzam scenariusza — obserwuję atmosferę i reaguję na energię. AI dostarcza mi surowca szybciej niż kiedykolwiek wcześniej. Jednak ludzkie rzemiosło — wyczucie, odpowiedni moment, intuicja — przekształca surowiec w coś, co porusza ludzi.
AI dostarcza mi surowca szybciej niż kiedykolwiek wcześniej. Jednak ludzkie rzemiosło — wyczucie, odpowiedni moment, intuicja — przekształca surowiec w coś, co porusza ludzi.
Liderzy realizacji, którzy odniosą sukces w tym kolejnym rozdziale, nie będą mistrzami najbardziej zaawansowanej platformy do orkiestracji AI. Będą nimi ci, którzy wnoszą do swojej pracy kreatywne podejście — traktują każdą interakcję z klientem, każdą sesję strategiczną i każdą decyzję produktową jako akt improwizacji, a nie ćwiczenie z przestrzegania procedur.
Narzędzia będą stale się ulepszać. Ludzie, którzy wiedzą, jak z nimi improwizować — którzy potrafią wyczuć muzykę kryjącą się pod danymi — będą budować rzeczy, które mają znaczenie.
Jak AI zmieni realizację projektów w ciągu najbliższych pięciu lat
Oto jak, moim zdaniem, sytuacja będzie się rozwijać w ciągu najbliższych pięciu lat.
Po pierwsze, indywidualny współpracownik stanie się radykalnie bardziej skuteczny. Każda osoba w zespole będzie miała odpowiednik niewielkiego zespołu wsparcia wbudowanego w jej przepływy pracy. Inżynier nie będzie tylko pisać kodu; będzie też tworzyć własne plany testów, przygotowywać własną dokumentację i analizować kontekst konkurencyjny. Sprzedawca nie będzie tylko sprzedawać; będzie samodzielnie przeprowadzać analizy rynku, tworzyć materiały prezentacyjne i badać otoczenie prawne oraz regulacyjne swoich potencjalnych klientów. Kiedy każda osoba będzie mogła wykonać pracę trzech osób, nie będziesz potrzebować tylu ludzi w pokoju, a już na pewno nie będziesz potrzebować kogoś, którego głównym zadaniem jest dbanie o komunikację w tym pokoju.
Po drugie, zespoły staną się radykalnie mniejsze, a wydajność pozostanie na tym samym poziomie lub wzrośnie. Średniej wielkości firma w 2030 roku pod względem liczby pracowników będzie przypominać startup z 2020 roku, ale będzie dostarczać produkty i usługi na skalę, która wcześniej wymagała setek osób. Wygrają firmy, które jako pierwsze to zrozumieją. Firmy, które spróbują dołączyć AI do istniejących struktur działów liczących 50 osób, zostaną wyprzedzone przez pięcioosobowe zespoły, dla których AI będzie podstawą działania.
Po trzecie — i jest to przewidywanie, które może się nie spodobać — rytuał planowania odejdzie w przeszłość. Kwartalne przeglądy mapy drogowej, ceremonie planowania sprintów, rozbudowane wykresy Gantta i wielotygodniowe ćwiczenia z ustalania priorytetów. Wszystko to zaprojektowano z myślą o świecie, w którym zmiana kierunku była kosztowna, ponieważ wymagała ponownego skoordynowania dużej grupy specjalistów. Gdy zespół jest niewielki i wspierany przez AI, koszt zmiany kierunku spada niemal do zera. Nie planujesz kwartału, ponieważ możesz ponownie ocenić sytuację i zmienić kierunek w ciągu tygodnia. Realizacja staje się ciągła i adaptacyjna, a nie zaplanowana i podzielona na etapy.
Po czwarte, osąd stanie się jedynym deficytowym zasobem. AI zajmie się badaniami, analizą, tworzeniem wersji roboczych, prototypowaniem, testowaniem i dokumentacją — wszystkim, co zasadniczo polega na przetwarzaniu informacji i tworzeniu artefaktów. Nie zdecyduje, czy warto nawiązać partnerstwo, które jest atrakcyjne pod względem technicznym, ale niesie ze sobą ryzyko reputacyjne. Nie odczyta atmosfery, gdy dyrektor ds. inżynierii po stronie klienta powie coś sygnalizującego wewnętrzne rozgrywki polityczne. Nie będzie wiedzieć, kiedy mocno naciskać na strategiczny zakład, a kiedy pozwolić pomysłowi dojrzeć. Odniosą sukces ci ludzie, którzy mają wyczucie, osąd i potrafią działać w warunkach niejednoznaczności — a nie ci, którzy świetnie radzą sobie z utrzymywaniem tablicy Jira.
Ludzie, którzy odniosą sukces, to ci, którzy mają wyczucie, zdolność oceny sytuacji i potrafią działać w warunkach niejednoznaczności — a nie ci, którzy są naprawdę dobrzy w utrzymywaniu porządku na tablicy Jira.
I po piąte — to właśnie ta kwestia budzi we mnie największe przekonanie — samo słowo „dostarczanie” ewoluuje. Obecnie oznacza „zbudowaliśmy daną rzecz i ją wdrożyliśmy”. Za pięć lat dostarczanie będzie oznaczać: „zidentyfikowaliśmy szansę, zweryfikowaliśmy ją, zbudowaliśmy rozwiązanie, wdrożyliśmy je, zmierzyliśmy rezultaty i wprowadziliśmy kolejne usprawnienia” — a jedna osoba lub niewielki zespół zrobią to wszystko w czasie, który wcześniej zajmowało napisanie dokumentu wymagań. Cały cykl skraca się tak dramatycznie, że różnica między strategią a realizacją, planowaniem a dostarczaniem oraz myśleniem a budowaniem — po prostu znika.
Ten model sprawdza się najlepiej w szczupłych środowiskach, w których tworzy się coś od zera. W dużej skali koordynacja nie znika — zmienia się.
Dlaczego to dobrze, że AI sprawiła, iż stanowisko lidera dostarczania stało się zbędne
W tym okresie zmian, często w trudny sposób, nauczyłem się trzech bardzo ważnych rzeczy:
Przestań czekać na pozwolenie na eksperymentowanie. Nie istnieje żaden program gotowości na AI, żadna certyfikacja ani zatwierdzona lista dostawców, które powiedzą ci, że nadszedł właściwy moment. Liderzy, którzy dziś wychodzą na prowadzenie, zaczęli używać AI w swojej rzeczywistej pracy — nie w środowisku testowym, nie w laboratorium innowacji i nie w ramach „programu pilotażowego”. W swoich rzeczywistych procesach, z prawdziwymi klientami i przy prawdziwych terminach. Nie uzyskałem zgody kadry kierowniczej na używanie Claude'a do analizy konkurencji przed rozmowami sprzedażowymi z klientami korporacyjnymi. Po prostu to zrobiłem, a jakość mojego przygotowania obroniła się sama. Rezultaty dają przyzwolenie. Jeśli czekasz, aż twoja organizacja poda ci strategię AI na srebrnej tacy, już jesteś za kimś, kto sześć miesięcy temu zaczął działać, mając tylko ciekawość i okno czatu.
Inwestuj w swoją zdolność oceny sytuacji, a nie w proces. Wielu liderów dostarczania reaguje na tę chwilę, jeszcze bardziej koncentrując się na metodyce i próbując opracować „ramy zarządzania projektami natywne dla AI” albo „podręcznik dostarczania opartego na agentach”. To niewłaściwy odruch. Ramy będą się nieustannie zmieniać. Narzędzia będą nadal ewoluować. Wartość człowieka, który potrafi wejść do pokoju — albo na kanał Slacka — i podjąć właściwą decyzję przy niepełnych informacjach, nie zmieni się. Dogłębnie poznaj swoich klientów. Rozumiej biznes, a nie tylko backlog. Rozwijaj rozpoznawanie wzorców, aby dostrzegać to, co znajduje się za kolejnym zakrętem. AI sprawi, że każdy mechaniczny aspekt dostarczania stanie się tańszy i szybszy. Nie zastąpi lidera, który wie, na którą górę należy wejść. Jeszcze mocniej skup się na tym, by być właśnie taką osobą.
Ta rzecz zmieniła moją karierę: zdefiniuj swoją pracę na nowo. Przez lata myślałem, że moja praca polega na taktycznych działaniach związanych z zarządzaniem produktem: zarządzaniu backlogami, pisaniu PRD, prowadzeniu ceremonii sprintów i uzgadnianiu roadmap. Następnie AI sprawiła, że większość tej pracy stała się banalna — a przynajmniej radykalnie szybsza. Kiedy odpuściłem rytuały i skupiłem się na zdolności oceny sytuacji, wszystko przyspieszyło. Z menedżera produktu stałem się twórcą biznesu, który wykorzystuje umiejętności produktowe. Ta zmiana — od opiekuna procesu do strategicznego operatora — jest teraz dostępna dla każdego lidera dostarczania. AI nie umniejsza twojej roli. Usuwa obciążenia i ujawnia, czym twoja rola od zawsze była.
Jeśli czekasz, aż twoja organizacja poda ci strategię AI na srebrnej tacy, już jesteś za kimś, kto sześć miesięcy temu zaczął działać, mając tylko ciekawość i okno czatu.
Ta chwila sprzyja tym, którzy dobrze czują się w sytuacjach wywołujących dyskomfort. Instaluję narzędzia deweloperskie, których nigdy wcześniej nie używałem. Prowadzę badania orzecznictwa bez formalnego przygotowania. Prowadzę kampanie sprzedaży w mediach społecznościowych, tworzę prototypy integracji SDK i przygotowuję się do rozmów sprzedażowych z firmami korporacyjnymi z najwyższej półki — wszystko w tym samym tygodniu. Pięć lat temu nic z tego nie znajdowało się w moim zakresie obowiązków. Wszystko to jest możliwe, ponieważ uznałem, że granice moich kompetencji są sugestiami, a nie murami — a AI pozwala mi się nad nimi wspinać.
Moja rada jest prosta: zacznij teraz, ufaj własnej ocenie sytuacji i odpuść sobie wersję pracy, którą AI właśnie uczyniła przestarzałą. To, co znajduje się po drugiej stronie, jest lepsze.
Śledź dalszy ciąg
Możesz śledzić Scotta Jonesa na platformach LinkedIn i Instagram, gdzie nadal testuje możliwości i poszerza rolę menedżerów produktu.
Na The Digital Project Manager pojawią się kolejne wywiady z ekspertami!
You may also like
Continue Reading
Sign up to access the rest of this article, plus more insights, resources, and experiences.
Sign Up
Create a free account to access tools, playbooks, and peer insights shaping the future of project delivery
