Første gang jeg hørte det, ble jeg litt flau over ikke å vite nøyaktig hva det betydde. Den typen flauhet har blitt et slags biprodukt av AI-stormen som herjer rundt oss. Man føler seg konstant litt på etterskudd. For hva bør du som produktleder egentlig bruke AI til?
Leter du etter svar, finner du fort forslag som «bygg en agent som oppsummerer e-postene du fikk forrige uke». Generisk, forventet, og med uklart verdiforslag. Graver du videre, møter du sikkert også en tech-influenser eller fem som vil at du skal laste ned 52 skills som skal revolusjonere alt du trodde du visste om produktledelse.
Dette er ikke en sånn bloggpost.
Eller, det er litt en sånn bloggpost. Men ikke primært.
Og la meg bare ha sagt det: Terminalen er åpenbart laget av utviklere for å få oss vanlige folk til å føle oss dumme. Men også den kan avmystifiseres.
En tidligere kollega formulerte det fint: Med AI blir kostnaden ved skreddersøm svært lav.
En liten overdrivelse, selvsagt. Det koster fortsatt tid å bygge, teste og forbedre gode oppsett. Men det er mye sant i poenget. Hvorfor nøye seg med det andre har laget, når du kan lage noe som er tilpasset akkurat det du trenger?
Det vanskeligste er ikke nødvendigvis å bygge. Det er å finne de riktige tingene å bygge for, ironisk nok når problemforståelse skal være produktlederens superkraft.
Flere fagkollegaer forteller at de bruker AI som sparringspartner, men strever med å finne bruksområdene som gir varig verdi.
Jeg tror en vanlig felle er å starte med en liste over oppgavene vi allerede gjør og spørre: Hvor kan jeg putte inn litt AI?
Da leter vi gjerne etter små irritasjoner og tidstyver. Det kan være nyttig, men det blir fort for snevert. AI gir oss også muligheten til å tenke nytt om hvorfor oppgavene eksisterer, hvordan arbeidet henger sammen, og hva vi kunne gjort dersom tid og kapasitet ikke var like begrenset.
For å utforske dette har jeg hatt nytte av en enkel modell.
Den observante leser vil iaktta det velkjente 2x2 matriseformatet og dedusere at undertegnede trolig er, eller har vært, en konsulent. Skyldig der. Men dette formatet er hva det er av en grunn. Det er så grunnleggende og bunnsolid at ved tidens ende er 2x2-matrisene det eneste som står igjen som menneskets ettermæle.
Matrisen tar utgangspunkt i to spørsmål:
• Er dette noe du allerede gjør, eller noe du vanligvis ikke rekker?
• Er oppgaven rutinepreget, eller kan den skape betydelig verdi?
Svarene gir fire områder der AI kan spille ulike roller. La oss se nærmere på de fire kvadrantene.
Tenk på en vanlig uke som produktleder. Forhåpentligvis inneholder den noe som ganske direkte skyver produktet fremover, og som du gjerne skulle brukt mer tid på.
Å bruke AI til å bli bedre eller raskere på disse oppgavene føles intuitivt riktig. Kjenn etter: Når banker produktlederhjertet ditt hardest?
Kjerneoppgavene var ikke mitt første bruksområde for AI, men det har definitivt blitt området jeg utforsker mest.
Oppsettet mitt går i korte trekk ut på å strukturere brukerinnsikt i mulighetstrær, bruke AI til å utforske løsninger og hypoteser og foreslå eksperimenter som kan gi oss bedre svar.
De beste trærne kommer når jeg gir verktøyet reell innsikt fra brukerintervjuer. Kvantitative data og foreløpige tanker kan også være nyttige, så lenge jeg skiller tydelig mellom dokumentert innsikt og antakelser.
Jeg bruker ikke resultatet som en fasit. Verdien ligger i å få visualisert mulige problem- og løsningsrom og bli utfordret på hvordan vi kan undersøke dem videre.
Å bruke AI på kjerneoppgavene handler ikke om å sette bort produktledelsen. Verktøyet kan gjøre de manuelle delene og gi flere perspektiver, men den kritiske tenkningen og prioriteringen må vi fortsatt eie selv.
Hvem elsker vel ikke å frigjøre en time eller to?
Friminuttene handler om manuelle oppgaver som er nødvendige for å nå et mål, men som ikke føles spesielt verdifulle i seg selv.
Ting som må gjøres. Ting der resultatet er viktig, men selve arbeidet er litt snork.
Jeg har for eksempel laget en skill som hjelper meg å forberede workshops. Den lager et førsteutkast til presentasjonen, setter opp et FigJam-brett og skisserer møteinnkallelsen.
Det blir ikke perfekt. Men det blir overraskende bra, og langt bedre enn å starte med en tom presentasjon og en mild eksistensiell krise.
Her er ikke målet å tenke helt nytt. Målet er å bruke mindre tid på mekanisk arbeid og mer tid på innholdet som faktisk krever vurderingsevne.
Spør deg selv: Hvilken oppgave gjør du ofte, som AI kunne gitt deg et brukbart førsteutkast til?
På høyre side av matrisen finner vi ting du ikke gjør særlig mye av i dag. Typisk fordi du ikke har tid. Eller fordi du har nedprioritert det.
Hvilke nyttige oppgaver blir det aldri noe av? Finnes det noe som kunne gitt menneskene rundt deg inntrykk av at døgnet ditt har 30 timer?
Det helt autonome produktteamet med få avhengigheter finnes gjerne i konferansepresentasjoner. I virkeligheten må vi håndtere interessenter, koordinere og rapportere på fremdrift.
Jeg bruker helst så lite tid på dette som mulig. Ikke fordi det er uviktig, men fordi jeg ikke liker det.
Derfor har jeg laget en agent som henter informasjon fra Jira og Figma, sjekker hvem som trenger hva, og lager en ukentlig oppdatering som utkast i innboksen min.
Jeg leser alltid gjennom før noe sendes. Da får jeg samtidig muligheten til å gi agenten tilbakemeldinger, slik at den kan treffe litt bedre neste gang.
Poenget er ikke at alle produktledere trenger akkurat dette oppsettet. Poenget er å se etter nyttige oppgaver som ikke blir gjort i dag, nettopp fordi tiden ikke strekker til.
Det sterkeste kjennetegnet ved den siste kvadranten er at ingen har bedt deg om løsningene som oppstår her.
Sandkassen har ingen bestilling. Løsningene skapes fordi du ble nysgjerrig på en tirsdag og begynte å grave.
Spørsmålet er ikke nødvendigvis «Hva trenger jeg?». Det kan være «Hva har blitt mulig nå?» eller «Hva er jeg nysgjerrig nok på til å utforske, selv om det ikke står på noen liste?».
Et ferskt eksempel oppsto da jeg skulle gjennomføre en kostnadsanalyse for å hjelpe en avdeling med å ta mer innsiktsdrevne beslutninger. Arbeidet føltes ikke helt riktig.
Etter flere møter innså jeg at problemet ikke var mangelen på analyse, men at det ikke fantes et forum som kunne bruke den. Det måtte løses først. Jeg hadde brukt for mye tid på å forsøke å løse feil problem.
Jeg diskuterte denne innsiktsreisen med Claude og begynte å utforske om jeg kunne oppdage slike blindveier tidligere. Resultatet er en eksperimentell agent som leter etter mulige tankefeller i notatene mine og varsler når jeg kan være i ferd med å gjenta gamle feil.
Poenget er ikke at alle trenger en agent som leter etter tankefeller. Det er at noen av de mest interessante bruksområdene oppstår gjennom nysgjerrighet, utforsking og litt uplanlagt graving.
Du må, med andre ord, leke og prøve deg frem.
Der kom floskelen. Beklager.
Det er lett å velge noe som ser imponerende ut, men som aldri blir brukt mer enn én gang.
Et godt første bruksområde har gjerne noen av disse kjennetegnene:
• Oppgaven gjentas ofte.
• Du har tilgang til nødvendig informasjon.
• Resultatet er enkelt å kontrollere.
• Feil får begrensede konsekvenser.
• Oppsettet kan forbedres og gjenbrukes.
• Gevinsten kan merkes i form av spart tid eller bedre kvalitet.
Begynn med noe lite. Målet er ikke å bygge den mest avanserte agenten, men å lære hva som skal til for å få et AI-verktøy til å levere noe nyttig.
Før du kobler AI til interne systemer, brukerintervjuer eller annen sensitiv informasjon, må du selvfølgelig også vite hvilke verktøy virksomheten har godkjent, hvilke data de kan få tilgang til, og hvordan resultatet skal kvalitetssikres.
Den største utfordringen er å akseptere at du sannsynligvis kunne gjort oppgaven raskere selv den første gangen. Det er greit. Verdien oppstår når oppsettet kan gjenbrukes og forbedres.
Det første grepet er å samle relevant kontekst på ett sted. Jeg bruker en enkel mappestruktur med informasjon om rollen, prosjektet, virksomheten og ønsket resultat. Her legger jeg også inn egne refleksjoner og møtereferater underveis.
Skal agenten undersøke konkurrenter hver uke? Beskriv markedet og hva du vil følge med på. Skal resultatet inn i en presentasjon? Legg ved en relevant mal.
Begynn med to eller tre filer. Ikke bruk en uke på å bygge den perfekte mappestrukturen. Behovet vil uansett endre seg etter hvert som du lærer.
Det andre grepet er en tilbakemeldingssløyfe. Hvis du endrer resultatet manuelt, vis agenten den ferdige versjonen og spør hva som bør justeres før neste gang. Eller enda bedre – legg det inn i instruksjonsfilen at agenten skal be om feedback etter den har produsert noe for deg.
Hvis du vil komme i gang i dag:
• Bruk matrisen til å finne ett område du vil utforske.
• Velg en konkret oppgave med et resultat som er enkelt å kontrollere.
• Samle relevant bakgrunn og kontekst på ett sted.
• Lag et enkelt første oppsett.
• Kontroller resultatet og gi konkrete tilbakemeldinger.
• Juster oppsettet og prøv igjen.
• Finn ut om det faktisk sparer tid eller gir bedre kvalitet.
Hvis du i tillegg vil få terminalen opp på monitoren:
• Last ned Claude Code.
• Opprett en mappe som heter «Claude».
• Gå til mappen ved å skrive cd ~/Claude i terminalen.
• Skriv claude og trykk på Enter.
• Kjenn adrenalinet pumpe mens teknologenes verden avmystifiseres.
LinkedIn-oppdatering og lønnsøkning er valgfritt.
Vil du vite mer? Ta kontakt for en uforpliktende prat.