Hoe kan AI worden gebruikt bij productmanagement?

Voor een productmanager is AI het nuttigst als snelle, onvermoeibare lezer en schrijver van eerste versies. Het kan in enkele minuten een stapel notities verwerken, feedback groeperen en een opzet voor productspecificaties maken. Het is het zwakst in de zaken die een productmanager waardevol maken: weten welke onderbouwing representatief is, welke klant belangrijk is voor de strategie en met welk compromis het bedrijf kan leven.

Dit zijn taken waarbij een algemene assistent kan helpen, met materiaal dat u van uw bedrijf mag delen:

Voeg interviewnotities samen tot een overzicht

Groepeer thema's uit meerdere interviews. Koppel elk thema aan de interviews waaruit het afkomstig is en vermeld hoeveel interviews het noemen.

Groepeer feedback en tickets

Deel een reeks klantvragen of functieverzoeken in naar probleemgebied, zodat u de juiste volledig kunt lezen.

Maak een basisopzet voor een specificatie

Maak een structuur voor een document met vereisten: probleem, gebruikers, doelen, wat buiten de doelen valt, acceptatiecriteria en openstaande vragen.

Genereer randgevallen

Noem situaties die een functie moet aankunnen, maar die niet aan bod komen in de beschrijving van het ideale verloop.

Bereid u voor op een beoordeling

Vraag de assistent om uw voorstel te weerleggen zoals een sceptische ingenieur, financieel verantwoordelijke of klant dat zou doen.

Schrijf toelichtingen bij nieuwe versies

Maak op basis van dezelfde feiten een toelichting op doorgevoerde wijzigingen voor klanten en voor het interne team.

Wat gaat er mis als AI klantinterviews samenvat?

Het gebruikelijke probleem is overdrijving. Een model dat wordt gevraagd naar 'belangrijkste thema's' presenteert een punt dat twee mensen noemden als wat 'gebruikers willen', strijkt meningsverschillen glad en kan een citaat produceren dat niemand heeft uitgesproken. Een productbeslissing op basis van die samenvatting steunt op bewijs dat niet bestaat.

Een fictief voorbeeld. Ledgerly is een kleine facturatieapp. De productmanager heeft notities van zes klantinterviews. Twee klanten vroegen om automatische betalingsherinneringen. Eén zei dat herinneringen hun klanten zouden irriteren en dat ze die zouden uitschakelen. Drie noemden geen herinneringen en spraken vooral over de trage afstemming van banktransacties.

Een vage prompt, 'Vat de belangrijkste thema’s uit deze interviews samen', leverde op: 'Gebruikers willen nadrukkelijk automatische betalingsherinneringen. Zoals een klant het verwoordde: “Ik zou extra betalen voor herinneringen.” Het afstemmen van betalingen is van ondergeschikt belang.' Niemand heeft de geciteerde zin uitgesproken. Het thema met de meeste onderbouwing, het afstemmen van betalingen, kreeg minder gewicht. Het bezwaar verdween.

Een betere prompt: 'Geef voor elk thema het aantal interviews waarin het wordt genoemd, de interview-ID's en één exact citaat uit de aantekeningen. Vermeld elk interview dat het thema tegenspreekt. Rangschik de thema's niet op belangrijkheid.' De gecontroleerde samenvatting luidde vervolgens: afstemming, genoemd in 3 van de 6 interviews (I2, I4, I6); betalingsherinneringen, gevraagd in 2 van de 6 (I1, I3), met één bezwaar (I5). De productmanager controleerde elk citaat aan de hand van de aantekeningen voordat de samenvatting werd gedeeld.

Hoe schrijft u betere specificaties met AI?

Gebruik AI om te ontdekken wat er in de specificatie ontbreekt, in plaats van de specificatie voor u te laten schrijven. Een productmanager die zelf de probleemstelling en doelen schrijft, begrijpt ze; wie een gegenereerde versie overneemt, kan die bij een beoordeling vaak niet onderbouwen.

Stel in het vervolg op het Ledgerly-voorbeeld dat het team inderdaad betalingsherinneringen ontwikkelt. De productmanager schrijft een beschrijving van één alinea en vraagt: 'Noem uitzonderingssituaties die deze functie moet kunnen afhandelen. Groepeer ze op facturatie, timing en de ervaring van de klant.' Een bruikbare lijst bevat gedeeltelijk betaalde facturen, facturen die door de klant worden betwist, klanten in een andere tijdzone, een herinnering die op een feestdag staat gepland, een klant die heeft gevraagd niet benaderd te worden en een factuur die is aangepast nadat een herinnering is verstuurd.

De productmanager bepaalt vervolgens welke uitzonderingsgevallen binnen de eerste versie vallen, welke expliciet buiten de doelstellingen vallen en waarvoor een technisch oordeel nodig is. Die beslissing en de onderbouwing ervan vormen het belangrijkste deel van de specificatie, en dat is niet iets om te delegeren.

Kan AI producten ontwerpen of het werk van een productmanager doen?

AI kan bij onderdelen van beide helpen. Het kan interfaceteksten opstellen, indelingsopties voorstellen, in sommige tools ruwe prototypes maken en snel veel varianten genereren. Dat is nuttig om mogelijkheden te verkennen, maar een ontwerper of productmanager moet nog steeds beoordelen welke optie past bij de gebruikers, het merk en de randvoorwaarden.

De kern van het werk van een productmanager is kiezen: welk probleem, welke klanten, welke afweging en wat niet te bouwen. Die keuzes hangen af van context waarover een model niet beschikt, zoals de bedrijfsstrategie, toezeggingen aan specifieke klanten en wat het technische team kan volhouden. We doen geen voorspellingen over welke rollen zullen veranderen en hoe snel dat zal gaan.

Wilt u zien hoe dit aansluit op een functie?

Bekijk de geplande proefperiode voor teams ↗

Is een AI-productmanager hetzelfde als een productmanager die AI gebruikt?

Nee. Met een AI-productmanager wordt meestal iemand bedoeld die AI-functionaliteit ontwikkelt: bepalen hoe een model zich moet gedragen, evaluaties ontwerpen, omgaan met foutscenario's en de kosten van modeluitvoering beheersen. Dat is een specialisme met eigen opleidingen en een eigen arbeidsmarkt.

Deze gids gaat over de veel grotere groep productmanagers die AI-tools gebruiken om hun bestaande werk beter te doen. Als u AI-functies bouwt, hebt u beide nodig: de dagelijkse vaardigheden op deze pagina én een afzonderlijke basis in modelevaluatie en modelgedrag. Dat laatste behandelt deze pagina niet.

Welke onderbouwing over producten moet buiten AI-tools blijven?

Alles wat uw bedrijf niet heeft goedgekeurd voor de tool die u gebruikt. Interviewnotities bevatten vaak namen, werkgevers en details waarmee personen kunnen worden geïdentificeerd; verwijder die voordat u de tekst plakt en vervang ze door interviewcodes. Voor nog niet bekendgemaakte onderdelen van de productplanning, prijsplannen en contractvoorwaarden kunnen beleidsmatige beperkingen gelden.

Gebruik de goedgekeurde werkomgeving van uw bedrijf in plaats van een persoonlijk account en controleer het AI-beleid van uw organisatie voordat u onderzoeksopnamen of transcripties uploadt. Bij persoonsgegevens heeft de organisatie verplichtingen op het gebied van gegevensbescherming, ongeacht welk hulpmiddel wordt gebruikt.

Hoe moet een productteam oefenen met AI?

Oefen met een eerdere beslissing waarvan u de onderbouwing en de uitkomst al kent.

Voer een eerdere onderzoekssynthese opnieuw uit

Neem geanonimiseerde notities uit onderzoek dat u al hebt geanalyseerd en vraag om thema's. Vergelijk de uitvoer met uw eigen conclusies.

Tellen en citeren

Herhaal met de prompt 'aantal, ID's, exact citaat, tegenstrijdigheden' en controleer elk citaat aan de hand van de notities.

Onderwerp een specificatie aan een kritische toets

Vraag om randgevallen en het sterkste bezwaar tegen een specificatie die u al in productie hebt genomen. Noteer wat u over het hoofd hebt gezien en wat het model heeft verzonnen.

Schrijf de beslissing zelf

Schrijf bij elke oefentaak twee zinnen over wat u hebt besloten en waarom. Dat is de vaardigheid die wordt getraind, niet het schrijven van de instructie.

Wanneer is deze aanpak niet de juiste oplossing?

Als uw onderzoek uit een handvol interviews bestaat, lees die dan zelf. AI levert bij het samenvoegen van de bevindingen weinig tijdwinst op, en het lezen van de aantekeningen geeft u context die een samenvatting niet kan bieden. AI heeft meerwaarde als er meer materiaal is dan één persoon zorgvuldig kan lezen. Maar ook dan moet AI u wijzen op wat u moet lezen, in plaats van het lezen te vervangen.

Tosheo.ai is geen cursus in AI-productmanagement of modelevaluatie. Het wordt ontwikkeld om mensen te leren algemene AI-tools te gebruiken in hun dagelijkse werk, met een gepland leertraject voor de rol Product, korte lessen en oefenopdrachten die worden beoordeeld aan de hand van zichtbare beoordelingscriteria. Als u een beroepsopleiding voor het ontwikkelen van AI-producten nodig hebt, is een gespecialiseerde cursus een betere keuze.