Voeg onderzoeksresultaten samen zonder de bevindingen te vertekenen
Groepeer interviewnotities op thema, met aantallen en citaten, zonder de bevindingen sterker voor te stellen dan ze zijn.
Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
AI-training voor productteams
AI-training voor productteams leert productmanagers en hun collega's om AI-assistenten te gebruiken voor het samenvoegen van onderzoeksbevindingen, specificaties, acceptatiecriteria en toelichtingen bij nieuwe versies, zonder een vlot geschreven samenvatting als vervanging voor bewijs te beschouwen. Tosheo.ai wordt ontwikkeld om dit aan te leren via korte lessen en beoordeelde, functiegerichte taken.
De volgende stap voor uw team
Begin met een nuttige eerste stap.
Geplande proefperiode bij introductie: 7 dagen, betaalkaart vereist, maximaal 5 gebruikerslicenties.
U gaat verder in de Tosheo.ai-app om uw account aan te maken en de voorwaarden van de proefperiode te bekijken.
Zes vaardigheden om in de praktijk te gebruiken.
Stel specificaties op op basis van een gesprek
Zet een gesprek om in een gestructureerd concept en markeer alles wat de assistent zelf heeft afgeleid.
Schrijf acceptatiecriteria
Stel toetsbare criteria op en stem uitzonderingssituaties af met de ontwerp- en ontwikkelteams.
Controleer beweringen over de markt
Open de bron achter elke bewering over een concurrent of de markt voordat u die gebruikt.
Communiceer wijzigingen
Zet een wijzigingslogboek om in versienotities die gebruikers begrijpen, zonder de doorgevoerde wijzigingen groter voor te stellen dan ze zijn.
Bescherm vertrouwelijk materiaal
Voer klantnamen en nog niet aangekondigde plannen niet in in tools die daarvoor niet zijn goedgekeurd.
Een synthese van interviews voor een fictieve planningsapp
Tandem is fictief. U hebt zes geanonimiseerde interviewnotities: vier beschrijven problemen met het verzetten van terugkerende vergaderingen, twee noemen de prijs en één vraagt om een donkere modus. Gebruik een AI-tool om de notities in thema's te groeperen. Bewerk het resultaat zodat elk thema laat zien hoeveel deelnemers het hebben genoemd, met daarbij één kort citaat. Lever het overzicht in met een toelichting op formuleringen die u hebt aangepast omdat ze de bevindingen sterker voorstelden dan gerechtvaardigd was.
Bewijs onderbouwt de claims
Elk thema toont een nauwkeurige telling en geen enkel bijvoeglijk naamwoord suggereert meer steun dan uit de aantekeningen blijkt.
Bruikbaar voor een beslissing
Thema's zijn gerangschikt naar de sterkte van de onderbouwing en de lezer kan zien wat verder onderzocht moet worden.
Onderbouwing bewerken
De toelichting wijst de te stellige formuleringen in het AI-concept aan en legt de correctie uit.
01 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Wat komt er aan bod in AI-training voor productteams?
Het behandelt het schrijfwerk en het samenbrengen van informatie die de werkweek van een productmanager vullen: notities van klantinterviews groeperen op thema, een document met vereisten opstellen op basis van een gesprek, acceptatiecriteria schrijven, openbare marktinformatie doornemen, een wijzigingslogboek omzetten in toelichtingen bij een nieuwe versie en de redenering achter een prioriteitsbeslissing uiteenzetten.
AI-training voor productmanagers is niet hetzelfde als een opleiding om AI-producten te bouwen. Deze pagina gaat over het gebruik van assistenten in uw eigen werk. De basis van machinaal leren en AI is gepland als vervolgtraject; zelf modellen bouwen en evalueren is een technischer onderwerp.
02 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Hoe moet een productmanager AI gebruiken om interviews samen te vatten?
Gebruik de assistent om de notities te ordenen en controleer vervolgens elk thema aan de hand van de notities zelf. Tel daarbij hoeveel mensen het daadwerkelijk hebben genoemd. Hier volgt een uitgewerkt voorbeeld van een fictieve planningsapp, Tandem. Een productmanager heeft geanonimiseerde notities van zes klantinterviews. Eén deelnemer vroeg om een donkere modus. Vier beschreven problemen met het verplaatsen van een terugkerende vergadering. Twee noemden de prijs.
De prompt: "Groepeer deze interviewnotities per thema. Geef bij elk thema aan hoeveel deelnemers het hebben genoemd en voeg één kort citaat toe. Trek geen bredere conclusies dan de notities toelaten."
Een zwakke synthese op basis van een prompt die alleen om de belangrijkste inzichten vroeg, begint met "Gebruikers willen heel graag een donkere modus" en "De prijs is voor de meeste klanten een belangrijk punt van zorg." Eén vermelding werd een sterke wens, twee werden de meeste. Als een drukbezette belanghebbende die samenvatting leest, kan dat de ontwikkelplanning veranderen.
De gecontroleerde synthese luidt: "Terugkerende vergaderingen verplaatsen (4 van 6), met een citaat; prijs (2 van 6); donkere modus (1 van 6)." Dat is minder spannend en veel nuttiger. De productmanager heeft ook de oorspronkelijke notities erbij bewaard, zodat iedereen die twijfelt aan een thema de bron kan lezen.
03 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Kan AI acceptatiecriteria en specificaties schrijven?
Het kan goede concepten maken op basis van een duidelijke beschrijving, maar het verzint ook uitzonderingssituaties, velden of gedrag waarover niemand afspraken heeft gemaakt. De oplossing is om het concept als een lijst met voorstellen te behandelen. Vraag de assistent om alles te markeren wat deze zelf heeft afgeleid en stem die punten vervolgens af met de ontwerpers en ontwikkelaars voordat ze vereisten worden.
Bij het verplaatsingsprobleem van Tandem kan een concept een criterium bevatten om elke deelnemer per sms op de hoogte te stellen. In de bespreking is sms nergens genoemd en mogelijk ondersteunt het product dit niet. Als dit als aanname wordt gemarkeerd, levert het een nuttige vraag op; zonder die markering wordt het een toezegging die een ontwikkelaar gaat bouwen.
04 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Wat gaat er mis als productteams op AI vertrouwen?
Drie dingen gaan het vaakst mis: de samenvatting trekt sterkere conclusies dan de onderbouwing toelaat, een bewering over een concurrent of de markt is verzonnen, en vertrouwelijk materiaal komt terecht in een niet-goedgekeurd hulpmiddel. Het profiel voor generatieve AI van NIST omschrijft confabulatie als inhoud die met stelligheid wordt gepresenteerd, maar onjuist is. Dat is precies het gevaar bij marktverkenningen die cijfers of kenmerken noemen die de assistent niet kan verifiëren.
Nuttige gewoonten zijn concreet. Tel vermeldingen in plaats van beschrijvingen klakkeloos over te nemen. Open de bron achter elke bewering over de markt of concurrenten voordat die in een presentatie belandt. Verwijder klantnamen en vertrouwelijke details over productplannen, tenzij de tool en het abonnement voor die informatie zijn goedgekeurd.
05 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Hoe zou Tosheo.ai een productteam trainen?
Een leidinggevende selecteert Product als functiegebied en kiest de tools van het team, zoals ChatGPT, Claude, Gemini, Copilot of Notion AI. Iedereen doet een niveaubepaling van vijf minuten en krijgt daarna een adaptief leertraject met lessen van 10 tot 15 minuten, elk met een uitgewerkt productvoorbeeld en een praktijkopdracht in een echte tool.
Taken worden door AI beoordeeld aan de hand van zichtbare beoordelingscriteria, met specifieke feedback. Een deelnemer kan een score ter herbeoordeling voorleggen. Oefenscenario's behandelen situaties zoals een belanghebbende die op basis van weinig bewijs een functie eist. Managers zien de voortgang in vaardigheden en de afronding, nooit chatlogboeken. Een afsluitende praktijkbeoordeling leidt tot een erkend certificaat. Tosheo.ai is nog niet gebouwd. Alles wat hier wordt beschreven, is gepland voor de lancering en vormt geen verslag van klanttrainingen, beoordelingsresultaten of behaalde resultaten.
06 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Wat moet een productteam als eerste oefenen?
Begin met het samenbrengen van informatie, omdat u daarmee leert om met bewijs te werken: een gewoonte waarop elke andere taak voortbouwt. Deze volgorde is een suggestie, geen gemeten resultaat.
Week 1
Doe eerst een korte niveautoets en stel daarna een fictieve reeks interviews samen met aantallen en citaten.
Week 2
Stel acceptatiecriteria op basis van een kort gesprek op en markeer elk criterium dat u daaruit afleidt.
Week 3
Een marktverkenning waarbij elke bewering een daadwerkelijk geopende bron vereist, plus een overzicht van productwijzigingen op basis van een wijzigingenlogboek.
Week 4
Pas de werkwijze toe op één echte, niet-vertrouwelijke werktaak en beoordeel het resultaat samen met een collega.
07 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Kan AI het werk van een productmanager doen?
Het kan een deel van het schrijfwerk doen, maar dat is niet de hele functie. Bepalen welk probleem ertoe doet, afwegingen bespreken met het ontwikkelteam, nee zeggen tegen een belanghebbende op hoog niveau en verantwoordelijkheid nemen voor het resultaat blijven menselijke verantwoordelijkheden. Deze pagina voorspelt niet hoe dat zal veranderen. Training kan het schrijfwerk wel versnellen en de onderbouwing verduidelijken, zodat er meer tijd overblijft voor de beslissingen.
08 / Productwerk in de praktijk, met bewijsmateriaal als uitgangspunt
Wanneer is dit niet de juiste training voor een productteam?
Het is niet geschikt als u wilt leren AI-functionaliteit te bouwen, modellen te evalueren of code te schrijven; praktijkgerichte technische training valt buiten het aanbod, al is de basis van machinaal leren wel gepland. Het is niet geschikt voor een individuele productmanager die zelfstandig leert, omdat de abonnementen bedoeld zijn voor teams met minimaal vijf gebruikerslicenties.
Bij de lancering zijn SSO, LMS-integraties en een browserextensie niet inbegrepen, en de lessen zijn alleen in het Engels. Omdat het product nog niet is gebouwd, kan een team dat nu materiaal nodig heeft het beste beginnen met de gratis gids voor productmanagement.
Voordat u beslist
Een paar goede vragen.
Welke AI is het beste voor productmanagers?
Meestal de assistent die uw bedrijf heeft goedgekeurd en al gebruikt, of dat nu ChatGPT, Claude, Gemini, Copilot of Notion AI is. De belangrijke werkwijzen, bewijs meewegen, gevolgtrekkingen markeren en bronnen controleren, zijn bij alle tools toepasbaar.
Is dit een training in AI-productmanagement?
Nee. Het leert productteams om AI-assistenten in hun eigen werk te gebruiken. Cursussen over het bouwen van AI-producten of het evalueren van modellen zijn een ander, technischer onderwerp.
Kunnen ontwerpers en analisten uit het team meedoen?
Ja. Iedereen krijgt bij de uitnodiging een rol toegewezen. De geplande leertrajecten worden afgestemd op die rol en op het resultaat van ieders instaptoets.
Moeten we onze ontwikkelplanning uploaden?
Nee. Het uploaden van bedrijfsdocumenten is optioneel en is gepland voor het Growth-abonnement. Het rolgerichte leertraject werkt met fictieve voorbeelden. Gebruik alleen echt materiaal dat volgens uw beleid is toegestaan.
Wat kost het?
De geplande prijzen zijn per gebruikerslicentie per maand, met een minimum van vijf licenties voor het Team-abonnement. De momenteel geplande bedragen staan op de prijzenpagina en kunnen vóór de introductie veranderen.
Blijf verder verkennen.
AI voor productmanagers: de functiegids
Bekijk het van dichterbij ↗AI gebruiken voor onderzoek op het werk
Bekijk het van dichterbij ↗AI voor projectmanagement
Bekijk het van dichterbij ↗Hoe oefenscenario’s worden beoordeeld
Bekijk het van dichterbij ↗AI-training voor operationele teams
Bekijk het van dichterbij ↗Geplande tarieven voor Tosheo.ai
Bekijk het van dichterbij ↗Een nuttige volgende stap
Geef uw team een leertraject, niet nog een afspeellijst.
Bekijk de geplande rolspecifieke lessen, praktische opdrachten en het overzicht voor managers.
Start een gratis proefperiode7 dagen gratis · Betaalkaart vereist · Tot 5 gebruikerslicenties