Sådan har AI ændret vores produktudvikling på under et år

På under ét år har vi bygget en del af Dinero's fremtid 💪

Det har ærligt talt været en ret vild rejse. Høj fart, mange iterationer og masser af læring undervejs.

Jeg har fået spørgsmålet en del gange nu. Hvad var det, der gjorde, at det kunne lade sig gøre på den tid?

Svaret er ikke ét værktøj. Det er tre ting, der virkede sammen.

AI flyttede tempoet i analyse og prototyper

Vi har brugt AI hele vejen gennem udviklingen, og det er dét der har gjort forskellen.

På mit bord har det betydet, at jeg har kunnet analysere, teste og forme prototyper markant hurtigere, end jeg tidligere har oplevet. Tempoet – og kvaliteten af vores beslutninger – har rykket sig.

Kvaliteten står sammen med tempoet, og det overser de fleste.

Når en prototype tager en eftermiddag i stedet for tre uger, kan du bygge tre udgaver og vælge den bedste. Før valgte du den ene, du havde råd til at bygge, og forsvarede den bagefter.

Det samme gælder analysearbejdet. Et spørgsmål, der før krævede en dags dataarbejde og en anmodning til en kollega, kan du nu få svar på, mens diskussionen står på.

Det ændrer, hvilke spørgsmål du overhovedet stiller. Du holder op med at skrue ned for nysgerrigheden, fordi svaret er dyrt.

For ikke at tale om hvordan udviklerne bruger det 🎉

Teknologien er kun den ene tredjedel

.... Men teknologi gør det ikke alene. Kæmpe tak til et stærkt team, som jeg har haft utallige gode timer med:
Nikolai Perlt, David Hartel, Axel Ørn Petursson, Frederik Hofvander

Jeg har set nok AI-projekter udefra til at vide, hvor det som regel går galt. Værktøjerne er de samme alle steder. Forskellen ligger i teamet og i rammerne.

Et team, der kan blive uenige og træffe beslutningen alligevel, kommer længere end et team med bedre værktøjer og en længere godkendelsesvej.

Og tak til en ledelse, der har givet os frie rammer til faktisk at eksperimentere og forme produktet rigtigt – ikke bare "optimere" på det eksisterende.

Den skelnen er vigtig. Optimering betyder, at rammerne ligger fast, og at I må gøre det eksisterende lidt bedre.

De fleste AI-projekter, jeg møder i større virksomheder, er optimeringsprojekter. De gør en langsom proces hurtigere frem for at spørge, om processen skal findes.

Frie rammer koster mod fra en ledelse. Til gengæld er det den eneste vej til noget, konkurrenterne ikke også har.

Hvad du kan tage med fra det her

Stil jer selv tre spørgsmål.

Har teamet værktøjerne og lov til at bruge dem på rigtige opgaver? Kan de træffe beslutninger uden at gå gennem flere led? Og må de ændre på selve processen, eller skal de nøjes med at gøre den nuværende hurtigere?

Er svaret nej til et af dem, er det der, jeres flaskehals ligger. Flere licenser løser det ikke.

Hyper-sprints

Vi har bl.a. introduceret et koncept, vi kalder hyper-sprints. Det fortæller jeg mere om snart.

Navnet siger det meste. Når prototyper og analyser tager timer frem for uger, giver den klassiske sprintlængde ikke længere mening.

Detaljerne kommer i et selvstændigt indlæg.

Rygtet siger også, at vores "teori" finder vej ind i en kommende undervisningsbog 🎉

God dag derude 👋

Ofte stillede spørgsmål

Hvordan bruger man AI i produktudvikling?

Brug det til analyse, test og prototyper, altså forarbejdet før I bygger noget rigtigt. Når en prototype tager en eftermiddag, kan I bygge flere udgaver og vælge den bedste. Det hæver både tempoet og kvaliteten af beslutningerne.

Gør AI produktbeslutninger dårligere?

Nej, når I bruger den ekstra hastighed til at afprøve flere muligheder. Tidligere byggede I den ene prototype, I havde råd til, og forsvarede den bagefter. Nu kan I sammenligne, før I vælger.

Hvad er hyper-sprints?

Hyper-sprints er kortere sprints, der matcher, at prototyper og analyser nu tager timer frem for uger. Vi satte den klassiske sprintlængde i en tid med et andet tempo. Vi deler konceptet mere detaljeret senere.

Hvad kræver det af ledelsen at få AI til at virke i produktteamet?

Frie rammer til at ændre på selve processen frem for kun at optimere det eksisterende. Teamet skal kunne træffe beslutninger uden at gå gennem flere godkendelsesled. Uden det bliver AI-projekter til hurtigere versioner af det, I allerede gjorde.

Hvorfor mislykkes AI-projekter i produktudvikling?

Værktøjerne er de samme alle steder, så forskellen ligger i teamet og rammerne. Går beslutningerne gennem mange led, eller må teamet kun optimere det eksisterende, får I ingen effekt. Flere licenser løser sjældent problemet.

Vil I have det samme tempo?

Et år med AI i produktudviklingen har flyttet både hastigheden og kvaliteten af det, vi beslutter. Værktøjerne er tilgængelige for alle. Rammerne er det, der afgør udfaldet.

Jeg holder foredrag og workshops for produktteams og ledelser om prototyping, beslutningstempo og AI i udviklingen. Skriv til mig, hvis I vil høre mere.