Pratima Arora, Chief Product og Technology Officer hos Smartsheet – Intervieuserie

Pratima Arora, Chief Product og Technology Officer hos Smartsheet, er en erfaren produkt- og teknologileder med en track record for at lede high-growth-platforme og skala globale teams. I hendes nuværende rolle, overvåger hun produktstyring, marketing, brugeroplevelse, prissætning og strategiske partnerskaber, og hjælper med at drive udviklingen af Smartsheets AI-drevne arbejdssystem. Før dette, fungerede hun som Chief Product og Technology Officer hos Chainalysis, hvor hun ledede ingeniørarbejde, datavidenskab og produktstrategi, samtidig med at hun betydeligt udvidede organisationen og accelererede omsætningsvæksten. Hendes tidligere ledelsesroller omfatter at lede Confluence-forretningsområdet hos Atlassian (TEAM ) og drive AI-drevne produktinnovationer hos Salesforce (CRM ), og hun har opbygget en reputation for at levere skalerbare, kundeorienterede løsninger på tværs af enterprise-software.

Smartsheet er et AI-drevet, enterprise-klasse arbejdssystem designet til at hjælpe organisationer med at planlægge, spore, automatisere og rapportere om arbejde i stor skala. Platformen giver teams mulighed for at strømline arbejdsprocesser, samarbejde i realtid og få indsigt i data og værktøjer, der understøtter en bred vifte af brugstilfælde, fra projektstyring til enterprise-drift. Med hovedkontor i Bellevue, Washington, betjener Smartsheet millioner af brugere verden over, herunder en stor del af Fortune 500-virksomhederne, og positionerer sig som en nøgleaktør i det udviklende samarbejdende arbejdssystem.

Du trådte ind i Smartsheet i 2025 efter at have ledet produkt og teknologi hos Chainalysis og havde seniorledelsesroller hos Atlassian og Salesforce. Nu, hvor din rolle er udvidet til Chief Product og Technology Officer, hvordan bringer du den tværfaglige erfaring ind i Smartsheets næste kapitel?

Jeg har været en B2B SaaS-leder i mere end 20 år og har set store bølger af innovation – fra internettet, cloud, mobile og sociale medier. AI er en langt større transformation, både i skala og hastighed, og min fokus er på at hjælpe Smartsheet med at navigere i den ændring og omdanne den til en reel fordel for vores kunder.

Eksternt betyder det, at vi accelererer, hvordan vi integrerer AI i produktoplevelsen – hjælper teams med at arbejde hurtigere, tage bedre beslutninger og drive resultater på en skala, der ikke var mulig før.

Men AI ændrer også, hvordan vi bygger. Produkt og teknologi konvergerer, og grænserne mellem funktioner udviskes. Designere kommer tættere på kode, ingeniører bidrager til produktdefinition, og teams bliver mere håndgribelige byggere. En stor del af min fokus internt er at bringe den byggermentalitet ind i, hvordan vi opererer, med en AI-først-tilgang til udvikling, og gøre det med fart. Det giver os mulighed for at flytte hurtigere som et samlet team og omdanne innovation til meningsfulde resultater for vores kunder.

Smartsheet har positioneret sig omkring idéen om arbejdssystemer. Hvordan definerer du det begreb i dag, og hvad adskiller det fra den bredere bølge af AI-funktioner, der tilføjes på tværs af enterprise-software?

Arbejdssystemer er, hvor mennesker, processer og data konvergerer – med AI som den eksekveringslag, der omdanner planer til resultater.

Analyse af 1,4 millioner aktive enterprise-projekter på tværs af Smartsheet-platformen afslører en kritisk ubalance: automatiseringsintensiteten pr. enterprise-konto er steget 55% år for år, og den samlede aktivitet er steget 46%. Arbejde initieres i en takt, der ville have været utænkelig for tre år siden. Men at afslutte arbejde – koordinere på tværs af teams, opretholde alignment, mens prioriteringer skifter, tage domsbeslutninger, der holder eksekvering på sporet – det er, hvor de fleste organisationer drukner. Arbejdsdagen bliver tættere, og organisationerne, der føler det først, er dem, hvor prioriteringer, ejerskab og beslutningsrettigheder stadig bor i folks hoveder i stedet for i systemet.

Hvor mange tilgange fejler er, at AI lagres oven på arbejdsprocesser i stedet for at være integreret i dem. Det kan assistere med enkeltopgaver, men det kan ikke koordinere resultater på tværs af teams eller hele virksomheden.

Vores tilgang er anderledes. Vi grundlægger AI i enterprise-data og integrerer det direkte i arbejdsprocesser, så det kan operere med rigtig kontekst – relationerne mellem projekter, intentionen bag planen og dommen, der er indkodet i, hvordan arbejdet er struktureret. Det er, hvad der giver AI mulighed for at koordinere eksekvering, ikke kun assistere med en opgave, og ultimativt drive meningsfuld forretningsværdi.

I din vision for Smartsheets fremtid fra november 2025, beskrev du en platform, der bringer mennesker, data og AI sammen på en mere samlet måde. Hvad følte du var mangler i eksisterende arbejdssystemværktøjer, der fik dig til at gå i den retning?

Vi så en vedvarende kløft mellem planlægning og eksekvering, især på enterprise-niveau. Teams arbejdede på tværs af multiple ikke-sammenhængende systemer, hvilket gjorde det svært at holde sig aligneret eller få en klar, realtidsvisning af fremgang.

Mange værktøjer løste dele af problemet – planlægning, arbejdsprocesser eller samarbejde – men de forblev ikke-sammenhængende. Hver af dem løste et problem inden for deres individuelle stack eller system, men ikke på tværs af hele virksomheden. Fragmenteringen bliver en reel barriere, når man opererer i stor skala. Det er, hvor Smartsheet skinner.

Vores fokus har været på at bringe disse elementer sammen i et enkelt, samlet system, så teams kan holde sig aligneret, tilpasse sig hurtigt og eksekvere mere effektivt.

En af de mere interessante dele af den vision var skiftet mod AI-systemer, der kan forstå kontekst på tværs af projekter, arbejdsprocesser og teams. Hvordan vigtig er kontekst i at gøre enterprise AI virkelig nyttig i stedet for kun imponerende i demos?

AI, der forstår kontekst, er fundamentalt anderledes end AI, der genererer indhold. Frontier-modeller genererer. Systemer af rekord gemmer. Men ingen af dem forstår, hvordan din organisation faktisk fungerer, afhængighederne, intentionen bag planen eller domsbeslutningerne, der er indkodet i hver arbejdsproces. Det er det lag, Smartsheet befinder sig på.

Smartsheet forstår den operationelle form af din forretning og sætter AI i gang inden for den. Når du grundlægger AI i den slags forståelse, skifter det fra at være reaktivt til at blive et intelligent lag i eksekvering. Det er ikke kun reagerer på prompts. Det opererer med en forståelse af, hvordan forretningen faktisk kører, og den forståelse akkumulerer over tid.

Hver plan, hver arbejdsproces, hver beslutning, der er fanget i Smartsheet, bliver en intelligensaktiver, der gør AI mere nyttig i den specifikke organisation. Konteksten, intentionen og dommen, dine teams har bygget op over årene – det er de tre ting, AI ikke kan generere på egen hånd.

Smartsheets Model Context Protocol-server antyder et skift fra AI, der blot besvarer spørgsmål, til AI, der kan interagere med live-arbejdsdata. Fra din synsvinkel, hvad gør det til et meningsfuldt vendepunkt for enterprise-software?

Dette er et skift fra AI, der kun informerer om arbejde, til AI, der kan handle på det. Med Smartsheet MCP-serveren er virksomheder ikke længere låst til et enkelt AI-værktøj; protokollen fungerer med de AI-modeller, der allerede er indlejret i deres arbejdsprocesser, uanset om det er Claude, Gemini, ChatGPT eller andre. Teams kan nu direkte tilslutte sig live-arbejdsdata og operere inden for de systemer, hvor arbejde faktisk sker, og det giver dem mulighed for at flytte ud over chat og ind i eksekvering. Da MCP-økosystemet udvides, vil vi udvide support til yderligere førende modeller, og sikre, at Smartsheet forbliver kompatibelt med hvilket AI-løsning teams vælger. Når AI har adgang til realtidsdata på tværs af projekter og arbejdsprocesser, kan det afsløre risici tidligere, støtte bedre beslutningstagning og tage handling, som at oprette opgaver eller opdatere arbejde.

Det tidlige signal er klart. Inden for de første 30 dage efter lanceringen, gennemførte tusinder af Smartsheet-brugere 1,76 millioner handlinger via Smartsheet MCP-connector til Claude. Og en betydelig del af disse interaktioner var ikke om at hente information – de var om at flytte arbejde fremad. Oprettelse af opgaver. Opdatering af planer. Handling med kontekst.

Det er, hvad der gør det til et vendepunkt. AI bliver indlejret i eksisterende arbejdsprocesser, som folk allerede bruger, og det giver virksomheder mulighed for at flytte fra individuel produktivitetsgevinst til koordineret eksekvering i stor skala. Virksomhederne, hvis operationelle grundlag allerede bor i Smartsheet, kompenserer for den fordel lige nu. For eksempel, kan teams omdanne mødenotater til opgaver automatisk, med modellen, der endda kan slutte, hvem opgaven skal tildeles baseret på samtalekontekst, så beslutninger taget i et rum bliver til sporet arbejde i Smartsheet uden en enkelt manuel indtastning. Det er koordination i stor skala – ikke fordi mennesker arbejdede hårdere, men fordi systemet endelig holdt trit.

Når AI er forbundet til operationelle systemer og live-forretningsarbejdsprocesser, bliver tillid kritisk. Hvordan tænker du over sikkerhed, styring og revision, når AI bliver mere handling-orienteret inden for virksomheden?

Tillid, sikkerhed og styring er essentielle for enhver virkelig enterprise-adopter. Når AI bliver mere handling-orienteret, er tillid ikke valgfrit – det er grundlæggende. For os starter det med at sikre, at AI overholder samme styringsmodel som alt andet på platformen. Det følger eksisterende tilladelser, så det kun kan få adgang til og handle på de data, det eksplicit er tilladt til. Din data forbliver din data.

Lige så vigtigt er synlighed. Organisationer har brug for at forstå, hvordan AI interagerer med deres systemer, hvilke handlinger der udføres, af hvem og i hvilken kontekst. Det er derfor, revision er indbygget: hver handling, uanset om det er initieret af en person eller AI, kan spores og gennemgås. Vi er også omhyggelige med, hvor autonomi giver mening. For højere-impact-handlinger bygger vi ind i menneske-i-løkken kontroller, så teams kan gennemgå og godkende, før noget betydeligt sker.

Målet er at give organisationer tilliden til at lade AI flytte arbejde fremad, mens de stadig opretholder kontrollen, gennemsigtigheden og ansvarligheden, de forventer på enterprise-niveau.

Smartsheet har også understreget åben arkitektur, herunder support til eksterne AI-økosystemer. Hvorfor tror du, åbenhed og interoperabilitet vil være så vigtig i den næste fase af enterprise AI-adopter?

Enterprise-arbejde bor ikke i et enkelt system. Det er spredt på tværs af værktøjer, teams og datakilder. Hvis AI ikke kan tilslutte sig den miljø, bliver det begrænset. Det kan generere svar, men det kan ikke faktisk drive eksekvering.

Det er derfor, åbenhed er vigtig. Det giver AI mulighed for at tilslutte sig live-data på tværs af systemer og operere med den fulde kontekst af, hvordan arbejde faktisk sker. Med MCP kan virksomheder anvende deres foretrukne corporate AI-standards og styring til arbejde i Smartsheet, i stedet for at adoptere nye værktøjer eller arbejde i siloer.

Det er skiftet. Når AI kan arbejde på tværs af systemer, flytter det fra isolerede interaktioner til at faktisk støtte, hvordan organisationen kører. Det er, hvor du begynder at se reel impact i stor skala.

Din produktvision introducerede også idéer som Smart Assist, Smart Agents, Smart Flows og et videnlag. Hvilken af disse funktioner tror du har den største potentiale til at ændre, hvordan teams faktisk arbejder på en dag-til-dag-basis?

Det er mindre om en af dem i isolation, da de faktisk blot er forskellige måder, mennesker interagerer med systemet.

Den virkelige kraft ligger i den intelligens, der ligger under, drevet af vores datalag og Smartsheet Knowledge Graph. Det er, hvad der giver systemet kontekst på tværs af projekter, arbejdsprocesser og teams, og giver det mulighed for at forstå, hvordan arbejde faktisk hænger sammen. Den kontekst er, hvad der gør alt andet arbejde. Smartsheet Knowledge Graph kartografiserer allerede relationer på tværs af arbejde i en betydelig skala, med over 100 millioner noder. Det giver os mulighed for at lagre kontekst, fra branchens bedste praksis til organisations-, team- og individdata, så systemet kan levere langt mere relevante indsigt end en standalone-model.

Fra der udviser det sig på forskellige måder. Nogle gange er det en assistent, der hjælper nogen med at forstå projektstatus eller afsløre risici. Nogle gange er det en agent, der tager handling, som at oprette tidsplaner eller opdatere arbejde.

Men de er alle grundlagt i samme operationelle grundlag – den akkumulerede kontekst, intention og dom, der ligger i, hvordan arbejde faktisk er udført. Det er, hvad der ændrer dag-til-dag-arbejde, ikke en enkelt funktion, men et system, der forstår din organisation.

Mange virksomheder kæmper stadig med at måle, om AI leverer reel forretningsværdi. Hvordan bør ledere tænke over ROI, når målet ikke kun er hurtigere output, men bedre beslutninger, stærkere eksekvering og mindre operationel træghed?

Mange organisationer starter med at måle AI-adopter, såsom antallet af mennesker, der bruger brugergrænsefladen dagligt. Det er et nyttigt signal, men det er ikke det fulde billede. Den virkelige værdi viser sig i eksekvering, og det er, hvor mange teams stadig forsøger at holde trit.

I de fleste virksomheder er udfordringen ikke at generere output. Det er at koordinere arbejde, holde sig aligneret på tværs af teams og tage beslutninger med den rigtige kontekst. Hvis disse ting ikke forbedres, oversætter hurtigere output ikke nødvendigvis til bedre forretningsresultater.

Når AI er forbundet til systemet af arbejde, er det, hvor du begynder at se en anden type impact. Det kan hjælpe med at afsløre flaskehalse tidligere, forbedre synlighed i, hvad der faktisk sker, og drive mere konsistente måder at arbejde på tværs af teams.

Så ROI er ikke kun om hastighed. Det er om, hvor effektivt en organisation eksekverer i stor skala, med mere klarhed, ansvarlighed og forudsigelighed. Det er, hvad der ultimativt oversætter til målbart forretningsværdi.

At se fremad, hvordan ser du rollen som produktleder udvikle sig, når AI bliver en kernefunktion i enterprise-platforme? Kræver bygning af en AI-nativ fremtid en fundamentalt anderledes mindset end traditionel software-produktledelse?

Der er fire ting, jeg tænker over her.

Produktledere skal omfavne AI med intellektuel nysgerrighed og en vækstmentaltitet. Feltet udvikler sig hurtigt, så evnen til at lære og tilpasse sig er kritisk.

Andet, first principles og platformtænkning bliver endnu mere vigtige. At få de grundlæggende elementer rigtige, især omkring data og styring, giver teams mulighed for at eksperimentere hurtigt og sikkert.

Tredje, kundefokus er lige så vigtigt. Der er meget støj på markedet lige nu, og ikke alt, der markedsføres som AI eller agenter, leverer reel værdi. Ledere skal holde sig grundet i at løse virkelige problemer i stedet for at jage noget nyt for dets egen skyld.

Og sidst, men ikke mindst, er der en reel ændring i, hvordan teams bygger. Grænserne mellem funktioner udviskes, og flere mennesker bliver byggere. Produktledere, der omfavner det og engagerer sig ærligt med teknologien, vil lykkes.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Smartsheet.