Aaron Kesler, Director of AI Product Management at SnapLogic – Interview Series

Aaron Kesler, Director of AI Product Management at SnapLogic, ist ein zertifizierter Produktleiter mit über einem Jahrzehnt Erfahrung im Aufbau von skalierbaren Frameworks, die Design-Denken, Jobs-to-be-done und Produktentdeckung kombinieren. Er konzentriert sich auf die Entwicklung neuer AI-getriebener Produkte und Prozesse und coacht ambitionierte PMs durch seinen Blog und Strategie-, Ausführungs- und kundenorientierte Entwicklung.

SnapLogic ist eine AI-gestützte Integrationsplattform, die Unternehmen dabei hilft, Anwendungen, Daten und APIs schnell und effizient zu verbinden. Mit ihrer Low-Code-Oberfläche und intelligenter Automatisierung ermöglicht SnapLogic eine schnellere digitale Transformation in den Bereichen Data Engineering, IT und Business-Teams.

Sie haben eine interessante unternehmerische Reise hinter sich, beginnend mit STAK im College und der Übernahme durch Carvertise. Wie haben diese frühen Erfahrungen Ihre Produktmentalität geprägt?

Das war eine wirklich interessante Zeit in meinem Leben. Mein Mitbewohner und ich gründeten STAK, weil wir uns mit unserem Studium langweilten und reale Erfahrungen sammeln wollten. Wir haben nie gedacht, dass es dazu führen würde, von dem zu werden, was Delawares Start-up-Poster wurde. Diese Erfahrung hat meine Produktmentalität wirklich geprägt, weil ich mich natürlich darauf konzentrierte, mit Unternehmen zu sprechen, ihre Probleme zu verstehen und Lösungen zu entwickeln. Ich wusste damals nicht einmal, was ein Produktmanager war – ich machte einfach meine Arbeit.

Bei Carvertise begann ich, das Gleiche zu tun: Ich arbeitete mit ihren Kunden zusammen, um ihre Schmerzpunkte zu verstehen und Lösungen zu entwickeln – wiederum lange bevor ich den PM-Titel hatte. Als Ingenieur ist Ihre Aufgabe es, Probleme mit Technologie zu lösen. Als Produktmanager verschiebt sich Ihre Aufgabe dahin, die richtigen Probleme zu finden – diejenigen, die es wert sind, gelöst zu werden, weil sie auch Geschäftswert erzeugen. Als Unternehmer, insbesondere ohne Finanzierung, wird Ihre Mentalität zu: Wie kann ich jemandes Problem lösen, um mir selbst Essen auf den Tisch zu bringen? Diese frühe Schläue und dieser Einsatz haben mich gelehrt, immer durch verschiedene Linsen zu schauen. Ob Sie in einem selbstfinanzierten Start-up, einem von Risikokapitalgebern unterstützten Unternehmen oder einem Gesundheitsgiganten sind, Maslows “Grundbedürfnis”-Mentalität wird immer die Grundlage sein.

Sie sprechen über Ihre Leidenschaft für das Coaching von angehenden Produktmanagern. Welche Ratschläge wünschen Sie sich, als Sie in die Produktentwicklung einstiegen?

Der beste Rat, den ich je bekommen habe – und den ich angehenden PMs gebe – ist: “Wenn Sie immer aus der Perspektive des Kunden argumentieren, werden Sie nie eine Argumentation verlieren.” Diese Zeile ist deceptiv einfach, aber unglaublich kraftvoll. Sie bedeutet, dass Sie Ihren Kunden wirklich verstehen müssen – seine Bedürfnisse, Schmerzpunkte, Verhalten und Kontext – damit Sie nicht nur mit Meinungen zu Meetings erscheinen, sondern mit Erkenntnissen. Ohne das wird alles zu HIPPO (die Meinung der höchstbezahlten Person), einem Kampf um die Macht oder lauter Meinungen. Mit ihm werden Sie zu der Person, zu der sich die Leute für Klarheit wenden.

Sie haben zuvor erklärt, dass jeder Mitarbeiter bald an der Seite von einem Dutzend AI-Agenten arbeiten wird. Wie sieht diese AI-ergänzte Zukunft in einem täglichen Arbeitsablauf aus?

Was interessant sein könnte, ist, dass wir bereits in einer Realität sind, in der Menschen mit mehreren AI-Agenten zusammenarbeiten – wir haben unseren Kunden wie DCU geholfen, Dutzende von Agenten zu planen, zu bauen, zu testen, zu schützen und einzusetzen, um ihre Belegschaft zu unterstützen. Was faszinierend ist, ist, dass Unternehmen Organisationsschemata von AI-Kollegen für jeden Mitarbeiter aufbauen, basierend auf ihren Bedürfnissen. Zum Beispiel werden Mitarbeiter ihre eigenen AI-Agenten haben, die für bestimmte Anwendungsfälle gewidmet sind – wie einen Agenten für das Erstellen von Epics/Benutzerstories, einen, der bei der Codierung oder dem Prototyping hilft oder Pull-Requests ausführt, und einen anderen, der Kundenfeedback analysiert – alles sanktioniert und orchestriert von IT, weil es viel auf der Backend-Seite gibt, um zu bestimmen, wer Zugriff auf welche Daten hat, welche Agenten den Governance-Richtlinien entsprechen müssen usw. Ich glaube nicht, dass Agenten Menschen ersetzen werden, zumindest noch nicht. Es wird einen Menschen in der Schleife geben, für die absehbare Zukunft, aber sie werden die wiederholten, niedrigwertigen Aufgaben entfernen, damit Menschen sich auf höheres Denken konzentrieren können. In fünf Jahren erwarte ich, dass die meisten Teams auf Agenten vertrauen werden, genauso wie wir heute auf Slack oder Google Docs vertrauen.

Wie empfehlen Sie Unternehmen, die AI-Literatur-Lücke zwischen technischen und nicht-technischen Teams zu überbrücken?

Fangen Sie klein an, haben Sie einen klaren Plan, wie dies in Ihre Daten- und Anwendungsintegrationsstrategie passt, halten Sie es hands-on, um Überraschungen zu fangen, und seien Sie offen für die Iteration von den ursprünglichen Zielen und dem Ansatz. Finden Sie Probleme, indem Sie neugierig auf die alltäglichen Aufgaben in Ihrem Geschäft sind. Die höchstwertigen Probleme, die gelöst werden müssen, sind oft die langweiligen, die die unbesungenen Helden jeden Tag lösen. Wir haben viele dieser Best Practices beim Aufbau von Agenten, um unser SnapLogic-Finanzteam zu unterstützen, gelernt. Der wichtigste Ansatz ist, sicherzustellen, dass Sie sichere Schutzvorkehrungen für die Art von Daten und Anwendungen haben, auf die bestimmte Mitarbeiter oder Abteilungen zugreifen können.

Dann sollten Unternehmen es wie einen College-Kurs behandeln: Erklären Sie wichtige Begriffe einfach, geben Sie den Menschen die Chance, Tools selbst in kontrollierten Umgebungen auszuprobieren, und folgen Sie dann mit tieferen Eintauchen. Wir machen es auch bekannt, dass es okay ist, nicht alles zu wissen. AI entwickelt sich schnell, und niemand ist in jedem Bereich ein Experte. Der Schlüssel ist, Teams zu helfen, zu verstehen, was möglich ist, und ihnen das Vertrauen zu geben, die richtigen Fragen zu stellen.

Welche effektiven Strategien haben Sie für AI-Aufstieg gesehen, die über generische Trainingsmodule hinausgehen?

Der beste Ansatz, den ich gesehen habe, ist, Menschen ihre Hände darauf legen zu lassen. Schulung ist ein guter Anfang – Sie müssen ihnen zeigen, wie AI tatsächlich bei der Arbeit hilft, die sie bereits tun. Von dort aus behandeln Sie es wie einen sanktionierten Ansatz zum Schatten-IT oder Schatten-Agenten, da Mitarbeiter kreativ sind, Lösungen zu finden, die sehr spezifische Probleme lösen, die nur sie haben. Wir gaben unserem Feldteam und nicht-technischen Teams Zugriff auf AgentCreator, SnapLogics agentische AI-Technologie, die die Komplexität der Unternehmens-AI-Adoption eliminiert, und ermächtigten sie, etwas zu bauen und mit Fragen zurückzukehren. Diese Übung führte zu realen Lernerfahrungen, weil sie an ihre tägliche Arbeit gebunden waren.

Sehen Sie ein Risiko darin, dass Unternehmen AI-Tools ohne ordnungsgemäße Aufstieg adoptieren – was sind einige der häufigsten Fallstricke?

Das größte Risiko, das ich gesehen habe, sind erhebliche Governance- und/oder Datenschutzverletzungen, die zu teuren regulatorischen Geldstrafen und dem potenziellen Risiko für die Daten der Kunden führen können. Allerdings sind einige der häufigsten Risiken, die ich sehe, Unternehmen, die AI-Tools adoptieren, ohne vollständig zu verstehen, was sie können und nicht können. AI ist kein Zauber. Wenn Ihre Daten ein Chaos sind oder Ihre Teams nicht wissen, wie sie die Tools verwenden, werden Sie keinen Wert sehen. Ein weiteres Problem ist, wenn Organisationen die Adoption von oben nach unten vorantreiben und nicht berücksichtigen, wer die Arbeit tatsächlich ausführt. Sie können nicht einfach etwas einführen und erwarten, dass es funktioniert. Sie benötigen Champions, um die Leute zu bilden und zu leiten, Teams benötigen eine starke Datenstrategie, Zeit und Kontext, um Schutzvorkehrungen zu schaffen, und Raum, um zu lernen.

Bei SnapLogic arbeiten Sie an der Entwicklung neuer Produkte. Wie fließt AI in Ihre Produktstrategie ein?

AI und Kundenfeedback stehen im Mittelpunkt unserer Produktinnovationsstrategie. Es geht nicht nur darum, AI-Funktionen hinzuzufügen, sondern darum, wie wir kontinuierlich effizientere und benutzerfreundlichere Lösungen für unsere Kunden liefern können, die die Interaktion mit Integrationen und Automatisierung vereinfachen. Wir bauen Produkte mit Blick auf Power-User und nicht-technische User – und AI hilft, diese Lücke zu schließen.

Wie hilft SnapLogics AgentCreator-Tool Unternehmen, ihre eigenen AI-Agenten zu bauen? Können Sie einen Anwendungsfall teilen, bei dem dies einen großen Einfluss hatte?

AgentCreator ist dafür entwickelt, Teams zu helfen, echte, unternehmensgrade AI-Agenten zu bauen, ohne eine einzige Zeile Code zu schreiben. Es eliminiert die Notwendigkeit für erfahrene Python-Entwickler, LLM-basierte Anwendungen von Grund auf zu bauen, und ermächtigt Teams in Finanzen, HR, Marketing und IT, AI-gestützte Agenten in nur wenigen Stunden mithilfe von natürlicher Sprache zu erstellen. Diese Agenten sind eng mit Unternehmensdaten integriert, so dass sie mehr tun können als nur antworten. Integrierte Agenten automatisieren komplexe Workflows, argumentieren durch Entscheidungen und handeln in Echtzeit, alles im Geschäftskontext.

AgentCreator war für unsere Kunden wie Independent Bank ein Game-Changer, die AgentCreator nutzten, um Sprach- und Chat-Assistenten einzuführen, um den IT-Help-Desk-Ticket-Rückstand zu reduzieren und IT-Ressourcen freizumachen, um sich auf neue GenAI-Initiativen zu konzentrieren. Darüber hinaus nutzte der Leistungsanbieter für Vorteile Aptia AgentCreator, um einen der meisten manuellen und ressourcenintensivsten Prozesse zu automatisieren: Vorteilsauswahlen. Was früher Stunden von Backend-Dateneingabe dauerte, dauert jetzt dank AI-Agenten, die Datenübersetzung und -validierung über Systeme hinweg rationalisieren, nur noch Minuten.

SnapGPT ermöglicht die Integration über natürliche Sprache. Wie hat dies den Zugang für nicht-technische Benutzer demokratisiert?

SnapGPT, unser Integration-Copilot, ist ein großartiges Beispiel dafür, wie GenAI Barrieren in der Unternehmenssoftware durchbricht. Mit ihm können Benutzer, von nicht-technischen bis technischen, das Ergebnis beschreiben, das sie möchten, mithilfe einfacher natürlicher Sprachprompts – wie die Verbindung zweier Systeme oder das Auslösen eines Workflows – und die Integration wird für sie erstellt. SnapGPT geht über die Erstellung von Integrationspipelines hinaus – Benutzer können Pipelines beschreiben, Dokumentation erstellen, SQL-Abfragen und -Ausdrücke generieren und Daten von einem Format in ein anderes umwandeln, mit einem einfachen Prompt. Es wird aus einem Entwickler-Lastigen-Prozess etwas, das für Mitarbeiter im gesamten Unternehmen zugänglich ist. Es geht nicht nur darum, Zeit zu sparen – es geht darum, wer bauen darf. Wenn mehr Menschen im Unternehmen beitragen können, schalten Sie eine schnellere Iteration und mehr Innovation frei.

Was unterscheidet SnapLogics AI-Tools – wie AutoSuggest und SnapGPT – von anderen Integrationsplattformen auf dem Markt?

SnapLogic ist die erste generative Integrationsplattform, die kontinuierlich den Wert von Daten im modernen Unternehmen mit unvergleichlicher Geschwindigkeit und Skalierbarkeit freisetzt. Mit der Fähigkeit, cutting-edge-GenAI-Anwendungen in nur wenigen Stunden zu bauen – ohne Code zu schreiben – sowie SnapGPT, dem ersten und fortschrittlichsten GenAI-gestützten Integrations-Copiloten, können Organisationen den Geschäftswert enorm beschleunigen. Die GenAI-Fähigkeiten der Wettbewerber sind entweder fehlend oder nicht existent. Im Gegensatz zu vielen Wettbewerbern wurde SnapLogic in der Cloud geboren und ist speziell für die Komplexität von Cloud-, On-Premises- und Hybridumgebungen entwickelt.

SnapLogic bietet iterative Entwicklungsfunktionen, einschließlich automatisierter Validierung und Schema-on-Read, die Teams ermöglichen, Projekte schneller abzuschließen. Diese Funktionen ermöglichen es mehr Integratoren mit unterschiedlichen Fähigkeitsstufen, schnell loszulegen, im Gegensatz zu Wettbewerbern, die in der Regel hochqualifizierte Entwickler erfordern, was die Implementierung erheblich verlangsamen kann. SnapLogic ist eine hochleistungsstarke Plattform, die monatlich über vier Billionen Dokumente verarbeitet und Daten effizient in Data Lakes und Data Warehouses verschieben kann, während einige Wettbewerber keine Unterstützung für Echtzeit-Integration bieten und keine Hybridumgebungen unterstützen können.

Was begeistert Sie am meisten an der Zukunft des Produktmanagements in einer AI-getriebenen Welt?

Was mich am meisten an der Zukunft des Produktmanagements begeistert, ist der Aufstieg eines der neuesten Buzzwords im AI-Raum “Vibe-Coding” – die Fähigkeit, funktionierende Prototypen mithilfe von natürlicher Sprache zu erstellen. Ich stelle mir eine Welt vor, in der jeder im Produkt-Trio – Design, Produktmanagement und Engineering – hands-on mit Tools ist, die Ideen in reale, funktionierende Lösungen in Echtzeit übersetzen. Anstatt sich nur auf Ingenieure und Designer zu verlassen, um Ideen zum Leben zu erwecken, kann jeder erstellen und schnell iterieren.

Stellen Sie sich vor, Sie sind in einem Kundenanruf und erstellen im gleichen Moment ein Live-Lösung mit ihren tatsächlichen Daten. Anstatt nur ihre vorgeschlagenen Lösungen zu hören, könnten wir gemeinsam besser Wege finden, ihre Probleme zu lösen. Dieser Wandel wird den Produktentwicklungsprozess dramatisch kollaborativer, kreativer und ausgerichteter machen. Und das begeistert mich, weil mein Lieblingsteil des Jobs das Erstellen von Lösungen mit anderen zum Lösen bedeutungsvoller Probleme ist.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten SnapLogic besuchen.