Aaron Kesler, Direktur Manajemen Produk AI di SnapLogic – Seri Wawancara

Anda telah memiliki perjalanan kewirausahaan yang cukup menarik, memulai STAK di kuliah dan kemudian diakuisisi oleh Carvertise. Bagaimana pengalaman awal tersebut membentuk pola pikir produk Anda?

Ini adalah waktu yang sangat menarik dalam hidup saya. Saya dan teman sekamar saya memulai STAK karena kami bosan dengan tugas kuliah kami dan ingin memiliki pengalaman dunia nyata. Kami tidak pernah membayangkan bahwa itu akan mengarah pada kami diakuisisi oleh apa yang menjadi startup unggulan Delaware. Pengalaman tersebut benar-benar membentuk pola pikir produk saya karena saya secara alami tertarik untuk berbicara dengan bisnis, bertanya tentang masalah mereka, dan membangun solusi. Saya tidak tahu apa itu manajer produk pada saat itu – saya hanya melakukan pekerjaan itu.

Di Carvertise, saya mulai melakukan hal yang sama: bekerja dengan pelanggan mereka untuk memahami titik sakit dan mengembangkan solusi – lagi-lagi, sebelum saya memiliki gelar PM. Sebagai insinyur, pekerjaan Anda adalah untuk memecahkan masalah dengan teknologi. Sebagai manajer produk, pekerjaan Anda bergeser untuk menemukan masalah yang tepat – masalah yang layak dipecahkan karena mereka juga menghasilkan nilai bisnis. Sebagai seorang wirausaha, terutama tanpa pendanaan, pola pikir Anda menjadi: bagaimana saya memecahkan masalah seseorang dengan cara yang membantu saya memenuhi kebutuhan sehari-hari? Kepribadian awal yang gesit dan giat itu mengajari saya untuk selalu melihat dari lensa yang berbeda. Apakah Anda berada di startup yang didanai sendiri, perusahaan yang didukung oleh VC, atau raksasa kesehatan, mentalitas “kebutuhan dasar” Maslow akan selalu menjadi dasar.

Anda berbicara tentang passion Anda untuk melatih calon manajer produk. Apa saran yang Anda inginkan ketika Anda pertama kali memulai sebagai manajer produk?

Saran terbaik yang pernah saya dapatkan – dan saran yang saya berikan kepada calon PM – adalah: “Jika Anda selalu berargumen dari perspektif pelanggan, Anda tidak akan pernah kalah dalam argumen.” Kalimat itu sederhana tetapi sangat kuat. Ini berarti Anda perlu benar-benar memahami pelanggan Anda – kebutuhan, titik sakit, perilaku, dan konteks – sehingga Anda tidak hanya hadir dalam pertemuan dengan pendapat, tetapi dengan wawasan. Tanpa itu, semuanya menjadi HIPPO (pendapat orang dengan gaji tertinggi), pertarungan siapa yang memiliki kekuatan atau pendapat yang lebih keras. Dengan itu, Anda menjadi orang yang dipandang untuk mencari kejelasan.

Anda sebelumnya menyatakan bahwa setiap karyawan akan segera bekerja bersama dengan belasan agen AI. Bagaimana masa depan yang ditingkatkan oleh AI ini terlihat dalam alur kerja sehari-hari?

Apa yang mungkin menarik adalah bahwa kita sudah berada dalam kenyataan di mana orang bekerja dengan beberapa agen AI – kita telah membantu pelanggan seperti DCU merencanakan, membangun, menguji, melindungi, dan memasang puluhan agen untuk membantu tenaga kerja mereka. Yang menarik adalah perusahaan sedang membangun bagan organisasi agen AI untuk setiap karyawan, berdasarkan kebutuhan mereka. Misalnya, karyawan akan memiliki agen AI mereka sendiri yang didedikasikan untuk kasus penggunaan tertentu – seperti agen untuk membuat epik/cerita pengguna, satu yang membantu dengan pengkodean atau prototyping atau masalah pull request, dan lainnya yang menganalisis umpan balik pelanggan – semua disetujui dan diarahkan oleh IT karena ada banyak hal di backend yang menentukan siapa yang memiliki akses ke data mana, agen mana yang perlu mematuhi pedoman tata kelola, dll. Saya tidak percaya bahwa agen akan menggantikan manusia, setidaknya untuk saat ini. Akan ada manusia dalam loop untuk waktu yang terlihat. Namun, mereka akan menghilangkan tugas berulang dan tugas berharga rendah sehingga orang dapat fokus pada pemikiran tingkat tinggi. Dalam lima tahun, saya berharap sebagian besar tim akan mengandalkan agen dengan cara yang sama seperti kita mengandalkan Slack atau Google Docs hari ini.

Bagaimana Anda merekomendasikan perusahaan untuk menjembatani kesenjangan literasi AI antara tim teknis dan non-teknis?

Mulailah dari yang kecil, memiliki rencana yang jelas tentang bagaimana ini sesuai dengan strategi integrasi data dan aplikasi, pertahankanlah untuk menangkap kejutan, dan terbuka untuk mengulangi dari tujuan dan pendekatan awal. Cari masalah dengan penasaran tentang tugas sehari-hari yang membosankan dalam bisnis Anda. Masalah yang paling berharga untuk dipecahkan seringkali adalah yang membosankan yang diselesaikan oleh pahlawan tak dikenal setiap hari. Kami belajar banyak praktik terbaik ini langsung saat kami membangun agen untuk membantu departemen keuangan SnapLogic. Pendekatan yang paling penting adalah memastikan Anda memiliki garda depan yang aman untuk jenis data dan aplikasi yang dapat diakses oleh karyawan atau departemen tertentu.

Kemudian, perusahaan harus memperlakukannya seperti kursus kuliah: jelaskan istilah kunci dengan sederhana, berikan orang kesempatan untuk mencoba alat sendiri dalam lingkungan yang dikendalikan, dan kemudian lanjutkan dengan penyelaman yang lebih dalam. Kami juga membuatnya diketahui bahwa tidak apa-apa jika tidak tahu semua hal. AI berkembang dengan cepat, dan tidak ada yang ahli dalam setiap bidang. Kunci adalah membantu tim memahami apa yang mungkin dan memberi mereka kepercayaan untuk bertanya pertanyaan yang tepat.

Apa strategi efektif yang telah Anda lihat untuk peningkatan kemampuan AI yang melampaui modul pelatihan generik?

Pendekatan terbaik yang pernah saya lihat adalah membiarkan orang-orang mendapatkan tangan mereka. Pelatihan adalah awal yang baik – Anda perlu menunjukkan kepada mereka bagaimana AI benar-benar membantu dengan pekerjaan yang mereka lakukan. Dari sana, perlakukan ini sebagai pendekatan yang disetujui untuk IT bayangan, atau agen bayangan, karena karyawan kreatif untuk menemukan solusi yang mungkin memecahkan masalah khusus yang hanya mereka miliki. Kami memberi tim lapangan dan tim non-teknis akses ke AgentCreator, teknologi AI agenik SnapLogic yang menghilangkan kompleksitas adopsi AI perusahaan, dan memberdayakan mereka untuk mencoba membangun sesuatu dan melaporkan kembali dengan pertanyaan. Latihan ini mengarah pada pengalaman belajar nyata karena terkait dengan pekerjaan sehari-hari mereka.

Apakah Anda melihat risiko dalam perusahaan yang mengadopsi alat AI tanpa peningkatan kemampuan yang tepat – apa saja jebakan umum?

Risiko terbesar yang pernah saya lihat adalah pelanggaran tata kelola dan/atau keamanan data yang substansial, yang dapat mengarah pada denda regulasi yang mahal dan potensi meletakkan data pelanggan dalam bahaya. Namun, beberapa risiko paling umum yang saya lihat adalah perusahaan yang mengadopsi alat AI tanpa benar-benar memahami apa yang mereka bisa dan tidak bisa lakukan. AI bukanlah sihir. Jika data Anda berantakan atau tim Anda tidak tahu cara menggunakan alat, Anda tidak akan melihat nilai. Masalah lainnya adalah ketika organisasi mendorong adopsi dari atas ke bawah dan tidak mempertimbangkan orang-orang yang benar-benar melakukan pekerjaan. Anda tidak bisa hanya menggulirkan sesuatu dan berharap itu menempel. Anda memerlukan juara untuk mendidik dan membimbing orang, tim memerlukan strategi data yang kuat, waktu, dan konteks untuk memasang garda depan, dan ruang untuk belajar.

Di SnapLogic, Anda bekerja pada pengembangan produk baru. Bagaimana AI mempengaruhi strategi produk Anda saat ini?

AI dan umpan balik pelanggan ada di jantung strategi inovasi produk kami. Ini tidak hanya tentang menambahkan fitur AI, tetapi tentang memikirkan kembali bagaimana kami dapat terus menghadirkan solusi yang lebih efisien dan mudah digunakan untuk pelanggan kami yang menyederhanakan bagaimana mereka berinteraksi dengan integrasi dan otomatisasi. Kami membangun produk dengan mempertimbangkan pengguna kuat dan non-teknis – dan AI membantu menjembatani kesenjangan itu.

Bagaimana alat AgentCreator SnapLogic membantu bisnis membangun agen AI mereka sendiri? Apakah Anda bisa berbagi contoh kasus di mana ini memiliki dampak besar?

AgentCreator dirancang untuk membantu tim membangun agen AI nyata dan berkualitas perusahaan tanpa menulis satu baris kode. Ini menghilangkan kebutuhan akan pengembang Python berpengalaman untuk membangun aplikasi berbasis LLM dari awal dan memberdayakan tim di seluruh keuangan, SDM, pemasaran, dan IT untuk membuat agen yang didorong oleh AI dalam beberapa jam menggunakan prompt bahasa alami. Agen-agen ini terintegrasi erat dengan data perusahaan, sehingga mereka dapat melakukan lebih dari sekadar merespons. Agen terintegrasi mengotomatisasi alur kerja yang kompleks, beralasan melalui keputusan, dan bertindak dalam waktu nyata, semua dalam konteks bisnis.

AgentCreator telah menjadi perubahan besar bagi pelanggan kami seperti Independent Bank (INDB ), yang menggunakan AgentCreator untuk meluncurkan asisten suara dan obrolan untuk mengurangi backlog tiket help desk IT dan membebaskan sumber daya IT untuk fokus pada inisiatif GenAI baru. Selain itu, penyedia administrasi manfaat Aptia menggunakan AgentCreator untuk mengotomatisasi salah satu proses manual dan sumber daya yang paling intensif: pemilihan manfaat. Apa yang dulunya membutuhkan jam-jam entri data backend sekarang hanya membutuhkan beberapa menit, berkat agen AI yang menyederhanakan terjemahan data dan validasi di seluruh sistem.

SnapGPT memungkinkan integrasi melalui bahasa alami. Bagaimana ini telah mendemokratisasi akses untuk pengguna non-teknis?

SnapGPT, kopilot integrasi kami, adalah contoh bagus tentang bagaimana GenAI menghancurkan hambatan dalam perangkat lunak perusahaan. Dengan itu, pengguna mulai dari non-teknis hingga teknis dapat menjelaskan hasil yang diinginkan menggunakan prompt bahasa alami sederhana – seperti meminta untuk menghubungkan dua sistem atau memicu alur kerja – dan integrasi dibangun untuk mereka. SnapGPT melampaui pembangunan pipa integrasi – pengguna dapat menjelaskan pipa, membuat dokumentasi, menghasilkan kueri SQL dan ekspresi, dan mengubah data dari satu format ke format lain dengan prompt sederhana. Ini mengubah apa yang dulunya menjadi proses yang berat bagi pengembang menjadi sesuatu yang dapat diakses oleh karyawan di seluruh bisnis. Ini tidak hanya tentang menghemat waktu – ini tentang menggeser siapa yang bisa membangun. Ketika lebih banyak orang di seluruh bisnis dapat berkontribusi, Anda membuka iterasi yang lebih cepat dan inovasi yang lebih banyak.

Apa yang membuat alat AI SnapLogic – seperti AutoSuggest dan SnapGPT – berbeda dari platform integrasi lain di pasar?

SnapLogic adalah platform integrasi generatif pertama yang terus membuka nilai data di seluruh perusahaan modern dengan kecepatan dan skala yang belum pernah terjadi sebelumnya. Dengan kemampuan untuk membangun aplikasi GenAI canggih dalam beberapa jam – tanpa menulis kode – bersama dengan SnapGPT, kopilot integrasi GenAI pertama dan paling maju, organisasi dapat mempercepat nilai bisnis secara besar-besaran. Kemampuan GenAI pesaing lainnya kurang atau tidak ada. Tidak seperti sebagian besar pesaing, SnapLogic lahir di cloud dan dirancang khusus untuk mengelola kompleksitas cloud, on-premises, dan lingkungan hybrid.

SnapLogic menawarkan fitur pengembangan iteratif, termasuk validasi otomatis dan skema-baca, yang memungkinkan tim menyelesaikan proyek lebih cepat. Fitur-fitur ini memungkinkan lebih banyak integrator dengan berbagai tingkat keterampilan untuk segera memulai, tidak seperti pesaing yang sebagian besar memerlukan pengembang yang sangat terampil, yang dapat memperlambat implementasi secara signifikan. SnapLogic adalah platform yang sangat performant yang memproses lebih dari empat triliun dokumen per bulan dan dapat memindahkan data ke danau data dan gudang dengan efisien, sementara beberapa pesaing kekurangan dukungan untuk integrasi waktu nyata dan tidak dapat mendukung lingkungan hybrid.

 Apa yang paling Anda banggakan tentang masa depan manajemen produk di dunia yang didorong oleh AI?

Apa yang paling saya banggakan tentang masa depan manajemen produk adalah munculnya salah satu kata kunci terbaru yang menghiasi ruang AI “vibe coding” – kemampuan untuk membangun prototipe yang berfungsi menggunakan bahasa alami. Saya membayangkan dunia di mana setiap orang dalam trio produk – desain, manajemen produk, dan teknik – memiliki tangan pada alat yang menerjemahkan ide menjadi solusi nyata dan fungsional dalam waktu nyata. Sebagai gantinya mengandalkan insinyur dan desainer untuk menghidupkan ide, setiap orang akan dapat mencipta dan mengulangi dengan cepat.

Bayangkan Anda berada dalam panggilan pelanggan dan, dalam momen itu, memprototipe solusi langsung menggunakan data mereka yang sebenarnya. Sebagai gantinya hanya mendengarkan solusi yang mereka usulkan, kita bisa berkolaborasi dengan mereka dan menemukan cara yang lebih baik untuk memecahkan masalah mereka. Perubahan ini akan membuat proses pengembangan produk menjadi lebih kolaboratif, kreatif, dan terkoordinasi. Dan itu sangat menggembirakan saya karena bagian favorit saya dari pekerjaan adalah membangun bersama orang lain untuk memecahkan masalah yang bermakna.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi SnapLogic.