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

Aaron Kesler, Direktur Manajemen Produk AI di SnapLogic, adalah seorang pemimpin produk bersertifikat dengan lebih dari satu dekade pengalaman membangun kerangka kerja yang skalabel yang menggabungkan pemikiran desain, pekerjaan yang harus dilakukan, dan penemuan produk. Ia fokus pada mengembangkan produk dan proses AI baru sambil membimbing calon PM melalui blog dan pelatihan tentang strategi, eksekusi, dan pengembangan berbasis pelanggan.

SnapLogic adalah platform integrasi yang ditenagai AI yang membantu perusahaan menghubungkan aplikasi, data, dan API dengan cepat dan efisien. Dengan antarmuka low-code dan otomatisasi cerdas, SnapLogic memungkinkan transformasi digital yang lebih cepat di seluruh tim teknik data, IT, dan bisnis.

Anda telah memiliki perjalanan kewirausahaan yang cukup, 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 dan ingin memiliki pengalaman dunia nyata. Kami tidak pernah membayangkan itu akan mengarah pada kami diakuisisi oleh apa yang menjadi startup poster Delaware. Pengalaman itu 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 poin-poin kesulitan dan mengembangkan solusi—lagi-lagi, jauh sebelum saya memiliki gelar PM. Sebagai insinyur, pekerjaan Anda adalah memecahkan masalah dengan teknologi. Sebagai manajer produk, pekerjaan Anda bergeser untuk menemukan masalah yang tepat—masalah yang layak dipecahkan karena juga menghasilkan nilai bisnis. Sebagai wirausaha, terutama tanpa pendanaan, pola pikir Anda menjadi: bagaimana saya memecahkan masalah seseorang dengan cara yang membantu saya menghidupi diri sendiri? Kegiatan awal itu mengajarkan saya untuk selalu melihat dari lensa yang berbeda. Apakah Anda berada di startup yang dibiayai sendiri, perusahaan yang didukung VC, atau raksasa perawatan kesehatan, mentalitas “kebutuhan dasar” Maslow akan selalu menjadi dasar.

Anda berbicara tentang passion Anda untuk melatih calon manajer produk. Apa saran yang Anda inginkan Anda miliki ketika Anda pertama kali memasuki 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, poin-poin kesulitan, perilaku, dan konteks—sehingga Anda tidak hanya menghadiri pertemuan dengan pendapat, tetapi dengan wawasan. Tanpa itu, semuanya menjadi HIPPO (pendapat orang dengan gaji tertinggi), pertarungan siapa yang memiliki lebih banyak kekuasaan atau pendapat yang lebih keras. Dengan itu, Anda menjadi orang yang dicari untuk kejelasan.

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

Apa yang 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 membangun bagan organisasi agen AI rekan kerja untuk setiap karyawan, berdasarkan kebutuhan mereka. Misalnya, karyawan akan memiliki agen AI mereka sendiri yang didedikasikan untuk kasus penggunaan tertentu—seperti agen untuk menyusun 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 agen akan menggantikan manusia, setidaknya untuk saat ini. Akan ada manusia dalam loop untuk waktu yang dapat diprediksi tetapi mereka akan menghilangkan tugas berulang, rendah nilai sehingga orang dapat fokus pada pemikiran tingkat tinggi. Dalam lima tahun, saya berharap sebagian besar tim akan mengandalkan agen dengan cara yang sama 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, miliki rencana yang jelas tentang bagaimana ini sesuai dengan strategi integrasi data dan aplikasi Anda, pertahankan agar tetap hands-on untuk menangkap kejutan apa pun, dan terbuka untuk mengulangi dari tujuan dan pendekatan asli. Temukan masalah dengan penasaran tentang tugas-tugas sehari-hari di bisnis Anda. Masalah yang paling berharga untuk dipecahkan sering kali adalah yang membosankan yang diselesaikan oleh pahlawan yang tidak terlihat setiap hari. Kami belajar banyak praktik terbaik ini langsung saat kami membangun agen untuk membantu departemen keuangan SnapLogic. Pendekatan paling penting adalah memastikan Anda memiliki garda depan yang aman pada 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 mengetahui semua hal. AI berkembang dengan cepat, dan tidak ada yang ahli di setiap area. 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 di atasnya. 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 shadow IT, atau shadow agen, karena karyawan kreatif untuk menemukan solusi yang mungkin memecahkan masalah yang sangat 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 risiko paling umum?

Risiko terbesar yang pernah saya lihat adalah pelanggaran tata kelola dan/atau keamanan data yang substansial, yang dapat menyebabkan 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 lakukan dan tidak bisa. 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 mengeluarkan sesuatu dan mengharapkan itu menempel. Anda perlu memiliki juara untuk mendidik dan membimbing orang, tim perlu memiliki 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 bukan 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? Bisakah Anda membagikan contoh kasus di mana ini memiliki dampak besar?

AgentCreator dirancang untuk membantu tim membangun agen AI perusahaan yang sebenarnya 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 AI yang ditenagai 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 permainan yang berubah untuk pelanggan kami seperti Independent Bank, 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 intensif sumber daya mereka: pemilihan manfaat. Apa yang dulunya membutuhkan waktu berjam-jam untuk 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 mendemokratisasikan akses untuk pengguna non-teknis?

SnapGPT, copilot integrasi kami, adalah contoh bagus tentang bagaimana GenAI memecahkan hambatan di 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 bukan hanya tentang menghemat waktu—ini tentang menggeser siapa yang bisa membangun. Ketika lebih banyak orang di seluruh bisnis dapat berkontribusi, Anda membuka kunci 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, copilot integrasi GenAI yang paling maju, organisasi dapat mempercepat nilai bisnis secara signifikan. Kemampuan GenAI dari 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-on-read, 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 bulanan dan dapat memindahkan data ke danau data dan gudang dengan efisiensi, 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 ditenagai 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—aktif dengan alat yang menerjemahkan ide menjadi solusi yang nyata dan berfungsi dalam waktu nyata. Alih-alih hanya mengandalkan insinyur dan desainer untuk menghidupkan ide, setiap orang akan dapat mencipta dan beriterasi dengan cepat.

Bayangkan Anda berada dalam panggilan pelanggan dan, pada saat itu, memprototipe solusi langsung menggunakan data mereka yang sebenarnya. Alih-alih 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 secara dramatis lebih kolaboratif, kreatif, dan sejalan. Dan itu membuat saya bersemangat 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 harus mengunjungi SnapLogic.