Pratima Arora, Chief Product og Technology Officer i Smartsheet – Intervju-serie

Pratima Arora, Chief Product og Technology Officer i Smartsheet, er en erfaren produkt- og teknologileder med en rekord av å lede høyvoksende plattformer og skalerer globale team. I sin nåværende rolle, overvåker hun produktstyring, markedsføring, brukeropplevelse, prising og strategiske partnerskap, og hjelper med å drive utviklingen av Smartsheets AI-drevne arbeidsstyringsplattform. Før dette, tjenestegjorde hun som Chief Product og Technology Officer i Chainalysis, der hun ledet ingeniørarbeid, datavitenskap og produktstrategi, samtidig som hun betydelig utvidet organisasjonen og akselererte omsetningsvekst. Hennes tidligere lederroller inkluderer å lede Confluence-forretningsområdet i Atlassian og drive AI-drevne produktinnovasjoner i Salesforce, og bygget en reputasjon for å levere skalerbare, kundeorienterte løsninger over hele entreprise-programvaren.

Smartsheet er en AI-drevet, entreprise-gradert arbeidsstyringsplattform designet for å hjelpe organisasjoner med å planlegge, spore, automatisere og rapportere om arbeid i stor skala. Plattformen muliggjør at team kan strømlinje arbeidsflyter, samarbeide i sanntid og få håndterbare innsikter gjennom automatisering og data-drevne verktøy, og støtter et bredt spekter av brukstilfeller fra prosjektstyring til entreprise-drift. Med hovedkontor i Bellevue, Washington, betjener Smartsheet millioner av brukere over hele verden, inkludert en stor andel av Fortune 500-selskaper, og stiller seg som en nøkkelaktør i det utviklende samarbeidsarbeidsstyringsrommet.

Du trådte inn i Smartsheet i 2025 etter å ha ledet produkt og teknologi i Chainalysis og hatt seniort lederroller i Atlassian og Salesforce. Nå som din rolle er utvidet til Chief Product og Technology Officer, hvordan bringer du denne tverrindustrielle erfaringen inn i Smartsheets neste kapittel?

Jeg har vært en B2B SaaS-leder i over 20 år og har sett store bølger av innovasjon – fra internett, sky, mobil og sosialt. AI er en mye større transformasjon, både i skala og hastighet, og min fokus er på å hjelpe Smartsheet med å navigere denne skiftet og gjøre det til en reel fordel for våre kunder.

Eksternt betyr det å akselerere hvordan vi integrerer AI i produktopplevelsen – hjelpe team med å arbeide raskere, ta bedre beslutninger og drive resultater på en skala som ikke var mulig tidligere.

Men AI endrer også hvordan vi bygger. Produkt og teknologi konvergerer, og linjene mellom funksjoner blir utydelige. Designere kommer nærmere koden, ingeniører bidrar til produktdefinisjon, og team blir mer hånd-til-hånd-byggere. En stor del av min fokus internt er å bringe denne bygger-mentaliteten inn i hvordan vi opererer, med en AI-først-tilnærming til utvikling, og gjøre det med fart. Det lar oss flytte raskere som et samlet team og oversette innovasjon til meningsfulle resultater for våre kunder.

Smartsheet har posisjonert seg rundt ideen om arbeidsstyring. Hvordan definerer du dette begrepet i dag, og hva skiller det fra den bredere bølgen av AI-funksjoner som legges til over hele entreprise-programvaren?

Arbeidsstyring er der mennesker, prosesser og data konvergerer – med AI som utførelse-laget som gjør planer til resultater.

Analyse av 1,4 millioner aktive entreprise-prosjekter over Smartsheet-plattformen avslører en kritisk ubalanse: automatiseringsintensitet per entreprise-konto er opp 55% fra år til år, og total aktivitet er opp 46%. Arbeid blir initiert i en takt som ville ha vært uhørte for tre år siden. Men å fullføre arbeid – koordinere over team, opprettholde alignering når prioriteringer endres, ta dommedagskall som holder utførelse på spor – det er der de fleste organisasjonene drukner. Arbeidsdagen blir tettere, og organisasjonene som føler det først er de der prioriteringer, eierskap og beslutningsrettigheter fortsatt bor i folks hoder i stedet for i systemet.

Hvor mange tilnærminger svikter er at AI legges på toppen av arbeidsflyter i stedet for å være integrert i dem. Det kan assistere med enkeltoppgaver, men det kan ikke koordinere resultater over team eller hele entreprise.

Vår tilnærming er annerledes. Vi grunner AI i entreprise-data og integrerer det direkte i arbeidsflyter så det kan operere med virkelig kontekst – relasjonene mellom prosjekter, intensjonen bak planen og dommen kodet i hvordan arbeidet har blitt strukturert. Det er det som lar AI koordinere utførelse, ikke bare assistere med en oppgave, og ultimate drive meningsfulle forretningsresultater.

I din visjon for Smartsheets fremtid i november 2025, beskrev du en plattform som bringer sammen mennesker, data og AI på en mer samlet måte. Hva følte du manglet fra eksisterende arbeidsstyringsverktøy som drev deg mot den retningen?

Vi så en varig gap mellom planlegging og utførelse, spesielt på entreprise-nivå. Team arbeidet over flere separate systemer, som gjorde det vanskelig å holde seg alignert eller få en klar, sanntidsvisning av fremgang.

Mange verktøy løste deler av problemet – planlegging, arbeidsflyter eller samarbeid – men de forble separate. Hver løste et problem innen sin egen stack eller system, men ikke over hele selskapet. Fragmenteringen blir en reel barriere når du opererer i stor skala. Det er der Smartsheet skinner.

Vårt fokus har vært på å bringe disse elementene sammen i ett enkelt, samlet system så team kan holde seg alignert, tilpasse seg raskt og utføre mer effektivt.

En av de mer interessante delene av den visjonen var bevegelsen mot AI-systemer som kan forstå kontekst over prosjekter, arbeidsflyter og team. Hvor viktig er kontekst i å gjøre entreprise-AI virkelig nyttig i stedet for bare imponerende i demoer?

AI som forstår kontekst er fundamentalt annerledes fra AI som genererer innhold. Frontier-modeller genererer. Systemer for registrering lagrer. Men ingen av dem forstår hvordan din organisasjon faktisk fungerer, avhengighetene, intensjonen bak planen eller dommedagskallene som er kodet i hver arbeidsflyt. Det er laget Smartsheet okkuperer.

Smartsheet forstår den operative formen på din forretning og setter AI i arbeid innen den. Når du grunner AI i denne type forståelse, skifter det fra å være reaktivt til å bli et intelligent lag i utførelse. Det er ikke bare å reagere på forespørsler. Det er å operere med en forståelse av hvordan forretningen faktisk kjører, og den forståelsen akkumulerer over tid.

Hver plan, hver arbeidsflyt, hver beslutning fanget i Smartsheet blir en intelligens-ressurs som gjør AI mer nyttig i den spesifikke organisasjonen. Konteksten, intensjonen og dommen dine team har bygget opp i årevis – det er de tre tingene AI ikke kan generere på egen hånd.

Smartsheets Model Context Protocol-server antyder en skift fra AI som bare svarer på spørsmål til AI som kan samhandle med live-arbeidsdata. Fra din perspektiv, hva gjør det til en meningsfull vendingspunkt for entreprise-programvare?

Dette er en skift fra AI som informerer arbeid til AI som kan handle på det. Med Smartsheet MCP-Server, er selskaper ikke lenger låst til ett enkelt AI-verktøy; protokollen fungerer med AI-modellene som allerede er integrert i deres arbeidsflyter, enten det er Claude, Gemini, ChatGPT eller andre. Team kan nå kobles direkte til live-arbeidsdata og operere innen systemene hvor arbeid faktisk skjer, og muliggjør dem å gå beyond chat til utførelse. Ettersom MCP-økosystemet utvides, vil vi utvide støtten til flere ledende modeller, og sikre at Smartsheet forblir kompatibelt med hva AI-løsning team velger. Når AI har tilgang til sanntidsdata over prosjekter og arbeidsflyter, kan det avdekke risiko tidligere, støtte bedre beslutning og handle, som å opprette oppgaver eller oppdatere arbeid.

De tidlige signalene er klare. Innen de første 30 dagene etter lansering, fullførte tusenvis av Smartsheet-brukere 1,76 millioner handlinger gjennom Smartsheet MCP-Connector for Claude. Og en betydelig andel av disse interaksjonene var ikke om å hente informasjon – de var å flytte arbeidet fremover. Opprette oppgaver. Oppdatere planer. Handle med kontekst.

Det er det som gjør dette til en vendingspunkt. AI blir integrert i eksisterende arbeidsflyter folk allerede bruker, og muliggjør organisasjoner å gå fra individuelle produktivitetsgevinster til koordinert utførelse i stor skala. Selskapene hvis operative grunnlag allerede bor i Smartsheet, kompenserer denne fordelen nå. For eksempel, team konverterer møtenotater til oppgaver automatisk, med modellen som også antyder hvem oppgaven skal tildeles basert på samtalekontekst, så beslutninger tatt i et rom blir sporet arbeid i Smartsheet uten en enkelt manuell innføring. Det er koordinasjon i stor skala – ikke fordi folk arbeidet harder, men fordi systemet endelig holdt følge.

Når AI kobles til operative systemer og live-forretningsarbeidsflyter, blir tillit kritisk. Hvordan tenker du om sikkerhet, styring og overvåkbarhet når AI blir mer handling-orientert innen entreprise?

Tillit, sikkerhet og styring er essensielle for enhver virkelig entreprise-tilpasning. Når AI blir mer handling-orientert, er tillit ikke valgfritt – det er grunnleggende. For oss begynner det med å sikre at AI overholder samme styringsmodell som alt annet på plattformen. Det følger eksisterende tillatelser, så det bare kan aksessere og handle på data det er eksplisitt tillatt å. Din data forblir din data.

Like viktig er synlighet. Organisasjoner må forstå hvordan AI samhandler med deres systemer, hva handlinger som utføres, av hvem og i hvilken kontekst. Det er derfor overvåkbarhet er bygget inn: hver handling, enten initiert av en person eller AI, kan spores og gjennomgås. Vi er også omsorgsfulle med hvor autonomi gjør mening. For høyere-impakt-handlinger bygger vi inn menneske-i-løkken-kontroller, så team kan gjennomgå og godkjenne før noe betydelig skjer.

Målet er å gi organisasjonene tilliten til å la AI flytte arbeidet fremover, mens de fortsatt opprettholder kontrollen, transparensen og ansvarligheten de forventer på entreprise-nivå.

Smartsheet har også betonet åpen arkitektur, inkludert støtte for eksterne AI-økosystemer. Hvorfor tror du åpenhet og interoperabilitet vil være så viktig i den neste fasen av entreprise-AI-tilpasning?

Entreprise-arbeid bor ikke i ett enkelt system. Det er spredt over verktøy, team og datakilder. Hvis AI ikke kan koble til denne miljøet, blir det begrenset. Det kan generere svar, men det kan ikke faktisk drive utførelse.

Det er derfor åpenhet betyr noe. Det lar AI koble til live-data over systemer og operere med full kontekst av hvordan arbeid faktisk skjer. Med MCP kan selskaper bruke sine foretrukne corporate AI-standards og styring til arbeid i Smartsheet, i stedet for å adoptere nye verktøy eller arbeide i siloer.

Det er skiftet. Når AI kan arbeide over systemer, går det fra isolerte interaksjoner til å faktisk støtte hvordan organisasjonen kjører. Det er der du begynner å se virkelig impakt i stor skala.

Din produktvisjon introduserte også ideer som Smart Assist, Smart Agents, Smart Flows og en kunnskapsgraf-lag. Hvilken av disse evnene tror du har mest potensiale til å endre hvordan team faktisk arbeider på en dag-til-dag-basis?

Det er mindre om noen av dem i isolasjon, da de faktisk bare er forskjellige måter mennesker samhandler med systemet.

Den virkelige kraften ligger i intelligensen under, drevet av vår data-lag og Smartsheet Kunnskapsgraf. Det er det som gir systemet kontekst over prosjekter, arbeidsflyter og team, og lar det forstå hvordan arbeid faktisk kobles sammen. Den konteksten er det som gjør alt annet fungere. Smartsheet Kunnskapsgraf kartlegger allerede relasjoner over arbeid i betydelig skala, med over 100 millioner noder. Det lar oss legge til kontekst, fra bransje-best-practices til organisatorisk, team- og individuell data, så systemet kan levere mye mer relevante innsikter enn en standalone-modell.

Derfra viser det seg på forskjellige måter. Noen ganger er det en assistent som hjelper noen med å forstå prosjektstatus eller avdekke risiko. Noen ganger er det en agent som handler, som å opprette tidsplaner eller oppdatere arbeid. Noen ganger er det å koordinere arbeidsflyter over systemer.

Men de er alle grunnlagt i samme operative grunnlag – den akkumulerte konteksten, intensjonen og dommen av hvordan arbeid faktisk har blitt gjort. Det er det som faktisk endrer dag-til-dag-arbeid, ikke en enkelt funksjon, men et system som forstår din organisasjon.

Mange entreprise-selskaper sliter fortsatt med å måle om AI leverer virkelig forretningsverdi. Hvordan bør ledere tenke om ROI når målet ikke bare er raskere utgaver, men bedre beslutninger, sterkere utførelse og mindre operasjonell slep?

Mange organisasjoner starter med å måle AI-tilpasning, som antall personer som bruker UI daglig. Det er et nyttig signal, men det er ikke hele bildet. Den virkelige verdien viser seg i utførelse, og det er der mange team fortsatt prøver å holde følge.

I de fleste entreprise-selskaper er utfordringen ikke å generere utgaver. Det er å koordinere arbeid, holde seg alignert over team og ta beslutninger med riktig kontekst. Hvis disse tingene ikke forbedres, oversetter raskere utgaver ikke nødvendigvis til bedre forretningsresultater.

Når AI er koblet til systemet for arbeid, er det der du begynner å se en annen type impakt. Det kan hjelpe med å avdekke flaskenakker tidligere, forbedre synlighet inn i hva som faktisk skjer, og drive mer konsistente måter å arbeide på over team.

Så ROI er ikke bare om hastighet. Det er om hvor effektivt en organisasjon utfører i stor skala, med mer klarhet, ansvarlighet og forutsigbarhet. Det er det som ultimate oversetter til målbare forretningsverdi.

Ser du fremover, hvordan ser du på rollen til produktledere som endrer seg når AI blir en kjerne-lag i entreprise-plattformer? Krever bygging for en AI-nativ fremtid en grunnleggende annerledes mentalitet enn tradisjonell programvare-produktledelse?

Det er fire ting jeg tenker på her.

Produktledere må omfavne AI med intellektuell nysgjerrighet og en vekst-mentalitet. Feltet endrer seg raskt, så evnen til å lære og tilpasse seg er kritisk.

For det andre, blir først-prinsipper og plattform-tenkning enda viktigere. Å få de grunnleggende elementene rett, spesielt rundt data og styring, muliggjør team å eksperimentere raskt og trygt.

For det tredje, er kunde-fokus like viktig. Det er mye støy i markedet nå, og ikke alt som blir merket som AI eller agenter leverer virkelig verdi. Ledere må holde seg grunnlagt i å løse virkelige problemer, i stedet for å jage noe nytt for sin egen skyld.

Og til slutt, er det en virkelig skift i hvordan team bygger. Linjene mellom funksjoner blir utydelige, og flere mennesker blir byggere. Produktledere som omfavner det og engasjerer seg virkelig med teknologien, vil lykkes.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Smartsheet.