Wywiady
Pratima Arora, Chief Product and Technology Officer at Smartsheet – Wywiad z serii

Kluczowe punktyWykres wiedzy Smartsheet z 100 milionami węzłów zapewnia AI kontekst w projektach i…
Zobacz więcej
- Wykres wiedzy Smartsheet z 100 milionami węzłów zapewnia AI kontekst w projektach i zespołach.
- AI musi być wbudowane w przepływy pracy, a nie nakładane na nie, aby orkiestrować realizację w przedsiębiorstwie.
- Otwarta architektura poprzez MCP pozwala AI działać na żywych danych roboczych, a nie tylko odpowiadać na pytania.
Dziękujemy za znakomity wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić stronę Smartsheet.
Smartsheet to platforma zarządzania pracą o wysokiej jakości, zaprojektowana w celu pomocy organizacjom w planowaniu, śledzeniu, automatyzowaniu i raportowaniu pracy w dużym zakresie. Platforma umożliwia zespołom uproszczenie przepływów pracy, współpracę w czasie rzeczywistym i uzyskanie przydatnych informacji za pomocą automatyzacji i narzędzi opartych na danych, wspierając szeroki zakres przypadków użycia od zarządzania projektami do operacji przedsiębiorstwa. Z siedzibą w Bellevue, Washington, Smartsheet obsługuje miliony użytkowników na całym świecie, w tym dużą część firm z listy Fortune 500, pozycjonując się jako kluczowy gracz w ewoluującym przestrzeni współpracy w zarządzaniu pracą.
Weszła Pani do Smartsheet w 2025 roku po objęciu stanowiska product i technology w Chainalysis i pełnieniu wyższych stanowisk kierowniczych w Atlassian i Salesforce. Teraz, gdy Pani rola została rozszerzona do Chief Product and Technology Officer, jak Pani wprowadza doświadczenie międzybranżowe do następnego rozdziału Smartsheet?
Byłam liderem B2B SaaS przez ponad 20 lat i widziałam główne fale innowacji – od internetu, przez chmurę, mobilność i społeczność. Sztuczna inteligencja to znacznie większa transformacja, zarówno pod względem skali, jak i prędkości, a moim celem jest pomoc Smartsheet w nawigowaniu tej zmiany i przekształceniu jej w prawdziwą przewagę dla naszych klientów.
Z zewnątrz oznacza to przyspieszenie, w jaki sposób wbudowujemy sztuczną inteligencję w doświadczenie produktu – pomaganie zespołom w pracy szybciej, podejmowaniu lepszych decyzji i osiąganiu wyników w skali, która nie była wcześniej możliwa.
Ale sztuczna inteligencja zmienia również to, jak budujemy. Produkt i technologia zbiegają się, a granice między funkcjami zacierają się. Projektanci są coraz bliżej kodu, inżynierowie przyczyniają się do definicji produktu, a zespoły stają się bardziej praktycznymi budowniczymi. Duża część mojego skupienia wewnętrznego polega na wprowadzeniu tej mentalności budowniczych do tego, jak operujemy, z podejściem do rozwoju opartym na sztucznej inteligencji, i robieniu tego z tempem. To pozwala nam poruszać się szybciej jako zjednoczony zespół i tłumaczyć innowacje na znaczące wyniki dla naszych klientów.
Smartsheet pozycjonował się wokół idei zarządzania pracą. Jak Pani definiuje tę koncepcję dzisiaj, a co ją odróżnia od szerszej fali funkcji sztucznej inteligencji dodawanych w oprogramowaniu przedsiębiorczym?
Zarządzanie pracą to miejsce, w którym ludzie, procesy i dane się spotykają – z sztuczną inteligencją jako warstwą wykonawczą, która zmienia plany w wyniki.
Analiza 1,4 miliona aktywnych projektów przedsiębiorstw na platformie Smartsheet ujawnia krytyczną niesymetryczność: intensywność automatyzacji na konto przedsiębiorstwa wzrosła o 55% w ciągu roku, a ogólna aktywność wzrosła o 46%. Praca jest inicjowana w tempie, którego nie można było sobie wyobrazić trzy lata temu. Ale kończenie pracy — koordynowanie w zespołach, utrzymanie wyrównania, gdy priorytety się zmieniają, podejmowanie decyzji, które utrzymują wykonanie na torze — to tam większość organizacji tonie. Dzień pracy staje się gęstszy, a organizacje, które to czują najpierw, to te, w których priorytety, własność i prawa decyzyjne wciąż żyją w głowach ludzi, a nie w systemie.
Tam, gdzie wiele podejść zawodzi, sztuczna inteligencja jest warstwą nałożoną na przepływy pracy, a nie wbudowaną w nie. Może pomóc w indywidualnych zadaniach, ale nie może koordynować wyników w zespołach lub w całym przedsiębiorstwie.
Nasze podejście jest inne. Ugruntowujemy sztuczną inteligencję w danych przedsiębiorstwa i integrujemy ją bezpośrednio z przepływami pracy, aby mogła działać z prawdziwym kontekstem — relacjami między projektami, intencją za planem i oceną zakodowaną w tym, jak praca została zorganizowana. To pozwala sztucznej inteligencji koordynować wykonanie, a nie tylko pomagać w zadaniu, i ostatecznie napędzać znaczący wpływ biznesowy.
W swojej wizji przyszłości Smartsheet z listopada 2025 roku opisała Pani platformę, która w bardziej spójny sposób łączy ludzi, dane i sztuczną inteligencję. Czego brakowało w istniejących narzędziach do zarządzania pracą, że zdecydowaliście się obrać ten kierunek?
Widzieliśmy trwałą lukę między planowaniem a wykonaniem, szczególnie na poziomie przedsiębiorstwa. Zespoły pracowały w wielu rozłącznych systemach, co utrudniało im pozostanie w zgodzie lub uzyskanie jasnego, bieżącego widoku postępów.
Wiele narzędzi rozwiązywało części problemu — planowanie, przepływy pracy lub współpracę — ale pozostawały one rozłączne. Każde z nich rozwiązywało problem w ramach swojego indywidualnego stosu lub systemu, ale nie w całej firmie. Fragmentacja staje się prawdzičką barierą, gdy działa się na dużą skalę. To, gdzie Smartsheet świeci.
Naszym celem było połączenie tych elementów w jeden, zjednoczony system, aby zespoły mogły pozostać w zgodzie, szybko adaptować się i wykonywać skuteczniej.
Jednym z bardziej interesujących aspektów tej wizji było przesunięcie w kierunku systemów sztucznej inteligencji, które mogą zrozumieć kontekst w projektach, przepływach pracy i zespołach. Jak ważne jest zrozumienie kontekstu, aby sztuczna inteligencja była naprawdę użyteczna, a nie tylko imponująca w demonstracjach?
Sztuczna inteligencja, która zrozumie kontekst, jest fundamentalnie inna od sztucznej inteligencji, która generuje treści. Modele frontier generują. Systemy rekordów przechowują. Ale żadne z nich nie rozumie, jak Twoja organizacja naprawdę działa, zależności, intencji za planem lub decyzji zakodowanych w każdym przepływie pracy. To jest warstwa, którą Smartsheet zajmuje.
Smartsheet rozumie operacyjny kształt Twojego biznesu i wykorzystuje sztuczną inteligencję wewnątrz niego. Gdy ugruntujesz sztuczną inteligencję w tym rodzaju zrozumieniu, zmienia się z reaktywnej na inteligentną warstwę w wykonaniu. Nie reaguje tylko na polecenia. Działa z zrozumieniem, jak biznes naprawdę działa, a to zrozumienie kumuluje się w czasie.
Każdy plan, każdy przepływ pracy i każda decyzja zapisana w Smartsheet staje się zasobem wiedzy, dzięki któremu sztuczna inteligencja jest bardziej użyteczna w konkretnej organizacji. Kontekst, intencje i osąd, które zespoły budowały przez lata, to trzy elementy, których AI nie potrafi wygenerować samodzielnie.
Serwer Model Context Protocol firmy Smartsheet wskazuje na przejście od AI, która jedynie odpowiada na pytania, do AI mogącej współdziałać z aktualnymi danymi o pracy. Co sprawia, że z Pani perspektywy jest to istotny punkt zwrotny dla oprogramowania korporacyjnego?
To przejście od AI, która informuje o pracy, do AI, która może na nią wpływać. Dzięki serwerowi MCP Smartsheet firmy nie są już uzależnione od jednego narzędzia AI; protokół współpracuje z modelami już obecnymi w ich procesach, takimi jak Claude, Gemini, ChatGPT i inne. Zespoły mogą łączyć się bezpośrednio z aktualnymi danymi o pracy i działać w systemach, w których praca faktycznie się odbywa, przechodząc od rozmowy do realizacji. Wraz z rozwojem ekosystemu MCP będziemy rozszerzać obsługę kolejnych wiodących modeli, aby Smartsheet pozostawał zgodny z dowolnym rozwiązaniem AI wybranym przez zespoły. Gdy AI ma dostęp do danych w czasie rzeczywistym z projektów i przepływów pracy, może wcześniej wykrywać ryzyko, wspierać lepsze decyzje i wykonywać działania, takie jak tworzenie zadań czy aktualizowanie planów.
Pierwszy sygnał jest jednoznaczny. W ciągu pierwszych 30 dni od uruchomienia tysiące użytkowników Smartsheet wykonało 1,76 miliona działań za pośrednictwem konektora Smartsheet MCP dla Claude. Znaczna część tych interakcji nie dotyczyła wyszukiwania informacji — chodziło o posuwanie pracy naprzód. Tworzenie zadań. Aktualizowanie planów. Działanie z uwzględnieniem kontekstu.
Właśnie dlatego jest to punkt zwrotny. Sztuczna inteligencja zostaje osadzona w istniejących procesach, z których ludzie już korzystają, dzięki czemu organizacje mogą przejść od indywidualnego wzrostu produktywności do skoordynowanej realizacji zadań na dużą skalę. Firmy, których fundament operacyjny już opiera się na Smartsheet, właśnie teraz potęgują tę przewagę. Zespoły automatycznie zamieniają na przykład notatki ze spotkań w zadania, a model na podstawie kontekstu rozmowy potrafi nawet wywnioskować, komu należy je przypisać. Dzięki temu decyzje podjęte podczas spotkania stają się śledzoną pracą w Smartsheet bez ani jednego ręcznego wpisu. To koordynacja na dużą skalę — nie dlatego, że ludzie pracowali ciężej, lecz dlatego, że system wreszcie za nimi nadążył.
Gdy AI łączy się z systemami operacyjnymi i bieżącymi procesami biznesowymi, zaufanie staje się kluczowe. Jak podchodzicie do bezpieczeństwa, nadzoru i możliwości audytu, gdy AI coraz częściej wykonuje działania wewnątrz przedsiębiorstwa?
Zaufanie, bezpieczeństwo i nadzór są niezbędne do rzeczywistego wdrożenia w przedsiębiorstwie. Gdy AI staje się bardziej sprawcza, zaufanie nie jest opcjonalne — stanowi fundament. Zaczynamy od zapewnienia, że AI podlega temu samemu modelowi nadzoru co wszystko inne na platformie. Respektuje istniejące uprawnienia, więc może uzyskiwać dostęp i działać wyłącznie na danych, do których została wyraźnie dopuszczona. Dane klienta pozostają jego danymi.
Równie ważna jest widoczność. Organizacje muszą rozumieć, jak AI współdziała z ich systemami, jakie działania są podejmowane, przez kogo i w jakim kontekście. Dlatego możliwość audytu jest wbudowana: każde działanie, zainicjowane przez człowieka lub AI, można śledzić i przeglądać. Rozważnie wybieramy też obszary, w których autonomia ma sens. Przy działaniach o większym wpływie stosujemy mechanizmy kontroli z udziałem człowieka, aby zespoły mogły je sprawdzić i zatwierdzić, zanim wydarzy się coś istotnego.
Celem jest zapewnienie organizacjom pewności, że mogą pozwolić AI posuwać pracę naprzód, zachowując jednocześnie kontrolę, przejrzystość i odpowiedzialność oczekiwane na skalę przedsiębiorstwa.
Smartsheet podkreśla również otwartą architekturę, w tym obsługę zewnętrznych ekosystemów AI. Dlaczego otwartość i interoperacyjność będą tak ważne w kolejnym etapie wdrażania AI w przedsiębiorstwach?
Praca przedsiębiorstwa nie odbywa się w jednym systemie. Jest rozproszona między narzędzia, zespoły i źródła danych. Jeśli AI nie potrafi połączyć się z tym środowiskiem, jej możliwości pozostają ograniczone. Może generować odpowiedzi, ale nie jest w stanie rzeczywiście wspierać realizacji.
Dlatego otwartość ma znaczenie. Pozwala AI łączyć się z aktualnymi danymi w różnych systemach i działać z pełnym kontekstem tego, jak naprawdę przebiega praca. Dzięki MCP firmy mogą stosować preferowane korporacyjne standardy AI i zasady nadzoru do pracy w Smartsheet, zamiast wdrażać nowe narzędzia lub działać w silosach.
Na tym polega zmiana. Gdy AI może działać między systemami, przechodzi od odizolowanych interakcji do rzeczywistego wspierania sposobu funkcjonowania organizacji. Wtedy zaczyna być widoczny realny wpływ na dużą skalę.
W Pani wizji produktu pojawiły się także takie rozwiązania jak Smart Assist, Smart Agents, Smart Flows oraz warstwa grafu wiedzy. Które z nich ma największy potencjał, by zmienić codzienny sposób pracy zespołów?
Nie chodzi o jedno z tych rozwiązań w oderwaniu od pozostałych, ponieważ są to po prostu różne sposoby interakcji ludzi z systemem.
Prawdziwa siła tkwi w warstwie inteligencji pod spodem, opartej na naszej warstwie danych i grafie wiedzy Smartsheet. To ona zapewnia systemowi kontekst obejmujący projekty, przepływy pracy i zespoły oraz pozwala rozumieć ich faktyczne powiązania. Dzięki temu działa cała reszta. Graf wiedzy Smartsheet już dziś odwzorowuje zależności w pracy na znaczną skalę — ponad 100 mln węzłów. Możemy więc nakładać na to kontekst: od najlepszych praktyk branżowych po dane organizacji, zespołu i poszczególnych osób. W rezultacie system dostarcza znacznie trafniejsze wnioski niż samodzielny model.
Następnie przejawia się to na różne sposoby. Czasem asystent pomaga zrozumieć stan projektu lub wskazuje ryzyko. Czasem agent podejmuje działanie, na przykład tworzy harmonogram albo aktualizuje pracę. Innym razem koordynuje przepływy pracy między systemami.
Wszystkie te możliwości opierają się jednak na tej samej podstawie operacyjnej — nagromadzonym kontekście, intencjach i osądzie wynikającym z tego, jak faktycznie wykonywano pracę. To właśnie zmienia codzienną pracę: nie pojedyncza funkcja, lecz system, który rozumie organizację.
Wiele przedsiębiorstw nadal ma trudności z oceną, czy AI przynosi realną wartość biznesową. Jak liderzy powinni myśleć o zwrocie z inwestycji, gdy celem są nie tylko szybsze wyniki, ale też lepsze decyzje, skuteczniejsza realizacja i mniejsze tarcia operacyjne?
Wiele organizacji zaczyna od mierzenia wykorzystania AI, na przykład liczby osób codziennie korzystających z interfejsu. To przydatny sygnał, ale nie pokazuje pełnego obrazu. Prawdziwa wartość ujawnia się w realizacji i właśnie pod tym względem wiele zespołów nadal próbuje nadrobić zaległości.
W większości przedsiębiorstw wyzwaniem nie jest generowanie wyników. Jest nim koordynowanie pracy, utrzymanie zgodności między zespołami i podejmowanie decyzji z właściwym kontekstem. Jeśli te elementy się nie poprawiają, szybsze tworzenie wyników nie musi przekładać się na lepsze rezultaty biznesowe.
Gdy AI jest połączona z systemem pracy, zaczyna pojawiać się inny rodzaj wpływu. Może wcześniej wskazywać wąskie gardła, poprawiać widoczność tego, co naprawdę się dzieje, i sprzyjać bardziej spójnym sposobom pracy w różnych zespołach.
Zwrot z inwestycji nie dotyczy więc wyłącznie szybkości. Chodzi o to, jak skutecznie organizacja realizuje zadania na dużą skalę, z większą jasnością, odpowiedzialnością i przewidywalnością. To właśnie ostatecznie przekłada się na mierzalną wartość biznesową.
Patrząc w przyszłość, jak zmieni się rola liderów produktu, gdy AI stanie się podstawową warstwą platform korporacyjnych? Czy tworzenie rozwiązań z myślą o przyszłości opartej na AI wymaga zasadniczo innego sposobu myślenia niż tradycyjne kierowanie produktem?
Myślę tu o czterech kwestiach.
Liderzy produktu muszą przyjąć AI z intelektualną ciekawością i nastawieniem na rozwój. Ta dziedzina szybko się zmienia, dlatego kluczowa jest zdolność uczenia się i dostosowywania.
Po drugie, myślenie od pierwszych zasad i myślenie platformowe stają się jeszcze ważniejsze. Prawidłowe przygotowanie fundamentów, zwłaszcza danych i nadzoru, pozwala zespołom szybko i bezpiecznie eksperymentować.
Po trzecie, koncentracja na kliencie pozostaje równie ważna. Na rynku jest obecnie wiele szumu i nie wszystko, co określa się jako AI lub agentów, zapewnia rzeczywistą wartość. Liderzy muszą skupiać się na rozwiązywaniu prawdziwych problemów, zamiast gonić za nowością dla niej samej.
I wreszcie następuje realna zmiana w sposobie tworzenia produktów. Granice między funkcjami zacierają się, a coraz więcej osób staje się twórcami. Odniosą sukces ci liderzy produktu, którzy wykorzystają tę zmianę i naprawdę zaangażują się w technologię.
Dziękujemy za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Smartsheet.












