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

Pratima Arora, Chief Product and Technology Officer at Smartsheet, to doświadczony executive z rekordem prowadzenia platform o wysokim wzroście i skalowania globalnych zespołów. W swojej obecnej roli nadzoruje zarządzanie produktem, marketing, user experience, ceny i strategiczne partnerstwa, pomagając napędzać ewolucję platformy Smartsheet do zarządzania pracą zasilaną przez sztuczną inteligencję. Wcześniej pełniła funkcję Chief Product and Technology Officer w Chainalysis, gdzie kierowała inżynierią, nauką o danych i strategią produktu, znacznie rozszerzając organizację i przyspieszając wzrost przychodu. Jej wcześniejsze role kierownicze obejmowały kierowanie biznesem Confluence w Atlassian (TEAM ) i napędzanie innowacji produktowych zasilanych przez sztuczną inteligencję w Salesforce (CRM ), budując reputację za dostarczanie skalowalnych, ukierunkowanych na klienta rozwiązań w oprogramowaniu przedsiębiorczym.

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 Pani wizji produktu z listopada 2025 roku opisano platformę, która łączy ludzi, dane i sztuczną inteligencję w bardziej zjednoczony sposób. Co Pani uważa, że brakuje w istniejących narzędziach do zarządzania pracą, co skłoniło Panią do tego kierunku?

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.

Every plan, every workflow, every decision captured in Smartsheet becomes an intelligence asset that makes AI more useful in that specific organization. The context, intent, and judgment your teams have been building for years–those are the three things AI cannot generate on its own.

Smartsheet’s Model Context Protocol server suggests a shift from AI that simply answers questions to AI that can interact with live work data. From your perspective, what makes that a meaningful turning point for enterprise software?

This is a shift from AI that informs work to AI that can act on it. With the Smartsheet MCP Server, companies are no longer locked into a single AI tool; the protocol works with the AI models already embedded in their workflows, whether that’s Claude, Gemini, ChatGPT, or others. Teams can now connect directly to live work data and operate within the systems where work actually happens, enabling them to move beyond chat into execution. As the MCP ecosystem expands, we’ll extend support to additional leading models, ensuring Smartsheet remains compatible with whatever AI solution teams choose. When AI has access to real-time data across projects and workflows, it can surface risks earlier, support better decision-making, and take action, like creating tasks or updating work.

The early signal is clear. Within the first 30 days of launch, thousands of Smartsheet users completed 1.76 million actions through the Smartsheet MCP Connector for Claude. And a significant portion of those interactions weren’t about retrieving information – they were moving work forward. Creating tasks. Updating plans. Acting with context.

That’s what makes this a turning point. AI becomes embedded in existing workflows people already use, enabling organizations to move from individual productivity gains to coordinated execution at scale. The companies whose operational foundation already lives in Smartsheet are compounding that advantage right now. For example, teams are turning meeting notes into tasks automatically, with the model even inferring to whom the task should be assigned based on conversation context, so that decisions made in a room become tracked work in Smartsheet without a single manual entry. That’s coordination at scale – not because people worked harder, but because the system finally kept up.

When AI is connected to operational systems and live business workflows, trust becomes critical. How are you thinking about security, governance, and auditability as AI becomes more action-oriented inside the enterprise?

Trust, security, and governance are essential to any true enterprise adoption. As AI becomes more action-oriented, trust isn’t optional – it’s foundational. For us, that starts with ensuring AI adheres to the same governance model as everything else on the platform. It follows existing permissions, so it can only access and act on the data it’s explicitly allowed to. Your data stays your data.

Equally important is visibility. Organizations need to understand how AI is interacting with their systems, what actions are being taken, by whom, and in what context. That’s why auditability is built in: every action, whether initiated by a person or AI, can be tracked and reviewed. We’re also thoughtful about where autonomy makes sense. For higher-impact actions, we build in human-in-the-loop controls, so teams can review and approve before anything significant happens.

The goal is to give organizations the confidence to let AI move work forward, while still maintaining the control, transparency, and accountability they expect at enterprise scale.

Smartsheet has also emphasized open architecture, including support for external AI ecosystems. Why do you believe openness and interoperability will matter so much in the next phase of enterprise AI adoption?

Enterprise work doesn’t live in a single system. It’s spread across tools, teams, and data sources. If AI can’t connect to that environment, it stays limited. It might generate answers, but it can’t actually help drive execution.

That’s why openness matters. It allows AI to connect to live data across systems and operate with the full context of how work actually happens. With MCP, companies apply their preferred corporate AI standards and governance to work in Smartsheet, rather than adopting new tools or working in silos.

That’s the shift. When AI can work across systems, it moves from isolated interactions to actually supporting how the organization runs. That’s where you start to see real impact at scale.

Your product vision also introduced ideas like Smart Assist, Smart Agents, Smart Flows, and a knowledge graph layer. Which of those capabilities do you think has the most potential to change how teams actually work on a day-to-day basis?

It’s less about any one of those in isolation, as they’re really just different ways people interact with the system.

The real power lies in the intelligence beneath, powered by our data layer and the Smartsheet Knowledge Graph. That’s what gives the system context across projects, workflows, and teams, and allows it to understand how work actually connects. That context is what makes everything else work. The Smartsheet Knowledge Graph already maps relationships across work at a significant scale, with over 100 million nodes. That allows us to layer in context, from industry best practices to organizational, team, and individual data, so the system can deliver much more relevant insights than a standalone model.

From there, it shows up in different ways. Sometimes it’s an assistant helping someone understand project status or surface risks. Sometimes it’s an agent taking action, like creating timelines or updating work. Sometimes it’s coordinating workflows across systems.

But they’re all grounded in the same operational foundation – the accumulated context, intent, and judgment of how work has actually been done. That’s what actually changes day-to-day work, not a single feature, but a system that comprehends your organization.

Many enterprises are still struggling to measure whether AI is delivering real business value. How should leaders think about ROI when the goal is not just faster outputs, but better decisions, stronger execution, and less operational drag?

Many organizations start by measuring AI adoption, such as the number of people who use the UI daily. That is a useful signal, but it is not the full picture. The real value shows up in execution, and that is where many teams are still trying to catch up.

In most enterprises, the challenge is not generating outputs. It is coordinating work, staying aligned across teams, and making decisions with the right context. If those things do not improve, faster outputs do not necessarily translate into better business outcomes.

When AI is connected to the system of work, that is where you start to see a different kind of impact. It can help surface bottlenecks earlier, improve visibility into what is actually happening, and drive more consistent ways of working across teams.

So ROI is not just about speed. It is about how effectively an organization executes at scale, with more clarity, accountability, and predictability. That is what ultimately translates into measurable business value.

Looking ahead, how do you see the role of product leaders changing as AI becomes a core layer in enterprise platforms? Does building for an AI-native future require a fundamentally different mindset than traditional software product leadership?

There are four things I think about here.

Product leaders need to embrace AI with intellectual curiosity and a growth mindset. The field is changing quickly, so the ability to learn and adapt is critical.

Second, first principles and platform thinking become even more important. Getting the foundational elements right, especially around data and governance, that enables teams to experiment quickly and safely.

Third, customer focus is just as important. There is a lot of noise in the market right now, and not everything being labeled as AI or agents is delivering real value. Leaders need to stay grounded in solving real problems rather than chasing something new for its own sake.

And finally, there is a real shift in how teams build. The lines between functions are blurring, and more people are becoming builders. Product leaders who lean into that and genuinely engage with the technology will succeed.

Thank you for the great interview, readers who wish to learn more should visit Smartsheet.