Aaron Kesler, Director of AI Product Management på SnapLogic – Intervjuserie

Du har haft en ganska spännande entreprenöriell resa, med starten av STAK under din tid på college och sedan förvärv av Carvertise. Hur har dessa tidiga erfarenheter format din produktmentalitet?

Detta var en riktigt intressant tid i mitt liv. Min rumskamrat och jag startade STAK eftersom vi var uttråkade av vår kurslitteratur och ville ha riktiga världserfarenheter. Vi hade aldrig kunnat föreställa oss att det skulle leda till att vi blev förvärvade av vad som blev Delawares främsta startup. Den erfarenheten formade min produktmentalitet eftersom jag naturligt drogs till att prata med företag, fråga dem om deras problem och bygga lösningar. Jag visste inte ens vad en produktchef var på den tiden – jag gjorde bara jobbet.

På Carvertise började jag göra samma sak: arbeta med deras kunder för att förstå smärtgränser och utveckla lösningar – återigen, långt innan jag hade PM-titeln. Som ingenjör är ditt jobb att lösa problem med teknologi. Som produktchef skiftar ditt jobb till att hitta rätt problem – de som är värda att lösa eftersom de också driver affärsnytta. Som entreprenör, särskilt utan finansiering, blir din mentalitet: hur kan jag lösa någons problem på ett sätt som hjälper mig att få mat på bordet? Den tidiga strävan och strävan lärde mig alltid att titta genom olika linser. Oavsett om du är på ett självfinansierat startup, ett VC-backat företag eller ett hälsovårdsjätte, kommer Maslows “grundläggande behov”-mentalitet alltid att vara grunden.

Du pratar om din passion för att handleda blivande produktchefer. Vad råd önskar du att du hade fått när du började med produkt?

Det bästa råd jag någonsin fick – och det råd jag ger till blivande PM: er – är: “Om du alltid argumenterar från kundens perspektiv, kommer du aldrig att förlora en diskussion.” Den meningen är bedrägligt enkel men otroligt kraftfull. Det betyder att du behöver förstå din kund – deras behov, smärtgränser, beteende och sammanhang – så att du inte bara dyker upp på möten med åsikter, utan med insikter. Utan det blir allt HIPPO (den högst betalda personens åsikt), en strid om vem som har mer makt eller högre åsikter. Med det blir du den person som människor vänder sig till för tydlighet.

Du har tidigare sagt att varje anställd snart kommer att arbeta bredvid ett dussin AI-agenter. Vad ser den AI-förstärkta framtiden ut som i en daglig arbetsprocess?

Vad som kan vara intressant är att vi redan befinner oss i en verklighet där människor arbetar med flera AI-agenter – vi har hjälpt våra kunder som DCU planera, bygga, testa, skydda och sätta i drift dussintals agenter för att hjälpa deras arbetskraft. Vad som är fascinerande är att företag bygger ut organisationskartor över AI-kollegor för varje anställd, baserat på deras behov. Till exempel kommer anställda att ha sina egna AI-agenter som är dedikerade till vissa användningsfall – som en agent för att utarbeta epics/användarberättelser, en som hjälper till med kodning eller prototypering eller problem som genererar pull-begäranden, och en annan som analyserar kundfeedback – allt sanktionerat och orkestrerat av IT eftersom det finns mycket på backend som bestämmer vem som har åtkomst till vilken data, vilka agenter som måste följa styrelseguider, etc. Jag tror inte att agenter kommer att ersätta människor, ännu. Det kommer att finnas en människa i loopen under överskådlig framtid, men de kommer att ta bort de repetitiva, lågvärdesuppgifterna så att människor kan fokusera på högre nivås tänkande. Om fem år tror jag att de flesta team kommer att lita på agenter på samma sätt som vi litar på Slack eller Google Docs idag.

Hur rekommenderar du att företag brottar AI-litteracitetsgapet mellan tekniska och icke-tekniska team?

Börja smått, ha en tydlig plan för hur detta passar in med din data- och applikationsintegrationsstrategi, håll det hands-on för att fånga eventuella överraskningar och vara öppen för att iterera från de ursprungliga målen och tillvägagångssättet. Hitta problem genom att bli nyfiken på de vardagliga uppgifterna i ditt företag. De högvärdesproblem som ska lösas är ofta de tråkiga som de osynliga hjältarna löser varje dag. Vi lärde oss mycket av dessa bästa praxis förstahands när vi byggde agenter för att hjälpa vår SnapLogic-finansavdelning. Det viktigaste tillvägagångssättet är att se till att du har säkra räcken för vilken typ av data och applikationer som vissa anställda eller avdelningar har åtkomst till.

Sedan bör företag behandla det som en collegekurs: förklara nyckelbegrepp enkelt, ge människor en chans att prova verktygen själva i kontrollerade miljöer och sedan följa upp med djupare dykningar. Vi gör det också känt att det är okej att inte veta allt. AI utvecklas snabbt och ingen är expert på alla områden. Nyckeln är att hjälpa team att förstå vad som är möjligt och ge dem förtroendet att ställa rätt frågor.

Vilka effektiva strategier har du sett för AI-utbildning som går utöver generiska utbildningsmoduler?

Den bästa strategin jag har sett är att låta människor få händerna på det. Utbildning är en bra start – du behöver visa dem hur AI faktiskt hjälper till med arbetet de redan gör. Från där behandlar du det som en sanktionerad approach till skugg-IT eller skuggagenter, eftersom anställda är kreativa för att hitta lösningar som kan lösa superpartikulära problem som bara de har. Vi gav vår fältgrupp och icke-tekniska team tillgång till AgentCreator, SnapLogics agenterad AI-teknik som eliminerar komplexiteten i företags AI-antagande, och gav dem möjlighet att prova att bygga något och rapportera tillbaka med frågor. Detta övning ledde till verkliga läranderfarenheter eftersom det var knutet till deras dagliga arbete.

Ser du en risk i att företag antar AI-verktyg utan ordentlig utbildning – vilka är några av de vanligaste fallgroparna?

De största riskerna jag har sett är betydande styrelse- och/eller datasäkerhetsbrott, som kan leda till dyra regulatoriska böter och risken att sätta kundernas data i fara. Men några av de vanligaste riskerna jag ser är att företag antar AI-verktyg utan att fullständigt förstå vad de är och inte är kapabla till. AI är inte magi. Om din data är en röra eller dina team inte vet hur man använder verktygen, kommer du inte att se något värde. Ett annat problem är när organisationer driver antagande från toppen och ner och inte tar hänsyn till de människor som faktiskt utför arbetet. Du kan inte bara rulla ut något och förvänta dig att det ska fungera. Du behöver championer för att utbilda och vägleda folk, team behöver en stark datastrategi, tid och sammanhang för att sätta upp räcken och utrymme för att lära.

På SnapLogic arbetar du med ny produktutveckling. Hur spelar AI in i din produktstrategi idag?

AI och kundfeedback är i hjärtat av vår produktinnovationsstrategi. Det handlar inte bara om att lägga till AI-funktioner, utan om att ompröva hur vi kan fortsätta leverera mer effektiva och enkla lösningar för våra kunder som förenklar hur de interagerar med integrationer och automatisering. Vi bygger produkter med både kraftanvändare och icke-tekniska användare i åtanke – och AI hjälper till att brottas med den klyftan.

Hur hjälper SnapLogics AgentCreator-verktyg företag att bygga sina egna AI-agenter? Kan du dela en användningsfall där detta hade en stor inverkan?

AgentCreator är utformat för att hjälpa team bygga riktiga, företagsklassade AI-agenter utan att skriva en enda rad kod. Det eliminerar behovet av erfarna Python-utvecklare för att bygga LLM-baserade applikationer från scratch och ger team över hela finans, HR, marknadsföring och IT möjlighet att skapa AI-drivna agenter på bara några timmar med hjälp av naturligt språkprompt. Dessa agenter är tätt integrerade med företagsdata, så de kan göra mer än bara svara. Integrerade agenter automatiserar komplexa arbetsflöden, resonemang genom beslut och agerar i realtid, allt inom affärssammanhanget.

AgentCreator har varit en spelväxlare för våra kunder som Independent Bank (INDB ), som använde AgentCreator för att lansera röst- och chattassistenter för att minska IT-hjälpdeskens kö och frigöra IT-resurser för att fokusera på nya GenAI-initiativ. Dessutom använde Aptia, en leverantör av förmånsadministration, AgentCreator för att automatisera en av sina mest manuella och resurskrävande processer: förmånsval. Vad som tidigare tog timmar av backend-datainmatning tar nu bara några minuter, tack vare AI-agenter som strömmar dataöversättning och validering över system.

SnapGPT tillåter integration via naturligt språk. Hur har detta demokratiserat tillgång för icke-tekniska användare?

SnapGPT, vår integrationscopilot, är ett utmärkt exempel på hur GenAI bryter ner barriärer i företagsprogramvara. Med det kan användare, från icke-tekniska till tekniska, beskriva den önskade utgången med hjälp av enkla naturliga språkprompt – som att ansluta två system eller utlösa ett arbetsflöde – och integrationen byggs för dem. SnapGPT går utöver att bygga integrationspipeliner – användare kan beskriva pipeliner, skapa dokumentation, generera SQL-frågor och uttryck och transformera data från ett format till ett annat med en enkel prompt. Det visar sig att vad som tidigare var en utvecklar tung process nu är tillgänglig för anställda över hela företaget. Det handlar inte bara om att spara tid – det handlar om att skifta vem som får bygga. När fler människor över hela företaget kan bidra, låser du upp snabbare iteration och mer innovation.

Vad gör SnapLogics AI-verktyg – som AutoSuggest och SnapGPT – annorlunda än andra integrationsplattformar på marknaden?

SnapLogic är den första generativa integrationsplattformen som kontinuerligt låser upp värdet av data över det moderna företaget i en aldrig tidigare skådad hastighet och skala. Med möjligheten att bygga avancerade GenAI-applikationer på bara några timmar – utan att skriva kod – tillsammans med SnapGPT, den första och mest avancerade GenAI-drivna integrationscopiloten, kan organisationer kraftigt accelerera affärsnytta. Andra konkurrenters GenAI-funktioner saknas eller är obefintliga. Till skillnad från mycket av konkurrensen föddes SnapLogic i molnet och är utformad för att hantera komplexiteten i moln-, on-premises- och hybridmiljöer.

SnapLogic erbjuder iterativa utvecklingsfunktioner, inklusive automatiserad validering och schema-on-read, som ger team möjlighet att slutföra projekt snabbare. Dessa funktioner möjliggör för fler integratörer av varierande färdighetsnivå att komma igång snabbt, till skillnad från konkurrenter som oftast kräver högt kvalificerade utvecklare, vilket kan sakta ner implementeringen avsevärt. SnapLogic är en högpresterande plattform som bearbetar över fyra biljoner dokument varje månad och kan effektivt flytta data till data sjöar och lager, medan vissa konkurrenter saknar stöd för realtidsintegration och inte kan stödja hybridmiljöer.

Vad som exciterar mig mest om framtiden för produktledning i en AI-driven värld?

Vad som exciterar mig mest om framtiden för produktledning är uppkomsten av en av de senaste buzzorden i AI-rymden “vibe coding” – förmågan att bygga fungerande prototyper med hjälp av naturligt språk. Jag ser en värld där alla i produkttrion – design, produktledning och ingenjörskap – är hands-on med verktyg som översätter idéer till verkliga, fungerande lösningar i realtid. Istället för att enbart lita på ingenjörer och designers för att förverkliga idéer, kommer alla att kunna skapa och iterera snabbt.

Imagine being on a customer call and, in the moment, prototyping a live solution using their actual data. Instead of just listening to their proposed solutions, we could co-create with them and uncover better ways to solve their problems. This shift will make the product development process dramatically more collaborative, creative, and aligned. And that excites me because my favorite part of the job is building alongside others to solve meaningful problems.

Tack för den underbara intervjun, läsare som vill veta mer bör besöka SnapLogic.