Pratima Arora, Chief Product och teknikchef på Smartsheet – Intervjuserie

Pratima Arora, Chief Product och teknikchef på Smartsheet, är en erfaren produkt- och teknikchef med en meritlista av att leda högt tillväxtplattformar och skala globala team. I sin nuvarande roll har hon ansvar för produktledning, marknadsföring, användarupplevelse, prissättning och strategiska partnerskap, vilket hjälper till att driva utvecklingen av Smartsheets AI-drivna arbetsledningsplattform. Tidigare har hon varit Chief Product och teknikchef på Chainalysis, där hon ledde teknik, data science och produktstrategi medan hon betydligt utvidgade organisationen och accelererade intäktsökningen. Hennes tidigare ledningsroller inkluderar att ha lett Confluence-verksamheten på Atlassian och att ha drivit AI-drivna produktinnovationer på Salesforce, vilket har gett henne ett rykte om att leverera skalbara, kundcentrerade lösningar inom företagsprogramvara.

Smartsheet är en AI-driven, företagsklassad arbetsledningsplattform som är utformad för att hjälpa organisationer att planera, spåra, automatisera och rapportera om arbete i stor skala. Plattformen möjliggör för team att effektivisera arbetsflöden, samarbeta i realtid och få insikt i verksamheten genom automatisering och data-driven verktyg, vilket stöder en mängd olika användningsfall från projektledning till företagsverksamhet. Smartsheet har sitt huvudkontor i Bellevue, Washington, och servar miljontals användare över hela världen, inklusive en stor andel av Fortune 500-företag, vilket gör dem till en nyckelspelare i den utvecklande samarbetande arbetsledningsbranschen.

Du gick med i Smartsheet 2025 efter att ha lett produkt och teknik på Chainalysis och haft seniora ledningsroller på Atlassian och Salesforce. Nu när din roll har utvidgats till Chief Product och teknikchef, hur tar du med dig den här tvärindustriella erfarenheten till Smartsheets nästa kapitel?

Jag har varit en B2B SaaS-ledare i över 20 år och har sett stora vågor av innovation – från internet, moln, mobil och sociala medier. AI är en mycket större transformation, både i skala och hastighet, och mitt fokus ligger på att hjälpa Smartsheet att navigera den här förändringen och omvandla den till en verklig fördel för våra kunder.

Externt innebär det att vi accelererar hur vi integrerar AI i produktupplevelsen – hjälper team att arbeta snabbare, fatta bättre beslut och driva resultat i en skala som inte var möjlig tidigare.

Men AI förändrar också hur vi bygger. Produkt och teknik konvergerar, och gränserna mellan funktioner suddas ut. Designers kommer närmare koden, ingenjörer bidrar till produktdefinitionen och team blir mer hands-on-byggare. En stor del av mitt fokus internt ligger på att bringa den här byggarmentaliteten till hur vi opererar, med en AI-först-approach till utveckling, och gör det med fart. Det möjliggör för oss att röra oss snabbare som ett enat team och översätta innovation till meningsfulla resultat för våra kunder.

Smartsheet har positionerat sig runt idén om arbetsledning. Hur definierar du det begreppet idag, och vad skiljer det från den breda vågen av AI-funktioner som läggs till i företagsprogramvara?

Arbetsledning är där människor, processer och data konvergerar – med AI som den exekveringslager som omvandlar planer till resultat.

Analys av 1,4 miljoner aktiva företagsprojekt på Smartsheet-plattformen visar en kritisk obalans: automatiseringsintensitet per företagskonto är uppe 55% jämfört med föregående år, och den totala aktiviteten är uppe 46%. Arbetet initieras i en takt som skulle ha varit otänkbart för tre år sedan. Men att slutföra arbetet – samordna över team, upprätthålla samstämmighet när prioriteringar förändras, fatta bedömningsbeslut som håller exekveringen på rätt spår – det är där de flesta organisationer drunknar. Arbetsdagen blir tätare, och de organisationer som känner av det först är de där prioriteringar, ägande och beslutsrättigheter fortfarande lever i människors huvuden istället för i systemet.

Där många tillvägagångssätt brister är att AI läggs på ovanpå arbetsflöden snarare än integreras i dem. Det kan assistera med enskilda uppgifter, men det kan inte orkestrera resultat över team eller hela företaget.

Vår tillvägagångssätt är annorlunda. Vi grundar AI i företagsdata och integrerar det direkt i arbetsflöden så att det kan operera med verklig kontext – relationerna mellan projekt, avsikten bakom planen och bedömningen som är kodad i hur arbetet har strukturerats. Det är vad som möjliggör för AI att orkestrera exekvering, inte bara assistera med en uppgift, och i slutändan driva meningsfulla affärsresultat.

I din vision för Smartsheets framtid i november 2025 beskrev du en plattform som bringar samman människor, data och AI på ett mer enhetligt sätt. Vad tyckte du saknades i befintliga arbetsledningsverktyg som drev dig mot den riktningen?

Vi såg en bestående klyfta mellan planering och exekvering, särskilt på företagsnivå. Team arbetade över flera frånkopplade system, vilket gjorde det svårt att hålla sig samstämda eller få en tydlig, realtidsvy av framstegen.

Många verktyg löste delar av problemet – planering, arbetsflöden eller samarbete – men de förblev frånkopplade. Var och en löste ett problem inom sitt individuella stack eller system, men inte över hela företaget. Fragmenteringen blir en verklig barriär när du opererar i skala. Det är där Smartsheet lyser.

Vårt fokus har varit att bringa samman dessa element till en enda, enhetlig system så att team kan hålla sig samstämda, anpassa sig snabbt och exekvera mer effektivt.

En av de mer intressanta delarna av den visionen var rörelsen mot AI-system som kan förstå kontext över projekt, arbetsflöden och team. Hur viktigt är kontext för att göra företags AI verkligt användbart snarare än bara imponerande i demonstrationer?

AI som förstår kontext är fundamentalt annorlunda än AI som genererar innehåll. Frontier-modeller genererar. System för register lagrar. Men ingen av dem förstår hur din organisation faktiskt fungerar, beroenden, avsikten bakom planen eller bedömningen som är inbäddad i varje arbetsflöde. Det är det lager som Smartsheet ockuperar.

Smartsheet förstår den operativa formen av din verksamhet och sätter AI i arbete inom den. När du grundar AI i den typen av förståelse, skiftar det från att vara reaktivt till att bli ett intelligent lager i exekvering. Det är inte bara att svara på uppmaningar. Det är att operera med en förståelse för hur verksamheten faktiskt fungerar, och den förståelsen ackumuleras över tid.

Varje plan, varje arbetsflöde, varje beslut som fångas i Smartsheet blir en intelligens-tillgång som gör AI mer användbart i just den organisationen. Kontexten, avsikten och bedömningen som dina team har byggt upp under åren – det är de tre sakerna som AI inte kan generera på egen hand.

Smartsheets Model Context Protocol-server antyder en skiftning från AI som bara svarar på frågor till AI som kan interagera med levande arbetsdata. Från din synvinkel, vad gör det till en meningsfull vändpunkt för företagsprogramvara?

Detta är en skiftning från AI som informerar arbete till AI som kan agera på det. Med Smartsheet MCP-servern är företag inte längre låsta till ett enda AI-verktyg; protokollet fungerar med de AI-modeller som redan är inbäddade i deras arbetsflöden, oavsett om det är Claude, Gemini, ChatGPT eller andra. Team kan nu ansluta direkt till levande arbetsdata och operera inom systemen där arbetet faktiskt händer, vilket möjliggör för dem att gå utöver chatt till exekvering. När MCP-ekosystemet expanderar kommer vi att utöka stödet till ytterligare ledande modeller, vilket säkerställer att Smartsheet förblir kompatibelt med vilken AI-lösning team väljer. När AI har tillgång till realtidsdata över projekt och arbetsflöden kan det identifiera risker tidigare, stödja bättre beslutsfattning och vidta åtgärder, som att skapa uppgifter eller uppdatera arbete.

Den tidiga signalen är tydlig. Inom de första 30 dagarna efter lanseringen slutförde tusentals Smartsheet-användare 1,76 miljoner åtgärder via Smartsheet MCP-anslutningen för Claude. Och en betydande del av dessa interaktioner handlade inte om att hämta information – de handlade om att driva arbetet framåt. Skapa uppgifter. Uppdatera planer. Agera med kontext.

Det är vad som gör det till en vändpunkt. AI blir inbäddat i befintliga arbetsflöden som människor redan använder, vilket möjliggör för organisationer att gå från individuella produktivitetsvinster till samordnad exekvering i skala. Företagen vars operativa grund redan finns i Smartsheet ackumulerar den fördelen just nu. Till exempel kan team omvandla mötesanteckningar till uppgifter automatiskt, med modellen som till och med kan härleda vem uppgiften ska tilldelas baserat på samtalssammanhang, så att beslut fattade i ett rum blir spårat arbete i Smartsheet utan en enda manuell inmatning. Det är samordning i skala – inte för att människor arbetade hårdare, utan för att systemet slutligen höll jämna steg.

När AI är ansluten till operativa system och levande affärsarbetsflöden, blir förtroende kritiskt. Hur tänker du kring säkerhet, styrning och granskning när AI blir mer handlingsinriktad inom företaget?

Förtroende, säkerhet och styrning är essentiella för all verklig företagsadoption. När AI blir mer handlingsinriktad är förtroende inte valbart – det är grundläggande. För oss börjar det med att säkerställa att AI följer samma styrningsmodell som allt annat på plattformen. Det följer befintliga behörigheter, så det kan bara komma åt och agera på de data som det uttryckligen har tillåtelse att. Din data förblir din data.

Lika viktigt är synlighet. Organisationer behöver förstå hur AI interagerar med deras system, vilka åtgärder som vidtas, av vem och i vilket sammanhang. Det är därför granskning är inbyggd: varje åtgärd, oavsett om den initieras av en person eller AI, kan spåras och granskas. Vi är också tänkbara kring var autonomi har mening. För högre påverkansåtgärder bygger vi in människor-i-loopen-kontroller, så team kan granska och godkänna innan något betydande händer.

Målet är att ge organisationer förtroendet att låta AI driva arbetet framåt, samtidigt som de fortfarande upprätthåller kontrollen, transparensen och ansvarigheten som de förväntar sig i företagsklass.

Smartsheet har också betonat öppen arkitektur, inklusive stöd för externa AI-ekosystem. Varför tror du att öppenhet och interoperabilitet kommer att vara så viktiga i den kommande fasen av företags AI-antagande?

Företagsarbete bor inte i ett enda system. Det är utspritt över verktyg, team och datakällor. Om AI inte kan ansluta till den miljön, förblir det begränsat. Det kan generera svar, men det kan inte faktiskt driva exekvering.

Det är därför öppenhet är viktigt. Det möjliggör för AI att ansluta till levande data över system och operera med full kontext av hur arbetet faktiskt händer. Med MCP kan företag tillämpa sina föredragna företags AI-standards och styrning på arbete i Smartsheet, snarare än att anta nya verktyg eller arbeta i silos.

Det är skiftet. När AI kan arbeta över system, flyttar det från isolerade interaktioner till att faktiskt stödja hur organisationen fungerar. Det är där du börjar se verklig påverkan i skala.

Din produktvision introducerade också idéer som Smart Assist, Smart Agents, Smart Flows och en kunskapsgraff-lager. Vilken av dessa funktioner tror du har störst potential att förändra hur team faktiskt arbetar på en daglig basis?

Det är mindre om någon av dem i isolering, eftersom de faktiskt bara är olika sätt som människor interagerar med systemet.

Den verkliga kraften ligger i den intelligens som ligger under, driven av vår datalager och Smartsheet Knowledge Graph. Det är vad som ger systemet kontext över projekt, arbetsflöden och team, och tillåter det att förstå hur arbetet faktiskt är sammankopplat. Den kontexten är vad som gör allt annat fungera. Smartsheet Knowledge Graph kartlägger redan relationer över arbete i en betydande skala, med över 100 miljoner noder. Det möjliggör för oss att lägga till kontext, från branschbästa praxis till organisatorisk, team- och individuell data, så systemet kan leverera mycket mer relevanta insikter än en fristående modell.

Från där visar det sig på olika sätt. Ibland är det en assistent som hjälper någon att förstå projektstatus eller identifiera risker. Ibland är det en agent som vidtar åtgärder, som att skapa tidsplaner eller uppdatera arbete. Ibland är det samordning av arbetsflöden över system.

Men de är alla grundade i samma operativa grund – den ackumulerade kontexten, avsikten och bedömningen av hur arbetet faktiskt har utförts. Det är vad som faktiskt förändrar daglig arbete, inte en enda funktion, utan ett system som förstår din organisation.

Många företag kämpar fortfarande för att mäta om AI faktiskt levererar verkligt affärsvärde. Hur bör ledare tänka kring ROI när målet inte bara är snabbare utdata, utan bättre beslut, starkare exekvering och mindre operativt motstånd?

Många organisationer börjar med att mäta AI-antagande, som antalet personer som använder gränssnittet dagligen. Det är en användbar signal, men det är inte hela bilden. Det verkliga värdet visas i exekvering, och det är där många team fortfarande försöker komma ikapp.

I de flesta företag är utmaningen inte att generera utdata. Det är att samordna arbete, hålla sig samstämda över team och fatta beslut med rätt kontext. Om dessa saker inte förbättras, översätter snabbare utdata inte nödvändigtvis till bättre affärsresultat.

När AI är ansluten till systemet för arbete, är det där du börjar se en annan typ av påverkan. Det kan hjälpa till att identifiera flaskhalsar tidigare, förbättra synligheten i vad som faktiskt händer och driva mer konsekventa sätt att arbeta över team.

Så ROI är inte bara om fart. Det handlar om hur effektivt en organisation exekverar i skala, med mer klarhet, ansvarighet och förutsägbarhet. Det är vad som slutligen översätter till mätbart affärsvärde.

Om du ser framåt, hur ser du att rollen för produktledare förändras när AI blir en kärnlager i företagsplattformar? Kräver byggandet av en AI-nativ framtid en fundamentalt annorlunda inställning än traditionell programvaruproduktledning?

Det finns fyra saker jag tänker på här.

Produktledare behöver omfamna AI med intellektuell nyfikenhet och en tillväxtmentalitet. Fältet förändras snabbt, så förmågan att lära och anpassa sig är kritisk.

Andra, första principer och plattformstänkande blir ännu viktigare. Att få de grundläggande elementen rätt, särskilt kring data och styrning, möjliggör för team att experimentera snabbt och säkert.

Tredje, kundfokus är lika viktigt. Det finns mycket brus på marknaden just nu, och inte allt som märks som AI eller agenter levererar verkligt värde. Ledare behöver stanna grundade i att lösa verkliga problem snarare än att jaga något nytt för dess egen skull.

Och slutligen, det finns en verklig skiftning i hur team bygger. Gränserna mellan funktioner suddas ut, och fler människor blir byggare. Produktledare som lutar sig in i det och engagerar sig äkta med tekniken kommer att lyckas.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Smartsheet.