Jak model Kottera pomógł nam wdrożyć AI do codziennej pracy nad rozwojem produktu.

Dlatego zainicjowaliśmy proces zmiany w oparciu o model Kottera. Dzięki temu udało nam się przeprowadzić pilotaż, który nie tylko uporządkował nasze działania, ale stał się początkiem trwałej zmiany kultury pracy.

Z tego artykułu dowiesz się:
• jak model Kottera pomógł nam zorganizować wdrożenie AI w pracy Product Ownerów
• jakie konkretne praktyki i przypadki użycia AI realnie usprawniły naszą codzienną pracę
• jak doprowadziliśmy do tego, że AI stało się trwałym elementem kultury zespołu

Z jednej strony poczucie pilności wywołał u na nas rynek. Każdego tygodnia słyszymy o nowych modelach i przypadkach użycia zarówno w pracy nad rozwojem produktów, jak i w samych produktach. Z drugiej strony, w Silky Coders od dłuższego czasu zachęca się zespoły do mądrego korzystania z AI – aby móc działać efektywniej. Na podstawie zewnętrznego trendu i wewnętrznego wsparcia, byliśmy gotowi iść dalej.

Wiedziałem, że trwała zmiana wymaga zaangażowania ludzi, którzy nie tylko uwierzą w pomysł, ale będą chcieli go współtworzyć.

Wspólnie z liderami poszczególnych obszarów wyłoniliśmy reprezentantów, którzy stworzyli rdzeń pilotażu wdrożenia AI.

Zbudowaliśmy wokół nich cykl warsztatów, podczas których każdy z ochotników przedstawiał swoje przypadki użycia AI w codziennej pracy. Dyskutowaliśmy o tym, co działa, co wymaga dopracowania, a w co nie warto inwestować.

Dzięki temu powstała mała, ale bardzo zaangażowana grupa z szerokim spojrzeniem na to, jak realnie wykorzystać AI w roli wsparcia Product Ownera. To właśnie ona stała się motorem całej zmiany.

Przyjęliśmy prostą wizję:

AI jako partner zespołu Produktu – narzędzie, które pomaga nam szybciej dochodzić do trafniejszych decyzji, lepiej rozumieć użytkownika i skuteczniej przekładać insighty na realne rozwiązania.

W praktyce oznacza to, że AI wspiera nas w trzech obszarach:

• Decyzje – dostarcza kontekstu i wariantów, które pomagają ocenić wpływ działań na kluczowe wskaźniki.
  Przykład: przy analizie konwersji zasilamy asystenta AI danymi o konwersji, kanałach i wdrożeniach. Dzięki temu w krótkim czasie otrzymujemy zestaw hipotez, gdzie tracimy użytkowników i które segmenty warto zbadać głębiej.
• Efektywność – przyspiesza tworzenie dokumentów, briefów i analiz, pozwalając skupić się na myśleniu produktowym.
  Przykład: zbudowaliśmy GPTs oparty na naszym uniwersalnym wzorze inicjatywy – PO wprowadza kilka kluczowych informacji, a agent generuje pierwszą wersję inicjatywy, którą następnie dopracowujemy.
• Uczenie się – ułatwia wymianę wiedzy i standaryzację najlepszych praktyk w zespole.
  Przykład: przy badaniach satysfakcji i ankietach wykorzystujemy AI do podsumowania kilkuset odpowiedzi – grupuje tematy, wskazuje najczęściej powtarzające się pain pointy i podpowiada, które obszary wymagają dalszego pogłębienia.

Po miesiącu pilotażu byliśmy gotowi, by podzielić się efektami szerzej.

Wspólnie przygotowaliśmy podsumowanie, które zaprezentowaliśmy na dedykowanym spotkaniu całego zespołu Product Ownerów.

Skupiliśmy się na czterech aspektach: wnioskach, wartościach, ograniczeniach i kolejnych krokach związanych z wykorzystaniem AI w codziennej pracy.

Spotkanie wywołało dyskusje, nowe pomysły i chęć dołączenia do dalszego etapu pilotażu.
Dzięki temu uniknęliśmy narracji „Powinniśmy korzystać z AI” – a doszliśmy do momentu, w którym zespół mówił: „Chcemy korzystać. Potrzebujemy narzędzi.”

To był moment, w którym byliśmy gotowi rozszerzyć pilotaż na cały zespół Product Ownerów.

Wiedzieliśmy, że aby AI naprawdę zaczęło działać na szeroką skalę, musimy usunąć bariery, które utrudniały jego codzienne wykorzystanie – zarówno techniczne, jak i kompetencyjne.

Zadbaliśmy o odpowiednie dostępy, stworzyliśmy praktyczne manuale, pierwsze szkice własnych agentów (GPTs), zestaw struktur promptów oraz wiele przykładów przypadków użycia dopasowanych do realiów naszej pracy.

 

Równolegle rozpoczęliśmy cykl szkoleń zewnętrznych, które pomogły nam usystematyzować dotychczasową wiedzę, zdobyć nowe perspektywy i patrzeć jeszcze szerzej na możliwości AI w obszarze produktu.

Dzięki tym działaniom AI zaczęło schodzić z poziomu ciekawostki na poziom codziennej praktyki – stało się narzędziem, po które zespół sięgał naturalnie, a nie eksperymentalnie.

Generowanie szybkich zwycięstw towarzyszyło nam od pierwszych spotkań grupy pilotażowej. Wiedzieliśmy, że jeśli chcemy utrzymać zaangażowanie i ciekawość, potrzebujemy namacalnych efektów – takich, które każdy zobaczy i poczuje w codziennej pracy.

Już w pierwszych dniach zobaczyliśmy pierwsze efekty:

• Wzór inicjatywy + GPTs – czas przygotowania pierwszego draftu inicjatywy skróciliśmy z kilku godzin do kilkunastu minut na osobę.
• Research rynku / konkurencji – dzięki szablonom promptów PO mogą w jedno popołudnie przygotować research obejmujący więcej źródeł niż wcześniej, przy zachowaniu spójnej struktury porównania.
• Podsumowanie feedbacku – analiza kilkuset odpowiedzi z ankiet skróciła się z dni do godzin, a PO otrzymują od razu zagregowane tematy i reprezentatywne cytaty.

Co ważne, te szybkie wygrane nie były tylko „dowodem, że działa”. Stały się punktem odniesienia dla kolejnych kroków – pokazały, że nawet niewielkie usprawnienia mogą przełożyć się na realny wpływ na tempo podejmowania decyzji, jakość dokumentów i ostatecznie na efektywność zespołu.

Po pierwszych sukcesach przyszedł czas na utrwalenie.

Zebraliśmy najlepsze praktyki, dopracowaliśmy prompty i włączyliśmy AI w codzienne rytuały zespołu.

W każdym obszarze pojawiły się osoby, które pełnią rolę opiekunów AI – wspierają innych, testują nowe rozwiązania i dzielą się doświadczeniem. Dzięki temu zmiana rozwija się naturalnie, a nie przez formalne wdrożenia.

Dziś AI nie jest już „projektem” – to po prostu sposób, w jaki pracujemy: szybciej, mądrzej, z większym skupieniem na wartości.

Dzięki temu łatwiej było nam przejść do ostatniego etapu – zakorzenienia tej zmiany w kulturze pracy.

Dziś, z perspektywy kilku miesięcy, możemy powiedzieć, że AI stało się częścią naszej codzienności.
Nie mówimy już o pilotażu, wdrożeniu czy projekcie.
AI jest po prostu elementem sposobu pracy zespołu Produktu – tak samo naturalnym, jak planowanie prac czy analiza wyników.

Zmiana, którą zaczynaliśmy w małej grupie, rozlała się szerzej.
To właśnie w tym momencie widać, że zmiana się zakorzeniła – AI nie jest już innowacją, tylko integralną częścią naszej kultury produktu, wspierającą to, co zawsze było naszym celem: tworzenie wartości dla klienta i biznesu.