Lisa Huang begynte å bygge AI-assistenten for Meta Ray-Ban smartbriller i 2019. Hun måtte overbevise teamet om at AI-assistenten ville bli den viktigste funksjonen på brillene. Ikke alle var enige. Den null-til-én-prosessen avdekket begrensninger som rene programvareprosjektledere aldri møter. Vekt. Batterilevetid. Privatliv. Tilskuer bekymrer seg for et kamera i noens ansikt. Og det faktum at Luxottica, et motefirma, ikke opererer som et ingeniørteam fra Silicon Valley. Mengden ingeniørkompleksitet pakket inn i noe som fortsatt må se ut som et par solbriller, er overveldende. Det største tekniske spørsmålet: sky- eller on-device-prosessering? Skyen er standard i dag. Men Lisa kom med en spådom i denne episoden som jeg synes er verdt å følge med på. Hun mener at det store flertallet av AI for AR til slutt vil kjøre på enheten. Hennes begrunnelse: når du først har en enhet i ansiktet hele dagen og fanger opp det du ser og hører, vil folk ønske at dataene forblir lokale. Etter hvert som modellene blir mindre og mer effektive, fortsetter de tekniske barrierene å falle. Dette samsvarer med et bredere mønster som utspiller seg på AI-maskinvaren. Apple investerer tungt i modeller på enheten. Den nye bølgen av AI-telefoner presser mer prosessering til kanten. Personvern blir en produktfunksjon, ikke bare en avkrysningsboks for etterlevelse. Lærdommen Lisa trakk for enhver prosjektleder som bygger AI-funksjoner, i hvilken som helst kontekst: forstå teknologien grundig, men ikke forelsk deg i den. De beste produktene befinner seg i skjæringspunktet mellom hva brukeren faktisk trenger og hva teknologien pålitelig kan gjøre i dag. Bygg raskt. Se hva brukerne gjør. Oppdater antakelsene dine. Gjenta.

Den skjulte flaskehalsen i AI-produktivitetsverktøy har vært oppstartskostnaden. Hver Claude Code-bruker møter den samme veggen. Du installerer det, kjører noen prompts, får generisk utdata, og går tilbake til å gjøre ting manuelt. Svarene føles som å snakke med en smart fremmed som ikke kjenner selskapet ditt, produktet ditt, måleparametrene dine eller hvordan god produksjon ser ut. Jeg itererte på mitt Claude Code-oppsett over 100 ganger før jeg fant mønsteret som fungerer. Nøkkelen er tre lag. Lag én er minne. Claude må vite hvem du er, hva du prøver å oppnå, og hvordan du jobber. De fleste hopper helt over dette. Å fylle ut en enkel minneprompt med mål, yrke og største hindringer endrer hvert svar du får fremover. Lag to er CLAUDE.md-filen. Dette er vedvarende kontekst som lastes hver økt. Din rolle og ditt produkt, så Claude slutter å spørre. PRD-strukturen din slik at alle dokumenter følger samme format. Underagentroller slik at du kan si «vurder som ingeniør» eller «vurder som skeptiker» og få ulike perspektiver på under ett minutt. Lag tre er ferdigheter. Fem startferdigheter som fungerer på tvers av vanlig Claude, Cowork og Claude Code. LinkedIn-postforfatter, idévalidator, promptingeniør, produktdesigner, statusoppdateringsforfatter. Hver av dem koder en spesifikk arbeidsflyt slik at resultatet er konsistent enten du kjører det i dag eller om seks måneder. Deretter legger Cowork til automatiseringslaget. Planlagte oppgaver som kjører ukentlig. Nettleserbasert konkurranseforskning ved bruk av din faktiske Chrome-økt. Regnearkgenerering fra rotete PDF-er og e-poster. Behandling av møteutskrift om 30 sekunder. Jeg pakket hele oppsettet i en guide med to GitHub-repos. Alt du trenger for å gå fra kaldstart til produktiv start på 60 sekunder:

"Jeg betaler ikke PM-er for å skrive PRD-er. Jeg betaler dem for deres produktvurdering." Lisa Huang er produktdirektør i Xero, et selskap verdt 18 milliarder dollar. Hun har ansatt AI-prosjektledere på tvers av Apple, Meta, Google og nå Xero. Da jeg spurte henne om AI vil erstatte prosjektledere, var det svaret hennes. AI kommer til å automatisere utførelseslaget. Skrive PRD-er. Lage mock-er. Håndtering av veikart. Hente data. Alt dette vil bli akselerert eller håndtert av AI-verktøy. PM-til-ingeniør-forholdet vil komprimeres. Færre ingeniører betyr færre prosjektledere. Strukturen er virkelig i endring. Men produktvurdering, å se på tvetydige signaler og bestemme hva som skal bygges og hva som skal drepes, det er den delen AI ikke kan gjøre. Det finnes ikke noe klart riktig svar. Det er mye støyende data, motstridende tilbakemeldinger fra kundene, tekniske begrensninger og forretningspress. Noen må syntetisere alt dette og ta en avgjørelse. Lisas spådom: PM-rollen utvikler seg til en hybrid. PM-er som også bygger. Ikke bare spesifikasjon og overlevering, men prototype, design, kode nok til å demonstrere hva de betyr. Verktøyene finnes for å gjøre dette akkurat nå. Hennes råd til prosjektledere som føler seg engstelige for markedet: «Nå er det en tid for transformasjon, og alle har muligheten til å gjøre det.» Lær deg verktøyene. Gjenoppfinn deg selv. Veien er åpen for alle som er villige til å legge ned arbeidet. De prosjektlederne som vil slite, er de som har hele verdien i leveransene. De som vil blomstre, er de hvis verdi alltid lå i beslutningene.