Lisa Huang begon in 2019 met het bouwen van de AI-assistent voor de Meta Ray-Ban slimme brillen. Ze moest het team overtuigen dat de AI-assistent de belangrijkste functie van de brillen zou worden. Niet iedereen was het daarmee eens. Dat zero-to-one proces bracht beperkingen aan het licht waar pure software PM's nooit mee te maken hebben. Gewicht. Batterijduur. Privacy. Bezorgdheid van omstanders over een camera op iemands gezicht. En het feit dat Luxottica, een modebedrijf, niet opereert als een engineeringteam uit Silicon Valley. De hoeveelheid engineeringcomplexiteit die in iets is verpakt dat er nog steeds uit moet zien als een paar zonnebrillen is verbazingwekkend. De grootste technische vraag: cloud of verwerking op het apparaat? Cloud is vandaag de standaard. Maar Lisa deed een voorspelling in deze aflevering die ik denk dat het waard is om aandacht aan te besteden. Ze gelooft dat de overgrote meerderheid van AI voor AR uiteindelijk op het apparaat zelf zal draaien. Haar redenatie: zodra je de hele dag een apparaat op je gezicht draagt, dat vastlegt wat je ziet en hoort, willen mensen dat die gegevens lokaal blijven. Naarmate modellen kleiner en efficiënter worden, blijven de technische barrières dalen. Dit sluit aan bij een breder patroon dat zich afspeelt in AI-hardware. Apple investeert zwaar in modellen op het apparaat. De nieuwe golf van AI-telefoons duwt meer verwerking naar de rand. Privacy wordt een productkenmerk, niet alleen een compliance-vinkje. De les die Lisa trok voor elke PM die AI-functies bouwt, in welke context dan ook: begrijp de technologie diepgaand, maar word er niet verliefd op. De beste producten bevinden zich op het snijpunt van wat de gebruiker daadwerkelijk nodig heeft en wat de technologie vandaag betrouwbaar kan doen. Bouw snel. Kijk wat gebruikers doen. Werk je aannames bij. Herhaal.

De verborgen bottleneck in AI-productiviteitstools is de opstartkost. Elke gebruiker van Claude Code stuit op dezelfde muur. Je installeert het, voert een paar prompts uit, krijgt generieke output en gaat weer terug naar handmatig werk. De reacties voelen als praten met een slimme vreemdeling die jouw bedrijf, jouw product, jouw metrics of wat goede output is, niet kent. Ik heb mijn Claude Code-opstelling meer dan 100 keer aangepast voordat ik het patroon vond dat werkt. De sleutel zijn drie lagen. Laag één is geheugen. Claude moet weten wie je bent, wat je probeert te bereiken en hoe je werkt. De meeste mensen slaan dit volledig over. Het invullen van een eenvoudige geheugenprompt met jouw doelen, beroep en grootste obstakels verandert elke reactie die je in de toekomst krijgt. Laag twee is het CLAUDE.md-bestand. Dit is persistente context die elke sessie laadt. Jouw rol en product zodat Claude stopt met vragen. Jouw PRD-structuur zodat elk document hetzelfde formaat volgt. Sub-agentrollen zodat je kunt zeggen "beoordelen als ingenieur" of "beoordelen als skepticus" en binnen een minuut verschillende perspectieven krijgt. Laag drie zijn vaardigheden. Vijf startvaardigheden die werken in reguliere Claude, Cowork en Claude Code. LinkedIn-postschrijver, idee-validatie, prompt-engineer, productontwerper, statusupdate-schrijver. Elke vaardigheid encodeert een specifieke workflow zodat de output consistent is, of je het vandaag of over zes maanden uitvoert. Dan voegt Cowork de automatiseringslaag toe. Geplande taken die wekelijks draaien. Browsergebaseerd concurrentieonderzoek met jouw eigen Chrome-sessie. Spreadsheetgeneratie uit rommelige PDF's en e-mails. Vergadertranscriptverwerking in 30 seconden. Ik heb de complete opstelling verpakt in een gids met twee GitHub-repos. Alles wat je nodig hebt om van een koude start naar productief in 60 seconden te gaan:

"Ik betaal geen PM's om PRD's te schrijven. Ik betaal ze voor hun productoordeel." Lisa Huang is SVP Product bij Xero, een bedrijf van $18 miljard. Ze heeft AI PM's aangenomen bij Apple, Meta, Google en nu Xero. Toen ik haar vroeg of AI PM's zal vervangen, was dat haar antwoord. AI gaat de uitvoeringslaag automatiseren. PRD's schrijven. Mocks maken. Roadmaps beheren. Gegevens verzamelen. Al deze taken zullen worden versneld of afgehandeld door AI-tools. De verhouding PM tot engineer zal samendrukken. Minder engineers betekent minder PM's. De structuur verandert echt. Maar productoordeel, het kijken naar vage signalen en beslissen wat te bouwen en wat te schrappen, dat is het deel dat AI niet kan doen. Er is geen duidelijk goed antwoord. Er is een hoop ruisende data, tegenstrijdige klantfeedback, technische beperkingen en zakelijke druk. Iemand moet dat allemaal synthetiseren en een beslissing nemen. Lisa's voorspelling: de rol van PM evolueert naar een hybride. PM's die ook bouwen. Niet alleen specificeren en doorgeven, maar prototypen, ontwerpen, genoeg coderen om te demonstreren wat ze bedoelen. De tools bestaan om dit nu te doen. Haar advies aan PM's die zich angstig voelen over de markt: "Nu is het een tijd van transformatie en iedereen heeft de mogelijkheid om dat te doen." Leer de tools. Herontdek jezelf. Het pad is open voor iedereen die bereid is om de inspanning te leveren. De PM's die zullen worstelen zijn degenen wiens hele waarde in de leveringen zat. Degenen die zullen gedijen zijn degenen wiens waarde altijd in de beslissingen zat.