AI-produktchef: Automatisér feedbacksyntese, prioritering og roadmaps

Produktchefer bruger 60 % af deres tid på at organisere data: indsamle feedback fra 10 forskellige kilder, fjerne dubletter blandt funktionsønsker og opdatere interessenter, der stiller de samme spørgsmål hver uge.

Hvad nu, hvis en AI-agent klarede alt det – mens du fokuserer på de beslutninger, der rent faktisk betyder noget?

Skatten på værktøjer til produktledelse

Sådan ser prisen ud for en typisk værktøjspakke til produktledelse. De fleste teams bruger 3-4 af disse:

Du betaler $23,000/år for databaser med pæne brugerflader. En AI-agent kan udføre det egentlige arbejde.

Hvad PM-værktøjer i virkeligheden er (afmystificeret)

Fjern brandingen – hvad står du så tilbage med?

En AI-agent kan læse, skrive, analysere og kommunikere. Den har ikke brug for 4 forskellige værktøjer.

Hvad en AI-produktchef faktisk gør

En AI-produktchef er ikke et dashboard. Det er en vedvarende agent, der aktivt udfører arbejdet:

• Samler feedback fra alle kanaler
  Supporthenvendelser, salgsopkald, NPS-undersøgelser, brugerinterviews, omtaler på sociale medier – alt analyseres og samles i konkrete temaer, du kan handle på.
• Følger funktionsønsker med kontekst
  Hvert ønske logges med, hvem der spurgte, deres ARR, deres segment, og hvor mange gange det er blevet efterspurgt. Slut med 'hvem var det nu, der ville have det?'
• Foreslår datadrevet prioritering
  RICE-scoring baseret på rigtige data – rækkevidde fra din kundebase, effekt ud fra stemningen i feedbacken, indsats ud fra udviklernes estimater.
• Holder interessenter orienteret
  Ugentlige indsigter, roadmap-opdateringer, udkast til changelog – genereres og leveres automatisk. Slut med 'hvad er status på X?'
• Husker alt
  Hvorfor byggede vi den funktion? Hvad sagde kunderne? Agenten husker præcist måneders produktbeslutninger.

Den afgørende funktion: Dit eget system til produktindsigt

Det er det, der gør det grundlæggende anderledes end ethvert PM-værktøj, du nogensinde har brugt.

/product
  /feedback
    support-tickets.csv
    sales-call-notes.csv
    nps-responses.csv
    user-interviews.md
  /features
    feature-requests.csv
    prioritization-matrix.csv
    shipped-features.csv
  /roadmap
    current-quarter.md
    next-quarter.md
    changelog.md
  /insights
    weekly-synthesis.md
    theme-analysis.md

I Lazarus vedligeholder din produktagent sin egen vidensbase. Feedback, ønsker, beslutninger, kontekst – alt organiseret i filer, du har kontrol over. Agenten læser, skriver og lærer løbende af systemet.

• Ingen leverandørlåsning
  Dine produktdata ligger i dit arbejdsområde som CSV- og markdown-filer. Eksportér dem når som helst.
• Bliver stærkere over tid
  Agenten lærer dit produkt, dine kunder og dine beslutningsmønstre at kende. Den bliver klogere for hver uge.
• Arbejder på tværs af værktøjer
  Henter fra Intercom, Slack, e-mail og CRM – og samler det i ét sammenhængende overblik.
• Udfører faktisk arbejdet
  Ikke et dashboard, du skal stirre på. En agent, der selv bringer indsigter frem og skriver udkast til kommunikation.

Det er ikke et værktøj, der hjælper dig med produktledelse. Det er en produktchef, der står for produktledelsen.

Mød din produktagent

Sådan ser en typisk konfiguration af en agent til produktledelse ud:

En dag med AI-produktchefen

Sådan ser det ud, når en AI-agent står for produktledelsen. Rigtige samtaler, reel værdi:

Overblik over feedback

via Slack - #product

Hvad klager kunderne over i denne måned?

Jeg har analyseret 847 stykker feedback fra de seneste 30 dage. Her er de største temaer:

Tema	Omtaler	Stemning
Mobilappens ydeevne	47	Frustrerede
Forvirring om priser	31	Forvirrede
Manglende integrationer	28	Efterspørger
Kompleks onboarding	19	Kæmper

Klagerne over mobilappens ydeevne stiger – 3 gange så mange som sidste måned. Skal jeg trække de konkrete klager frem?

Ja, vis mig klagerne om mobilappen

De største problemer er: appen crasher på Android 14 (23 rapporter), langsom indlæsning på svage forbindelser (15 rapporter) og batteriforbrug (9 rapporter).

Jeg har tagget dem i feedbackdatabasen. Crashene på Android startede efter udgivelsen den 5. december.

Opslag på funktionsønske

via Slack - #product

Hvor mange kunder har bedt om mørk tilstand? Hvem er de?

Mørk tilstand er efterspurgt af 47 forskellige kunder. Her er de største målt på ARR:

Kunde	Abonnement	ARR	Efterspurgt
Acme Corp	Enterprise	667.000 kr.	Oct 2024
Globex	Business	200.000 kr.	Nov 2024
Initech	Business	167.000 kr.	Nov 2024
Umbrella	Enterprise	534.000 kr.	Dec 2024

Samlet ARR for kunderne bag ønsket: $216,000. 3 af dem er i gang med at forhandle fornyelse.

Hjælp til prioritering

Udkast til changelog

via Slack - #product

Skriv et udkast til changeloggen for denne sprint

Her er dit udkast til changeloggen:

Nyheder - december 2025

Vi har leveret 12 forbedringer i denne sprint ud fra jeres feedback:

• SSO-understøttelse til Enterprise-abonnementer (I spurgte, vi leverede)
• 50 % hurtigere indlæsning af dashboardet på mobil
• Slack-integrationen understøtter nu tråde

Jeg har koblet hvert punkt til de oprindelige ønsker. Skal jeg offentliggøre det på din changelog-side?

Trin for trin: Byg din AI-produktchef

Sådan sætter du din egen produktagent op på cirka 15 minutter:

• Trin 1: Opret agenten, og skriv instruktioner

  Opret en ny agent i Lazarus, og beskriv, hvad du vil have:

  "Du er min agent for produktindsigt. Sammenfat al kundefeedback fra /product/feedback/. Følg ønsker om nye funktioner med kundekontekst. Lav ugentlige indsigtsrapporter. Giv mig besked om problemer, der tager til. Hjælp med at prioritere ud fra betydningen for kunderne."

• Trin 2: Forbind dine feedbackkilder

  Forbind Intercom, Zendesk, Slack-kanaler, e-mail – alle steder, hvor kunderne taler med dig. Agenten trækker automatisk feedbacken ud og sammenfatter den.

• Trin 3: Definer din taksonomi

  Hvordan kategoriserer du feedback? Produktområder, kundesegmenter, typer af ønsker? Fortæl agenten om dit system, så lærer den det.

• Trin 4: Opsæt planlagte rapporter

  Konfigurer daglige sammenfatninger, ugentlige indsigter og opdateringer til interessenter. Agenten leverer dem af sig selv.

• Trin 5: Begynd at stille spørgsmål

  Spørg om feedbacktendenser, historikken bag ønsker eller hjælp til prioritering. Jo mere du bruger den, jo bedre kender den dit produkt.

Efter en uge vil du undre dig over, hvordan du nogensinde klarede produktarbejdet uden.

Avanceret: Byg et team til produktindsigt

I større produktorganisationer kan du oprette specialiserede agenter, der arbejder sammen:

Sådan arbejder de sammen

Dit produktteam får ekstra kræfter. AI'en tager sig af data. Mennesker træffer beslutningerne.