Tuoteomistajan tekoälyopas - PO:n AI-apurit
Juuri nyt tuoteomistajan olisi hyvä harkita ainakin 14:aa erilaista tekoälyapuria, jotta laajuudessaan haastavasta työnkuvasta tulee hallittava. Assistenttirivistöä suunnittellessa pidetään mielessä työkalujen sisäiset AI-avut, jotta ei vahingossa rakenneta sellaista mikä on jo olemassa. Eikä panikoiduta - tekoälyapua voi miettiä aina suhteessa siihen tehtävään, mikä on juuri käsillä. Kohta myös organisaatioiden roolikohtainen koordinaatiokin tulee apuun.
Juuri nyt olemme hiukan ähkytilassa kuulemassa, miten tekoäly ja AI-assistentit murtavat kaikki työnkuvat, prosessit ja maailman muutenkin. Toisaalta tuoteomistajan tai product managerin työ jos joku on juuri sellainen, jossa tälle sanomalle on kysyntää. Tuoteomistaja on ollut koko ketterän tuotekehityksen olemassaolon ajan se turboahdettu rooli, jonka haltija yrittää viimeisillä voimillaan vastata vähän kaikesta - yhtä lailla käyttäjien ymmärtämisestä, liiketoimintaan haluttujen numeroiden kääntämisestä tuoteominaisuuksiksi kuin saavutettavuuden tai tietoturvan kaltaisista teknisen toteutuksen yksityiskohtien riittävästä laatutasosta.
Hankitaanpa siis tuoteomistajalle se AI-apuriarmeija, jonka hän kipeästi tarvitsee ja myös ansaitsee. Millainen sen pitäisi juuri nyt olla?
Sovellusten sisäinen AI-apu on nopea reitti onneen
Yhtenä tuoteomistajan AI-taktiikan kulmakivenä on hyvä ajatella jakoa sovellusten sisällä oleviin AI-apuihin ja erillisiin AI-assareihin. Tuoteomistajan lähimmistä työkaluista esimerkiksi Jira ja muut kehitysjonon hallinnan välineet tarjoavat tekoälyapua suoraan appin sisällä, jolloin näihin tarkoituksiin ei tarvitse askarrella omia apureita.
Jiran AI-avut tammikuussa 2026:
Tikettien luominen linkitettyjen Teams- tai Slack-kanavien keskusteluista
Teloälyavusteiset tikettipäivitykset töiden havaittavan edistyksen pohjalta
Tikettien luominen Confluencessa olevasta materiaalista sekä alitikettien automaattinen luominen sekä uusien kehitysjonokohtien ehdottaminen (beta)
Lisäksi Jira sallii AI-agenteille pääsyn siihen dataan joihin käyttäjällä on luvat, eli työkalun kanssa voi käyttää mitä vain omaa apuria
Jira Service Management -puolella apuja käyttäjille vastaamiseen, tukipyyntöjen priorisointiin jne.
Azure DevOpsin tekoälyavustus 01/26:
Azure DevOpsin tekoälyavustus toimii käytännössä laajennusten varassa. Näistä laajennuksista erityisesti Copilot4DevOps on tuoteomistajalle hyödyllinen, sillä se voi auttaa mm. epicin pilkkomisessa käyttäjätarinoiksi, hyväksymiskriteerien luomisessa ja kehitysjonon kohtien välisten riippuvuuksien tunnistamisessa.
Kehitysjonotyökalujen lisäksi esim. protoilutyökalu Figmalla on omia AI-apuja, vaikkakin sitä yleensä käyttävät kehitystiimin UX-ihmiset enemmän kuin varsinaisesti tuoteomistaja.
Ja tietysti on puhuttava siitä, että startup-raketti Lovable on pitkälti mullistanut jopa toimivien sovellusten luomisen ilman varsinaista koodaamista. Se ei ole täydellinen, mutta se on mahtava resurssi joka jokaisen tiimin kannattaa ottaa haltuun silloin kun kaivataan nopeita toimivia protoja tai MVP:itä tai tarpeet ovat kohtuullisen yksinkertaiset.
Roolipohjaiset työkalut vs. prosessipohjaiset työkalut
Vaikka nyt keskitytään yksittäisen tuoteomistajan oman toteutusvallassa oleviin AI-työkaluihin, pidämme tietysti taustalla mielessä myös prosessilähtöisen näkökulman: Tuoteomistajan ympärillä tapahtuu paljon asiakaspalvelua, koodaamista, sisällöntuotantoa jne. jne., joka voi tuoteomistajan rohkaisulla alkaa hyötyä merkittävästi tekoälytyökalujen käytöstä - samaan aikaan kun työn tekijät huokaisevat helpotuksesta päästessään kaikkein tylsimmästä rutiiniklikkailusta eroon. Tähän toki tarvitaan usein myös esimiesten rohkaisua ja keskitettyä koordinointia organisaatiossa, mutta tuoteomistajankin vaikutusvallalla ja esimerkillä voi tehdä paljon.
Myös organisaation strategian valumisessa tuotteiden kehitysaihioiksi on monta kohtaa, jossa AI-apu voi auttaa. Tällaisia kohtia voivat olla esim. OKR-tavoitteiden linkittyminen projektikortteihin, tuotteen hajottaminen epiceihin tai projektien priorisointiehdotukset portfoliotyökalussa. Monessa organisaatiossa nämä asiat ovat juuri nyt kiivaasti työn alla.
Tuoteomistajalla olisi hyvä olla 10-15 AI-assistenttia
Mutta itse pihviin siis. Jotta tuoteomistaja saa ajastaan parhaan irti ja pysyy hyvinvoivana erittäin laajan vastuun ja siihen liittyvän työtaakan kanssa, hänellä olisi hyvä olla käytössään noin 10-15 tekoälyagenttia tehtäviensä avustamiseen. Tässä niistä tärkeimmät:
Käyttäjäymmärrys
Analytiikka-agentti. Käyttäjien datapohjaiseen käyttäytymisen seurantaan liittyy yleensä erityisesti yksi ongelma: tuoteomistaja ei tule hyödyntäneeksi kerättävää dataa kehittämisen arjessa muuten kuin silloin kun siihen on erityisen painava syy. Esim. ChatGPT Agents ja muut agenttipalvelut mahdollistavat säännöllisesti toimivien agenttien rakentamisen, jolloin analytiikka-assistentti hoitaa analytiikan seuraamisen säännöllisesti yhdessä sovituilla säännöillä ja raportoi tuloksista sovitun mukaan.
Käyttäjäymmärryksen koostaja. Käyttäjäymmärryksen keräämisessä kallis ja työläs työvaihe on tähän asti ollut ymmärryksen summaroiminen tehdystä käyttäjätutkimuksesta kuten vaikka kyselyvastauksista ja haastattelumuistiinpanoista. Tässä AI-apu on auttanut säästämään työtä jo pitkään. Sen heikko kohta on vielä toistaiseksi ollut tietyn teeman esiintymiskertojen laskeminen aineiston seasta (siinä yleisimmät kielimallit ovat vielä susihuonoja), mutta tähän asiaan on olemassa omat työkalunsa kuten Thematic tai Dovetail. Tonneja ja päiviä säästyy.
Käyttäjäpersoonageneraattori. Kaikissa projekteissa tai tuotekehityksen vaiheissa tuoteomistajalla ei ole käyttää välttämättä ollenkaan rahaa tai aikaa käyttäjäymmärryksen kerryttämiseen, jolloin kyseeseen voi tulla simuloiminen. Tällöin kyse on ns. toissijaisesta datasta, joka ei niinkään kerro meidän tuotteemme tarkasta toimintaympäristöstä kuin markkinan tilanteesta yleensä. Monesti tällainen toissijainen data on kuitenkin todella paljon parempi kuin ei mitään. Mikset siis jo tänään generoisi tekoälyn avulla käyttäjäpersoonia AI:n avulla tuotekategoriallesi käytettävissä olevan tutkimus- tai kilpailijatiedon perusteella?
Tiekarttojen luominen, synkronointi ja päivittäminen
Tiekarttageneraattori. Kun tuotteen tiekarttaa luodaan ensimmäistä kertaa, AI voi esim. organisaation OKR:ien, käyttäjäpalautteen ja kilpailija-analyysin pohjalta tehdä ehdotuksen kehityksen tiekartaksi. Ehdotusta ei tietenkään kannata nielaista sellaisenaan, mutta se voi tarjota hyvän pohdinnan pohjan.
Tiekarttapäivittäjä. Kun tiekartta alkaa olla koossa, ongelmana usein on että siitä on ylläpidettävä eri välineissä erilaisia versioita eri kohderyhmille. Esim. Zapier-työkalun avulla koodaustaidoton henkilö voi tehdä apurin, joka käy noutamassa aikataulutietoa Jira-epiceistä ja päivittää sitä sovitusti Miro-taululla sijaitsevaan tiekarttaan.
Ominaisuuspriorisaattori. Jotta tämän ajatustyön parhaat hedelmät saa vietyä yksittäisten ominaisuuksien priorisointiin, tuoteomistaja voi tehdä ominaisuuksien priorisointiapurin joka ehdottaa pohjapriorisointia tiekartan ja käyttöanalytiikan erusteella. Tämä vaatii vielä hiukan askartelua ja teknologiapelkäämättömyyttä mutta on täysin tehtävissä esim. ChatGPT Teamin avulla. Tuoteomistaja tietysti tarkistaa ja hioo priorisaattorin ehdotukset - yhdessä tiimin kanssa.
Käyttäjätarinoiden kirjoittaminen
Epicinpilkkoja. Epicien pilkkominen käyttäjätarinoiksi on monesti osittain mekaanista työtä, joskin siihen tietysti liittyy myös valintoja ja oivalluksia, jotka tiimin pitää tehdä tuoteomistajan johdolla itse. “Epicinpilkkoja” -tekoälyassistentti voi kuitenkin tehdä ehdotuksen siitä, millaisia käyttäjätarinoita epic voisi sisältää siinä kohtaa kun sen käyttäjätarve ja etsitty liiketoimintavaikutus ovat selvillä. (Jirassa ja AzureDevopsissa tämäntyyppistä ominaisuutta on jo työkalun sisällä, mutta käyttäjätarinakarttavaiheessa tuotteen hahmotusta erillisestä assistentista voi olla paljon apua.)
Hyväksymiskriteerinikkari. Hyväksymiskriteerien kirjoittaminen on samalla tavalla osittain tärkeää ajatustyötä, mutta osittain tylsää ja mekanistista. Tekoälyassistentille voi antaa pohjaksi käyttäjätarinan sekä tiimin kanssa tuotteen kaikille valmistuville kehitysjonon kohdille sovitun valmiin määritelmän (definition of done), jotta se ei turhaan toista siinä jo huomioituja asioita. Tuoteomistaja saa kohdistettua oman ajatusvoimansa editointiin ja juuri kyseisen käyttötapauksen kannalta huomionarvoisimpiin ulottuvuuksiiin. Hyväksymiskriteerien pohjalta on tietysti helppoa generoida myös testaussuunnitelmat huomioiden tuotteen oletettavat riskipaikat. Kuten edellä todettiin, Jirassa ja AzureDevopsissa on tätä apua tarjolla työkalun sisällä (Jira) tai laajennuksissa (Azure DevOps).
Tiimin töiden hallinta
Tikettiohjain. Jos tuoteomistajan ohjaama tiimi vastaa myös tuotteen ylläpidosta, se saa luultavasti paljon erilaisia pyyntöjä ja yhteydenottoja. AI-apuri voi analysoida, luokitella ja edelleenohjata saapuvia pyyntöjä esim. sähköpostilaatikosta tai tietokannasta ja ohjata ne sovitulla tavalla eteenpäin niin että niiden seulontaan ei mene tiimiltä aikaa. Monessa tiketinhalllintajärjestelmässä näitä ominaisuuksia alkaa jo olla tarjolla työkalujen sisällä.
Hankehallinta
Riskitiedustelija. Riskit, tai ketterin termein esteiden havainnointi, ovat ohjausryhmien ja liiketoimintaomistajien lempilapsi. AI-apureita voi olla esimerkiksi pari, joista toinen käyttää datana esim. Jiran sisältöä ja toinen verkosta löytyvää benchmark-aineistoa projektin tyyppiin ja alaan liittyen. Myös riskien priorisointiin voi tehdä apurin, ja käyttäjien yhteydenotot voivat olla myös hedelmällinen analyysiaineisto ylläpitovaiheessa. Ja jotta homma ei unohtuisi, tämän työn voi ajastaa agentille automaattisesti tehtääväksi.
Riippuvuusassistentti. Jos saman organisaation toisiinsa liittyvät tuotekehitysprojektit ovat samassa tiketinhallinnassa kuten esim. Jirassa, “riippuvuusagentista” voi olla tuoteomistajille paljon hyötyä. Sen voi ohjata etsimään järjestelmien välisiä riippuvuuksia ja esim. aikataulumuutoksia jotka vaikuttavat tuotteiden yli. Jiran ja AzureDevOpsin AI-avut eivät ole tässä vielä erityisen hyviä, mutta esim. ChatGPT Teamissä tällaisen voi rakentaa, mikä kannattaa jos riippuvuudet ovat tärkeitä (esim. kun puhutaan isosta kriittisestä tuotekokonaisuudesta).
Sihteeriagentti. Tuoteomistajan työhön liittyy loputon määrä hankehallintaan liittyviä tehtäviä, joita ei kannata enää tehdä itse. Esim. kokouskutsujen kirjoittaminen ja erilaisten yhteenvetojen laatiminen on työtä, johon tuoteomistajan ei enää kannata käyttää omaa kallisarvoista aikaansa.
Markkinatutkimus
Kilpailijamonitoroija. Yksi tuotekehityksen vaikeus on, että käyttäjien odotukset ja kilpailijan keksinnöt siirtävät maalia jatkuvasti samalla kun tuotetta kehitetään. Esim. ChatGPT Agents -alustalle on mahdollista luoda säännöllistä analyysiä tekevä kilpailijamonitoroija, joka tuottaa säännöllistä tietoa kehityskuluista ja signaaleista joita tuotetiimin olisi hyvä huomioida päätöksiä tehdessään.
Skenaariogeneraattori. Parhaillaan tapahtuvien markkinan muutosten lisäksi on hyvä olla hereillä mahdollisista tulevaisuuksista. Skenaariogeneraattori voi auttaa tunnistamaan kehityksen kannalta tärkeitä signaaleja ja kehkeyttää niistä mahdollisesti tuotteen kehityssuunnitelmiin vaikuttavia skenaarioita.
Ei hätää - keskitytään siihen mikä hetkessä on tärkeintä
Yllä listattuapuriarmeija on aikamoinen. Ei hätää, ei kukaan oleta että joku pystyisi rakentamaan koko rivistön viikossa kaikkia tuoteomistajan tulevaisuuden tarpeita odottamaan - eikä tietenkään kannatakaan, kun AI-kyvykkyydet menevät koko ajan myös vauhdilla eteenpäin. Edelleen tuoteomistajan työssä voi keskittyä siihen mikä juuri nyt on tuotteen elinkaarella tärkeintä. Pidetään vain mielessä että läheskään kaikkea ei enää kannata tehdä itse, ja että lähes jokaiseen tuoteomistajan työn osa-alueeseen on luultavasti jo tarjolla järkeviä apuja.
Ajan oloon tuoteomistajiakin tulee pomminvarmasti auttamaan se, että organisaatiot ottavat keskitetysti koppia työntekijöidensä AI-tarpeista ja tarjoavat keskitettyjä agenttikirjastoja työntekijöilleen per rooli. Niissä henkilöstö voi ottaa käyttöön toinen toistensa kehittämiä AI-assistentteja ja kehittää niitä eteenpäin. Näin tekee jo tällä hetkellä esim. Yle omien journalistiensa avuksi.
Tätä kehityskulkua odotellessa meidän itse kunkin kannattaa kuitenkin auttaa jo itse itseämme. Ja rakennellessa ja ihmetellessä kannattaa tietenkin joka käänteessä kysyä tekoälyltä :D
Koska tämän blogiartikkelin sisältö muuttuu jatkuvasti, sitä päivitetään säännöllisesti 2 kuukauden välein. Viimeinen päivitys on tehty 23.1.2026.