Mentionsy Mentionsy
Dodane do backlogu
Dodane do backlogu

Refinement #1: Forward Deployed Engineer / PM, wpływ akwizycji na produkt, nasz stack AI

10.09.2026 ·48 min 54 s · 2 rozdziały

Czy Forward Deployed Engineer / PM to nowa rola, czy wdrożeniowiec sprzed dekady w nowym opakowaniu? Od tego zaczynamy "Refinement", nasz nowy format, w którym przerabiamy backlog produktowych tematów - każdy z perspektywy swojej firmy i doświadczeń.W dzisiejszym odcinku:Forward Deployed Engineer (i PM) - nowa rola czy stary wdrożeniowiec, co daje siedzenie u klienta, jak to wygląda w naszych firmachWpływ akwizycji na produkt - rola PMa przy "przejmowaniu produktu", co robi z produktem szykowanie się do exitu, kiedy przejęcia się udająNasz stack AI - czego realnie używamy na co dzień i co udało się zautomatyzowaćDajcie znać w komentarzu, co powinniśmy zrefinementować następnym razem.--👉 Nowe odcinki podcastu, razem z dodatkowymi materiałami, wysyłamy też w ⁠⁠newsletterze Product Craft⁠⁠.

0:03 · Forward Deployed Engineer / PM 8

Forward Deployed Engineer, a może też i Product Manager. Ostatnio jest taki trend dosyć mocno na LinkedInie oczywiście widoczny, ale też ogólnie organizacje coś takiego wdrażają, żeby mieć na początku inżynierów, teraz coraz więcej widzę też ofert w ogóle na Product Managerów, którzy jakby mają pracować bardzo blisko klienta. Marcin ma temat akwizycji, jego obserwacje od dużych graczy. Tak. Chciałem się z wami zmierzyć właśnie z tym tematem, bo o jakich akwizycjach chciałbym mówić. Pewnie ostatnio słyszeliście, że na przykład Airtable zostało przejęte przez dużą firmę Bending Spoons. To jest taki rodzaj akwizycji, gdzie bardziej duży VC przejmuje po prostu firmę jak Airtable, żeby ją jeszcze bardziej zoptymalizować, utrzymać wzrost, może podciąć koszty.

Mniej mnie takie akwizycje interesują, chociaż też są ciekawe, może też w tę stronę pójdziemy. Co mnie bardziej interesuje jest takie akwizycje właśnie, podam wam przykład, niedawno było głośno o takim polskim startupie Neptune AI, który został przejęty przez OpenAI. Chciałem poznać wasze AI-owe setupy do waszej codziennej pracy. W sensie, jak wygląda wasz taki typowy system operacyjny dla was samych? Jak sobie z tego korzystacie?

Pracujemy w różnych organizacjach, ale niektóre tematy w nas uderzają, interesują i w sumie mamy Ciekawe chyba przemyślenia, albo jestem zainteresowany waszych ciekawych przemyśleń. Pierwszym tematem, który chcieliśmy sobie podjąć to Forward Deployed Engineer, a może też i Product Manager. Ostatnio jest taki trend, dosyć mocno LinkedIn oczywiście widoczne, ale też ogólnie organizacje coś takiego wdrażają, żeby mieć na początku inżynierów, teraz coraz więcej widzę też ofert w ogóle na product managerów, którzy jakby mają pracować bardzo blisko klienta. To znaczy wtedy, kiedy mamy jakiś produkt często wdrożeniowy albo taki, który zahacza bardzo mocno procesy w organizacji, w firmie, no to taki inżynier Wchodzi wręcz do organizacji, 70% czasu pomaga organizacji lepiej zaadoptować ten produkt, 30% czasu może jakby też rozwijać dalej ten produkt.

My w Silonicie szczególnie się tym zainteresowaliśmy, bo poniekąd konkurujemy z Palantirem na naszym tutaj europejskim rynku. I nie chwaląc się oczywiście, ale już mieliśmy podobną rolę, która nazywała się nie też Forward Deployed Engineer, ale taki, my to nazywaliśmy Value Engineer. Czyli ktoś na pograniczu skilli technologicznych, ale też wiedzy takiej trochę domenowej, który jest w stanie w krótkim czasie wykorzystać nasz produkt, żeby dobrze wdrożyć go w organizacji naszego klienta. Czyli zaczęło to działać fajnie, bo u nas to zdefiniowało jak Jak dowozimy value do naszego klienta? I w ogóle jednym z takich ciekawych elementów było to, że podczas naszych rozmów kontraktowych z klientami, my często te kontrakty opieraliśmy o value, jakie nasz klient jest w stanie z naszego produktu w danym okresie czasowym, czyli powiedzmy roku.

Otrzymać albo uzyskać i ta rola była odpowiedzialna za to, czy to value zostało dowożone, więc w sumie to taka, ja z perspektywy produktowca, było to dla mnie na początku coś ciekawego, bo ta osoba była pomiędzy jeszcze takim sales, pomiędzy customer success i pomiędzy mną i miała funkcję często pośredniczącą pomiędzy właśnie wykorzystaniem naszego produktu, a dowożeniem tego value. To, co mi się podoba w tej roli, szczególnie jak Palantir zaczął ją głęboko nazywać w taki sposób, to jest to, że ona chyba zaczęła mieć coraz większe znaczenie, jak te produkty AI-owe miały jakiś taki gap, jeśli chodzi o

Return on Investment właśnie z tych feature'ów. Bo klienci zwyczajnie nie byli jeszcze w stanie powiedzieć, OK, no to mamy ten produkt, który ma jakieś funkcje AI'owe i u nas było dokładnie podobnie. Jak możemy teraz sprawić, aby ten produkt miał jak największy value? I zarówno u nas, jak i mam wrażenie, że w Palantirze w tamtym czasie Ci Value Engineer albo Forward Deployed Engineer byli w stanie wdrożyć to AI zupełnie lepiej, jak klient by to zrobił sam sobie. I tak jak obserwowałem może początek tego, Z mojej perspektywy. No taki flashback z tego, co mówisz, że czy to nie jest tak, jak 10 lat temu nazywaliśmy osoby, które wchodzą do klienta, ale też potrafią kodować, ale też rozumieją ich domenę po prostu inżynierami do spraw implementacji?

Czyli jakby to powiedział Cloud Forward Deployed Engineer in Implementation Engineer Trench Code, Że to trochę taka nowa łatka na starą funkcję, tylko po prostu w świecie AI. A może mieć takich konsultantów? Nie tylko konsultantów, tylko osoby, które efektywnie mają wpływ na to, jak ten produkt zostanie dowieziony do klienta i poprawiony, i zmieniony, i dopasowany, już jak gdyby rozumiejąc tego klienta potrzeby w takim świecie sales-led, jak rozumiem, gdzie dopasowujecie tę ofertę, czy jak ten produkt działa do ich potrzeb, no i w miarę tego, jak potrzeba jest jakaś customizacji tego rozwiązania.

No bo ten inżynier po prostu jest na miejscu i to robi w tydzień czy dwa, a nie jest to kwestia tego, że jest to jakaś roadmapa zmian, która musi przyjść z góry i tak dalej. Tylko po prostu oni są umocowani do tego, żeby dostarczyć wartość klientowi. No tak, to ja ci powiem, tylko u nas trochę tak, po jednej stronie. To, co tę rolę może trzeba trochę inaczej wyróżniać, jest ten taki feedback loop, że te informacje, Z wdrożeń bardzo szybko wracają do produktowców albo do ogólnie zespołów inżynierskich. Bo ze względu na to, że ta osoba ma taką embedded function w zespole, to jeśli mamy tool, który jest zoptymalizowany pod szeroko pojęty machine learning w danej powiedzmy branży automotive, to taki Forward Deployed Engineer, który się specjalizuje w klientach powiedzmy automotive, jest w stanie wdrożyć 3-4 use cases,

15:45 · Akwizycje i ich wpływ 7

Przy mniejszych, jakby mnie czasami to irytuje, że jak ja widzę produktowców nawet, którzy Odpychają takie requesty klienta, w sensie wiedzą, że mogłoby, jest jakiś workaround w produkcie, który umożliwiłby, że value dla klienta będzie dostarczone, ale oni twardo mówią, nie, nie, nie, my to mamy na roadmapie, nie ma tego i takie, wiecie, takie klasyczne nie. Ja uważam, że dużo bardziej powinni produktowcy wejść w rolę też osób, którzy mają jakąś tam czas poświęcony na to, żeby właśnie w tych małych rzeczach być takimi forward deployed engineers. Ale jeszcze jedna ciekawostka u nas, co się dzieje aktualnie. Ze względu na to, że ta rola tych value engineers, którzy też się rozwinęli na applied AI i value engineers, zaczęła być popularna, my zaczęliśmy budować produkty, które są coraz bardziej też przystosowane pod nich.

Co to znaczy? Tak jak kiedyś interfejsem był głównie UI, gdzie oni wdrażali Software do klienta. Tak teraz zmieniliśmy to w agentów. Mamy po prostu agenta, który jest podpięty do różnych naszych funkcjonalności. I głównym celem jest to, aby ten Forward Deployed Engineer, czy jak my go nazwijemy, był jak najszybciej Wstanie wdrożyć ten nasz software, więc chat interface umożliwia to coraz bardziej, prawda? Więc jeśli jesteśmy w stanie my jeszcze sprawić, że ta demokratyzacja tej roli będzie jeszcze większa, bo osoby o mniejszych technicznych skillach będą w stanie to robić dzięki temu, że będą w stanie pisać agentem i mieć dostęp do wszystkich funkcjonalności funkcji, tym te wdrożenia jeszcze bardziej

Jeszcze bardziej szybsze. Nawet jedną rzecz, ostatnio miałem taką anegdotkę, mieliśmy principal PM-a u nas w organizacji, w Monachium akurat, który ku wszystkim zaskoczeniu jednego dnia stwierdził, że dobra, ja się przenoszę do roli Applied AI Engineer. Wszyscy byliśmy trochę zaskoczeni, dlaczego on to zrobił i on wytoczył taką tezę, Że jego celem następnym w karierze jest po prostu przejście do Anthropica albo OpenAI, które też mają biura w Monachium. I on widzi, że nie ma żadnych szans, żeby tam przejść z roli produktowca, więc jedyną jego możliwością jest przejść na Applied AI Engineer, zrobić kilka solidnych wdrożeń, mieć kompletną domy wiedzy, jak takie produkty na tym skale funkcjonują.

Gdzie designer ma po prostu ten product sense jak gdyby i rozumie co tam próbują dostarczać i właściwie nie musimy my tam wkraczać i pokazywać naszych cudownych zdolności product managerskich, tylko oni doskonale ze sobą współpracują, reagują na feedback klientów i prowadzą to dalej. Ja w swoim poletku mam kilka historii, gdzie właściwie ja jestem jedyną osobą na podzie na przykład, współpracuję z inżynierem, żeby architektonicznie pomógł mi zdecydować, jak mamy to zrobić, no i potem współpracuję z AI, żeby dostarczać jakąś małą czy większą funkcjonalność i to już dochodzi do takich Do takich elementów, że to nie jest poprawa copywritingu w produkcie albo zmiana na frontendzie, tylko cała jakaś rzecz, która uwzględnia w sobie jakieś kolejki zapytań, backend połączony z frontendem, tu się muszą zdziać zmiany na bazach danych i tak dalej, wszystko pokryte testami, architekturą i jakimś review.

Dobra, to co, lecimy do drugiego tematu. Marcin ma temat akwizycji, jego obserwacje od dużych graczy. Tak. Chciałem się z wami zmierzyć właśnie z tym tematem, bo o jakich akwizycjach chciałbym mówić. Pewnie ostatnio słyszeliście, że na przykład Airtable zostało przejęte przez dużą firmę Bending Spoons. To jest taki rodzaj akwizycji, gdzie bardziej duży VC przyjmuje po prostu firmę jak Airtable, żeby ją jeszcze bardziej zoptymalizować, utrzymać wzrost, może podciąć koszty. Mniej mnie takie akwizycje interesują, chociaż też są ciekawe, może też w tę stronę pójdziemy. Co mnie bardziej interesuje jest takie akwizycje właśnie, podam Wam przykład, niedawno było głośno o takim polskim startupie Neptune AI.

Czyli co, przychodzą inżynierowie i tak jak w wykonawstwie mówią kto pan, no to tak. Krótko mówiąc tak, dokładnie. Fajny, też mega ciekawy temat w ogóle z tych akwizycji. Mało osób pewnie to dotyka w Polsce, a im wyżej gdzieś tam idziemy w naszej karierze, tym pewnie częściej coś takiego dotykamy. No dobra, to co? Ostatni temat. Kuba, wracamy chyba do AI, jeśli dobrze pamiętam. No. Spróbujmy taką szybką piłkę. Chciałem poznać wasze AI-owe setupy do waszej codziennej pracy. W sensie, jak wygląda wasz taki typowy system operacyjny dla was samej?

I całkiem fajnie on działa w większości zastosowania, szczególnie w kodowaniu, do myślenia bardziej cloudowe rzeczy. Natomiast staram się szafować. Im bardziej złożone zadanie, tym lepszy model wykorzystuję do tego. Mniej korzystam z open AI-owych, a ostatnio ludzie coraz bardziej chwalą, więc też będę musiał przetestować. Zaleta kursora? Przełączam sobie tylko w interfejsie i mogę właśnie z tego korzystać. To jest spoko, a jedną z zalet właśnie jest to, że można te tańsze modele bardzo szybko wybierać na przykład do pojedynczych podzadań, nie? Bez jakiegoś ten, tylko po prostu w interfejsie sobie zmieniam. Okej, okej. U mnie wygląda to tak, że mamy co-worka, jeśli nie clouda, w organizacji setupowanego, więc to jest taki główny i tam tworzymy sobie skille do jakichś takich automatyzacji prostych.

Pokazano wszystkie 15 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.