تخيل مشهدًا: أنتَ ضمن شركة تطوير منتجات برمجية – الاجتماعات مليئة بمشاركة الشاشات، الأكواد، قراءات البيانات، والذكاء الاصطناعي يقترح أولويات الـ backlog قبل ما الفريق حتى يبدأ الـ planning. 😲😲😲😲

في تلك اللحظة يبرز السؤال نفسه:

“فهل ما زال لل Product Owner دور؟ أم أن ال AI يستحوذ عليه؟”

التقرير من ماكينزي يجيب: لا، الدور لم يُلغى بعد … بل يتطور ويتحوّل.
لكن هنا، وجهة نظري ان: (نعم صحيح، تغيير الدور… لكن التنبؤ المطلق بسلوك المستخدم (User Exp.) الذي تقول ماكينزي إنه ممكن، لست مقتنعًا به بعد). فلنناقش هذا بهدوء.

تحليل التقرير – محاور التقرير الرئيسية

التقرير يُحدِّد خمسة تغيّرات جوهرية (critical shifts) التي يُمكن أن يُحدثها الذكاء الاصطناعي في دورة تطوير المنتج البرمجي (product development life cycle, PDLC).  سنستعرضها ونضعها في سياق عملي للـ PO.

1. تسريع كبير في (time to market)

ماكينزي تقول إنّ الأدوات الجديدة بالذكاء الاصطناعي قادرة على تقليص الزمن من مرحلة الرؤية إلى مرحلة النشر، لأن مهام التحليل، والتوثيق، وحتى بعض الكود يمكن أن تُنجز تلقائيًا.
وجهة نظري: هذا صحيح إلى حدٍّ كبير، لكن هل يعني أن كل ما يقاس هنا هو السرعة؟ ما يزال الـ PO يحتاج أن يقرر: هل ننشر بسرعة أم ننشر (بشكل صحيح)؟ السرعة وحدها ليست كافية إذا فقدنا الرؤية الإنسانية. فالتوقع الإنساني لازال يندرج تحت الإبداع البشري.

2. تحقيق قيمة (Value) للمستخدم أسرع

حسب التقرير، بتجميع مصادر بيانات المستخدمين وفهمهم عبر الذكاء الاصطناعي، يمكن للشركات أن تطلق منتجًا قريبًا جدًا من ما يُريده المستخدم — القيمة تبدأ من الإصدار الأول تقريبًا.
وجهة نظري: هنا أقول ليس صحيحا بنسبة كبيرة، لأن (القيمة الحقيقية) لا تنشأ بمجرد إطلاق مبكّر وسريع، بل بمتابعة المستخدم، بفهم Why (لماذا يفعل هذا) وليس فقط What (ما الذي فعله). والـ PO هو من يُحافظ على هذا البعد الإنساني وفهمه.

3. إستعمال أدوات الذكاء الاصطناعي في كل ال (Life cycle)

التقرير يؤكد أن الذكاء الاصطناعي لا يقتصر على مرحلة التطوير أو التوثيق الواقعي، بل يمتدّ من الاكتشاف (discovery) إلى الإطلاق (release) وحتى الصيانة (maintenance).
وجهة نظري: هذا الانتشار الكبير يجعل من الـ PO ليس فقط مديرا للـ backlog، بل (مديرا لدورة حياة المنتج) – يعني لازم يفهم تدفّقات البيانات، ويكون على دراية بأسئلة مثل: ما هي الـ feedback-loops؟ كيف تتغذّى النماذج بالبيانات؟ هذه نقطة أغفلها التقرير ويغفلها أيضا المصادر التي علي أساسها يحللها الAI. حيث أن مصادره في الأساس كانت علي تجارب بشرية ولكن ليست كل التجارب تصلح أن تكرر أو يتم إعادتها ( فين الإبداع بقي؟)

4. تغيير في المهارات والبُنى التنظيمية

ماكينزي تشير إلى أن التحول نحو الذكاء الاصطناعي يتطلّب تغييرا في المهارات (skill sets)، البُنى التنظيمية (org structure)، وحوكمة البيانات (data governance).
وجهة نظري:  هذا هو جوهر ما يميز الـ Modern PO. ليس فقط إدراك أداة مبنية بال AI، بل إدراك الإطار التنظيمي كله، والقدرة على التساؤل: (هل نحن نستثمر بالشكل الصحيح؟ هل البيانات لدينا ليست مجرد جداول بل رؤى؟) حيث تحليلها يحتاج إلي مقابلات أو نظرة بشرية.

5. التحديات الواقعية والفرص

الرغم من كل الحماس، التقرير لا يتجاهل أن (ببساطة استخدام أدوات AI لا يكفي) — يجب إعادة تصميم و إدارة العمليات بشكل بشري. 
وجهة نظري: وهنا نقطة حاسمة 😜😜 — الـ PO الذي يعتقد أن مجرد تشغيل أداة يعوض رؤيته يكون قد أخطأ. الأداة تُمكّن، لكن ليست بديلاً للمسة البشرية التي تخاطب مستخدمين بشر.

ملخص وجهة نظري:

(نعم، الـ AI يقترح أولويات، لكنه يبني هذا المقترح علي مصادر وكتب صماء لا تعرف التجربة الحالية. والرؤية البشرية هي ما يبقي الـ PO حيّاً.)

أ. عندما تقول ماكينزي: (يتنبأ سلوك المستخدم)

– ماكينزي تُشير إلى أن البيانات والنماذج يمكن أن تُبنى عن طريق الذكاء الإصطناعي، لكن: هناك بعدٌ بشريّ (غير قابل للتنبؤ) — الإبداع، الحافز، الثقافة.
– إذًا الـ PO لا يُعوض، بل يُضيف: هو الشخص الذي يسأل (لماذا يُغيّر المستخدم سلوكه؟) ويجاوب بخبرته و إبداعه وليس فقط (ما الذي تغيير؟).

ب. من إدارة مهام إلى قائد رؤية (Vision leader)

– في عالم الذكاء الاصطناعي، المهام العادية تختفي أو تُؤتمت، لكن (الرؤية) — ليه نعمل ده؟ و احنا بنمثل ايه للمستخدم؟ — تبقى مسؤولية بشرية بحتة.
– الـ Modern PO هو الذي يضع الإتجاه، لا يُصدّق الاقتراحات آلية فقط، بل يقوّمها، ويُعيد صياغتها وفق (الصورة الأكبر).

ج. العمل مع الأداة وليس تحتها

– التقرير يقول: الأدوات تتعلّم وتتكّيف. لكن هذا ليس معناه أنه سيصبح بشريا، فسلوكه مبني علي قواعد (Logic) لن يستطيع أن يفكر خارج الصندوق أبدا، وهذا دور الـ PO (ينخرط مع الأداة بوعي) — ليس منفّذا أو مراقبا فقط، بل مديرا عليها، فهي توفر وقته في جمع البيانات وتحليلها وتقديم تقرير سريع و واضح، ولكن هو من سوف يتخذ القرار.
– عليه أن يفهم تدفّقات البيانات، الـ feedback loops، أن يعرف (متى تعود) ليُعدّل ويُغير المسار.

د. مهارة (الفهم قبل اتخاذ القرار)

– حين يعطيك الـ AI اقتراحاً، السؤال ليس مجرد “تنفيذه؟” بل “لماذا؟”
– هذه المهارة ستُميّز الـ PO الحقيقي في المرحلة القادمة. لأن الأداة تُعطي اقتراحات، لكن ليس كل اقتراح مُناسب. وهنا يأتي دور البشر.

الخلاصة

– الذكاء الاصطناعي لا يُلغي دور الـ Product Owner، بل يُحوّله من (مدير مهام) إلى (قائد رؤية).
– التقرير من ماكينزي يعطي خارطة طريق واضحة، لكن: ليس كل ما يُقال يمكن تنفيذه كما هو — الإبداع البشري لن يعوض.
– الّذي سيتفوق ليس الـ PO الذي يتبنّى الأدوات أو يكتب أوامر (Prompt) منسوخ، بل الذي يفهم، يسائل، ويُوجّه تجربته عبر الأدوات.

دعوة للتفكير

هل أنت مُستعد اليوم أن تكون الـ PO الذي يُدير الذكاء الاصطناعي، وليس الذي يُدار؟
هل لديك رؤية تقول (إلى أين نذهب؟ ولماذا؟) قبل أن تسأل (ماذا نفعل؟)
ابدأ بخريطة طريق صغيرة: عيّن مرحلة واحدة في منتجك، جرّب أداة AI، وقيّم كيف تغيّر دورك كـ PO.