LinkedIn CPO: Wir haben Trust-, Growth-, Research- und Analyst-Agents gebaut - Das haben wir gelernt

Perspektive

Das ist Tomer Cohen - langjähriger LinkedIn CPO - der ein radikales Experiment erklärt, wie Produkte gebaut werden. Sie haben ihr APM-Programm abgebrochen, einen “Full-Stack-Builder”-Karrierepfad geschaffen und benutzerdefinierte interne Agents gebaut, die bereits ändern, wie Teams arbeiten.

“70% der Job-Fähigkeiten werden sich bis 2030 verändern.” LinkedIn hat einzigartige Arbeitsmarktdaten. Die am schnellsten wachsenden Jobs sind zu 70%+ unterschiedlich von der Liste des letzten Jahres. Das Veränderungstempo übersteigt jetzt das Reaktionstempo. Traditionelle Product-Organisationen - mit ihren 15 Review-Schritten, mehreren spezialisierten Funktionen und komplexen Prozessen - können einfach nicht mithalten.

Das Full-Stack-Builder-Modell: Nehmen Sie einen Builder von der Idee bis zum Launch, unabhängig von seiner ursprünglichen Funktion. Betonen Sie fünf menschliche Eigenschaften: Vision, Empathie, Kommunikation, Kreativität und Urteilskraft. Automatisieren Sie alles andere. Die Analogie: Navy SEALs sind funktionsübergreifend trainiert, spezialisiert auf die Mission, und operieren in kleinen, wendigen Pods.

Standard-KI-Tools funktionieren nicht. Man kann Cursor oder Figma nicht einfach in die Codebase von LinkedIn bringen und erwarten, dass es gut funktioniert. Sie mussten eine Plattformebene bauen, Komponenten für KI neu strukturieren, damit sie sie versteht, und im “Alpha-Modus” mit Tool-Unternehmen arbeiten. Jedes Team neigte zu verschiedenen Tools - einige bevorzugen Figma, einige Subframe, einige Magic Patterns - was Konvergenzherausforderungen schafft.

Die internen Agents sind beeindruckend. Der Trust Agent führt Spezifikationen durch Schadensvektoren; fand alle ursprünglichen Probleme plus Lücken, die sie jahrelang vermisst haben bei der “Open to Work”-Funktion. Der Growth Agent enthält alle ihre einzigartigen Loops, Trichter und vergangenen Tests; jetzt nutzt UX Research ihn zur Priorisierung von Chancen. Der Research Agent ist trainiert auf Personas plus all der historischen Research und Support Tickets. Der Analyst Agent ermöglicht es jedem, das LinkedIn-Diagramm ohne SQL abzufragen.

Head of Craft baut seinen eigenen Agent. Jeder Domain-Experte baut den Agent für seine Funktion. Das Trust-Team hat den Trust Agent gebaut. Dies stellt sicher, dass Kontext, nicht nur generische Fähigkeiten, vorhanden ist.

Wichtigste Erkenntnisse

• 70% Fähigkeitswechsel bis 2030 - LinkedIns Arbeitsmarktdaten; Job verändert sich, ob Sie es wollen oder nicht
• Full-Stack-Builder - Idee bis Launch unabhängig von der Funktion; neuer Karrierepfad bei LinkedIn
• Fünf menschliche Eigenschaften - Vision, Empathie, Kommunikation, Kreativität, Urteilskraft; automatisieren Sie den Rest
• Navy Seal Pods - Funktionsübergreifend trainiert, missionsspezifisch, klein und wendig
• Standard-KI-Tools scheitern - Muss Plattformebene für KI-Verarbeitung der Codebase bauen
• Trust Agent - Führt Spezifikationen durch Schadensvektoren; fand alte Lücken bei “Open to Work”
• Growth Agent - Alle Loops, Trichter, Tests; UXR nutzt ihn jetzt zur Priorisierung
• Research Agent - Trainiert auf Personas + alle historische Research + Support Tickets
• Analyst Agent - LinkedIn-Diagramm ohne SQL abfragen
• Head of Craft baut Agent - Domain-Experten erstellen den Agent für ihre Funktion

Großes Bild

LinkedIn hat einzigartige Arbeitsmarktdaten, die zeigen, dass sich 70% der Job-Fähigkeiten bis 2030 verändern werden. Ihre Antwort: Scrappen Sie die traditionelle Product-Organisation, erstellen Sie “Full-Stack-Builder”, die von der Idee bis zum Launch gehen, unabhängig von der Funktion, und lassen Sie jeden Domain-Experten den KI-Agent für ihre Disziplin bauen. Die spezialisierte Funktion löst sich auf.