Anthropic secara bersamaan mendukung produk Microsoft dan bersaing dengannya dari dalam aplikasi Microsoft sendiri. Microsoft meluncurkan Copilot Cowork awal pekan ini. Agen lintas aplikasi mereka sendiri untuk Excel dan PowerPoint. Mereka secara terbuka menyatakan bahwa itu dibangun bersama dengan Anthropic. Claude Opus 4.6 adalah salah satu model yang dapat dipilih di dalam Copilot itu sendiri. Hari ini, Anthropic mengirimkan sinkronisasi antara Claude untuk Excel dan Claude untuk PowerPoint. Saat kedua aplikasi terbuka, Claude membagikan konteks percakapan lengkap di antara mereka. Seorang analis keuangan dapat menarik comps dari buku kerja, membangun tabel perdagangan, menjatuhkan ringkasan penilaian ke pitch deck, dan menyusun email ke MD. Satu sesi. Tidak ada penjelasan ulang himpunan data di setiap langkah. Add-in sekarang dirutekan melalui Amazon Bedrock, Google Cloud Vertex AI, dan Microsoft Foundry. Ketiga hyperscaler. Untuk produk yang berada di dalam Microsoft Office. Microsoft memiliki 15 juta kursi Copilot berbayar. Tetapi pangsa pelanggan berbayar mereka berkontraksi dari 18,8% menjadi 11,5% dalam enam bulan. Tingkat konversi dari "memiliki akses" menjadi "secara aktif memilihnya" berada di 35,8%. Kesenjangan antara lisensi yang disediakan dan penggunaan sukarela adalah tempat Anthropic memarkir produk ini. Fitur kedua yang dikirimkan hari ini adalah keterampilan di dalam add-in. Alur kerja yang dapat diulang disimpan sebagai tindakan sekali klik di dalam bar samping. Analisis varians. Templat dek klien. Audit untuk kesalahan formula dan integritas neraca. Setelah 50 analis di bank membangun alur kerja malam mereka di Claude Skills di dalam Excel, biaya peralihan bertambah setiap bulan. Microsoft menjual Copilot ke CIO yang menandatangani perjanjian perusahaan. Anthropic menjual Claude kepada analis yang membuka spreadsheet pada tengah malam. Kontrak perusahaan mengikuti data penggunaan. Itu selalu terjadi.

CPO di perusahaan senilai $2,6 miliar baru saja menunjukkan apa yang terjadi ketika Anda berhenti menggunakan AI sebagai chatbot dan mulai menggunakannya sebagai sistem operasi. Dave Killeen menjalankan seluruh hari kerjanya dari Claude Code. Satu perintah merencanakan harinya. Yang lain memeriksa skor kesehatan akun di seluruh transaksinya. Sepertiga menulis PRD bahwa dia mengatakan dia akan menilai 8 atau 9 dari 10. Dia membangun keterampilan peracikan untuk setiap tugas. Pertama kali Anda menggunakan keterampilan, hasilnya umum. Pada Hari ke-30, sistem telah mempelajari bagaimana Anda beroperasi, apa yang Anda prioritaskan, dan bagaimana membuat Anda tetap fokus. Setiap interaksi memberi makan yang berikutnya. Inilah yang dilewatkan kebanyakan orang tentang Keterampilan vs MCP vs Kait. Server MCP lebih baik daripada API mentah untuk AI karena bertindak sebagai pagar pembatas. Dave mengarahkan Claude ke dokumentasi API dan mengatakan "buat saya server MCP." Lapisan MCP memberi AI cara yang lebih terstruktur untuk berinteraksi dengan data daripada memukul titik akhir secara langsung. Keterampilan adalah buku pedoman yang dapat digunakan kembali. Kesehatan akun, perencanaan harian, pembuatan PRD. Masing-masing meningkat melalui penggunaan. Kait adalah lapisan otomatisasi. Mereka menembak secara otomatis berdasarkan pemicu, sehingga sistem dapat mempertahankan diri tanpa Anda mengasuhnya. Buka kunci sebenarnya adalah file Claude.MD. Dave telah melakukan ratusan iterasi padanya. Dia mengontrol versi di GitHub karena dia melihat regresi kinerja dan perlu mengembalikan. Pikirkan tentang itu. Seorang CPO menjalankan git commit pada file konfigurasi AI-nya seperti cara seorang insinyur mengelola kode produksi. Dia meninggalkan Kursor untuk terminal karena Claude Code memberi Anda kait belajar mandiri dan pemuatan konteks otomatis yang tidak dapat dicocokkan oleh alat berbasis GUI. Trade-off adalah kurang umpan balik visual. Keuntungan adalah sistem yang benar-benar bermajemuk. Dia membangun aplikasi KPI Driver Tree dalam dua jam di pesawat setelah membaca statistik Atlassian bahwa hanya 12% PM yang merasa terhubung dengan hasil bisnis. Itulah hal yang membutuhkan seperempat tim PM untuk menentukan spesifikasi dan pengiriman. Di sinilah arah perkakas PM. PM yang membangun sistem operasi pribadi yang mempelajari pola mereka akan beroperasi dengan kecepatan 5x lipat dari PM yang terus membuka ChatGPT dan mengetik "tulis saya PRD."

Strategi produk menjadi keterampilan terpenting tidak hanya untuk PM, tetapi juga insinyur dan desainer perangkat lunak. Saya mengumpulkan sumber daya utama untuk membangunnya berdasarkan pengalaman PM saya selama 16+ tahun: