Notatki z keynote’a Canvas 25 — głównego przemówienia André Kusida, CEO Miro

Poniższy tekst zawiera zbiór notatek i kluczowych wniosków z prezentacji otwierającej Miro Canvas 25. Wszystkie opisane tu przemyślenia i obserwacje pochodzą od prelegentów, w tym CEO André Kusidy i CPTO Jeffa Chowa. Przedstawili oni nową wizję platformy — ewolucję „Innovation Workspace” wprowadzonego rok temu — która ma rozwiązać fundamentalny problem współczesnej adopcji AI.

TL;DR — najważniejsze ogłoszenia z Miro Canvas 25

Miro wprowadza AI Innovation Workspace — platformę integrującą sztuczną inteligencję ze współpracą wizualną na jednym canvasie
Problem nie leży w możliwościach AI, lecz w tym, że większość firm izoluje go do pojedynczych zadań, amplifikując fragmentację zamiast przyspieszać projekty
Nowa koncepcja: „Canvas jest promptem” — AI ma rozumieć kontekst wizualny (Visual Context Processing), w tym grupowanie elementów, diagramy, a nawet odręczne szkice
Zapowiedziano dwie główne nowości: Sidekicks (konwersacyjni agenci AI, którzy mogą być personalizowani) oraz Flows (wizualne automatyzacje wieloetapowych procesów AI)
Ogłoszono pakiet Miro for Product Acceleration — 10 zintegrowanych narzędzi, w tym Roadmaps, Insights, Prototypes i Specs
Pokazano Miro Specs i protokół MCP — jak agregowany kontekst projektu przekazywany jest do narzędzi generujących kod (np. Claude w VS Code)
Ogłoszono wsparcie dla wielu modeli AI (Bring Your Own AI Key) i integracje z bazami wiedzy (Glean, Amazon Q, Google Gemini)

Problem z AI to izolacja, nie technologia

André Kusida, CEO i współzałożyciel Miro, otworzył prezentację od ogłoszenia osiągnięcia milowego: platforma przyrosła do 100 milionów użytkowników. Równocześnie podkreślił, jak firmy takie jak Warner Brothers, PayPal czy On używają Miro do przyspieszania innowacji.

Szybko przeszedł jednak do głównego wyzwania obecnej rewolucji AI. Zauważył, że choć firmy przeszły od eksperymentów do skalowanych inwestycji w sztuczną inteligencję, praca zespołowa została w tym procesie pominięta. Według analiz Miro i badań Forrester, głównym problemem jest stosowanie AI w indywidualnych i izolowanych przypadkach użycia — to wzmacnia silosy i jest czynnikiem nr 1 wpływającym negatywnie na zwrot z inwestycji w AI.

W rezultacie ludzie pracują wydajniej w pojedynkę, ale całe projekty wcale nie przyspieszają. Wizja Miro zakłada zatem, że AI powinno działać tam, gdzie pracują zespoły. Wymaga to połączenia sztucznej inteligencji z „Inteligencją Zespołową” (Team Intelligence) — unikalnie ludzkimi cechami: smakiem, osądem, krytycznym myśleniem, współpracą i empatią.

Paradoks: AI w silosach amplifikuje problemy

Badanie Miro przeprowadzone wspólnie z Forrester ujawniło kluczowe odkrycie: gdy AI używane jest w silosach do pojedynczych, izolowanych przypadków użycia, staje się głównym blokerem zwrotu z inwestycji w sztuczną inteligencję.

Schemat wygląda następująco. Inżynier ma asystenta AI i pisze szybciej pracując samotnie. Projektant ma generator i tworzy szybciej pracując samotnie. Menadżer produktu ma narzędzie i pracuje szybciej pracując samotnie. W rezultacie każda osoba zarabia więcej czasu, lecz projekt porusza się w tej samej prędkości co wcześniej.

Dlaczego? Ponieważ rzeczywisty problem nie dotyczy szybkości pracy jednostki. Chodzi o handoff’y między zespołami, brak wspólnego kontekstu, fragmentację narzędzi oraz słabą komunikację między decyzjami. Sztuczna inteligencja wzmacnia wszystkie te problemy, zamiast je rozwiązać.

Rozwiązanie: Canvas jako nowa infrastruktura

Jeff Chow, CPTO w Miro, przedstawił szczegóły nowej wizji: AI Innovation Workspace. Jej fundamentem jest przekonanie, że canvas to najlepsza powierzchnia do łączenia zespołów i AI. Dlatego kluczowa koncepcja Miro brzmi: „Canvas jest promptem”.

Kusida podkreślił, że canvas staje się nowym promptem dla AI. Zamiast pisać długie instrukcje, wszystkie artefakty już stworzone przez zespół — mood boardy, szkice, briefs, prototypy, notatki, feedback — pozostają dostępne na canvasie. Sztuczna inteligencja je widzi, rozumie i wykorzystuje.

Chow wyjaśnił, że praca zespołów na kanwie jest już bogata w kontekst. Zamiast więc tłumaczyć ten kontekst narzędziom AI, platforma musi go sama rozumieć. Służy do tego nowa technologia: Przetwarzanie Kontekstu Wizualnego (Visual Context Processing). Pozwala ona AI „widzieć” kontekst na tablicy i rozumieć:

Subtelną naturę skupionych karteczek samoprzylepnych
Znaczenie komponentów tworzących wireframe
Odręczne szkice i adnotacje

Ta zmiana jest fundamentalna. Nie każdy członek zespołu pisze prompt osobno. Cały zespół pracuje na jednym canvasie, a AI obserwuje to, co się na nim dzieje. Aby to zadziałało, Miro zbudowała trzy nowe możliwości.

Trzy filary nowego ekosystemu Miro AI

Nowy AI Innovation Workspace opiera się na trzech głównych nowościach, które zaprezentował Jeff Chow:

Przetwarzanie Kontekstu Wizualnego (Visual Context Processing) — zdolność AI do rozumienia relacji, struktur i znaczeń na tablicy
Sidekicks — konwersacyjni agenci AI, którzy działają jak „koledzy z zespołu”, rozumiejący kontekst kanwy
Flows — funkcja pozwalająca wizualnie łączyć i automatyzować wieloetapowe procesy bezpośrednio na kanwie

Visual Context Processing: AI rozumie więcej niż słowa

Po raz pierwszy AI może przetwarzać kontekst wizualny na canvasie. Obejmuje to pogrupowane notatki samoprzylepne (i ich znaczenie), komponenty tworzące wireframe’y, każdą adnotację i szkic powstały z kolaboracji, strukturę informacji oraz relacje między elementami.

To nie jest zwykły zrzut ekranu przetwarzany przez model. Chodzi o rzeczywiste procesowanie wizualne. Gdy asystent AI widzi prototyp z notatkami nakazującymi zmianę koloru na różowy, dostrzega również, dlaczego ta zmiana ma sens — ponieważ reszta prototypu również jest w różu. W efekcie zamiast generować coś nowego bez kontekstu, AI ulepszająco modyfikuje istniejące rozwiązanie.

Sidekicks: asystenci AI na canvasie

Sidekicks to narzędzie znacznie bardziej zaawansowane niż tradycyjne chatboty. Są to agenci konwersacyjni, którzy widzą pracę na canvasie dzięki Visual Context Processing, zadają pytania wyjaśniające zamiast generować rozwiązania bez dyrektyw, iterują ze zespołem w czasie rzeczywistym oraz mogą być dostosowani do konkretnych rodzajów zadań.

Kusida pokazał konkretny przykład. Zespół chciał zmodyfikować prototyp, ale zamiast musieć wszystko opisywać, asystent widział prototyp z feedback’iem, schemat barw, istniejące komponenty i to, jakie zmiany chcą wprowadzić postacie w mockupie. Wygenerował przyrostowe ulepszenia, a nie całkowicie nową wersję.

Szczególnie interesujący moment prezentacji: Bree, product manager, miała do dyspozycji niestandardowego sidekicka o nazwie „treehouse builder”. Narzędzie stworzyło zarys całej specyfikacji projektu, modyfikowało go na podstawie feedback’u z zespołu (również od dzieci uczestniczących live w demo) i wszystkie prace odbywały się na canvasie bez konieczności przechodzenia między aplikacjami.

Flows: zautomatyzowane przepływy na canvasie

Flows to możliwość wizualnego mapowania procesów, łańcuchowania etapów automatycznie oraz zapewnienia, że każdy krok jest kolaboratywny — zespół może iterować nad outputami AI w czasie rzeczywistym.

Bree zaprezentowała praktyczne zastosowanie. Przeciągnięcie obrazu na canvas, wybranie „Generuj wideo”, natywne odtwarzanie wideo bezpośrednio na canvasie. Następnie przeciągnięcie tego samego obrazu do szablonu przepływu do planowania projektu. AI wygenerował pełny plan: tablicę Kanban z zadaniami, listę zasobów, harmonogram i slajdy przeznaczone do przekonania sąsiadów. Wszystko to zajęło kilka minut, a cała praca przebiegała na jednym canvasie, gdzie każdy mógł edytować i ulepszać rezultat.

Miro for Product Acceleration: pakiet 10 zintegrowanych narzędzi

Jeff Chow zaprezentował kolejne duże ogłoszenie: Miro for Product Acceleration. Opisał je jako odpowiedź na trend „demokratyzacji rzemiosła” — sytuacji, w której product managerowie projektują, projektanci kodują, a inżynierowie robią wszystkiego po trochu. Zespół produktowy Miro (Jake, Emma i Wukasz) zademonstrował, jak nowy pakiet 10 zintegrowanych produktów eliminuje wąskie gardła w cyklu rozwoju.

Pakiet obejmuje:

Portfolios i Roadmaps — strategia do planu
Insights — dane z głosu klienta
Prototypes — od danych do prototypu
Technical Design — architektura systemu z live repozytorium
Specs — pojedynczy punkt dostępu dla całego kontekstu
Plus sześć dodatkowych produktów wspierających przepływ pracy

Od strategii do planu (Portfolios i Roadmaps)

Jake pokazał, jak Miro Portfolios pozwala liderom definiować cele, a Miro Roadmaps integruje się na żywo z narzędziami takimi jak Jira. Co ważne, Sidekick (agent AI) potrafił w demonstracji przeanalizować całą roadmapę, porównać ją z danymi z Miro Insights (zasilanym danymi z Zendesk, Salesforce, Gong) i firmową strategią, aby zasugerować nowe, brakujące możliwości.

Od danych do prototypu (Insights i Prototypes)

W kolejnym kroku Emma zademonstrowała, jak zmiana statusu briefu produktu na „zatwierdzony” automatycznie uruchomiła przepływ. Ten przepływ wygenerował plan projektu, wersję roboczą projektu technicznego oraz trzy różne, w pełni interaktywne Miro Prototypes. Zespół mógł następnie iterować prototypy, używając Sidekicka, który (dzięki Visual Context Processing) rozumiał wizualne komentarze, np. „dodaj uroczego psa do logo”.

Od prototypu do kodu (Technical Design i Specs)

Na końcu Wukasz (inżynier) pokazał, jak Miro Technical Design łączy się z bazą kodu (przez MCP), aby wygenerować aktualny diagram architektury systemu, nazywając go „rzeczywistym źródłem prawdy”. Zwieńczeniem było Miro Specs. Ten format agreguje cały kontekst projektu: brief, prototypy, diagramy techniczne, a nawet firmowe wytyczne z wiki.

Wukasz wyjaśnił, że obecne AI do generowania kodu mają poważny problem — jeśli nie dostaną pełnego kontekstu, „z radością wypełnią luki” i „wymyślą nowe ekrany”. Podkreślił, że w ten sposób to AI podejmuje za nas decyzje produktowe, czego należy unikać. Miro Specs ma rozwiązywać ten problem. Podczas demo Wukasz skopiował link do „speca”, wkleił go do edytora VS Code (z Claude) i poprosił AI o implementację. W rezultacie AI, odczytując pełny kontekst przez MCP, wygenerowało gotowy kod aplikacji.

Integracja i skalowanie: AI dla przedsiębiorstw

Praktyczne demo: od chaosu do planu projektu

Bree, product manager, pokazała praktyczne działanie w czasie rzeczywistym. Zespół miał mood board, szkice i sprzeczne wymagania. Sidekick „treehouse builder” zapytał, które elementy powinny znaleźć się w projekcie: drabina linowa, zjeżdżalnia czy most przejezdny. Zamiast rozmów i maili, asystent zadawał pytania wyjaśniające.

W efekcie wygenerowano trzy rozbieżne warianty 3D. Zespół głosował (nawet dzieci biorące udział w live demo mogły głosować na canvasie). Z wybranym wariantem Bree użyła Flows do wygenerowania wideo AI oraz planu projektu — tablica Kanban, lista zasobów, harmonogram, slajdy dla sąsiadów. Cała praca zajęła około 15 minut, a wszystko odbywało się na jednym canvasie, gdzie każdy mógł redagować i ulepszać rezultaty.

Integracja i ekosystem AI

Miro funkcjonuje jako otwarty ekosystem. Wspiera główne modele AI (OpenAI, Google Gemini Enterprise, Amazon Q, modele niestandardowe), integruje wyszukiwanie wiedzy (Glean, Amazon Q, Google Workspace — wszystkie mogą być powiązane z Sidekicks i Flows), oraz obsługuje protokół MCP. Oznacza to, że Cursor, Lovable, AWS, Kero, Claude Code i OpenAI Code mogą się podłączyć do Miro.

Wyznaczenie wspólnego ekosystemu pozwala na to, że wybrany tool AI pracuje z Miro Specs bez opuszczania aplikacji.

Przykładowe prompty AI z Canvas 25 — i kontekst ich użycia

Kluczową ideą prezentacji było to, że „canvas jest promptem”. Oznacza to, że prompty tekstowe stają się bardzo proste, ponieważ AI czerpie cały złożony kontekst z obiektów wizualnych. Oto prompty, które pojawiły się w trakcie prezentacji:

Prompt 1: „Pomóż mi zaprojektować domek na drzewie” (Demo Bree)

Kiedy stosować: Gdy na canvasie znajduje się zbiór luźnych inspiracji (moodboard, szkice). Ten prosty prompt inicjuje proces syntezy. AI (Sidekick) analizuje wizualny kontekst i rozpoczyna konwersację, aby wygenerować konkretną koncepcję.

Prompt 2: „Przeanalizuj roadmapę i pomóż mi zidentyfikować brakujące szanse” (Demo Jake’a)

Kiedy stosować: Jest to polecenie strategiczne. Używa się go, gdy na canvasie znajduje się ustrukturyzowany obiekt (jak Miro Roadmaps). AI (Sidekick) analizuje ten obiekt i porównuje go z podłączonymi bazami wiedzy.

Prompt 3: „Zrób do tego jeszcze jedno podejście” (Demo Emmy)

Kiedy stosować: To prompt typowo iteracyjny. Używa się go, gdy AI już coś wygenerowało (np. prototyp). Zamiast pisać nowy, skomplikowany opis zmian, zespół po prostu dodaje swoje uwagi (komentarze, szkice) na canvasie obok prototypu.

Prompt 4: „Zaimplementuj zadanie opisane w tym Miro Spec” + [URL] (Demo Wukasha)

Kiedy stosować: Jest to polecenie „delegujące”, używane w zewnętrznym edytorze kodu (jak VS Code). Zamiast ręcznie opisywać AI cały kontekst, ten prompt odsyła AI (poprzez protokół MCP) do jednego miejsca w Miro (Miro Spec), które zawiera wszystkie wymagania.

Klient: Proximi — sztuczna inteligencja w ochronie zdrowia

Praktycy z Proximi, firmy zajmującej się technologią dla sektora opieki zdrowotnej, pokazali rzeczywiste zastosowanie. Lekarz wskazał, że 30–40% czasu pracowników służby zdrowia idzie na dokumentację. Jak zautomatyzować ten proces?

Proximi wykorzystuje Miro Insights do importu live dashboardów z sal operacyjnych, syntezy danych przez AI, natychmiastowej generacji nowych widoków i dashboardów, pokazywania klientom „co jest możliwe” zamiast przedstawiania teorii. Każdorazowe iterowanie nad danymi zajmuje sekundy. To zmienia sposób, w jaki firma demonstruje potencjał swoich rozwiązań.

Najlepsze praktyki w społeczności

Społeczność już buduje niestandardowe Sidekicks i Flows. Diana Kaplan stworzyła „AI Powered User Journey Map”, które przyspiesza tworzenie storyboardów, identyfikację bolączek użytkowników i generowanie prototypów. John Scalise opracował „Workshop Designer Sidekick”, który zamienia wyzwania zespołu w zarys warsztatu strukturalnego z wytycznymi moderacji.

To oznacza, że sprawdzone praktyki mogą być skalowane w całej organizacji bez za każdym razem przebudowywania rozwiązań.

Problem: dostęp do kontekstu, nie zdolności AI

Kusida przedstawił fundamentalną obserwację: wąskie gardło nie leży już w możliwościach sztucznej inteligencji. Leży w przekazaniu odpowiedniego kontekstu tym narzędziom. Latami pytanie brzmiało: „Czy AI potrafi to napisać?” Teraz pytanie jest inne: „Czy AI ma wystarczająco informacji, aby napisać to, czego chcemy?”

Miro Specs plus MCP server rozwiązuje to połączenie. Jednak pojawia się zastrzeżenie. Jeśli coś zostanie pominięte w specyfikacji, AI będzie „bardzo chętnie wypełniać luki”. Wymyśli nowe ekrany, zaproponuje własne rozwiązania, a wtedy sztuczna inteligencja podejmuje decyzje produktowe za zespół. To nie jest pożądane.

Pracowity przewód: równoległa, a nie sekwencyjna praca

Emma i Jake pracowali nad ulepszeniem briefa produktu i rafinacją wizualizacji. Jednocześnie Wukasz pracował nad ustaleniem kierunku technicznego. Wszystko odbywało się równolegle, na tym samym canvasie. Nikt nikogo nie czekał.

Dlaczego? Ponieważ wszyscy widzieli na bieżąco, co się zmienia. Zmiana w designie? Wukasz dostrzega. Zmiana w podejściu technicznym? Emma dostrzega. To jest współpraca równoległa, a nie sekwencyjna wymiana zadań.

✓ CHECKLIST: Czy twój zespół jest gotów?

Infrastruktura:

Masz live repozytorium kodu z Gitem
Używasz jednego z głównych narzędzi AI (Claude Code, GitHub Copilot, Cursor)
Możesz się zalogować do Miro API

Problem/ból:

Twoje zespoły pracują w izolacji mimo potrzeby koordynacji
AI, które stosujecie, jest rozproszone między różnymi narzędziami
Dokumentacja zawsze się starzeje
Przekazywanie zadań między product/design/engineering to wąskie gardło

Gotowość:

Masz sponsora wykonawczego dla transformacji AI
Planujesz rozpocząć od pilota (jeden zespół, jeden projekt)
Jesteś gotów zmienić sposób pracy (to więcej niż wymiana narzędzia)

Wdrażanie: trzy filary wsparcia

Miro rozumie, że każda organizacja jest inna. Dlatego zbudowała trzy sposoby wspierania.

1. Global Partner Network (50+ partnerów)

Firmy, które wdrażają to od lat, posiadające doświadczenie w transformacji i ekspertyzę branżową (opieka zdrowotna, fintech i inne). Wielu z nich było obecnych na Canvas 25.

2. Professional Services

Ekspertyza wdrożeniowa, doradztwo (jakie zmiany wprowadzić najpierw), zarządzanie relacjami z klientami korporacyjnymi. Usługi te wspierają transformację przepływów pracy, standaryzację procesów biznesowych i optymalizację stosu technologicznego na całym cyklu życia produktu.

3. Learning Resources

Darmowe webinary i kursy (Miro Academy), live szkolenia od klientów (GitHub, Red Hat, NFL pokazują, jak zarządzają transformacją AI), help center. Ideą jest to, że nie zostawiamy zespołu z samym narzędziem. Zostawiamy go z ekosystemem.

Architektura transformacji

André podkreślił, że gdy firma widzi demo, każdy mówi: „chcę to robić, ale jak to wdrożyć?” Odpowiedź to zmiana na każdym poziomie organizacji. To nie jest „zainstaluj Miro i gotowe”. Obejmuje to zarządzanie zmianą, nowe sposoby pracy, edukację, skalowanie sprawdzonych praktyk.

Canvas 25: rozszczepiona seria konferencji

Canvas 25 nie jest tylko jedną prezentacją. To seria konferencji odbywających się w Nowym Jorku (już przeprowadzona), następnie w Tokio, Sydney, San Francisco, Singapurze, Zurychu, Amsterdamie, Monachium, Paryżu i Londynie (przez następne dwa miesiące). Na każdej z nich dostępne są demo stations — bezpośrednie zapoznanie się z narzędziami.

Samorealizacja: jak Miro buduje Miro

Miro wykorzystuje Miro do budowania Miro. Zespół design redesignuje platformę na Miro. Zespół produktu planuje przyszłość na Miro. Engineering buduje Miro za pomocą Claude Code plus Miro Specs plus Miro Technical Design. To nie była prezentacja teoretyczna. To był dowód praktyczny.

To ujawnia ważną myśl: jeśli Miro potrafił to zrobić dla siebie, każda organizacja może to zrobić dla siebie.

Porównanie: tradycyjna praca vs. AI Innovation Workspace

Tradycyjna praca z AI:

Inżynier ma asystenta AI → pisze szybciej osobiście
Projektant ma generator → tworzy szybciej osobiście
Rezultat: każdy szybciej, ale projekt porusza się w tym samym tempie (wąskie gardło w przekazywaniu zadań)

AI Innovation Workspace:

Cały zespół na jednym canvasie
Canvas → Insights → Prototypes → Technical Design → Specs
Wszystko jest zsynchronizowane na bieżąco, wizualnie przetwarzane przez AI
AI rozumie kontekst całego projektu, nie tylko swojego małego kawałka
Rezultat: projekt szybszy, bo mniej czekania, więcej wyrównania

Cztery obserwacje

AI w silosach amplifikuje problemy — nie je rozwiązuje. To było główne odkrycie z badań.
Canvas staje się nową infrastrukturą. To nie „narzędzie do rysowania”. To miejsce, gdzie AI żyje i pracuje razem ze zespołem.
Visual Context Processing zmienia scenę. AI, które widzi prototypy, diagramy, adnotacje — radzi sobie lepiej niż AI czytające prompt tekstowy.
Miro Specs plus MCP server równa się AI z pełnym kontekstem. Bez tego, AI halucynuje i podejmuje decyzje produktowe za zespół.

Kluczowy insight I: Paradoks kontekstu AI

Standardowo myślimy: że aby uzyskać lepszy kod lub projekt z AI, musimy pisać coraz lepsze i bardziej szczegółowe prompty tekstowe. Cały wysiłek idzie w „prompt engineering”.

W praktyce okazuje się, że: (jak pokazał Wukasz) największym zagrożeniem jest AI, które „wypełnia luki” w niekompletnym kontekście, tym samym potajemnie podejmując za nas decyzje produktowe. Problemem nie jest jakość promptu, ale kompletność kontekstu.

Dlaczego to jest istotne: Przenosi to ciężar z umiejętności pisania (promptu) na umiejętność agregowania (kontekstu). Zamiast inżyniera promptów, potrzebujemy „architekta kontekstu”, który tworzy kompletny „spec” dla AI.

Test na jutro: Następnym razem gdy delegujesz zadanie do AI (np. napisanie fragmentu kodu lub stworzenie projektu), zamiast pisać bardzo długi prompt tekstowy, spróbuj stworzyć prosty „spec” (np. krótki brief + 2-3 wizualizacje lub diagramy) i poproś AI o wykonanie zadania na podstawie wszystkich tych materiałów. Sprawdź, czy AI musiało „wymyślić” mniej założeń.

Kluczowy insight II: Wierność feedback’u zamiast prędkości

Standardowe myślenie: Szybkość to metryka. Ile szybciej można zrobić coś osobiście? Inżynier z asystentem AI — szybciej. Projektant z generatorem — szybciej. Zespół szybszy.

Co się dzieje w praktyce: Najgorszy scenariusz to sytuacja, gdy zespół pracuje szybciej — ale osobno. Gdy każdy robi swoje szybciej, ale rezultat trafia do drugiej osoby, która już poszła dalej. Wierność feedback’u (dokładność, wartość poleceń) spada do zera, ponieważ zespół się rozłączy.

Dlaczego to ważne: Większość firm mierzy sukces AI poprzez „ile szybciej rozwijamy”. To pułapka. Jeśli harmonogram projektu się nie zmienia, oznacza to, że AI nie zmienia fundamentu — zaledwie wzmacnia indywidualną produktywność, która rozprasza zespół. Zysk zamienia się w chaos.

Miro Specs plus Flows plus Live Canvas zmienia metrykę z „indywidualna prędkość” na „tempo zespołu”. Zespół pozostaje stale zaangażowany, stale iteruje, stale ma świeży feedback — ponieważ wszyscy widzą na bieżąco, co się zmienia.

Test na jutro: Następnym razem, gdy czujesz, że projekt „powinien być szybszy” (bo każdy pracuje szybciej osobiście), sprawdź: ile razy wracasz do współpracowników, aby powiedzieć „czekaj, już to zmieniłem” lub „nie, to nie pasuje do tego, co robicie”? Jeśli to się zdarza, problem nie leży w prędkości — leży w tempie pracy zespołu. Zespół jest rozłączny. Następnie spróbuj tego: zamiast każdy pracuje na swoim i synhronizujecie później — niech wszyscy pracują na jednym canvasie przez 30 minut razem, nawet jeśli „wolniej”. Sprawdź, czy ilość zmian i feedback’u w następnym tygodniu wzrosła.

Informacje o artykule

Tekst zawiera notatki z keynote’a Canvas 25 — głównego przemówienia André Kusida, CEO Miro, wygłoszonego na konferencji Canvas 25 w Nowym Jorku (2025). Wszystkie opisane rozwiązania, przykłady i wnioski pochodzą bezpośrednio z prezentacji zespołu Miro, w tym Jeff Chow (Chief Product & Technology Officer), oraz produktowców: Bree, Emma, Wukasz, a także zaproszonych klientów.

Oryginalne źródła:

Pełna prezentacja na YouTube: https://www.youtube.com/watch?v=0ULVViBpW5o
Materiały konferencji: https://miro.com/canvas25

Tag: Jeff Chow

Miro AI Innovation Workspace: Jak Canvas 25 rewolucjonizuje pracę zespołową [Notatki] #EN337