La disciplina que los product managers deben cultivar consiste en resistir la tentadora rapidez de crear soluciones el tiempo suficiente para realizar la ardua tarea de descubrir el problema de sus clientes.

Seguimos hablando de IA y descubrimiento de producto, en este caso viendo cómo definir un flujo de trabajo con IA centrado primero en el descubrimiento.

Un ciclo práctico de descubrimiento con IA

Vibe codingLa clave está en lugar de pedir a la IA que genere productos, empezar por pedirle que plantee preguntas. El cambio fundamental es que la IA sirve para aprender, no para validar. Los clientes deben aparecer varias veces en el proceso. Es algo intencionado: el descubrimiento no es una fase, es un ciclo continuo.

Una práctica disciplinada de descubrimiento impulsada por IA podría estructurarse así:

  1. Mapea las suposiciones. Utiliza la IA para listar suposiciones sobre los usuarios, el contexto, los puntos de dolor, el comportamiento actual, la dinámica de compra y la viabilidad de la solución. Identifica cuáles conllevan mayor riesgo.
  2. Recopila evidencia real. Observa a las personas: entrevistas, observación directa, tickets de soporte, llamadas de ventas, datos de uso.
  3. Utiliza la IA para una síntesis estructurada. Crea primero resúmenes a nivel de entrevista, conservando citas y trazabilidad, y luego identifica patrones entre segmentos, agrupa temas, y cuestiona suposiciones. Exige a la IA que distinga entre evidencia e inferencia.
  4. Transforma los hallazgos en oportunidades. Define las oportunidades en torno a una necesidad o tarea del cliente: «Ayudar a [cliente específico] a lograr [resultado deseado] en [contexto relevante], a pesar de [limitación]».
  5. Prioriza la ingeniería de contexto sobre la redacción de especificaciones. Sustituye los tradicionales documentos de requisitos del producto (PRD) por «combustible de contexto»: información estructurada sobre los límites del sistema, los flujos de datos, los perfiles de usuario y los objetivos empresariales que sirva de alimento a las herramientas de IA. Los buenos desarrolladores (y los modelos de IA) pueden resolver la implementación técnica, pero no pueden inventar el conocimiento del mercado.
  6. Define el resultado de negocio o para el cliente que buscas influenciar, no la funcionalidad que esperas lanzar. Define el problema antes de redactar el prompt. Redacta una definición del problema en una sola frase que identifique al usuario, la tarea que debe realizar y las limitaciones existentes. Esto obliga a tener claro qué problema se está resolviendo, en lugar de centrarse únicamente en qué funcionalidad se está construyendo.
  7. Genera diversas hipótesis de solución. Utiliza la IA para crear múltiples opciones en lugar de limitarte a pulir la primera respuesta plausible.
  8. Crea prototipos para aprender. Construye el elemento más sencillo posible que permita validar una suposición concreta: una tarjeta de concepto, un flujo interactivo, una prueba tipo concierge, un experimento de puerta falsa o un prototipo funcional. El método del «prototipo imperfecto»: en lugar de construir lo que crees que el cliente desea, utiliza la IA para crear rápidamente un prototipo que represente la situación actual o un flujo de trabajo deliberadamente minimalista. Preséntalo al cliente y pídele que realice su tarea cotidiana. Observa dónde se topan con obstáculos. Los puntos de fricción que experimentan en un modelo interactivo y funcional revelan un contexto mucho más profundo del que podrían ofrecer las entrevistas pasivas.
  9. Construye prototipos de ideas en competencia: exploración divergente. Dado que la IA abarata la creación de software, ya no es necesario limitarse a probar una única hipótesis. Genera múltiples variaciones del prototipo que exploren diferentes enfoques para un mismo problema y prueba cada una con usuarios para descubrir qué dirección genera mejor respuesta. Presentar a un usuario tres prototipos de contraste generados con IA transforma la conversación: se pasa de preguntar «¿Te gusta esta función?» a «¿Cuál de estos modelos mentales operativos se ajusta a la forma en que realmente funciona tu negocio?». Esto permite obtener información clave sobre la naturaleza del problema al que se enfrentan y evita el sesgo de anclaje a la primera solución que ofrece la IA.
  10. Valida con personas y comportamientos reales. Observa cómo los clientes interactúan con el concepto, evalúa su disposición a cambiar de comportamiento y compara lo que dicen con lo que realmente hacen. Utiliza los prototipos para iniciar conversaciones. Mide el comportamiento: observa lo que hace la gente, no lo que elogia. Cuando presentas un prototipo funcional (que captura la esencia y el funcionamiento general) a un experto en la materia, este deja rápidamente de hablar en términos de abstracciones de alto nivel. El prototipo actúa como un espejo de diagnóstico que refleja la complejidad del negocio y las limitaciones ocultas que pasan desapercibidas ante las preguntas estándar de la fase de descubrimiento.
  11. Prueba con usuarios antes de las demostraciones a las partes internas interesadas. Prueba los prototipos con usuarios reales antes de mostrárselos a ejecutivos o ingenieros. La retroalimentación interna busca la alineación política, mientras que la retroalimentación de los usuarios revela si realmente se está resolviendo un problema auténtico.
  12. Evalúa la propia IA. Si una herramienta de IA forma parte del producto o del flujo de trabajo de investigación, define qué constituye un buen resultado, recopila ejemplos de fallos y establece ciclos de evaluación. Las evaluaciones de IA constituyen un nuevo hábito necesario en el descubrimiento: examinar errores, medirlos y utilizar esa retroalimentación para mejorar el sistema.
  13. Documenta los artefactos. Incluye el prototipo, los prompts utilizados y los comentarios de los usuarios en tu PRD o documento de requisitos. Esto genera un registro trazable de las decisiones y evita que el prototipo se convierta en una “caja negra”.
  14. Saber cuándo detenerse. Si el prototipo es una demostración desechable con fines de aprendizaje, habrás terminado una vez validada la hipótesis. Si el prototipo va a mantenerse activo, trasládalo a un entorno de desarrollo adecuado, solicita una refactorización y pide a un ingeniero que lo revise antes de que interactúe con datos de producción.

La nueva ventaja competitiva no es la IA, es el juicio

El vibe coding es la expresión más frecuente del uso de IA en product management. Y hay cierta ironía en esa expresión: sugiere intuición, rapidez y fluidez creativa. Pero los grandes productos nunca han surgido únicamente de sensaciones o intuiciones. Surgen de una curiosidad disciplinada.

La IA no reemplaza la gestión de productos; revela si alguna vez aprendiste a ejercerla. Las empresas que triunfen no serán aquellas con las mejores herramientas de IA (pues éstas están al alcance de todos), sino aquellas que enseñen a los gestores de producto a pensar como tales antes de enseñarles a redactar prompts.

La IA no es intrínsecamente peligrosa; lo que sí lo es es una gestión de productos carente de disciplina. La IA amplifica cualquier enfoque mental que se le aplique. Si se comprende claramente el problema, la IA aumenta drásticamente la productividad. Si el pensamiento es confuso, la IA genera resultados confusos con mayor rapidez, aunque con un formato impecable.

A medida que la IA automatiza más tareas de ejecución, los gerentes de producto pierden valor en la redacción de documentos y ganan valor al plantear preguntas incómodas:

  • ¿Por qué vale la pena resolver este problema?
  • ¿A qué cliente deberíamos ignorar?
  • ¿Qué pruebas demostrarían que estamos equivocados?
  • ¿Qué comportamiento cambiaría si esto realmente generara valor?

Estas preguntas no se pueden delegar. No porque a la IA le falte inteligencia, sino porque requieren responsabilidad, contexto, empatía y criterio comercial. El product manager del futuro podría crear diez prototipos antes de la hora de comer. Pero el excepcional sabrá cuáles nueve nunca deberían existir.

Los gerentes de producto que prosperen en la era de la IA no serán aquellos que pasen el día dando instrucciones para crear software. Serán quienes se alejen de la pantalla, pasen tiempo sobre el terreno, comprendan a fondo los puntos de fricción de los clientes y trasladen ese valioso contexto al equipo. La IA puede construir cualquier cosa que le pidamos. Nuestra única tarea es asegurarte de pedir algo que realmente importe.

Para los líderes de producto, la cuestión no es si adoptar la IA, sino si sus equipos poseen las competencias fundamentales para utilizarla sin perder de vista al cliente. Porque en un mundo donde cualquiera puede construir cualquier cosa, la ventaja competitiva se desplaza decisivamente hacia quienes comprenden qué vale la pena construir, y por qué.

La era de la IA no distinguirá entre gerentes de producto técnicos y no técnicos. Distinguirá entre constructores y descubridores. Los constructores producirán software asombroso a una velocidad sin precedentes. Los descubridores crearán productos sin los cuales la gente no podrá imaginar vivir. La IA hace posible ambas cosas pero el mercado recompensará solo a uno.

El post “IA y descubrimiento de producto (3)” se publicó primero en “Marketing & Innovación”.

[¿Quieres aprender a aplicar estas ideas en tu empresa? Nuestros talleres sobre Product Management de productos tecnológicos y Product Marketing de productos tecnológicos te pueden ayudar.]