---

Llevamos un par de años bombardeados con la promesa de que la Inteligencia Artificial va a revolucionar la gestión de producto. Sin embargo, cuando hablo con otros profesionales de la industria, la realidad en las trincheras suele ser mucho menos glamurosa: terminamos usando ChatGPT o Claude como un buscador glorificado, para corregir la ortografía de un documento o para redactar correos institucionales políticamente correctos. Eso no es transformar el desarrollo de producto; eso es, simplemente, usar una máquina de escribir más rápida.

Si queremos elevar nuestro nivel estratégico y ganarnos el respeto de nuestros equipos y stakeholders, necesitamos dejar de ver a la IA como un «oráculo» mágico y comenzar a tratarla como lo que realmente es: un analista junior incansable, brillante en la ejecución de patrones, pero completamente ciego al contexto, que necesita instrucciones precisas y marcos de trabajo corporativos (prompt frameworks) para entregar resultados de alto impacto.

Aquí te comparto los tres flujos de trabajo reales que estoy integrando en mi día a día para delegar la carga operativa y liberar espacio mental para lo que realmente importa: la estrategia, el discovery profundo y la toma de decisiones.

1. Arquitectura de engagement y escala de valor continuo

Uno de los mayores desafíos al lanzar productos digitales basados en la retención y el hábito (especialmente en sectores como EdTech, Health & Wellness o aplicaciones B2C de suscripción) es la creación de contenido estructurado. Supongamos que tu métrica clave de activación depende de que el usuario complete un programa inmersivo de engagement continuo, por ejemplo, un desafío guiado de 21 o 28 días diseñado para transformar un consumo pasivo en un hábito diario medible.

Diseñar la arquitectura de un programa así desde cero —definiendo la curva de dificultad, el tono de las lecciones diarias, las notificaciones push de seguimiento y las dinámicas de validación— puede tomarle semanas a un equipo de producto y contenido.

En lugar de empezar con la página en blanco, construyo un framework de prompts estructurado en tres niveles:

1. Contexto e Identidad: Le defino a la IA el perfil del usuario (arquetipo, dolores, nivel de resistencia al cambio), el objetivo de negocio (retención en el día 14) y las limitaciones de formato.
2. Estructura Matrix: Le pido que genere una tabla con la progresión pedagógica y psicológica semana a semana. ¿Cuál es el «pequeño logro» del día 3? ¿Dónde suele ocurrir la deserción en la semana 2 y cómo la mitigamos?
3. Generación por bloques: Una vez aprobado el mapa, la IA redacta los borradores de las lecciones, los guiones de los audios y los copies de las alertas.

Como Product Manager, mi rol se desplaza de la redacción operativa a la «dirección editorial». Valido que la progresión de las cohortes tenga sentido analítico, inyecto la empatía humana que la máquina simula pero no comprende, e iteramos el MVP diez veces más rápido que la competencia.

2. El puente técnico: CRO, Core Web Vitals y alineación con Ingeniería

El puente entre la visión de negocio y la ejecución técnica de ingeniería suele ser de cristal. Traducir una necesidad de conversión (CRO) a requerimientos de desarrollo sin sonar impositivo o, por el contrario, sin pecar de ignorancia técnica, es un arte.

Antes de sentarme con el equipo de ingeniería para debatir el rediseño de una landing page crítica o un flujo de checkout que está impactando directamente el costo de adquisición de clientes (CAC) y el rendimiento de nuestras campañas en Google Ads, utilizo modelos de lenguaje avanzados como mis compañeros de sparring técnico.

Alimento a la IA con los objetivos de conversión y le pido que analice la arquitectura propuesta desde la perspectiva de la optimización del rendimiento técnico. Le hago preguntas específicas: ¿Cómo afectaría el uso de un framework de CSS como Tailwind frente a estilos tradicionales en el Cumulative Layout Shift (CLS)? ¿Qué modelo de base de datos o estrategia de caché aliviaría la carga en el servidor durante un pico de tráfico por una campaña masiva?

El objetivo de este flujo de trabajo no es que la IA escriba el código final que irá a producción —esa es responsabilidad sagrada de los desarrolladores—, sino llegar a la reunión de refinamiento con las preguntas correctas, los riesgos técnicos pre-mapeados y una comprensión sólida de los impactos colaterales de nuestras decisiones de diseño en el SEO técnico y el Quality Score de nuestros anuncios. Hablar el mismo idioma que ingeniería desde el minuto uno destruye la fricción y acelera el delivery.

3. Síntesis de «Ruido» en Señales de Producto (Sin alucinaciones)

El feedback cualitativo de los usuarios es el combustible del discovery, pero procesar el volumen de datos en bruto puede ser abrumador. Cuando manejas cientos de comentarios semanales provenientes de tickets de soporte, reseñas en las tiendas de aplicaciones, respuestas de encuestas NPS o transcripciones de entrevistas de usuarios, el riesgo de caer en el «sesgo de la minoría ruidosa» es altísimo: tendemos a priorizar lo último que leímos o lo que el cliente más importante gritó en la última llamada.

Para procesar este volumen sin perder rigor, utilizo la IA para la categorización y el análisis de sentimiento masivo, pero bajo una regla estricta para evitar la temida «alucinación» de datos. Configuro un prompt analítico que actúa como un PM de Growth obsesionado con las métricas:

«Actúa como un analista de producto senior. Analiza este volcado de 300 comentarios de usuarios que abandonaron el flujo de onboarding. Clasifícalos en categorías de fricción (usabilidad, propuesta de valor, problemas técnicos, precio). Por cada categoría identificada, debes extraer obligatoriamente al menos tres citas textuales exactas que respalden tu conclusión. Si no encuentras citas directas, no inventes la categoría».

La IA se encarga de separar el grano de la paja y estructurar el desorden en un reporte limpio. Yo tomo esa síntesis estructurada, la cruzo con las métricas cuantitativas de nuestro embudo en Amplitude o Mixpanel, y decido con datos fríos y reales qué problemas merecen un espacio en el próximo sprint.

Los 3 sesgos del «PM perezoso» frente a la IA

Delegar no significa desentenderse. El peligro real de la adopción masiva de la IA en la gestión de producto es la aparición del PM perezoso, aquel que automatiza su pensamiento crítico. Para evitarlo, audito mis flujos bajo tres premisas:

1. El sesgo de complacencia: La IA tiende a dar respuestas que suenan coherentes y persuasivas, pero que a menudo carecen de profundidad competitiva. Si le pides una estrategia de producto para un mercado saturado, te dará un compendio de mejores prácticas genéricas. Tu valor está en encontrar la anomalía, el nicho desatendido que la máquina promedia.
2. El peligro del diseño homogéneo: Si todos los PMs usamos los mismos prompts para diseñar experiencias de usuario o flujos de conversión, internet se convertirá en un desierto estético y funcional donde todos los productos se verán y sentirán exactamente igual.
3. La pérdida de la proximidad con el usuario: Leer un reporte sintetizado por una IA jamás reemplazará el valor de ver a un usuario real frustrarse en vivo, dudar antes de hacer clic en tu botón principal o iluminar su rostro cuando entiende el valor de tu solución.

Pensamiento final, comprar tiempo para lo insustituible.

Automatizar la estructura de un programa de engagement, pre-analizar arquitecturas de bases de datos o clasificar cientos de comentarios cualitativos tiene un único propósito fundamental: comprarte tiempo. Tiempo para salir de la pantalla y hablar con clientes reales; tiempo para entender las dinámicas geopolíticas o macroeconómicas que afectan a tus mercados emergentes; y tiempo para liderar a tu equipo con empatía, claridad y visión de futuro.

La Inteligencia Artificial puede darte la estructura perfecta para un flujo de retención o el desglose óptimo para optimizar tus Core Web Vitals, pero sigue siendo completamente incapaz de entender el contexto político de tu empresa, de inspirar a un equipo de desarrollo desmotivado o de intuir hacia dónde se mueve el alma de tus usuarios. Eso sigue siendo, y por mucho tiempo será, un trabajo estrictamente humano.