El jefe de producto de Meta comparte cómo la IA está cambiando la entrega y dónde queda a deber
Tom Leung, jefe de producto en Meta, explica cómo la IA acelera la creación de prototipos y la entrega, dónde falla, y por qué el juicio humano, la alineación y la estrategia siguen siendo fundamentales en la gestión de productos.
Tom Leung
Líder del equipo de gestión de productos en META y creador del boletín The Fireside PM
Funciones de IA: Desarrollar funciones de IA efectivas requiere pruebas exhaustivas, bucles de retroalimentación y una mejora continua para tener éxito.
Evolución de la gestión de proyectos: La IA está transformando la gestión de proyectos al permitir prototipos más rápidos y procesos de validación iterativa.
Equipos autónomos: La entrega exitosa ahora depende de la definición flexible de objetivos y equipos empoderados con marcos claros de toma de decisiones.
Pila de herramientas de IA: Una pila de herramientas de IA variada mejora la eficiencia en la gestión de productos, con herramientas adaptadas a tareas y flujos de trabajo específicos.
Enfoque estratégico: El futuro de la gestión de proyectos requiere pensamiento estratégico junto a fluidez en IA, dividiendo los roles entre orquestación y automatización.
Tom Leung lidera un equipo de gestión de productos en Meta, donde es responsable tanto del éxito del producto como del proyecto. También es el creador del boletín Fireside PM.
Nos sentamos con él para conocer qué está cambiando en la entrega de productos y proyectos. Nos explicó dónde la IA ha cambiado las reglas del juego — y dónde los humanos son más importantes que nunca.
Gestión de producto en Meta
Llevo más de dos décadas trabajando en la gestión de productos de software.
Desbloquea Gratis
Crea una cuenta gratuita para terminar de leer este contenido y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, manuales y conocimientos para prosperar en la era de la IA.
Have an account? Log In
Actualmente, dirijo un equipo de gestión de productos en Meta. Mi función se centra principalmente en el porqué y el qué de un proyecto, pero soy responsable del éxito e impacto general de nuestros proyectos.
También soy el creador del boletín Fireside PM.
Por qué construir una funcionalidad de IA ganadora es más difícil de lo que parece
Recientemente trabajé como consultor para una empresa pre-OPI que estaba lanzando una funcionalidad impulsada por IA. Lo interesante fue que la "magia" ocurrió, sobre todo, en el paso de cero a uno: del concepto a la demo funcional.
Sin embargo, mejorar esa demo inicial hasta convertirla en algo en lo que tuviéramos plena confianza fue mucho más difícil de lo esperado. Pasamos por muchas iteraciones, probando diferentes modelos fundacionales (GPT-4, Claude, Gemini) para ver cuál funcionaba mejor para nuestro caso de uso específico y experimentando ampliamente con la ingeniería de prompts: probando diferentes formatos de instrucciones, añadiendo más contexto sobre la intención del usuario y refinando la estructura de la salida.
La mayor mejora vino de incorporar ciclos de retroalimentación de usuarios y datos de personalización, lo que ayudó al modelo a entender las preferencias y el contexto individual de cada usuario.
La mayor mejora vino de incorporar ciclos de retroalimentación de usuarios y datos de personalización, lo que ayudó al modelo a entender las preferencias y el contexto individual de cada usuario. Hicimos pruebas A/B para medir las mejoras en precisión y la satisfacción del usuario en cada iteración.
Todo esto supuso muchos avances y retrocesos. El proceso llevó alrededor de tres meses de perfeccionamiento continuo para pasar de una “demo impresionante” a una “funcionalidad lista para producción”.
En resumen, es bastante fácil construir una funcionalidad de IA, pero integrarla en tu producto para que sea ganadora es mucho más difícil de lo que parece.
Por qué el mayor riesgo de la IA es lo increíble que parece
Todavía no hemos llegado al punto en que la IA sea totalmente autónoma. Por muy sorprendente que sea, aún encuentro errores en su razonamiento con frecuencia y tengo que revisar todo dos veces.
He aquí otro ejemplo. Hace unos meses trabajé en un proyecto de consultoría donde Claude y Gamma hicieron gran parte del trabajo después de que les suministrara montones de información de fondo y notas de reuniones. Hicieron un trabajo increíble. Pero luego, antes de una reunión con el cliente, me di cuenta de que había varios errores que pasaban desapercibidos hasta que pusiste a prueba los supuestos. Tuve que apresurarme y actualizar todas las cifras.
Ese es el reto con la IA. Es impresionante y cada día mejora más, tanto que te da la sensación de que puedes confiar más y comprobar menos. Pero hasta que no sea 99–100% precisa, hay que seguir atentos, porque cuando comete un error o tiene una alucinación, puede ocasionar problemas serios.
La IA es increíble y cada día mejora más. Pero hasta que no sea 99-100% precisa, todavía tienes que estar encima de ella porque, cuando comete un error o tiene una alucinación, realmente puede volverse en tu contra.
Cómo la IA está cambiando la planificación de proyectos, la creación de prototipos y las hojas de ruta
Dicho esto, está cambiando nuestra forma de trabajar. He notado que a veces ahora comenzamos a crear prototipos en paralelo con la planificación del producto. En el pasado, no podías permitirte construir cosas antes de terminar todo el trabajo de planificación. Pero ahora, puedes lanzar un proyecto nuevo en semanas o incluso días.
También he notado ciclos de planificación más cortos y validaciones más iterativas. En lugar de pasar meses en especificaciones detalladas, ahora creamos breves resúmenes ligeros y validamos supuestos mediante experimentación rápida.
Nos estamos alejando de las hojas de ruta rígidas y apostando por una planificación más adaptable: ajustando prioridades de forma trimestral, o incluso mensual, según lo que aprendemos.
Nos estamos alejando de las hojas de ruta rígidas y apostando por una planificación más adaptable: ajustando prioridades de forma trimestral, o incluso mensual, según lo que aprendemos.
Y hemos reducido la cantidad de reuniones de seguimiento formales en favor de actualizaciones asíncronas y resúmenes de progreso generados por IA. Esto libera tiempo para discusiones estratégicas más profundas en lugar de solo informar sobre lo que ya está documentado.
¡El riesgo es que termines convirtiéndote en una fábrica de características o productos!
Cómo los rituales clave de entrega están evolucionando con la IA
Nuestros rituales clave de entrega también están cambiando.
Al definir el alcance, ahora partimos de objetivos basados en resultados en vez de listas de funciones. Esto da a los equipos más flexibilidad para adaptarse según descubren cosas nuevas.
Para la validación, estamos haciendo pruebas más continuas y con grupos de usuarios más pequeños en vez de grandes lanzamientos. Las herramientas de IA nos ayudan a analizar patrones de retroalimentación rápidamente.
Para la gestión en la ejecución, hemos pasado a equipos más autónomos con marcos claros de toma de decisiones (por ejemplo, DACI), en lugar de procesos centralizados de aprobación. La clave está en confiar en los equipos para tomar buenas decisiones, usando la IA para detectar riesgos o bloqueos de manera temprana.
Y luego está la alineación. Creo que la alineación es más importante que nunca. Como ahora podemos hacer tantas cosas, necesitamos tener un punto de vista unificado sobre qué construir y por qué.
Para conseguir ese punto de vista unificado, invertimos mucho en contexto compartido: revisiones estratégicas periódicas, documentación clara de nuestro "por qué", y principios de toma de decisiones explícitos a los que todos puedan recurrir. También uso herramientas de IA para crear resúmenes consistentes de decisiones clave y difundirlos ampliamente para que todos tengan acceso a la misma información. Y realizamos sesiones de alineación trimestrales donde revisamos nuestras prioridades y nos aseguramos de que todos comprendan cómo su trabajo se conecta con el panorama general.
El objetivo es crear un modelo mental compartido para que los equipos puedan tomar decisiones independientes que sigan alineadas con nuestra estrategia general.
Creo que la alineación es más importante que nunca. Dado que ahora podemos hacer tantas cosas, necesitamos tener un punto de vista unificado sobre qué construir y por qué.
Cómo es una pila de herramientas de IA para gestores de producto modernos
Esta es mi pila de herramientas de IA actual:
- ChatGPT: Razonamiento general, lluvia de ideas e investigaciones rápidas
- Claude: Análisis complejos y tareas de redacción cuando necesito razonamientos matizados
- Gemini: Tareas multimodales y cuando necesito analizar documentos con imágenes
- Manus: Automatización de flujos de trabajo tediosos como la generación de actualizaciones semanales del equipo, procesamiento de datos y gestión repetitiva de tareas de proyectos
- NotebookLM: Síntesis de ideas a través de grandes conjuntos de documentos y creación de resúmenes de audio
- NanoBanana: Creación rápida de presentaciones visuales y diapositivas
- FigmaMake: Prototipado rápido e iteración de diseño
Alterno entre ChatGPT, Claude y Gemini dependiendo de la tarea. Cada uno tiene fortalezas en diferentes áreas.
Por qué Claude superó a otros LLMs con los requisitos de producto
Recientemente probé cinco chatbots de IA para ayudar con la redacción de documentos de requisitos de producto.
Claude fue el mejor para escribir documentos de requisitos de producto. Destaca en mantener el contexto en documentos largos, seguir instrucciones complejas y producir resultados bien estructurados que se leen de forma natural. Es particularmente bueno entendiendo matices y evita el tono excesivamente formal o genérico en el que caen algunos otros modelos.
Dicho esto, sigo usando diferentes modelos para distintas tareas: ChatGPT para iteraciones rápidas, Gemini cuando necesito procesar información visual y Claude para todo lo que requiera razonamiento profundo o redacción de textos largos.
Cómo los flujos de trabajo agenticos en Manus ahorran horas cada semana
He estado utilizando Manus como mi principal plataforma de orquestación para flujos de trabajo agenticos. Es especialmente útil para automatizar tareas de varios pasos como generar actualizaciones semanales del equipo, convertir notas de reuniones en puntos de acción y sintetizar investigaciones desde múltiples fuentes.
He estado utilizando Manus como mi principal plataforma de orquestación para flujos de trabajo agenticos. Es especialmente útil para automatizar tareas de varios pasos.
La experiencia ha sido positiva: ahora se encarga del tedioso trabajo de coordinación que antes consumía horas cada semana. Dicho esto, aún necesito revisar cuidadosamente los resultados ya que la IA todavía no es 100% confiable.
También he experimentado utilizando los GPT personalizados de ChatGPT y los Proyectos de Claude para flujos de trabajo específicos. Pero Manus ha sido el más efectivo para la orquestación compleja y de varios pasos donde necesito que diferentes herramientas funcionen juntas.
Por qué NotebookLM transforma cómo los PM sintetizan el contexto y la toma de decisiones
Lo que más he notado últimamente es que la capacidad de comprender el contexto interno de un segmento de cliente, un proyecto o una decisión previa usando IA para revisar docenas de fuentes es realmente asombrosa.
Antes de la IA, habrías tenido que pasar semanas leyendo montones de documentos y manteniendo decenas de reuniones individuales. Pero ahora, uso herramientas como NotebookLM para incorporar docenas de documentos — notas de reuniones, documentos estratégicos, investigaciones de clientes — y rápidamente sintetizar ideas a partir de ellos.
Por ejemplo, al evaluar una nueva dirección de producto, puedo pedir que resuma todos los comentarios previos de los clientes sobre un punto de dolor específico y obtener una respuesta coherente en segundos, en lugar de pasar días leyendo documentos dispersos. También utilizo ChatGPT y Claude para trabajos de síntesis similares, especialmente cuando necesito comprender el contexto detrás de decisiones pasadas o identificar patrones en varios proyectos.
Por qué la estrategia será más importante que nunca en un mundo acelerado por la IA
En cinco años, el rol de gestor de proyectos se dividirá en dos trayectorias distintas.
Una de ellas se centrará en la orquestación estratégica: comprender el contexto empresarial, alinear a las partes interesadas y tomar decisiones de alto nivel.
La otra será más similar a la de un "ingeniero de flujos de trabajo de IA", diseñando y optimizando los sistemas automatizados que gestionan la ejecución, los informes y la coordinación.
El lado táctico y administrativo del trabajo de gestión de proyectos estará casi totalmente automatizado.
Los equipos se moverán más rápido, pero el juicio humano necesario para decidir qué construir y por qué será aún más crucial. Los ganadores serán los gestores de proyectos que piensen estratégicamente y, al mismo tiempo, dominen cómo aprovechar de forma eficaz los sistemas de IA.
Sigue el progreso
Puedes seguir de cerca cómo Tom Leung sigue cambiando el juego de la IA en LinkedIn. Y, por supuesto, visita tomleungcoaching.com!
¡Pronto llegarán más entrevistas con expertos en The Digital Project Manager! Únete a nuestra comunidad gratuita para acceso ilimitado a artículos e insights.
