El PM de Meta comparte cómo la IA está cambiando la entrega y dónde se queda corta
Tom Leung, PM de Meta, explica cómo la IA acelera el prototipado y la entrega, dónde falla, y por qué el juicio humano, la alineación y la estrategia siguen siendo críticos 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: Construir funciones de IA efectivas requiere pruebas extensas, ciclos de retroalimentación y refinamiento continuo 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 iterativos.
Equipos autónomos: La entrega exitosa ahora depende de objetivos flexibles y equipos empoderados con marcos claros de toma de decisiones.
Stack de herramientas de IA: Un stack diverso de herramientas de IA 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 con fluidez en IA, dividiendo roles en orquestación y automatización.
Tom Leung dirige 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 productos en Meta
Llevo más de dos décadas trabajando en la gestión de productos de software.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
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 total e impacto de nuestros proyectos.
También soy el creador del boletín Fireside PM.
Por qué construir una función ganadora de IA es más difícil de lo que parece
Recientemente realicé un proyecto de consultoría para una empresa pre-IPO que estaba lanzando una función potenciada por IA. Lo interesante fue que el "truco" estuvo principalmente en pasar de cero a uno, es decir, del concepto al prototipo funcional.
Sin embargo, mejorar ese prototipo inicial hasta alcanzar un nivel de confianza alto fue mucho más difícil de lo esperado. Hicimos varias iteraciones, probando diferentes modelos fundamentales (GPT-4, Claude, Gemini) para ver cuál se desempeñaba mejor en nuestro caso de uso específico, y experimentando ampliamente con la ingeniería de prompts: probamos distintos formatos de instrucciones, añadimos más contexto sobre la intención del usuario y refinamos la estructura de las respuestas.
La mayor mejora vino de incorporar bucles de retroalimentación de los usuarios y datos de personalización, lo que ayudó al modelo a entender las preferencias y el contexto de cada usuario individual.
La mayor mejora vino de incorporar bucles de retroalimentación de los usuarios y datos de personalización, lo que ayudó al modelo a entender las preferencias y el contexto de cada usuario individual. Organizamos pruebas A/B para medir las mejoras en precisión y la satisfacción del usuario en cada iteración.
Todo esto resultó en muchos arranques y paradas. El proceso tomó unos tres meses de refinamiento continuo para pasar de un "prototipo impresionante" a una función lista para producción.
En resumen, es relativamente fácil construir una función de IA, pero lograr una función de IA ganadora en tu producto 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 completamente autónoma. Por asombrosa que sea, aún encuentro fallos de razonamiento con frecuencia y tengo que verificarlo todo dos veces.
Aquí va otro ejemplo. Hace unos meses hice un proyecto de consultoría en el que Claude y Gamma hicieron gran parte del trabajo después de que les proporcionara montones de información de fondo y notas de reuniones. Hicieron un trabajo increíble. Pero luego, cuando me estaba preparando para presentar ante el cliente, me di cuenta de que había varios errores que parecían correctos hasta que pusiste a prueba los supuestos. Tuve que apresurarme y actualizar todas las cifras.
Ese es el desafío con la IA. Es impresionante y cada día mejora más, tanto que crees que puedes comprobarla menos. Pero hasta que no logre una precisión del 99–100%, tienes que seguir supervisando porque cuando comete un error o tiene una alucinación, puede resultar muy problemático.
La IA es asombrosa y mejora cada día. Pero hasta que no sea precisa en un 99-100%, todavía tienes que estar pendiente de ella porque cuando comete un error o tiene una alucinación, realmente puede salirte caro.
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 empezamos a crear prototipos en paralelo con la planificación del producto. Antes, no podías permitirte construir cosas antes de terminar todo el trabajo de planificación. Pero ahora, puedes desarrollar un nuevo proyecto en semanas, o incluso días.
También he notado ciclos de planificación más cortos y una validación más iterativa. En lugar de pasar meses en especificaciones detalladas, ahora creamos hojas de requisitos ligeras y validamos supuestos a través de la experimentación rápida.
Nos estamos alejando de hojas de ruta rígidas y nos dirigimos hacia una planificación más adaptativa, ajustando prioridades trimestralmente o incluso mensualmente, según lo que aprendemos.
Nos estamos alejando de hojas de ruta rígidas y nos dirigimos hacia una planificación más adaptativa, ajustando prioridades trimestralmente o incluso mensualmente, según lo que aprendemos.
Y hemos reducido el número de reuniones formales de estado en favor de actualizaciones asíncronas y resúmenes generados por IA sobre el progreso. Esto libera tiempo para discusiones estratégicas más profundas en vez de limitarse a informar sobre lo que ya está documentado.
¡El riesgo es que acabes convirtiéndote en una fábrica de funcionalidades o productos!
Cómo están evolucionando los rituales clave de entrega con la IA
Nuestros rituales clave de entrega también están cambiando.
Para definir el alcance, ahora empezamos con objetivos orientados a resultados en lugar de listas de características. Esto otorga a los equipos más flexibilidad para adaptarse a medida que aprenden.
Para la validación, realizamos más pruebas continuas con grupos pequeños de usuarios en vez de grandes lanzamientos. Las herramientas de IA nos ayudan a analizar patrones de retroalimentación rápidamente.
Para la gestión de la ejecución, nos hemos orientado hacia equipos más autónomos con marcos claros de toma de decisiones, en vez de procesos centralizados de aprobación. La clave es confiar en que los equipos tomen buenas decisiones, mientras se utiliza la IA para identificar riesgos u obstáculos de forma temprana.
Y luego está la alineación. Creo que la alineación es más importante que nunca. Ahora que podemos hacer tantas cosas, necesitamos tener un punto de vista unificado sobre qué construir y por qué.
Para lograr ese punto de vista unificado, invertimos mucho en compartir contexto: revisiones estratégicas regulares, documentación clara de nuestro "por qué" y principios explícitos de toma de decisiones que todos pueden consultar. Yo también utilizo herramientas de IA para crear resúmenes consistentes de las decisiones clave y distribuirlos ampliamente para que todos tengan acceso a la misma información. Y realizamos sesiones trimestrales de alineación en las que revisamos nuestras prioridades y nos aseguramos de que todos entienden 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 aún estén alineadas con nuestra estrategia global.
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 los gestores de producto modernos
Esta es mi pila actual de herramientas de IA:
- ChatGPT: Razonamiento general, generación de ideas e investigación rápida
- Claude: Análisis complejos y tareas de redacción donde necesito razonamiento matizado
- Gemini: Tareas multimodales y cuando necesito analizar documentos con imágenes
- Manus: Automatizar flujos de trabajo tediosos como generar actualizaciones semanales del equipo, procesar datos y manejar tareas repetitivas de gestión de proyectos
- NotebookLM: Sintetizar información a partir de grandes conjuntos de documentos y crear resúmenes de audio
- NanoBanana: Crear presentaciones visuales y diapositivas rápidamente
- FigmaMake: Prototipado rápido e iteración de diseño
Voy alternando entre ChatGPT, Claude y Gemini según 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 resultó ser el mejor para redactar 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 especialmente bueno en captar los matices y evitar el tono excesivamente formal o genérico en el que caen otros modelos.
Dicho esto, sigo usando diferentes modelos para distintas tareas: ChatGPT para iteraciones rápidas, Gemini cuando necesito procesar información visual, y Claude para cualquier cosa que demande razonamiento profundo o redacción extensa.
Cómo los flujos de trabajo agentivos en Manus ahorran horas cada semana
He estado utilizando Manus como mi principal plataforma de orquestación para flujos de trabajo agentivos. Es especialmente útil para automatizar tareas de varios pasos como generar actualizaciones semanales del equipo, convertir notas de reuniones en tareas accionables y sintetizar investigaciones de múltiples fuentes.
He estado utilizando Manus como mi principal plataforma de orquestación para flujos de trabajo agentivos. Es especialmente útil para automatizar tareas de varios pasos.
La experiencia ha sido positiva: se encarga de la coordinación tediosa que antes consumía horas cada semana. Dicho esto, todavía tengo que revisar los resultados cuidadosamente ya que la IA aún no es 100% fiable.
También he experimentado con GPTs personalizados de ChatGPT y Proyectos de Claude para flujos de trabajo específicos. Pero Manus ha sido el más eficaz para la orquestación compleja y de varios pasos donde necesito que diferentes herramientas trabajen juntas.
Por qué NotebookLM transforma cómo los PMs sintetizan contexto y decisiones
Lo que más he notado últimamente es que la capacidad de entender el contexto interno de un segmento de clientes, un proyecto o una decisión previa usando IA para analizar decenas de fuentes es realmente increíble.
Antes de la IA, habrías tenido que pasar semanas leyendo montones de documentos y haciendo decenas de reuniones 1:1. Pero ahora, utilizo herramientas como NotebookLM para ingerir docenas de documentos —notas de reuniones, documentos estratégicos, investigaciones de clientes— y sintetizar rápidamente los aprendizajes entre todos ellos.
Por ejemplo, cuando evalúo una nueva dirección de producto, puedo pedirle que resuma todos los comentarios previos de los clientes sobre un punto de dolor específico y obtengo una respuesta coherente en segundos en vez de pasar días leyendo documentos dispersos. También uso ChatGPT y Claude para trabajos de síntesis similares, especialmente cuando necesito comprender el contexto detrás de decisiones pasadas o identificar patrones a través de múltiples proyectos.
Por qué la estrategia importará más que nunca en un mundo acelerado por la IA
En cinco años, el rol de gestor de proyectos se dividirá en dos vías distintas.
Una vía se centrará en la orquestación estratégica: entender el contexto empresarial, alinear a los interesados y tomar decisiones clave a alto nivel.
La otra será más como "ingeniero de flujos de trabajo de IA", encargado de diseñar y optimizar los sistemas automatizados que gestionan la ejecución, los informes y la coordinación.
El lado táctico y administrativo del trabajo del gestor de proyectos será casi totalmente automatizado.
Los equipos se moverán más rápido, pero el juicio humano necesario para decidir qué construir y por qué será aún más crítico. Los ganadores serán los gestores de proyectos que puedan pensar estratégicamente y, además, sean competentes en aprovechar eficazmente los sistemas de IA.
Sigue el progreso
Puedes seguir el progreso de Tom Leung, quien sigue revolucionando el juego de la IA, en LinkedIn. Y, por supuesto, visita tomleungcoaching.com!
¡Habrá más entrevistas de expertos próximamente en The Digital Project Manager! Únete a nuestra comunidad gratuita para tener acceso ilimitado a artículos y conocimientos.
