Il PM Potenziato dall’IA: Come la Dott.ssa Nancy Li Lancia Prodotti IA in Settimane
Scopri il framework della Dott.ssa Nancy Li per la consegna di prodotti guidati dall'IA, mostra come automatizzare il lavoro del PM, validare rapidamente le idee e lanciare prodotti IA in poche settimane con valore misurabile.
Nancy Li
Direttrice di Prodotto, Youtuber e Top Voice LinkedIn
Leadership nel Settore: La Dott.ssa Nancy Li è una rinomata direttrice di prodotto, YouTuber e Top Voice di LinkedIn nella gestione di prodotti IA.
Gestione Progetti IA: L’IA sta trasformando la consegna dei progetti concentrandosi maggiormente sulle decisioni invece che solo sulla documentazione.
Automatizzazione delle Attività: Automatizzare le principali attività di gestione prodotto consente di risparmiare tempo, aumentando efficienza e produttività.
Ciclo di Vita del Prodotto IA: Un framework strutturato per prodotti IA accelera il lancio assicurando che le applicazioni IA forniscano vero valore.
Futuro dei Ruoli: L’IA potrebbe sostituire alcuni ruoli, ma sottolinea l'importanza di product manager qualificati e potenziati dall’IA.
La Dott.ssa Nancy Li è una rinomata Director of Product, YouTuber e LinkedIn Top Voice. Ha fondato Product Manager Accelerator, due prodotti di intelligenza artificiale e l’AI Product Management Bootcamp — quest’ultimo responsabile del lancio di oltre 40 prodotti AI nel mondo reale.
L’abbiamo intervistata per capire come riesce a fare tutto questo. Ci ha condiviso il suo framework per una consegna di progetto veloce ed efficace.
Formare i product manager
Ho fondato Product Manager Accelerator, che ha aiutato oltre 1.500 product manager a ottenere il lavoro dei loro sogni in aziende FAANG e startup unicorno — e ad essere promossi come leader di prodotto. Ho inoltre fondato l’AI Product Management Bootcamp, grazie al quale sono stati lanciati 40 prodotti AI reali.
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
Di recente, abbiamo sviluppato due prodotti AI per i nostri studenti: AI Study Companion e AI Interviewer Copilot. Sono attualmente utilizzati dagli studenti del PM Accelerator e lanceremo il prodotto anche per utenti esterni nel 2026.
Inoltre, sono stata una delle più giovani PhD in ingegneria della BU e sono un’alumna della MIT Sloan School of Business. Sono una Director of Product pluripremiata e una YouTuber. Sono stata citata su Forbes e sono una LinkedIn Top Voice.
Come l’AI sta cambiando la delivery di progetto: dagli artefatti alle decisioni
Grazie all’intelligenza artificiale, la delivery di progetto sta passando dalla produzione di artefatti alla presa di decisioni. Passiamo meno tempo su documentazione e coordinamento e più tempo a individuare i problemi giusti, validare le ipotesi e progettare workflow abilitati dall’AI.
Grazie all’AI, la delivery di progetto sta cambiando dalla produzione di artefatti alla presa di decisioni.
È più veloce, più iterativo e riguarda sempre di più l’orchestrazione di persone e AI insieme — non la gestione dei passaggi di consegna.
Come CEO e CPO, sono riuscita a dimezzare il mio team e a raddoppiare la mia produttività grazie alla potenza dell’AI.
Quali attività fondamentali del PM possono essere automatizzate
Risparmio almeno otto ore a settimana sulle attività di product management grazie all’automazione del mio lavoro. Le seguenti attività dovrebbero essere automatizzate:
- Generazione dei requisiti
- Prototipazione
- Ricerche di mercato
- Debugging
- Interviste ai clienti — utilizziamo Dovetail per riassumere le note delle riunioni e trasformarle in requisiti.
- Avvio su nuovi progetti
- Rimanere aggiornati su qualsiasi argomento, come le news di settore
- Riassumere gli stack tecnologici esistenti
- Creazione di diagrammi di architettura dei sistemi basati sul codice esistente
Ma è importante sottolineare che in alcune aree è ancora necessario l’intervento umano, come passare da un prototipo a un prodotto pronto per il mercato e creare strategie di prodotto che ti aiutino davvero a distinguerti.
Un tocco umano è ancora necessario in alcune aree, come passare da un prototipo a prodotti pronti per il mercato e creare strategie di prodotto che ti aiutino davvero a distinguerti.
Come l’AI cambia i principali rituali di delivery nei team di prodotto
Tutto questo ha un impatto sui rituali di consegna.
L’AI riduce del 50% il tempo di definizione dello scope di progetto. Oggi è facilissimo raccogliere feedback dei clienti e condurre ricerche di mercato.
E, mentre allineare i team richiede ancora un tocco umano, l'IA può aiutare a riassumere le riunioni del team e far risparmiare tempo in questo modo.
Un framework per creare prodotti basati su IA
Come ho detto, il mio bootcamp ha aiutato a lanciare oltre 40 prodotti IA. Per farlo, abbiamo creato un framework per le ipotesi IA. Si tratta di un sistema semplice e ripetibile che usiamo per validare le idee IA prima di costruirle.
Si parte dalla Definizione del Problema utilizzando il nostro framework GUCCI (Obiettivi e Missione, Bisogni Non Soddisfatti, Segmentazione del Cliente, Concorrenza ed Ecosistema Integrato), in cui chiarifichiamo l'obiettivo utente, i punti dolenti, i vincoli e l'impatto che vogliamo creare.
Da lì, formuliamo un'Ipotesi IA — una dichiarazione chiara di quali input l'IA necessita, quali output deve generare e come migliorerà il flusso di lavoro. Questo orienta la nostra Strategia sui Dati e un rapido Proof of Concept IA per testare la fattibilità tecnica.
Successivamente, validiamo direttamente con i clienti input e output dell'IA per confermare se la funzionalità risolve effettivamente un problema reale. Solo le idee validate passano alla Product MVP, dove progettiamo il percorso utente completo abilitato dall'IA.
Una volta che l'MVP è attivo, misuriamo se abbiamo raggiunto l'Adattamento Prodotto–Mercato IA. Se sì, si scala attraverso una strategia di generalizzazione, si espandono i casi d'uso e si sfruttano i dati degli utenti reali per rafforzare il nostro vantaggio sui dati e sul prodotto.
Questo ciclo di vita — GUCCI → Ipotesi IA → PoC → MVP → PMF → Scala — ci permette di lanciare costantemente prodotti IA in circa tre mesi, assicurando che l'IA sia utilizzata solo dove realmente crea valore misurabile. Puoi leggere di più sul processo qui.
Come la gestione prodotto guidata dalle specifiche accelera la consegna di prodotti IA
Un altro aspetto importante è che ci siamo allontanati dai metodi tradizionali di gestione dei progetti — scrivere requisiti, aspettare che i designer creino i mockup e che gli ingegneri producano il primo prototipo. Ora usiamo un processo di gestione prodotto "guidato dalle specifiche", cioè utilizziamo strumenti IA per scrivere requisiti e generare prototipi rapidamente.
Ora, utilizziamo un processo di gestione prodotto “guidato dalle specifiche”, il che significa che usiamo strumenti IA per scrivere requisiti e generare prototipi velocemente.
Riusciamo a trasformare i requisiti di prodotto in prototipi in un'ora senza scrivere codice, e possiamo sperimentare le idee — velocemente. Eliminando la dipendenza da designer e sviluppatori si riducono i tempi e facilmente si risparmiano ore a settimana ai PM.
Ecco come fare:
- Chiedi a ChatGPT di aiutarti con i requisiti di prodotto per le tue idee
- Inserisci le nostre idee di prodotto
- ChatGPT farà domande di chiarimento e disegnerà la mappa dettagliata del percorso utente
- Chiedi a ChatGPT di generare i requisiti.
- Inserisci questi requisiti in Google AI Studio per generare il prototipo.
Perché una filosofia scenario-first crea valore misurabile
Puntiamo molto sugli agenti. Infatti, la direzione principale del nostro prodotto si basa fortemente su flussi di lavoro agentici — sia nel nostro business che nei nostri prodotti. Questo significa dare all'IA la responsabilità degli esiti, non solo dei prompt.
Internamente, gli agenti ci aiutano a trasformare flussi di lavoro complessi in processi scalabili, di alta qualità e ripetibili. Combinati con il nostro ciclo di valutazione end-to-end, i sistemi agentici sono diventati un motore affidabile dietro la qualità delle nostre consegne.
Ad esempio, utilizziamo agenti che ingestiscono dati dei clienti, generano intuizioni, redigono PRD, producono varianti di design e prototipano soluzioni. E abbiamo creato un "secondo cervello IA" che può fare brainstorming con me come un product manager junior.
Nei nostri prodotti, ci concentriamo su flussi di lavoro che portano valore reale alla nostra community di apprendimento: assistenti all'apprendimento, intelligenza documentale e ragionamento multi-step.
La nostra filosofia è semplice: l'IA deve servire lo scenario, e lo scenario deve creare valore misurabile.
Per noi, l'IA non riguarda la corsa al modello più nuovo — si tratta di ingegneria disciplinata, design guidato dallo scenario e la cura artigianale nel perfezionare ogni componente finché non serve davvero l'utente.
A nostro avviso, l’IA non consiste nel rincorrere il modello più nuovo — si tratta di ingegneria disciplinata, progettazione guidata dagli scenari e dell’abilità artigianale di perfezionare ogni componente fino a quando non serve davvero l’utente.
Come gli agenti possono diventare più sofisticati con LangGraph
Vediamo un flusso di lavoro agentico. Questo caso d’uso specifico potrebbe non essere applicabile in generale, ma credo che le specificità di come l’abbiamo implementato possano aiutare con flussi di lavoro avanzati basati su PM.
Nella fase iniziale del nostro AI Interviewer Copilot, il nostro sistema era principalmente un assistente incentrato su RAG basato su LangChain. Ha funzionato bene per iterazioni rapide e ci ha aiutato a stabilire solide basi nell’elaborazione dei documenti e nella qualità del recupero, ma man mano che l’assistente cresceva in funzionalità e complessità — supportando ragionamento multi-step, nuovi tipi di compiti, personalizzazione e collaborazione tra diversi moduli di ragionamento — una pipeline RAG pura non era più sufficiente.
La sfida iniziale non era solo la complessità, ma anche come garantire una consegna affidabile, ripetibile e di alta qualità quando le fonti di contenuto erano eterogenee e in costante evoluzione. Avevamo bisogno di un framework che potesse supportare un RAG agentico, dove più agenti specializzati lavorassero insieme in modo controllato e interpretabile.
Questo ci ha portato all’adozione di LangGraph. Offre determinismo, trasparenza e gestione esplicita dello stato, essenziali quando si costruisce un assistente conversazionale i cui passaggi logici devono essere verificabili, spiegabili e ripetibili. Il passaggio a LangGraph si è anche allineato con la nostra direzione a lungo termine: costruire un assistente intelligente piuttosto che un sistema di domande e risposte a turno singolo.
Abbiamo quindi ricostruito il flusso di consegna utilizzando l’orchestrazione moderna dell’IA:
- LangGraph per transizioni di stato deterministiche multi-agente
- Cicli di valutazione embedding + retrieval per stabilizzare il RAG Agent
- Elaborazione dei documenti con conservazione dei metadati per prevenire la deriva semantica
Ora è un sistema multi-agente composto da un RAG Agent, un Resume-Review Agent e un Context-Orchestration Agent. Abbiamo implementato un framework di valutazione completo, end-to-end — che copre la precisione a livello di componente (suddivisione in chunk, embedding, recupero) e la precisione a livello di sistema (rilevanza della risposta finale, tasso di allucinazione).
E, affinando continuamente ogni componente e integrando test di regressione automatizzati, abbiamo garantito che il sistema raggiungesse una precisione superiore al 90% prima di ogni rilascio importante.
In definitiva, riteniamo che un sistema IA moderno non sia definito da un singolo modello. È definito da un ecosistema ben orchestrato di componenti: intelligenza documentale, stabilità nel recupero, collaborazione multi-agente, strutture di memoria e valutazione continua.
Riteniamo che un sistema IA moderno non sia definito da un singolo modello. È definito da un ecosistema ben orchestrato di componenti: intelligenza documentale, stabilità nel recupero, collaborazione multi-agente, strutture di memoria e valutazione continua.
Come il debugging assistito dall’IA accelera la consegna
Il debugging assistito dall’IA è stato una parte importante di quella implementazione di successo — ci siamo affidati molto a questo processo.
Strumenti come Claude Code e Cursor ci aiutano a diagnosticare rapidamente problemi di integrazione, generare test unitari e ragionare su casi limite complessi nel comportamento dei prompt. Questo ha aumentato notevolmente la velocità di sviluppo, soprattutto nella correzione di errori logici o risultati inattesi del modello.
Come appare in pratica uno stack di strumenti per il product management AI-first
Ecco il nostro stack tecnologico per il PM:
- Google AI studio per il prototyping
- Claude Code per individuare problemi, ragionare sui casi limite e generare test unitari mirati
- Cursor per il debugging
- ChatGPT per PRD
- ChatPRD per il product management
- Dovetail per ricavare requisiti dagli insight dei clienti
- Miro per la collaborazione
Il mio preferito potrebbe essere Claude Code. Ci aiuta costantemente a individuare problemi d'integrazione o lacune logiche molto prima rispetto al solo debug tradizionale. Ed è significativamente migliore di Lovable. Anche se c'è molto clamore su Lovable, non è pensato per un'ingegneria AI avanzata a livello di produzione.
L'IA sostituirà i project manager e i ruoli di prodotto?
Alla fine, penso che l'IA sostituirà i project manager. Non abbiamo più bisogno di project manager per gestire i processi! In effetti, molti lavori entry-level verranno rimpiazzati dall'IA, compresi ingegneri del software, designer e data analyst.
Tuttavia, abbiamo bisogno di più product manager supportati dall'IA che sappiano prendere decisioni sfruttando l'intelligenza artificiale, guidare team interfunzionali per realizzare la visione di prodotto e gestire efficacemente gli stakeholder, ottenendo risultati rapidamente.
Il mio consiglio? È necessario aggiornare velocemente le proprie competenze su come sfruttare gli strumenti di IA esistenti e reinventare la delivery di prodotto. E considera di focalizzarti specificamente sui prodotti basati sull'IA. Per come la vedo io, puoi creare prodotti di IA e guidare l'innovazione, oppure essere sostituito.
Segui i nostri aggiornamenti
Puoi seguire la Dr.ssa Nancy Li mentre lancia prodotti IA e insegna agli altri come farlo su YouTube, LinkedIn, X, il suo podcast e il sito web PM Accelerator. Puoi anche dare un'occhiata al suo nuovo Bootcamp in Gestione di Prodotto IA.
Presto altre interviste a esperti su The Digital Project Manager!
