Responsável de Produto da Meta partilha como a IA está a mudar a entrega e onde fica aquém
Tom Leung, responsável de produto da Meta, explica como a IA acelera a criação de protótipos e a entrega, onde fica aquém e porque é que o discernimento humano, o alinhamento e a estratégia continuam a ser fundamentais na gestão de produto.
Tom Leung
Líder da equipa de Gestão de Produto na META e criador da newsletter The Fireside PM
Funcionalidades de IA: Criar funcionalidades de IA eficazes exige testes extensivos, ciclos de feedback e aperfeiçoamento contínuo para alcançar o sucesso.
Evolução da gestão de projetos: A IA está a transformar a gestão de projetos ao permitir a criação mais rápida de protótipos e processos iterativos de validação.
Equipas autónomas: Uma entrega bem-sucedida depende agora de uma definição flexível de objetivos e de equipas capacitadas, com estruturas claras para a tomada de decisões.
Conjunto de ferramentas de IA: Um conjunto diversificado de ferramentas de IA aumenta a eficiência da gestão de produto, com ferramentas adaptadas a tarefas e fluxos de trabalho específicos.
Foco estratégico: O futuro da gestão de projetos exige pensamento estratégico a par do domínio da IA, dividindo as funções entre orquestração e automação.
Tom Leung lidera uma equipa de gestão de produto na Meta, onde é responsável pelo sucesso tanto dos produtos como dos projetos. É também o criador da newsletter Fireside PM.
Falámos com ele para perceber o que está a mudar na entrega de produtos e projetos. Explicou de que forma a IA mudou o jogo — e em que aspetos os seres humanos são mais importantes do que nunca.
Gestão de produto na Meta
Trabalho na gestão de produtos de software há mais de duas décadas.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Atualmente, lidero uma equipa de gestão de produto na Meta. O meu papel centra-se sobretudo no porquê e no quê de um projeto, mas sou responsável pelo sucesso e impacto globais dos nossos projetos.
Sou também o criador da newsletter Fireside PM.
Porque criar uma funcionalidade de IA vencedora é mais difícil do que parece
Recentemente, fiz um projeto de consultoria para uma empresa pré-IPO que estava a lançar uma funcionalidade baseada em IA. O interessante foi perceber como a magia estava sobretudo na passagem de zero a um — do conceito a uma demonstração funcional.
No entanto, melhorar a demonstração inicial até chegarmos a algo em que tivéssemos uma elevada confiança foi muito mais difícil do que esperávamos. Passámos por várias iterações, testando diferentes modelos fundamentais (GPT-4, Claude, Gemini) para perceber qual tinha o melhor desempenho para o nosso caso de utilização específico, e experimentando extensivamente com engenharia de prompts: testámos diferentes formatos de instruções, adicionámos mais contexto sobre a intenção do utilizador e aperfeiçoámos a estrutura dos resultados.
A maior melhoria surgiu da incorporação de ciclos de feedback dos utilizadores e de dados de personalização, o que ajudou o modelo a compreender as preferências e o contexto de cada utilizador.
A maior melhoria surgiu da incorporação de ciclos de feedback dos utilizadores e de dados de personalização, o que ajudou o modelo a compreender as preferências e o contexto de cada utilizador. Criámos testes A/B para medir as melhorias na precisão e a satisfação dos utilizadores em cada iteração.
Tudo isto resultou em muitos avanços e recuos. O processo demorou cerca de três meses de aperfeiçoamento contínuo para passar de uma "demonstração impressionante" a uma "funcionalidade pronta para produção".
Em resumo, é relativamente fácil criar uma funcionalidade de IA, mas integrar uma funcionalidade de IA vencedora no seu produto é muito mais difícil do que parece.
Porque o maior risco da IA é a forma incrível como parece funcionar
Ainda não chegámos a um ponto em que a IA seja totalmente autónoma. Por mais incrível que seja, continuo a encontrar regularmente falhas no raciocínio e preciso de verificar tudo.
Eis outro exemplo. Há alguns meses, fiz um projeto de consultoria em que o Claude e o Gamma fizeram grande parte do trabalho depois de lhes fornecer grandes quantidades de informação de contexto e notas de reuniões. Fizeram um trabalho incrível. Mas depois, quando me estava a preparar para uma reunião com um cliente, percebi que havia vários erros que pareciam corretos até testarmos rigorosamente os pressupostos. Tive de atualizar à pressa todos os valores.
Esse é o desafio da IA. É incrível e melhora todos os dias — ao ponto de sentirmos que podemos verificar menos o seu trabalho. Mas, enquanto não tiver uma precisão de 99–100%, é preciso continuar a acompanhá-la de perto, porque, quando comete um erro ou tem uma alucinação, as consequências podem ser realmente desastrosas.
A IA é incrível e melhora todos os dias. Mas, enquanto não for 99-100% precisa, ainda precisa de a acompanhar de perto, porque, quando comete um erro ou tem uma alucinação, isso pode realmente virar-se contra si.
Como a IA está a mudar o planeamento de projetos, a prototipagem e os roteiros
Dito isto, está a mudar a forma como trabalhamos. Reparei que, por vezes, começamos agora a fazer a prototipagem em paralelo com o planeamento do produto. Antigamente, não podíamos dar-nos ao luxo de construir coisas antes de concluir todo o trabalho de planeamento. Mas agora podemos criar um novo projeto em semanas — ou até em dias.
Também reparei em ciclos de planeamento mais curtos e numa validação mais iterativa. Em vez de passarmos meses a elaborar especificações detalhadas, criamos agora documentos breves e validamos pressupostos através de experimentação rápida.
Estamos a afastar-nos de roteiros rígidos, avançando para um planeamento mais adaptável — ajustando as prioridades trimestralmente, ou até mensalmente, com base no que aprendemos.
Estamos a afastar-nos de roteiros rígidos, avançando para um planeamento mais adaptável — ajustando as prioridades trimestralmente, ou até mensalmente, com base no que aprendemos.
Também reduzimos o número de reuniões formais de atualização de estado, privilegiando atualizações assíncronas e resumos do progresso gerados por IA. Isto liberta tempo para discussões estratégicas mais aprofundadas, em vez de nos limitarmos a relatar o que já está documentado.
O risco é acabar por se tornar numa fábrica de funcionalidades ou de produtos!
Como os principais rituais de entrega estão a evoluir com a IA
Os nossos principais rituais de entrega também estão a mudar.
Para definir o âmbito, começamos agora com objetivos baseados em resultados, em vez de listas de funcionalidades. Isto dá às equipas mais flexibilidade para se adaptarem à medida que aprendem.
Para a validação, estamos a fazer mais testes contínuos com grupos de utilizadores mais pequenos, em vez de lançamentos de grande escala. As ferramentas de IA ajudam-nos a analisar rapidamente os padrões no feedback.
Para gerir a execução, avançámos para equipas mais autónomas, com estruturas claras de tomada de decisão (por exemplo, DACI), em vez de processos de aprovação centralizados. O essencial é confiar nas equipas para tomarem boas decisões, utilizando simultaneamente a IA para identificar antecipadamente riscos ou bloqueios.
E depois há o alinhamento. Penso que o alinhamento é mais importante do que nunca. Como agora podemos fazer tantas coisas, precisamos de ter uma visão unificada sobre o que construir e porquê.
Para obter essa visão unificada, investimos fortemente num contexto partilhado: revisões regulares da estratégia, documentação clara do nosso «porquê» e princípios explícitos de tomada de decisão a que todos possam recorrer. Também utilizo ferramentas de IA para criar resumos consistentes das decisões importantes e distribuí-los amplamente, para que todos tenham acesso à mesma informação. Além disso, realizamos sessões trimestrais de alinhamento, nas quais revemos as nossas prioridades e garantimos que todos compreendem de que forma o seu trabalho se relaciona com o panorama geral.
O objetivo é criar um modelo mental partilhado, para que as equipas possam tomar decisões independentes que continuem a contribuir para a nossa estratégia global.
Penso que o alinhamento é mais importante do que nunca. Uma vez que agora podemos fazer tantas coisas, precisamos de ter um ponto de vista unificado sobre o que construir e porquê.
Como é o conjunto de ferramentas de IA dos gestores de produto modernos
Este é o meu conjunto atual de ferramentas de IA:
- ChatGPT: Raciocínio de uso geral, brainstorming e pesquisa rápida
- Claude: Análise complexa e tarefas de escrita que exigem um raciocínio matizado
- Gemini: Tarefas multimodais e situações em que preciso de analisar documentos com imagens
- Manus: Automatização de fluxos de trabalho entediantes, como gerar atualizações semanais da equipa, processar dados e tratar de tarefas repetitivas de gestão de projetos
- NotebookLM: Síntese de informações de grandes conjuntos de documentos e criação de resumos áudio
- NanoBanana: Criação rápida de apresentações visuais e conjuntos de diapositivos
- FigmaMake: Prototipagem rápida e iteração de design
Alterno entre o ChatGPT, o Claude e o Gemini consoante a tarefa. Cada um tem pontos fortes em áreas diferentes.
Porque é que o Claude superou outros LLM na elaboração de requisitos de produto
Recentemente, testei cinco chatbots de IA para ajudar a redigir documentos de requisitos de produto.
O Claude ficou em primeiro lugar na redação de documentos de requisitos de produto. É excelente a manter o contexto ao longo de documentos extensos, a seguir instruções complexas e a produzir resultados bem estruturados e naturais. É particularmente bom a compreender nuances e a evitar o tom excessivamente formal ou genérico em que alguns dos outros modelos acabam por cair.
Dito isto, continuo a utilizar modelos diferentes para tarefas diferentes: o ChatGPT para iterações rápidas, o Gemini quando preciso de processar informação visual e o Claude para tudo o que exige um raciocínio aprofundado ou escrita extensa.
Como os fluxos de trabalho baseados em agentes no Manus poupam horas todas as semanas
Tenho utilizado o Manus como a minha principal plataforma de orquestração para fluxos de trabalho baseados em agentes. É particularmente útil para automatizar tarefas com várias etapas, como gerar atualizações semanais da equipa, transformar notas de reuniões em itens de ação e sintetizar investigação proveniente de várias fontes.
Tenho utilizado o Manus como a minha principal plataforma de orquestração para fluxos de trabalho baseados em agentes. É particularmente útil para automatizar tarefas com várias etapas.
A experiência tem sido positiva — trata do trabalho de coordenação entediante que costumava consumir horas todas as semanas. Dito isto, continuo a precisar de rever cuidadosamente os resultados, uma vez que a IA ainda não é totalmente fiável.
Também experimentei utilizar os GPT personalizados do ChatGPT e os Projetos do Claude para fluxos de trabalho específicos. No entanto, o Manus tem sido o mais eficaz para orquestrações complexas com várias etapas, nas quais preciso que diferentes ferramentas trabalhem em conjunto.
Porque é que o NotebookLM transforma a forma como os gestores de produto sintetizam contexto e decisões
O que mais tenho notado ultimamente é que a capacidade de compreender o contexto interno de um segmento de clientes, projeto ou decisão anterior, utilizando IA para analisar dezenas de fontes, é verdadeiramente impressionante.
Antes da IA, seria necessário passar semanas a ler pilhas de documentos e a realizar dezenas de reuniões individuais. Agora, porém, utilizo ferramentas como o NotebookLM para incorporar dezenas de documentos — notas de reuniões, documentos de estratégia e investigação sobre clientes — e sintetizar rapidamente as informações que deles constam.
Por exemplo, ao avaliar uma nova direção para um produto, posso pedir-lhe que resuma todo o feedback anterior dos clientes sobre um problema específico e obter uma resposta coerente em segundos, em vez de passar dias a ler documentos dispersos. Também utilizo o ChatGPT e o Claude para trabalhos de síntese semelhantes, especialmente quando preciso de compreender o contexto por detrás de decisões anteriores ou de identificar padrões em vários projetos.
Porque é que a estratégia será mais importante do que nunca num mundo acelerado pela IA
No espaço de cinco anos, a função de gestor de projetos dividir-se-á em duas vertentes distintas.
Uma vertente centrar-se-á na orquestração estratégica: compreender o contexto empresarial, alinhar as partes interessadas e fazer compromissos de alto nível.
A outra será mais semelhante à de um "engenheiro de fluxos de trabalho de IA", concebendo e otimizando os sistemas automatizados que tratam da execução, dos relatórios e da coordenação.
A vertente tática e administrativa do trabalho de gestão de projetos será quase totalmente automatizada.
As equipas avançarão mais rapidamente, mas o discernimento humano necessário para decidir o que construir e porquê tornar-se-á ainda mais crítico. Os vencedores serão os gestores de projetos capazes de pensar estrategicamente e, ao mesmo tempo, de dominar a forma de tirar eficazmente partido dos sistemas de IA.
Acompanhe
Pode acompanhar Tom Leung à medida que continua a transformar o mundo da IA no LinkedIn. E, claro, visite também tomleungcoaching.com!
Em breve haverá mais entrevistas com especialistas no The Digital Project Manager! Junte-se à nossa comunidade gratuita para ter acesso ilimitado a artigos e conteúdos.
