La fundadora y ex responsable de producto de Apple afirma que los procesos de los PRD deben renovarse por completo — aquí está el plan

Sonia Vora ha sido responsable de Producto y directora de Gestión de Producto en varias empresas del sector sanitario. También dirigió el producto de un par de productos sanitarios de Apple. Y ahora es la fundadora de una empresa de inteligencia artificial aplicada a la sanidad.

Nos reunimos con Sonia para saber cómo utiliza los agentes en los flujos de trabajo de gestión de producto. Esto es lo que nos contó.

Adentrarse en los productos sanitarios basados en inteligencia artificial

Hola, soy Sonia. Comencé mi carrera en consultoría estratégica en McKinsey y GoogleX. Después, me convertí en directora de Gestión de Producto en ACKO Insurance, una compañía de seguros directa al consumidor de la India que había alcanzado la Serie D. Más tarde, fui responsable de Producto en Narayana One Health, una unidad de atención integrada dentro de un sistema hospitalario en la India. También dirigí el producto de dos productos sanitarios de Apple: la aplicación Attain (desarrollada en colaboración con Aetna Insurance) y Lumihealth (desarrollada en colaboración con el Gobierno de Singapur). Además, fui reconocida en la lista Forbes 30 Under 30.

En 2017, antes de los transformadores y los modelos de lenguaje de gran tamaño, investigué el impacto de la inteligencia artificial en McKinsey y Google, y exploré oportunidades basadas en aprendizaje automático para mejorar la atención a los pacientes en Apple y ACKO. Pero desde entonces no había trabajado directamente con inteligencia artificial. Después, hace aproximadamente un año y medio, me di cuenta de que la inteligencia artificial transformaría no solo mi sector (la sanidad), sino también la gestión de producto. Inmediatamente puse en marcha varias iniciativas:

1. Formarme por mi cuenta en los fundamentos de la inteligencia artificial.
2. Integrar ChatGPT/Gemini en el trabajo diario de gestión de producto de mi equipo. Esto incluía crear instrucciones para obtener documentos de requisitos de producto (PRD) más refinados, generar ideas para PRD, realizar investigaciones con Deep Research y utilizar ChatGPT y Gemini para proporcionar comentarios sobre el diseño y detectar problemas de experiencia de usuario.
3. Experimentar con herramientas como Lovable para crear prototipos rápidamente y recopilar comentarios sobre la experiencia de usuario de usuarios y compradores.

Ahora soy la fundadora de Alongside Health, una empresa que combina inteligencia artificial y sanidad. He aprovechado una combinación de las capacidades de lenguaje natural de los modelos de lenguaje de gran tamaño y protocolos deterministas para automatizar la atención clínica. Para crear nuestros pilotos iniciales, utilizo Claude Code a diario para diseñar sistemas deterministas y lanzar agentes que nuestros clientes piloto puedan probar. También creo prototipos y nuestro sitio web directamente con Claude Code.

Sonia comparte

Los responsables de Producto deben replantearse por completo el sistema en el que los gestores de producto redactan un PRD, se lo entregan al equipo de diseño y después al de ingeniería.

Cómo cambia la inteligencia artificial el proceso de PRD

Los responsables de Producto deben replantearse por completo el sistema en el que los gestores de producto redactan un PRD, se lo entregan al equipo de diseño y después al de ingeniería. El objetivo es acelerar todo este ciclo, evitar que los gestores de producto y los diseñadores se vean bloqueados por el equipo de ingeniería e involucrar antes a este último, cuando su experiencia sea más necesaria.

La gente aborda esto de distintas maneras, pero veo dos oportunidades de gran impacto y fáciles de aprovechar:

1. Acelerar la fase inicial de «depuración del PRD» y la generación de ideas proporcionando prototipos creados con Claude, primero por los gestores de producto y después perfeccionados por los diseñadores. Esto ofrece a los ingenieros una base concreta para crear documentos de diseño de nuevas funcionalidades, en lugar de empezar con requisitos escritos extensos.
2. En el caso de una funcionalidad existente, me ha resultado útil dar a los gestores de producto y a los diseñadores acceso completo para realizar determinados cambios y enviar solicitudes de incorporación de cambios, siempre que estos cambios no afecten fundamentalmente a la arquitectura. Si se cuenta con un proceso sólido de revisión de código, se evitará gran parte del código nuevo desordenado que puede generarse cuando los gestores de producto y los diseñadores envían cambios.

Personalmente, ya no redacto por adelantado PRD largos que intenten abarcar todos los casos límite. En su lugar, trabajo inmediatamente con Claude para desarrollar mis requisitos iniciales mediante conversaciones de preguntas y respuestas.

Después utilizo ese documento como punto de partida para Claude Code y uso el prototipo para encontrar casos límite e integrar esos requisitos de nuevo en el documento del PRD con Claude antes del lanzamiento.

Como resultado, produzco un trabajo de mucha mayor calidad en el mismo tiempo. Tengo un compañero de reflexión y debate que me ayuda a ser minuciosa, explorar opciones más rápido e investigar recursos útiles en Internet.

Por qué la experimentación es el superpoder de la inteligencia artificial

Voy a desglosar cómo utilizo la inteligencia artificial en la gestión de producto:

• Descubrimiento de problemas: la IA es menos útil aquí porque no conoce los problemas del mundo real de los usuarios. La IA puede formular hipótesis, pero estas no se basan en experiencias de primera mano y no revelarán verdades que no sean de consenso. Nada se compara con sentarse con un usuario y comprender sus pensamientos.
• Priorización: del mismo modo, la IA puede ofrecer una primera aproximación basada en el «sentido común» para la priorización, pero carece de comentarios reales de los usuarios y de criterio de producto, por lo que debes supervisarla cuidadosamente en este ámbito.
• Criterio de diseño y decisiones de UX: la IA ofrece una primera aproximación excelente, pero no comprende a tus usuarios ni sus objetivos; simplemente imita flujos existentes. Debes considerar cuidadosamente el elemento «humano» que ayuda a los usuarios a completar sus tareas. He iterado ampliamente en la UX para garantizar la coherencia, tener en cuenta los componentes y lograr una arquitectura de la información que se ajuste realmente a las expectativas y los objetivos de los usuarios. Es como si un ingeniero con bibliotecas front-end increíbles diseñara cada pantalla: a veces tiene un aspecto fantástico, pero no ayuda a los usuarios a entender fácilmente cómo completar sus tareas.
• Planificación: este es un ámbito en el que la IA destaca a la hora de crear una primera aproximación. Con suficiente contexto, puede desarrollar eficazmente cronogramas iniciales y ayudar con las tácticas de planificación. Linear me está encantando especialmente.
• Identificación de las disyuntivas y el impacto de las decisiones de diseño: los agentes de programación a menudo no hacen esto a menos que se les pida explícitamente. Sin embargo, cuando se les solicita, presentan eficazmente múltiples ventajas, desventajas y debates internos, lo que te ayuda a reflexionar más profundamente sobre las implicaciones. Sigo encontrando a menudo lagunas en los análisis de causa raíz y en las sesiones de lluvia de ideas con agentes de programación, pero a veces también plantean puntos que no había considerado de inmediato.
• Experimentación: este es el verdadero superpoder de la IA. Como puedes crear conceptos con tanta rapidez, puedes probar muchas cosas diferentes, experimentar el producto y después iterar basándote en tus descubrimientos.

Cómo puede la IA ayudar en los flujos de trabajo de evaluación

Este es un ejemplo de un flujo de trabajo de IA que estoy utilizando en mi gestión de productos.

Utilicé Claude para crear un proceso en el que, para cada nueva versión del producto, pido a OpenAI o Gemini (mediante llamadas a la API) que interprete a una persona paciente y responda a mi agente en un chat simulado.

Genero personas pacientes a partir de un script que crea todas las ramas del protocolo y prueba cada una de ellas. El script también incorpora tipos de personalidad procedentes de nuestro generador basado en investigación. Después de que cada persona conversa con la nueva versión del agente, pedimos a Gemini u OpenAI que evalúe la conversación según nuestros 10 criterios de evaluación y proporcione puntuaciones de aprobado o suspenso.

Después reviso los resultados de la evaluación, enumero los cambios sugeridos para corregir los problemas de Claude, publico una nueva versión del agente y vuelvo a ejecutar todo el proceso.

Utilicé Claude Code para crear la interfaz, desde la que puedo consultar los resultados de la evaluación, las conversaciones simuladas y las personas pacientes simuladas.

Ha sido de gran ayuda, pero con una salvedad: la IA sigue siendo extremadamente estocástica. He tenido dificultades en los ámbitos que requieren fiabilidad. Por ejemplo, en evaluaciones como esta en las que un modelo de lenguaje actúa como juez, la IA suele dar un aprobado en una ejecución y un suspenso en otra, lo que supone un problema importante.

Puedes diseñar para reducir la incoherencia, pero también debes diseñar siempre para detectar posibles errores de la IA.

Cómo pueden los PM dejar de sentirse intimidados por Claude Code

Al principio, me intimidaba la idea de utilizar Claude Code de forma eficaz como persona no ingeniera, especialmente porque la mayoría de la gente lo utilizaba en el terminal.

Pero empecé a construir. Traté a Claude/Cursor como a un empleado júnior que necesitaba mucha lluvia de ideas y acompañamiento, y eso me ayudó a conocer los posibles problemas de la programación al estilo de Claude. Ahora me anticipo a ellos en mi flujo de trabajo.

Por ejemplo, Claude puede parecer «olvidadizo» porque compacta la información para que quepa en su ventana de contexto. Para evitarlo, ahora le pido que escriba siempre un plan y lo consulte antes de construir algo, igual que harías con una persona real: ¡nosotros también somos olvidadizos!

Ahora Claude es especialmente fácil de utilizar porque los modelos han mejorado significativamente. Incluso con un contexto incompleto, si le pides que haga preguntas, puede conversar contigo para generar primero un plan completo. Después puede ejecutarlo de forma más fiable, reduciendo la necesidad de que te preocupes por la estructura inicial.

Por qué los agentes de programación no son soluciones mágicas

Ahora todo el mundo puede ser ingeniero gracias a los agentes de programación. Por eso, debemos mantener a los expertos centrados en las cosas que solo ellos hacen bien y dejar que los demás hagan las cosas sencillas. La mentalidad de que «todo el mundo es ingeniero» es muy importante.

Pero conviene señalar que los agentes de programación no pueden corregir errores mágicamente sin intervención. A menudo, carecen de sentido común o de contexto de diseño, lo que les lleva a identificar incorrectamente la causa raíz o a resolver los problemas de forma equivocada.

Con un poco de orientación, funcionan mucho mejor, pero las limitaciones contextuales pueden llevar sutilmente a una ejecución o un razonamiento poco cuidadosos.

Aun así, ha reducido enormemente el tiempo de desarrollo, pero lanzar un buen producto sigue requiriendo una reflexión considerable.

Cómo mantenerse al día con la evolución de la IA

¡Empieza a trabajar con estas herramientas en tu trabajo real desde ahora! Cuanto más tardes en adoptarlas, más te quedarás atrás respecto a los compañeros que ya han optimizado sus flujos de trabajo con estos agentes.

Mientras tanto, mantén una actitud abierta respecto a las fortalezas y debilidades de la IA — y reconoce que esto cambia prácticamente cada mes.

Experimenta. Utiliza Claude Code u otras herramientas en tu trabajo diario para comprender las fortalezas y debilidades de los modelos. Si dedicas aunque solo 30 minutos al día a una tarea, probablemente merezca la pena invertir una o dos horas en automatizarla — ese tiempo se acumulará.

Prueba varias herramientas de chat con LLM cuando busques respuestas para comprobar cómo responden los distintos proveedores y modelos. Y cambia tu «dieta» de LinkedIn para mantenerte al día con personas que aplican la IA para convertirse en los mejores PM posibles.

Ahora mismo todo el mundo se siente abrumado, y no pasa nada. Hablo con profesionales de la IA a tiempo completo que se sienten abrumados — sé amable contigo mismo y celebra las pequeñas victorias mientras te mantienes al día con los avances de la IA.

Sigue la conversación

Puedes conectar con Sonia Vora en LinkedIn.

¡Próximamente habrá más entrevistas con expertos en The CPO Club!