Estos flujos de trabajo necesitan urgentemente una renovación con IA, dice Líder Global de Producto
Descubre qué flujos de trabajo en la gestión de productos se benefician más de la IA, y cómo los equipos líderes la utilizan para acelerar el descubrimiento, mejorar las decisiones e incrementar la velocidad de aprendizaje.
Tony Pagliocco
Director Asociado de Gestión Global de Producto en Aldar
Integración de IA: La IA se está integrando en los flujos de trabajo de producto en Aldar, transformando los procesos de toma de decisiones y desarrollo.
Fundamentos de Datos: Una aplicación efectiva de la IA requiere sólidas bases de datos; una infraestructura deficiente revela fallos y limita el impacto de la IA.
Rediseño del Descubrimiento: La IA está agilizando el descubrimiento de productos al sintetizar grandes volúmenes de datos rápidamente, reformulando los enfoques tradicionales y manuales.
Juicio Humano: La IA apoya las actividades de producto, pero la visión humana sigue siendo crucial para interpretar el contexto y tomar decisiones clave.
Desafío de Adopción: Incorporar la IA en las operaciones diarias mejora la adopción, cambiando la mentalidad de los equipos de la resistencia al uso práctico.
Tony Pagliocco es el Director Asociado de Gestión Global de Producto en Aldar, donde es responsable de la estrategia de producto, marcos operativos y formas de trabajo en 24 equipos de producto.
Él y su equipo están enfocados en incorporar la IA directamente en sus flujos de trabajo de producto. Por eso, conversamos con él para aprender qué flujos de trabajo está optimizando actualmente y cómo está garantizando la adopción en toda la organización. Esto es lo que nos dijo.
Problemas complejos a gran escala
He pasado los últimos más de 20 años construyendo y escalando productos digitales a través de industrias, desde medios y videojuegos hasta aviación, logística y ahora bienes raíces aquí en los EAU. Consistentemente resuelvo problemas complejos a gran escala y construyo equipos que logran impacto.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Al principio de mi carrera, era muy práctico: lanzaba productos y aprendía a ejecutar. Después dirigí organizaciones de producto más grandes y gestioné transformaciones a nivel empresarial. Uno de los capítulos más formativos fue en Boeing, donde dirigí producto para plataformas digitales de fábrica inteligente que soportaban los programas 777 y 787. Trabajábamos con entornos de datos de multipetabytes, aplicando NLP y visión artificial a flujos de trabajo de manufactura y cadena de suministro. Construimos sistemas para predecir problemas, optimizar operaciones y operar a escala global. Esa experiencia modeló mi manera de pensar sobre los datos, las plataformas y ahora la IA.
Este momento es un punto de inflexión. Estamos pasando de construir software a construir sistemas inteligentes — y el rol del liderazgo de producto está cambiando de gestionar hojas de ruta a orquestar datos, IA y resultados reales a escala.
En Aldar, la IA está profundamente integrada en lo que construimos, desde plataformas de ciudad inteligente y gemelos digitales hasta herramientas de planificación maestra y viabilidad. Usamos IA para simular, predecir y optimizar decisiones mucho antes de que se construya algo físicamente, lo que transforma fundamentalmente la forma en que opera el negocio.
Este momento es un punto de inflexión. Estamos pasando de construir software a construir sistemas inteligentes — y el rol del liderazgo de producto está cambiando de gestionar hojas de ruta a orquestar datos, IA y resultados reales a gran escala.
Liderar la estrategia de producto
Hoy en día, soy Director Asociado de Gestión Global de Producto en Aldar, reportando al Director Digital, donde lidero la estrategia de producto, marcos operativos y formas de trabajo en 24 equipos de producto.
Nuestros equipos abarcan un amplio ecosistema, incluyendo ventas inmobiliarias, retail, comercial, residencial, fidelización y marketing, comercio electrónico, hospitalidad e IoT para ciudades inteligentes — y nuestra plataforma principal, Live Aldar, sostiene todo. Apoyamos tanto experiencias orientadas al cliente como plataformas internas, con un fuerte enfoque en conectar todo en un recorrido integral y fluido.
Para la entrega, operamos mediante equipos multidisciplinarios alineados a resultados de negocio, e invertimos en plataformas compartidas como identidad, pagos, datos e IA para escalar en todo el ecosistema. Mi rol es asegurar consistencia en cómo construimos, permitiendo a cada dominio avanzar rápido y generar impacto.
Por qué la IA requiere buenos fundamentos
Esto es lo primero que se debe decir: la IA no es una característica. Es una capacidad que cambia cómo funciona tu producto y organización en su totalidad.
Muchos equipos abordan la IA como cualquier otra mejora: añadiendo un chatbot, automatizando un flujo de trabajo o mejorando una funcionalidad. Esa mentalidad limita el impacto. El verdadero cambio es que la IA transforma cómo se toman decisiones, cómo se construyen productos y cómo se crea valor.
Además, expone los fundamentos. Si tus datos están fragmentados, tus flujos de trabajo son poco claros o tu pensamiento de producto es débil, la IA amplificará esos problemas. Los equipos que luchan con la IA normalmente intentan colocarla sobre cimientos rotos.
El verdadero trabajo es garantizar que tenga los insumos, la estructura y las salvaguardas correctas. Sin estos, los resultados pueden verse bien en la superficie pero carecer de confiabilidad para un uso real en producto. Si lo hubiera sabido desde el principio, habría invertido antes en depuración de datos, definición más clara del espacio del problema y fijar límites más sólidos para el uso de IA dentro del producto.
Sólo eso habría ahorrado tiempo al evitar expectativas poco realistas. A menudo existe la presión de moverse rápido y demostrar IA, pero sin los cimientos adecuados, iteras más de lo necesario — o peor aún, pierdes la confianza del usuario.
Así que antes de lanzarse, los líderes deben preguntarse: "¿Tenemos los datos, el modelo operativo y la disciplina de producto para aprovechar esto?"
Cómo la IA está transformando el proceso de desarrollo de productos
Uno de los mayores cambios que hemos realizado en el último año es pasar de un desarrollo de productos estático y basado en documentos a un descubrimiento y entrega continua asistidos por IA.
Tradicionalmente, nuestro proceso dependía de artefactos estructurados —PRDs, casos de negocio, documentos de investigación— que requerían mucho tiempo para producirse y a menudo quedaban rápidamente desactualizados. Introdujimos la IA directamente en ese flujo de trabajo para sintetizar retroalimentación de clientes, analizar tickets de soporte, generar requisitos iniciales de producto e incluso desafiar supuestos durante el descubrimiento.
Esto cambió la velocidad y la calidad en la toma de decisiones. Los responsables de producto ya no parten de cero; parten del conocimiento. Estamos viendo ciclos más rápidos desde la idea hasta la validación, mejor alineación entre las partes interesadas y una priorización más informada por datos.
También cambió la forma en que operan nuestros equipos. En lugar de que la IA sea una herramienta separada, ahora está integrada en los flujos de trabajo diarios, ya sea generando hipótesis, resumiendo datos o acelerando entregas. El rol del gestor de producto ha pasado ligeramente de ser creador a curador y tomador de decisiones.
Los gestores de producto ya no parten de cero; parten del conocimiento.
Cómo el descubrimiento de productos puede rediseñarse con IA
Sin embargo, de todo el ciclo de vida del producto, el descubrimiento es lo que más necesita ser rediseñado.
Históricamente, el descubrimiento era lento, manual y dependía mucho de muestras pequeñas —entrevistas, encuestas, análisis de datos limitado. Con IA, ese modelo ya no sirve. Ahora podemos procesar enormes cantidades de retroalimentación de clientes, datos de comportamiento y señales en tiempo casi real.
Pero la mayoría de los equipos todavía lleva el descubrimiento como si fuera 2015.
Comenzamos a integrar Jira Product Discovery en nuestro flujo de trabajo para estructurar mejor las ideas, los insights y la priorización. Eso nos dio una base sólida, pero realmente aceleramos cuando añadimos agentes de IA de Rovo agentes de IA y los conectamos a nuestro ecosistema más amplio: documentación, diseños técnicos, Figma y otras herramientas de entrega.
Adicionalmente, integramos flujos de datos continuos —resultados de encuestas, circuitos de retroalimentación de clientes, datos de contact center y analíticas de producto— alimentando todo en un único flujo de descubrimiento.
Ahora, en lugar de unir insumos manualmente, los equipos pueden sintetizar señales rápidamente, generar requisitos iniciales y conectar el descubrimiento directamente con la ejecución. La brecha entre “insight” y “entrega” se ha reducido significativamente.
El resultado son ciclos más rápidos y de mayor calidad. Los equipos parten de una base mucho más informada, con mayor alineación entre producto, diseño e ingeniería.
Por qué la IA informa las actividades de producto, pero las decisiones las toman los humanos
Usamos IA de forma intensiva para escalar, ganar velocidad y detectar patrones —descubrimiento, análisis de datos e ideación temprana. Ahora es nuestro punto de partida por defecto, no sólo un "plus".
La IA sintetiza retroalimentación de clientes, tickets de soporte y datos de comportamiento en minutos, moldeando hipótesis e incluso generando requisitos iniciales. En nuestro trabajo de ciudades inteligentes y gemelos digitales, también la usamos para simular escenarios, ayudando a los equipos a explorar decisiones de planificación y viabilidad antes de construir nada.
Pero somos muy claros sobre dónde se detiene la IA.
La priorización, las decisiones de hoja de ruta, los matices de UX y los tradeoffs siguen siendo tareas humanas porque ahí importan el contexto, la experiencia y la responsabilidad. La IA no entiende de estrategia, política o riesgo de una manera significativa. Puede informar decisiones, pero no debe tomarlas.
Por ejemplo, usamos IA para analizar retroalimentación de clientes y tickets de soporte con el fin de guiar la priorización. El modelo identificó patrones y destacó problemas mencionados con frecuencia con eficacia, pero no pudo distinguir entre lo que era ruidoso y lo que era importante. Los problemas de bajo impacto estuvieron sobrerrepresentados simplemente porque los clientes los reportaban con más frecuencia, mientras que los problemas más críticos pero menos frecuentes estaban subestimados.
También faltaba el contexto sobre el recorrido del cliente: por qué ocurría algo, no solo que ocurría. El juicio humano era fundamental para interpretar correctamente la señal.
Desde la perspectiva de la confianza, si la IA mostraba algo que no se alineaba con la intuición de las partes interesadas, estas lo descartaban rápidamente. Así que la precisión no era suficiente: debía ser explicable y estar alineada con el contexto del mundo real.
Por qué los product managers deben tener cuidado con depender demasiado de la IA
La velocidad y el rendimiento son los mayores aspectos positivos de la IA. Los product managers pasan de la idea a la dirección validada significativamente más rápido; lo que antes llevaba días de síntesis y redacción, ahora sucede en horas. En todos los equipos, estimo un aumento de velocidad de entre un 30% y un 50% en los ciclos de descubrimiento temprano y documentación.
La calidad también ha mejorado. La IA ayuda a los equipos a partir de una base de información más sólida, recopilando señales de los clientes, señalando patrones y reduciendo puntos ciegos. Esto lleva a mejores hipótesis iniciales y discusiones más fundamentadas con las partes interesadas.
Por otro lado, el exceso de confianza es el mayor riesgo que he observado. Algunos equipos inicialmente trataron las respuestas de la IA como “soluciones” en vez de insumos, lo que llevó a un pensamiento superficial o soluciones genéricas. Tuvimos que entrenar activamente a los equipos para que desafiaran y refinaran lo que producía la IA en vez de aceptarlo tal cual.
También existe una brecha de consistencia. La IA solo es tan buena como el contexto que se le proporcione. Los product managers experimentados obtienen un valor exponencialmente mayor porque saben cómo guiarla. Los menos experimentados pueden tener dificultades o generar resultados poco útiles.
En definitiva, el beneficio es real. Ciclos más rápidos, mejor punto de partida, pero solo con un pensamiento de producto sólido. De lo contrario, solo se llega antes a la respuesta incorrecta.
Por qué la automatización de extremo a extremo decepciona a los PMs
Al principio, asumí que la IA podría impulsar de manera significativa las decisiones del roadmap o generar soluciones listas para enviar de alta calidad. En realidad, lo que genera suele ser útil en cuanto a dirección, pero sigue siendo genérico. Carece del contexto comercial, los matices del cliente y las concesiones que hacen los equipos experimentados cada día.
La automatización de extremo a extremo es otra área donde aún no ha dado en el clavo. Los agentes de IA muestran mucho potencial para ejecutar flujos de trabajo o reemplazar partes de la entrega, pero en la práctica aún requieren una gran supervisión humana para ser fiables a gran escala.
La brecha, entonces, está entre la expectativa y la realidad. La IA es increíblemente poderosa como acelerador, pero no reemplaza el juicio de producto —y los equipos que la tratan así terminan decepcionados con bastante rapidez.
Por qué los PMs deben pasar del control a la confianza con la IA
La calidad del producto ya no proviene de experiencias estrictamente controladas y deterministas. Debemos dejar de lado la idea de que es así.
Tradicionalmente, diseñábamos productos para que se comportaran de manera predecible: flujos claros, resultados definidos, casos extremos mapeados. Con la IA, especialmente la IA generativa, se introduce variabilidad por defecto. La misma entrada puede no producir siempre el mismo resultado exacto, y eso cambia la forma de pensar la calidad.
Obliga a pasar de “¿Está perfectamente definido?” a “¿Es fiable, útil y está dentro de los límites aceptables?”
Eso supone un gran cambio de mentalidad. Ya no diseñas cada resultado, sino sistemas con límites, bucles de retroalimentación y formas de mejorar continuamente. También significa aceptar un cierto grado de imperfección, siempre que el valor esté presente y los riesgos estén controlados.
Así que pasé del control a la confianza: confiar en que el sistema operará dentro de los límites, en lugar de intentar definir por adelantado todos los resultados posibles.
Cómo la IA altera la dinámica de los equipos de producto
La IA no ha cambiado tanto la estructura del equipo como la forma en que opera.
No hemos reemplazado roles, pero sí han cambiado las expectativas sobre ellos. Los product managers dedican menos tiempo a la síntesis y documentación manual, y más al juicio, priorización y orientación a resultados. El nivel de exigencia en el pensamiento ha aumentado.
Además, ha difuminado algunas de las líneas entre roles. Los PMs están más cerca de los datos, los diseñadores usan la IA para iterar más rápido y los ingenieros la aprovechan para acelerar el desarrollo. Los bucles de colaboración son más cortos porque todos pueden avanzar más rápido individualmente.
Al mismo tiempo, estamos viendo que surge una brecha clara: personas que saben cómo trabajar con IA versus quienes no. Los equipos que se involucran son significativamente más productivos.
Cómo integrar la IA en los flujos de trabajo mejora la adopción
La adopción ha sido un reto. No todos avanzan al mismo ritmo. Algunos se involucran, experimentan y se adaptan rápidamente. Otros dudan, lo cuestionan o esperan a que sea perfecto antes de involucrarse — y ahí es donde aparece la brecha.
Hicimos que el uso de la IA fuera visible y esperado — no opcional.
En lugar de lanzarlo como “aquí tienes una nueva herramienta”, lo integramos directamente en las operaciones del equipo. Por ejemplo, actualizamos nuestros flujos de trabajo de producto para que cada ciclo de descubrimiento o PRD incluyera un primer borrador asistido por IA — ya sea sintetizar comentarios de clientes, generar requerimientos iniciales o definir hipótesis. Se convirtió en parte del proceso, no un añadido.
También establecimos una expectativa sencilla: No llegues a una revisión o discusión con una página en blanco. Empieza con algo asistido por IA y luego muestra cómo lo has perfeccionado. Eso cambió rápidamente la mentalidad de resistencia a uso práctico.
Al mismo tiempo, destacamos los logros — mostrando cómo un equipo redujo a la mitad el tiempo de descubrimiento o mejoró la calidad de sus ideas iniciales usando IA. Esa visibilidad entre pares generó impulso.
No se trataba de forzar la adopción; era cuestión de normalizarla en el flujo de trabajo y hacer que los beneficios fueran evidentes a través de ejemplos reales.
No llegues a una revisión o discusión con una página en blanco. Empieza con algo asistido por IA y luego muestra cómo lo has perfeccionado.
Por qué los líderes de producto deben apostar por la IA — ahora
Este es mi consejo: No esperes a que todo esté claro — involúcrate y comienza ahora.
Este es un momento en el que quienes se adelantan definirán lo que viene después. Puedes quedarte analizando, o ensuciarte las manos y descubrirlo en flujos de trabajo reales. Ya se está formando una brecha entre quienes usan IA todos los días y los que solo hablan de ella.
Sé un evangelista. Si crees que este es el futuro, actúa en consecuencia. Predica con el ejemplo: úsala en tu propio trabajo, reta a tus equipos a usarla e intégrala en la operación de tu organización. No se trata de hacer pilotos paralelos, es cambiar la manera en que construyes productos.
Al mismo tiempo, mantente con los pies en el suelo. La IA no es un reemplazo para pensar. Es un multiplicador. Los líderes que triunfen combinarán buen juicio sobre el producto con ganas de aprender rápido.
Esto se resume en aprender. Si no estás aprendiendo, experimentando y evolucionando activamente ahora, te vas a quedar atrás. Así de simple.
Así que involúcrate, mantente curioso y lidera desde el frente.
Sigue atento
Puedes conocer más sobre el trabajo de Tony Pagliocco en tonypag.com o conectarte con él en LinkedIn.
¡Pronto más entrevistas con expertos en The CPO Club!
