El líder de producto y co-CEO comparte por qué construir productos con IA es un animal totalmente diferente
Descubre cómo un CEO orientado al producto utiliza la IA para acelerar la priorización, la creación de prototipos y la ejecución, manteniendo la estrategia, la confianza y la comprensión del cliente lideradas por humanos.
Andrei Rebrov
Constructor de productos de toda la vida y co-CEO de Finsi
Integración de IA: Andrei Rebrov habla sobre la integración de la IA en la estrategia de producto de Finsi para mejorar la toma de decisiones y la experiencia de usuario.
Priorización de productos: La IA transforma la priorización de productos al procesar más señales y acelerar los ciclos de desarrollo.
Base estratégica: La IA mejora la escala y la velocidad, pero no puede corregir una estrategia de producto defectuosa, lo que subraya la importancia de unos cimientos sólidos.
Creación de prototipos: Cursor acelera la creación de prototipos de productos, permitiendo una validación y retroalimentación rápidas antes del desarrollo en producción.
Juicio humano: Las personas mantienen los roles que requieren juicio y empatía, mientras la IA se encarga de tareas analíticas y repetitivas.
Andrei Rebrov es un creador de productos de toda la vida y codirector ejecutivo de Finsi, donde está integrando la inteligencia artificial en cada capa de su estrategia de producto, tanto para el equipo como para sus clientes.
Le preguntamos a Andrei cómo la IA está transformando tanto la gestión como la estrategia de productos. Esto es lo que nos contó.
Integrar la IA en la estrategia de producto
Soy Andrei Rebrov, codirector ejecutivo de Finsi. A lo largo de mi trayectoria en el liderazgo de producto, me he enfocado profundamente en construir tecnología financiera que realmente sirva a las personas.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
En Finsi, lidero el equipo de producto detrás de una plataforma de crecimiento impulsada por IA diseñada para marcas de comercio electrónico. El producto es una solución SaaS B2B que atiende a operadores de comercio electrónico DTC y de suscripción, desde marcas emergentes con menos de $5M en ingresos hasta pymes más grandes. Nuestra plataforma se conecta con más de 50 herramientas, incluyendo Shopify, Klaviyo, Meta Ads, Google Ads y Recharge, unificando los datos en toda la pila de comercio electrónico. Y utiliza cinco agentes de IA que cubren inteligencia de ingresos, automatización de anuncios, retención y correo electrónico, SEO e investigación del cliente.
El modelo de entrega es completamente SaaS basado en la web, y nuestra propuesta de valor central es cerrar el ciclo entre el análisis y la ejecución: no solo mostramos información, construimos e implementamos campañas, flujos y segmentos para nuestros usuarios.
En mi trabajo en Finsi, he estado a la vanguardia de la integración de la IA en nuestra estrategia de producto, explorando cómo la IA puede simplificar los servicios financieros, mejorar la experiencia del usuario y estimular una toma de decisiones más inteligente a escala.
Este momento de transformación de la IA en el liderazgo de producto me parece a la vez emocionante y decisivo. Estoy deseando compartir las lecciones y perspectivas que he obtenido en el camino.
Cómo la IA transforma los procesos de priorización de producto
Los líderes de producto necesitan rediseñar su proceso de priorización. Casi todos los equipos que conozco todavía priorizan mediante hojas de cálculo, marcos de puntuación subjetivos y rituales de planificación trimestral pensados para ciclos de desarrollo lentos y costosos.
La IA cambia ambos lados de la ecuación: hace que la construcción sea más rápida (para que puedas validar más apuestas), y puede procesar muchas más señales que cualquier humano — datos de uso, comentarios de soporte, patrones de abandono, señales de la competencia, entrevistas con clientes — para informar lo que importa.
Rediseñamos nuestro proceso de priorización en torno a una capa continua de señales de IA. Automatizamos la extracción de tareas de las transcripciones de Granola para no olvidar lo que debemos. Y en lugar de hacer un ejercicio de hoja de ruta trimestral, mantenemos un backlog vivo donde cada elemento está etiquetado con datos de varias fuentes: frecuencia de comentarios de clientes, estimación de impacto en ingresos, urgencia competitiva y patrones de interacción. Nuestra IA muestra una vista clasificada de este backlog cada semana, actualizándose a medida que cambian las señales.
Nuestros líderes de producto siguen tomando las decisiones finales, pero lo hacen basándose en una visión mucho más rica y dinámica que antes.
El resultado: hemos reducido a la mitad el tiempo entre identificar una oportunidad y lanzar una solución, y hemos construido muchas menos soluciones que nadie usa.
Por qué la IA necesita una base sólida de estrategia de producto
Es importante destacar que la IA no puede arreglar una estrategia de producto rota; solo amplifica la estrategia que ya tienes.
Si estás resolviendo el problema correcto para los usuarios adecuados, la IA te ayudará a hacerlo más rápido y a mayor escala. Pero si tu hipótesis central de producto es errónea, la IA acelerará tu camino hacia un destino equivocado.
He visto esto de primera mano. Al principio de construir Finsi, consideramos agregar características de IA porque eran impresionantes y técnicamente factibles — recomendar acciones, predecir abandono y generar contenido. Pero nada de eso habría importado si antes no hubiéramos comprendido claramente la idea fundamental: los operadores de e-commerce no tienen un problema de analítica, tienen una brecha de ejecución. Solo cuando validamos eso, la IA se convirtió en el impulso correcto.
Al trabajar con IA, necesitas la misma disciplina que en cualquier buen trabajo de producto: definir rigurosamente el problema, profunda empatía con el usuario y una priorización honesta. La IA eleva las exigencias en todo esto, porque la velocidad de desarrollo significa que puedes crear y lanzar lo incorrecto mucho más rápido que nunca.
La IA no puede arreglar una estrategia de producto defectuosa — solo amplifica la estrategia que ya tienes.
Creador de productos de por vida y codirector ejecutivo de Finsi
Cómo una habilidad de Claude Code perfeccionó nuestro enfoque de producto
Un cambio crítico para nosotros fue implementar una habilidad de Claude Code llamada "Defensor del Comerciante" para nuestros agentes de codificación.
Le proporcioné a Claude contexto sobre la misión y el enfoque del producto de Finsi, así como un resumen de las transcripciones de Granola. Ahora, cuando tenemos un nuevo requisito, lo revisamos a través de esa habilidad y nos ayuda a mantenernos fieles a nuestra misión principal: lanzar software que reduzca el trabajo para los comerciantes.
Eliminamos muchas características potenciales de nuestra hoja de ruta gracias a este sencillo paso en nuestros flujos de trabajo.
Por qué Cursor es crucial para la creación rápida de prototipos de productos
Cursor transformó la forma en que nuestro equipo de ingeniería entrega productos — no solo escribiendo código más rápido, sino acortando la distancia entre el pensamiento del producto y la implementación.
Cuando puedo describir una funcionalidad en lenguaje natural y ver un prototipo funcional en minutos, cambia fundamentalmente la manera en la que validamos ideas. Esto hace que todo el ciclo de desarrollo de producto sea más rápido y experimental.
He aquí un ejemplo. Queríamos probar una interfaz de "informe semanal de inteligencia" para uno de los agentes de nuestro producto. En lugar de diseñarla en Figma y esperar un sprint, describimos la estructura y organización de datos a Cursor en lenguaje sencillo y obtuvimos un prototipo funcional conectado a nuestros datos de prueba en solo unas horas. Ese mismo día lo presentamos a tres clientes y recibimos comentarios que transformaron el diseño final antes de escribir una sola línea de código de producción.
Por qué los humanos gestionan lo trascendental y relacional
Hemos definido deliberadamente el papel de la IA y los humanos en nuestros procesos de producto.
La IA potencia nuestra síntesis de datos, detección de patrones, identificación de anomalías y ejecución — cosas como detectar automáticamente señales de abandono, reasignar presupuestos publicitarios, generar copias de correo electrónico con la voz de la marca y desplegar flujos en Klaviyo. Estas son tareas frecuentes e intensivas en datos donde la IA supera consistentemente la velocidad y escala humanas.
La IA también informa nuestra priorización al identificar recomendaciones que generan el mayor impacto en ingresos entre nuestros clientes, ayudándonos a entender dónde enfocar el desarrollo de producto.
Sin embargo, los humanos toman explícitamente las decisiones que requieren juicio, ética y contexto estratégico.
Esto significa que la visión del producto y la dirección de la hoja de ruta siguen siendo humanas — debemos entender no solo lo que los datos dicen, sino también el tipo de empresa que queremos construir y las aspiraciones más profundas de nuestros clientes. Las decisiones sobre UX siguen siendo lideradas por personas porque la empatía y la intuición sobre los sentimientos de los usuarios aún no pueden automatizarse de forma fiable. Y cualquier decisión que ponga en riesgo el negocio de un cliente — como una reasignación importante de gasto publicitario — requiere aprobación humana antes de ejecutarse.
Nuestro principio operativo es: la IA gestiona lo repetitivo y analítico; los humanos gestionan lo trascendental y relacional.
Por qué la IA tiene dificultades para comprender profundamente al cliente
La IA ha quedado más corta frente a nuestras expectativas en lo relativo a la comprensión profunda del cliente. Inicialmente, creímos que la IA podría sintetizar señales cualitativas — tickets de soporte, reseñas, respuestas de encuestas — y traducirlas en ideas de producto accionables con poca intervención humana. En la práctica, la IA es excelente agrupando y clasificando comentarios a gran escala, pero consistentemente falla en captar los matices emocionales de los clientes, especialmente en verticales de comercio electrónico de nicho con contextos culturales u operativos específicos. La IA suele detectar verdaderos patrones, pero interpretarlos requiere aún de alguien que conozca a fondo el universo del cliente.
También hemos comprobado que la creatividad generada por IA — copias publicitarias, asuntos de correo electrónico — aunque rápida y útil como punto de partida, rara vez iguala los resultados de una persona que realmente conoce la voz de la marca y su audiencia. Acelera la producción, pero aún no reemplaza el juicio creativo genuino.
Por último, esperábamos que la IA mejorara significativamente nuestro proceso interno de descubrimiento de producto, pero no ha acortado el tiempo necesario para identificar necesidades verdaderamente novedosas de los clientes — nos ayuda a procesar la información existente, pero los conocimientos más valiosos aún provienen de conversaciones directas y espontáneas con clientes que ninguna herramienta de IA ha podido replicar o sustituir.
Reflexiones de Andrei
La IA sobresale en categorizar y agrupar opiniones a gran escala, pero constantemente pierde el matiz de los sentimientos de los clientes.
Cómo la calidad de los datos impacta en el desarrollo de productos de IA
Cuando empecé a trabajar con IA, no me di cuenta de lo mucho que importa la calidad de los datos ni de cuánto tiempo toma conseguirlo.
Cuando construimos los agentes de IA de Finsi, asumimos que conectar con Shopify, Klaviyo y plataformas de anuncios proporcionaría datos limpios y confiables. La realidad fue mucho más caótica. Diferentes marcas estructuran sus datos de forma distinta, registran eventos diferentes, emplean convenciones de nombres distintas y presentan lagunas e inconsistencias en sus registros históricos. Dedicamos mucho más tiempo del esperado a la normalización, eliminación de duplicados y validación de datos antes de que la IA pudiera generar recomendaciones confiables.
Si hubiera sabido esto desde el principio, habría invertido antes y con más fuerza en infraestructura de datos, en vez de apurarme a construir una capa de IA sobre una base inestable.
Por qué la confianza del usuario debe considerarse en productos de IA
Si tuviera que empezar de nuevo con los agentes de IA de nuestro producto, abordaría la confianza del usuario de otra manera.
Inicialmente diseñamos nuestros agentes de IA para que fueran bastante autónomos — mostrando recomendaciones y facilitando su aprobación y ejecución con un solo clic. Los usuarios dudaban, incluso cuando las recomendaciones eran buenas. Necesitaban comprender el "por qué" detrás de cada sugerencia antes de sentirse cómodos actuando. Como resultado, incorporamos la explicabilidad en el producto después del lanzamiento, pero habría sido mucho mejor diseñar para la transparencia desde el primer día.
La confianza no es una característica que puedas añadir después; debe estar entretejida en la experiencia principal.
La confianza no es una característica que puedas añadir después; debe estar entretejida en la experiencia principal.
Constructor de productos de toda la vida y copresidente ejecutivo de Finsi
Por qué la IA hace que la elección y la configurabilidad sean menos importantes para los usuarios
La IA también me obligó a abandonar la suposición de que un buen producto significa dar a los usuarios control y configurabilidad.
Durante años, la sabiduría convencional en el SaaS B2B era que los usuarios avanzados quieren flexibilidad — más ajustes, más paneles de control, más formas de personalizar su experiencia. Construimos las primeras versiones de Finsi bajo esa suposición, permitiendo a los operadores configurar sus propios paneles, establecer umbrales de KPI y decidir qué métricas rastrear. Pero cuando empezamos a incorporar IA, descubrimos lo contrario: nuestros usuarios más exitosos pasaban menos tiempo configurando y más tiempo actuando según las recomendaciones de la IA.
Los operadores que querían ajustar cada configuración a menudo obtenían el menor valor porque optimizaban la herramienta, no su negocio. La IA reveló que nuestros usuarios necesitaban menos carga cognitiva y más confianza en qué hacer a continuación. Esto nos obligó a simplificar significativamente el producto, eliminar gran parte de la configurabilidad que habíamos construido y apostar aún más por valores predeterminados claros y orientados por IA.
Fue una lección contraintuitiva: a veces la mejor decisión de producto es quitar opciones a los usuarios en lugar de agregar más.
Por qué la verdadera transformación con IA requiere repensar la cadena de valor del producto
La mayoría de los productos “con IA” no son productos de IA: son envoltorios de funciones con un LLM añadido artificialmente, y el mercado eventualmente lo notará.
Una verdadera transformación de producto con IA requiere repensar toda la cadena de valor, no introducir una llamada a GPT en un flujo de trabajo existente. Las empresas que ganarán no son las que añadieron IA más rápido, sino aquellas que usaron la IA para cuestionar cada suposición sobre cómo funciona su categoría de producto.
Por qué los líderes de producto deben elegir una pequeña cantidad de apuestas de alto impacto
Resiste dos impulsos igualmente peligrosos:
La urgencia de adoptar la IA en todas partes al mismo tiempo
La urgencia de esperar hasta que las cosas se sientan más ciertas
Los líderes de producto que prosperarán eligen un pequeño número de apuestas de alto impacto, profundizan y construyen verdadera alfabetización organizacional —no solo familiaridad con las herramientas— en torno a la IA. Comienza por los problemas que más te están costando: tiempo perdido en trabajos manuales, decisiones tomadas sin suficientes datos y funciones que tardan demasiado en lanzarse o validarse. Utiliza la IA precisamente para resolver esos problemas.
Y sé honesto con tus equipos sobre lo que cambia la IA para ellos. Los líderes que fingen que la IA no transformará los roles y las responsabilidades perderán la confianza; quienes fomentan conversaciones abiertas y reflexivas sobre cómo la IA amplía el criterio humano construirán culturas capaces de adaptarse.
Finalmente, no busques solo aparentar ser nativo de la IA: optimiza para lograr resultados. La mejor estrategia de producto con IA crea valor medible para los usuarios, no la demostración más impresionante. Mantente enfocado en el problema, y el uso correcto de la IA vendrá como consecuencia.
Reflexiones de Andrei
Los líderes de producto que prosperarán eligen un pequeño número de apuestas de alto impacto, profundizan y construyen verdadera alfabetización organizacional en torno a la IA.
Sigue las novedades
Puedes conectar con Andrei Rebrov en LinkedIn. Y échale un vistazo a Finsi.
¡Pronto más entrevistas con expertos en The CPO Club!
