El CPO tecnológico dice que los líderes de producto están haciendo las preguntas equivocadas — y perdiendo las mayores oportunidades

Emrecan Dogan es CPO en Glean. También ocupó cargos de liderazgo de producto en Stripe y LinkedIn.

Hablamos con él para entender cómo deben cambiar las perspectivas de los PM con la IA. Dijo que la mayoría de los equipos sigue tratando la IA como una característica, y eso es un error.

La IA es una oportunidad para construir sistemas conscientes del contexto

Soy Emrecan Dogan, director de producto en Glean. Superviso producto, ciencia de datos, operaciones de producto y programas técnicos, y me enfoco en ayudar a los equipos a confiar realmente en la IA para su trabajo diario.

Mi camino siempre ha estado en la intersección de sistemas, criterio de producto y escalabilidad. Antes de Glean, trabajé en cargos de liderazgo de producto en Stripe y LinkedIn. También pasé tiempo con startups e inversión, lo que me dio una vista privilegiada de cómo ocurren los cambios de plataforma y cuán rápido pueden romperse los supuestos del producto cuando surge una nueva tecnología viable.

La IA me atrajo tan profundamente porque no es solo una nueva ola de funcionalidades. Cambia la forma del producto en sí. Durante años, el software principalmente ayudaba a los usuarios a navegar por sistemas de registro. Pero la IA nos brinda la oportunidad de construir sistemas que entienden el contexto, razonan entre herramientas y ayudan a las personas a pasar de la intención a la ejecución. Como líder de producto, eso es lo que más me interesa de esta transformación.

Comparte Emrecan

Durante años, el software principalmente ayudaba a los usuarios a navegar por sistemas de registro. Pero la IA nos brinda la oportunidad de construir sistemas que entienden el contexto, razonan entre herramientas y ayudan a las personas a pasar de la intención a la ejecución. Como líder de producto, eso es lo que más me interesa de esta transformación.

El reto de construir herramientas que sean amplias y precisas a la vez

Mi organización crea IA para el trabajo empresarial seguro y a gran escala: búsqueda empresarial, asistentes proactivos, agentes y la capa de contexto que ayuda a esas experiencias a comprender a las personas, el conocimiento, las herramientas y los permisos de una empresa.

El producto es fundamentalmente horizontal. Construimos para cualquier departamento y equipo dentro de la empresa — desde producto e ingeniería, pasando por ventas y soporte, hasta TI, RRHH, finanzas, legal y más. Todos comparten la misma necesidad: ayudar a las personas a tomar decisiones y hacer su trabajo en un panorama fragmentado de aplicaciones, documentos, conversaciones y sistemas.

Ofrecemos esto como una plataforma SaaS empresarial, diseñada para operar en un conjunto amplio y complejo de sistemas, manteniéndose profundamente consciente de permisos, confiable e integrada en los flujos de trabajo diarios de los usuarios. El reto —y la oportunidad— es construir algo que sea útil a lo largo de toda la empresa, pero que resulte igualmente preciso y relevante en el contexto específico de cada equipo.

Cómo la IA transforma los productos: de características a flujos de trabajo

Ya no definimos el producto principalmente como características aisladas. Lo definimos como un flujo de trabajo de extremo a extremo.

Hace un año, muchos equipos, incluido el nuestro, seguían pensando en términos de “¿Dónde vive esta característica?” o “¿Qué página debería ser responsable de este caso de uso?” La IA nos llevó a hacer otra pregunta: “¿Cómo consigue el usuario hacer su trabajo desde la intención hasta el resultado?”

Parece un cambio sutil, pero lo cambia todo. Cambia el alcance, las métricas, la evaluación, la experiencia de usuario e incluso la forma de organizar a los equipos.

Mi opinión poco compartida: la mayoría de los equipos todavía subestima la profundidad de este cambio. Están usando la IA para añadir una característica al producto existente. Pero la gran oportunidad es rediseñar todo el circuito del trabajo.

En muchos casos, la pregunta correcta ya no es "¿Dónde ponemos esta capacidad?" Es, "¿Qué interfaz de usuario existente debería desaparecer ahora que el sistema puede hacer el trabajo de manera más directa?"

Cómo la IA informa las decisiones de producto mientras los humanos garantizan la confianza

Utilizo la IA de forma intensiva para la síntesis, la exploración y para acelerar mi trabajo. Las tareas incluyen:

• Resumir el feedback de clientes a partir de muchas entradas
• Detectar patrones a partir de datos de uso y flujos de trabajo
• Redactar la estructura de PRD o esbozar alternativas
• Explorar rápidamente múltiples direcciones de UX
• Poner a prueba hipótesis
• Crear borradores iniciales para la planificación, revisiones y comunicación

Lo que sigue siendo explícitamente humano es el juicio. Muchas personas trazan la frontera entre humano y máquina en el lugar equivocado. No se trata de que la IA haga el trabajo de poco valor y los humanos el de alto valor. La línea es que la IA debe encargarse de la búsqueda amplia, compresión y generación de alternativas, mientras que los humanos siguen siendo responsables del criterio, la confianza y las decisiones irreversibles.

Nunca externalizaría el criterio de producto. Nunca externalizaría las decisiones sobre permisos o confianza. Y nunca permitiría que un modelo tome la decisión final sobre lo que debe construirse simplemente porque pueda argumentar a favor de múltiples alternativas.

Generar opciones ahora es barato. El juicio coherente no lo es.

Cómo la IA mejora los flujos de trabajo de planificación de producto

Tomemos como ejemplo nuestro flujo de planificación de producto.

Podría comenzar con una pregunta amplia como: “Ayúdame a pensar si este problema merece la pena abordarlo ahora mismo.”

A partir de ahí, el sistema recopila comentarios de clientes, documentos internos previos, señales de uso, trabajos relacionados en la hoja de ruta y contexto competitivo. Y uso la IA para sintetizar los principales patrones, identificar dudas abiertas y crear un primer marco de producto.

Después, la utilizo para convertir ese marco en artefactos más concretos: un borrador de especificaciones, un conjunto de alternativas, dependencias, consideraciones para el lanzamiento y tareas para el equipo.

Y en la mejor versión de este flujo, el asistente no se limita a redactar. Ayuda a crear o actualizar los objetos subyacentes en los sistemas donde ocurre el trabajo, con una persona revisando antes de que se confirme cualquier cosa.

El flujo de trabajo pasa de la investigación a la síntesis y a la ejecución en un ciclo continuo. Ahí es donde la IA se vuelve mucho más valiosa que un chatbot.

Por qué la IA acelera el desarrollo de producto, pero pone a prueba la confianza

Un resultado positivo de todo esto es que el techo es mucho más alto.

La IA puede comprimir flujos de trabajo que antes requerían mucho cambio de pestaña, síntesis manual y coordinación repetitiva. Puede hacer que los equipos de producto sean más rápidos al pasar de la pregunta al contexto, del contexto a la decisión y de la decisión a la acción. Además, eleva las expectativas de los usuarios. Una vez que las personas experimentan un asistente que entiende sus herramientas, su historial y permisos, dejan de querer soluciones puntuales que sólo responden preguntas concretas.

Así que la IA expande las posibilidades rápidamente, pero el valor de producto duradero sigue llegando de la rigurosidad.

Cómo diseñar para la confianza previene problemas en productos con IA

Un resultado negativo es que la IA también facilita lanzar algo impresionante que aún no sea confiable. Al principio, muchos equipos sobrevaloran el efecto de la demo y subestiman la evaluación, los permisos, la fiabilidad y la claridad de UX sobre lo que hace el sistema. Puedes crear expectativa rápidamente, pero si los resultados son inconsistentes o el flujo se rompe cerca del final, los usuarios pierden la confianza igual de rápido.

La confianza no debe ser una capa que añades después. Es parte del producto desde el primer día.

Los usuarios empiezan a hacerse preguntas más profundas casi de inmediato: ¿De dónde salió esto? ¿Por qué hizo eso? ¿Puedo confiar en ello? ¿Respetará los permisos? ¿Qué pasa si está mal? Si no diseñas pensando en esas preguntas desde el principio, acabarás reconstruyendo partes clave del producto más adelante.

Si lo hubiera sabido de forma más visceral al comienzo, habría impulsado antes la incorporación de citas claras, mejores procesos de evaluación, mayor visibilidad del progreso y controles más estrictos de revisión humana.

Por qué el sistema que rodea la IA es lo más importante

Emrecan Comparte

La IA sobresale en tareas acotadas. Mejora en la ejecución de pasos múltiples. Pero al enfrentarse a trabajos ambiguos y transversales que requieren juicio sostenido, objetivos cambiantes y una comprensión matizada de las partes interesadas, la brecha entre una buena demostración y el valor fiable en producción sigue siendo real.

La IA aún no ha cumplido de forma consistente las expectativas de flujos de trabajo totalmente autónomos y a largo plazo, como muchos esperaban.

Sobresale en tareas acotadas. Mejora en la ejecución de pasos múltiples. Pero al enfrentarse a trabajos ambiguos y transversales que requieren juicio sostenido, objetivos cambiantes y una comprensión matizada de las partes interesadas, la brecha entre una buena demostración y el valor fiable en producción sigue siendo real.

La IA también falla cada vez que los equipos asumen que el modelo por sí solo es el producto. En la práctica, el verdadero valor viene del contexto, los permisos, la orquestación, la evaluación y el diseño cuidadoso de flujos de trabajo. Sin ese sistema que la rodea, el modelo suele ser la parte menos diferenciada.

Cómo la IA vuelve interdisciplinarios a los equipos de producto

La IA ha hecho que los mejores equipos sean más interdisciplinarios. Los límites entre gestión de producto, diseño, ingeniería, ciencia de datos y operaciones de producto son menos rígidos porque el propio producto es menos rígido.

Crear productos sólidos de IA requiere una colaboración más estrecha en diseño de flujos de trabajo, evaluación, confianza e iteración. También aumenta la importancia de las personas capaces de moverse entre la experiencia de usuario y el comportamiento del sistema.

Cómo deberían adaptarse los líderes de producto al cambio impulsado por la IA

Este es mi consejo:

1. Rediseña tus flujos de trabajo.
2. Trata el contexto como un elemento básico del producto. En productos de IA, la diferencia entre algo sorprendente y algo mediocre muchas veces no es el modelo. Es si el sistema tiene el contexto adecuado en el momento adecuado y puede actuar de forma segura.
3. Invierte en evaluaciones e infraestructura de confianza antes de que parezca necesario. Los líderes de producto están acostumbrados a instrumentar clics y embudos. En IA, también tienes que instrumentar calidad, fundamentos, seguridad, permisos y éxito de la tarea. Eso no es opcional. La industria todavía invierte poco aquí porque las demostraciones recompensan la novedad y los usuarios la confiabilidad. Invierte el orden habitual de operación: Si tu equipo no ha construido evaluaciones, permisos, citaciones y transiciones claras, no estás listo para escalar la experiencia, sin importar lo bien que se vea el modelo en una demostración.
4. Finalmente, no esperes la certeza. Este es un momento para aprender lanzando, pero con disciplina.

Sigue informado

Puedes seguir el trabajo de Emrecan Dogan en LinkedIn.

¡Pronto más entrevistas con expertos en The CPO Club!