Líder de producto de OpenAI nos cuenta cómo la IA está transformando la gestión de productos en los niveles más altos
Descubre cómo una líder de producto de OpenAI utiliza la IA para acelerar el descubrimiento y la creación de prototipos de productos, manteniendo el criterio, la confianza y la excelencia del producto firmemente bajo liderazgo humano.
Kathy Korevec
Codex en OpenAI
Cambio de la IA: La IA está transformando la gestión de productos, haciendo hincapié en las herramientas de desarrollo centradas en el usuario y la creación rápida de prototipos.
Riesgos de velocidad: La IA aumenta la velocidad, pero conlleva el riesgo de una «falsa velocidad» y de una finalización superficial de proyectos sin un impacto duradero.
Enfoque en los prototipos: Dar prioridad a la creación de prototipos sobre la documentación aumenta el impulso, lo que conduce a iteraciones más rápidas y decisiones más honestas.
Principios de confianza: Apóyate en la transparencia, la corrección, la coherencia y la moderación para mantener la confianza de los usuarios en los productos de IA.
Dinámica de roles: La IA difumina las fronteras entre la gestión de productos, la ingeniería y el diseño, y exige profesionales de producto más versátiles y con una visión integral.
Kathy Korevec es una creadora que ha trabajado como directora de producto en Google Labs AI, vicepresidenta de Producto y Diseño en Vercel y directora sénior de Gestión de Producto en GitHub, entre otros cargos. Actualmente, trabaja en Codex en OpenAI. El hilo conductor de su trayectoria es la creación de herramientas para desarrolladores con un enfoque incansable en las necesidades del usuario y los detalles.
Nos sentamos con Kathy para saber cómo la IA está cambiando la gestión de productos en las principales empresas tecnológicas del mundo. Esto es lo que nos contó.
Ser una «chef que cocina para chefs»
Siempre he sido creadora antes que gestora de productos.
¿Quieres más de The CPO Club?
Regístrate para obtener una membresía gratuita y terminar de leer este artículo:
Have an account? Log In
Me formé en el ámbito de las herramientas para desarrolladores en lugares como Heroku, GitHub y Vercel, lo que constituye una modalidad muy específica de gestión de productos. No solo lanzas funcionalidades; creas productos para personas que saben de inmediato cuándo has tomado un atajo. Es como ser una chef que cocina para chefs. El nivel de exigencia es alto y notarán absolutamente si tu salsa no está bien.
Algunos de mis momentos favoritos como gestora de productos ni siquiera fueron «trabajo tradicional de gestión de productos». En GitHub, reescribí partes de la documentación e incluso rediseñé el sitio para reflejar mi enfoque basado en los principios de DX. He pasado fines de semana refactorizando mi propio sitio web para ahorrar un par de cientos de milisegundos porque su rendimiento me molestaba. Ayudé a dirigir un proyecto llamado Papercuts, en el que solucionamos cientos de pequeñas molestias, porque esos detalles determinan si la gente adora o simplemente tolera tu producto.
Ese ha sido, en cierto modo, el hilo conductor de mi trayectoria. No concibo a los gestores de productos como personas que simplemente identifican carencias y las cubren, ni como el «director ejecutivo de tu producto». Lo concibo como acercarse de manera casi incómoda a los detalles. Lo suficiente como para empezar a preocuparte por cosas que no aparecen en una hoja de ruta.
Y ahora estamos viviendo este momento de la IA, que, sinceramente, se parece un poco a darle a todo el mundo una mochila propulsora y esperar que no se estrelle contra un árbol.
Paso mucho tiempo programando por intuición durante las noches y los fines de semana, creando pequeñas herramientas improvisadas con agentes de IA. Puedes pasar de una idea a un producto funcional en una tarde, lo cual es increíble. Al mismo tiempo, los fundamentos importan más que nunca. Comprender los sistemas, las concesiones y cómo funcionan realmente las cosas internamente es lo que separa algo que se lanza de algo que perdura.
De lo contrario, terminas con un cementerio de proyectos sin terminar y errores misteriosos.
Así que mi recorrido hasta este momento no ha consistido realmente en cambiar mi forma de trabajar. Ha consistido en redoblar mis esfuerzos en ella. Mantenerme cerca del oficio. Y crear cosas por mí misma.
No concibo a los gestores de productos como personas que simplemente identifican carencias y las cubren, ni como el «director ejecutivo de tu producto». Lo concibo como acercarse de manera casi incómoda a los detalles.
Reducir la distancia entre la idea y la validación
Hasta hace muy poco, lideraba el área de producto de un equipo de Google Labs llamado AIDA, siglas de Asistencia para Desarrolladores mediante IA.
Trabajábamos bastante cerca de la base tecnológica. Modelos iniciales de programación, datos de entrenamiento para código que alimentaban Gemini y, después, ascendíamos en la capa de abstracción hacia productos como Colab Composer y Jules. El cambio consistía en pasar de «¿Podemos generar código?» a «¿Podemos ayudar realmente a las personas a crear software real de principio a fin?».
Por eso, la organización que dirigía era claramente híbrida. En parte investigación, en parte producto y en parte «esta semana vamos a lanzar algo improvisado y veremos si alguien lo usa». Nuestros usuarios iban desde desarrolladores profesionales hasta personas que nunca habían escrito código, un público que exige mucha humildad porque tienes que ofrecer profundidad y accesibilidad al mismo tiempo.
El modelo de entrega reflejaba esa realidad. Mucha iteración rápida, ciclos estrechos entre la capacidad del modelo y la experiencia del producto, y disposición para desechar las cosas si no funcionaban. Es menos una hoja de ruta y más una exploración con intención.
Ahora estoy en OpenAI, trabajando en Codex, lo que supone una especie de vuelta al punto de partida. Codex comenzó como un modelo y ahora está evolucionando hasta convertirse en un agente y una capa de aplicación dentro de ChatGPT que ayuda a las personas a realizar su trabajo de verdad. Escribir código, automatizar flujos de trabajo y conectar sistemas.
Así que, en ambos casos, el hilo conductor es el mismo: crear herramientas que reduzcan la distancia entre una idea y algo que funciona en el mundo real.
Por qué los gestores de productos deberían centrarse en el desarrollo de productos basado en prototipos
Dejé de tratar las especificaciones como el artefacto principal del trabajo de producto. Es un cambio que ya había comenzado, pero la IA lo aceleró.
Al principio de mi carrera, especialmente en GitHub y Heroku, me di cuenta de lo importante que es el impulso. El uso real importa. Se aprende más de algo que está en producción de lo que se aprenderá jamás de un documento perfectamente redactado.
Lo que ha hecho la IA es llevar esa filosofía aún más lejos y comprimirla.
Ahora, en lugar de escribir una especificación larga y debatirla durante una semana, construyo yo mismo una versión preliminar del producto. O programo por intuición un prototipo en uno o dos días. Algo en lo que se pueda hacer clic, que se pueda romper y ante lo que se pueda reaccionar. Eso lo cambia todo.
Pasas de «¿Qué creemos que ocurrirá?» a «¿Qué ocurre realmente cuando usas esto?». Convierte gran parte del debate abstracto en algo concreto.
También cambia el papel del PM. Ya no te limitas a dar forma a las ideas; las sometes directamente a una prueba de resistencia. Estás más cerca de la implementación, así que detectas antes las suposiciones equivocadas.
El resultado es velocidad, por supuesto. Publicamos más rápido, descartamos ideas más rápido y perfeccionamos las buenas más rápido.
Sin embargo, el cambio más importante es que nuestras decisiones son más honestas.
Por qué las desventajas de la IA son sutiles, pero importantes
Pero sin duda también hay desventajas.
Una de ellas es lo que yo llamaría «velocidad falsa». Sientes que avanzas increíblemente rápido porque produces mucho. Código, prototipos, documentos. Pero no todo es realmente bueno o utilizable. Puedes generar mucho alcance superficial sin verdadera profundidad.
Otro problema es la calidad y la confianza. El código generado por IA puede ser sorprendentemente bueno y estar equivocado con total seguridad al mismo tiempo. Si no entiendes lo que ocurre internamente, puedes acabar publicando cosas frágiles, inseguras o difíciles de mantener.
Y luego está uno más sutil. Nunca ha sido tan fácil empezar cosas. Pero no necesariamente es más fácil terminarlas bien. Vamos a ver muchos más productos a medio construir, prototipos abandonados y sistemas que funcionan más o menos hasta que dejan de hacerlo. Yo mismo he creado algunos.
Así que el resultado general es un poco paradójico. Nunca hemos sido tan rápidos para llegar a algo. Pero eso no significa que seamos automáticamente mejores a la hora de convertirlo en algo duradero.
Por qué cuatro principios convierten los productos del impacto inicial en confianza
Quiero compartir algo más sobre la confianza porque creo que los líderes de producto subestiman el riesgo del software invisible y de baja calidad.
La IA facilita enormemente la construcción de cosas. Puedes poner en marcha herramientas, funcionalidades e incluso aplicaciones completas en una fracción del tiempo que antes hacía falta. Suena como una ventaja absoluta, pero el resultado es mucho más software que funciona más o menos.
Funcionalidades a medio terminar, sistemas frágiles, cosas que se construyeron rápidamente y nunca se reforzaron. No fallan de forma evidente. Simplemente se degradan con el tiempo. Se rompen de maneras sutiles, generan confusión o erosionan silenciosamente la confianza.
El riesgo no es solo la deuda técnica en el sentido tradicional. Es la deuda de confianza.
Estos son cuatro principios que me han resultado útiles:
- Haz que el sistema sea comprensible. Los usuarios deberían poder entender qué está haciendo la IA y por qué, al menos a grandes rasgos. No se trata de una transparencia técnica completa, sino de ofrecer lo suficiente para que no parezca una caja negra que toma decisiones arbitrarias. Puede ser tan sencillo como mostrar los pasos, hacer visibles las suposiciones o permitir que los usuarios revisen qué ha cambiado.
- Diseña pensando en la corrección. A veces el sistema se equivocará. Eso es inevitable. Lo importante es lo fácil que resulte para un usuario intervenir, corregirlo y seguir adelante. Si corregir el sistema resulta doloroso, la confianza cae rápidamente. Si es fácil, la gente seguirá utilizándolo aunque no sea perfecto.
- Prioriza la coherencia sobre el impacto inmediato. Muchos productos de IA optimizan el momento de «guau». Una interacción realmente impresionante. La confianza surge de lo contrario: de que el sistema haga lo esperado una y otra vez, sin sorpresas. Especialmente en las herramientas para desarrolladores, la previsibilidad importa más que la magia.
- Da muestras de contención. Que el sistema pueda hacer algo no significa que deba hacerlo. Si automatizas demasiado o asumes demasiado control, los usuarios lo perciben. Pierden la sensación de tener capacidad de decisión. Los mejores productos te ofrecen más capacidad sin dejarte fuera del proceso.
Por qué la IA no puede encargarse de la diferenciación del producto ni de la automatización integral
Aquí hay un par de áreas más en las que la IA se está quedando corta.
Se habla mucho de agentes que pueden asumir una tarea y llevarla a cabo de principio a fin. En la práctica, la mayoría de los sistemas que he visto todavía requieren mucha supervisión. Tienes que guiarlos, corregirlos y volver a indicarles lo que deben hacer. Es más parecido a gestionar a un becario entusiasta que a delegar en un compañero de equipo completamente independiente.
Sigue siendo útil, pero es diferente de lo que se esperaba.
Y luego está la diferenciación de productos.
Muchas funciones de IA actuales parecen similares. Puedes añadir una interfaz de chat, generar código y resumir algo. Eso ya es lo mínimo imprescindible.
Lo que ha sido más difícil es convertir esas capacidades en algo que resulte valioso de una forma única y esté profundamente integrado en un flujo de trabajo. Algo que la gente realmente echaría de menos si se lo quitaras.
Creo que ahí es donde muchos productos se quedan cortos.
Por qué el criterio humano sigue siendo esencial en las decisiones sobre productos de IA
Los PMs deben preguntarse: «¿Dónde tiene realmente buen criterio la IA? ¿Y dónde no lo tiene?»
Ahora hay partes del trabajo de producto en las que la IA me resulta increíblemente útil: cualquier cosa que se beneficie de amplitud, velocidad o iteración, la apoyo mucho en ella. El descubrimiento inicial, explorar espacios de soluciones, redactar distintos enfoques e incluso generar direcciones o flujos preliminares de UX. Es excelente para ayudarte a salir de un bloqueo o ver más opciones de las que verías por tu cuenta.
También la uso mucho para crear prototipos, como ya mencioné. Poder pasar rápidamente de una idea a algo interactivo ha cambiado por completo mi forma de trabajar.
Y luego está todo el trabajo «intermedio». Resumir los comentarios de los usuarios, extraer patrones de los datos y redactar documentos. Cosas que antes requerían mucho tiempo y cambiar constantemente de contexto.
Cuando no confío en la IA es cuando el criterio realmente importa. La priorización es un buen ejemplo. La IA puede ayudarte a enumerar opciones, pero en realidad no entiende las ventajas y desventajas de tu negocio, tu equipo o tus limitaciones. No percibe el coste de equivocarse.
Lo mismo ocurre con las decisiones sobre la hoja de ruta. Tienen que ver con la convicción, el momento adecuado y, a veces, con apostar por algo que no parece racional en una hoja de cálculo.
La UX es otro caso interesante. La IA puede generar mucha interfaz de usuario rápidamente, pero no tiene criterio. No percibe qué resulta frustrante o gratificante después de un uso repetido. Especialmente al crear productos para desarrolladores, la diferencia entre algo que funciona y algo que da gusto usar lo es todo.
Y luego están las decisiones técnicas. La IA puede sugerir arquitecturas, pero no asume las consecuencias a largo plazo de esas decisiones. Quien las asume es tu equipo.
Cómo la IA altera las suposiciones tradicionales sobre los productos
Creo que la mayor suposición que he tenido que abandonar es que el terreno sobre el que estás es estable.
Durante mucho tiempo, en el ámbito de los productos, podías asumir que algunas cosas eran relativamente fijas. La interfaz, el flujo de trabajo e incluso lo que el producto es. Iterabas dentro de ese marco. La IA rompe ese marco.
Creo que la mayor suposición que he tenido que abandonar es que el terreno sobre el que estás es estable….No solo estás construyendo sobre un terreno cambiante. Te preguntas constantemente si ese terreno debería existir siquiera.
El modelo mejora y, de repente, la superficie de tu producto deja de ser adecuada. Aparece un nuevo paradigma de interacción y lo que parecía una hoja de ruta sólida se vuelve irrelevante. Las cosas que creías que eran limitaciones desaparecen y surgen otras nuevas para las que no estabas preparado.
Así que no solo estás construyendo sobre un terreno cambiante. Te preguntas constantemente si ese terreno debería existir siquiera. Para mí, ese ha sido un gran cambio de mentalidad.
La segunda suposición que he abandonado es que los mejores productos son los que están mejor definidos. En el pasado, se valoraba mucho la claridad desde el principio. Definir el problema, definir la solución y ejecutarla con precisión.
Ahora, gran parte del valor procede de permanecer en la fase de exploración más tiempo del que resulta cómodo. Dejar que el producto esté un poco indefinido mientras las capacidades subyacentes siguen evolucionando.
Y la última tiene que ver con dónde reside el valor. Antes pensaba que gran parte del valor de un producto estaba en la interfaz. La interfaz de usuario, el flujo, los píxeles. Ahora, gran parte del valor está en el comportamiento: cómo responde, se adapta y colabora el sistema. La interfaz sigue siendo importante, especialmente para los desarrolladores, pero ya no es el centro de gravedad.
Cómo la IA está haciendo que los roles converjan
Los roles están convergiendo. Los límites entre la gestión de productos, la ingeniería y el diseño se están volviendo mucho más difusos.
Con la IA, puedes crear prototipos, escribir código, explorar la experiencia de usuario y poner a prueba tus ideas de forma mucho más directa. Eso significa que más personas pueden desempeñar funciones que antes eran muy distintas entre sí. Y eso cambia la estructura del equipo.
Necesitas menos traspasos. Más personas capaces de tomar una idea y hacerla avanzar por sí mismas, al menos hasta alcanzar un nivel de fidelidad significativo.
Yo lo he vivido de forma bastante personal. Hace poco volví a trabajar como PM individual y ha sido increíblemente gratificante. Ahora estoy mucho más cerca del trabajo otra vez. Crear cosas, probar ideas, profundizar en los detalles. Me recuerda que gran parte del criterio de producto surge de hacer cosas realmente, no solo de coordinarlas.
Eso no significa que los managers o la especialización desaparezcan. Sigues necesitando conocimientos profundos, especialmente en áreas como el diseño de sistemas o una experiencia de usuario de alta calidad. Pero también necesitas más “pensadores de producto integrales” que puedan moverse con fluidez por toda la estructura tecnológica y utilizar la IA como palanca.
Por qué la IA ha cambiado las expectativas de los usuarios
La IA no solo mejora tu producto. Restablece lo que los usuarios esperan de todos los productos. Así que ya no compites únicamente con tus competidores directos. Compites con la mejor experiencia de IA que alguien haya tenido en cualquier lugar durante esa semana.
Creo que subestimé lo rápido que se produciría ese cambio de expectativas.
En la práctica, eso significa que las ventanas de lo “suficientemente bueno” son mucho más cortas. Algo puede parecer mágico el lunes y estar desactualizado el viernes. Si lo hubiera sabido, habría optimizado más para la adaptabilidad y menos para el acabado.
Por qué los líderes de producto deben considerar la IA como un cambio de disciplina
Mi consejo es que consideres este momento menos como un cambio de herramientas y más como un cambio de disciplina.
La habilidad más importante ahora mismo es la capacidad de ver con claridad. La IA genera muchos resultados. Ideas, código, direcciones. El riesgo es que empieces a confundir esos resultados con la verdad. Por eso, como líder de producto, tu trabajo consiste en mantener los pies en la tierra y centrarte en lo que realmente está ocurriendo. En lo que hacen los usuarios, dónde se rompen las cosas y qué se mantiene a lo largo del tiempo.
Lo segundo es crear aquello de lo que dependes. Si trabajas en productos de IA, deberías utilizarlos a fondo. No solo en demostraciones o revisiones, sino también en tus propios flujos de trabajo. Percibirás las carencias de inmediato. Dónde las cosas son lentas, dónde resultan confusas, dónde casi funcionan, pero no del todo. Ese tipo de experiencia de primera mano es difícil de reemplazar y cambia la calidad de tus decisiones.
Lo tercero es acostumbrarte a la tensión. Ahora mismo existe una tensión real entre velocidad y calidad, exploración y disciplina, lo posible y lo que realmente resulta útil. Esa tensión no es algo que haya que resolver. Es el trabajo. Los mejores equipos que he visto no intentan eliminarla. La gestionan de forma intencionada. Avanzan rápido cuando están aprendiendo y reducen el ritmo cuando algo tiene que hacerse bien.
Y, por último, no dejes que la IA te convierta en un gestor de resultados. Es muy fácil quedarse al margen y coordinar, escribir instrucciones, revisar y pasar a lo siguiente. Pero los mejores líderes de producto de hoy siguen estando muy cerca del oficio. Crean, prueban y corrigen las cosas que les molestan.
Porque, en última instancia, el trabajo no ha cambiado. Sigues siendo responsable de crear algo que funcione, en lo que la gente confíe y que encaje en sus vidas. La IA solo cambia la forma de llegar hasta allí.
Sigue sus novedades
Puedes aprender más de Kathy en su blog sobre el oficio de producto o en su sitio personal. También puedes seguirla en X.
¡Próximamente habrá más entrevistas con expertos en el Club de CPO!
