El Director de Producto de Zendesk insta a los líderes de producto a adoptar un enfoque humano en la adopción de la IA

Mirza Besirovic es el Director de Producto en Zendesk, donde lidera 15 equipos de producto enfocados en sistemas agenticos.

Le pedimos a Mirza que nos contara sobre su recorrido en la adopción de IA dentro de la organización de producto de Zendesk. Nos explicó cómo la adopción esporádica puede convertirse en algo más consistente entre equipos.

Un recorrido poco convencional en el liderazgo de producto

Hace veinte años, era traductor de poesía. Una serie de accidentes y decisiones me llevaron a convertirme en líder de producto de IA.

La parte tecnológica de mi trayecto comenzó en una red para científicos donde, hace años, creábamos conjuntos de datos para todo tipo de experimentos de ML. En los últimos 15 años, he trabajado en tecnología de viajes, fintech, streaming, ciencia de datos y, en los últimos años, en IA conversacional y automatización.

Actualmente, soy Director de Producto en Zendesk, liderando un grupo de casi 15 equipos de producto que gestionan un portafolio de agentes de IA y sistemas agenticos, plataformas de recuperación y RAG, analítica, integraciones, y onboarding y autoservicio habilitados por IA. Somos un equipo distribuido principalmente en Europa, colaborando a nivel global con nuestra sede en San Francisco, socios en APAC y clientes en todo el mundo.

Me incorporé a Zendesk a través de la adquisición de Ultimate.ai en 2024 como Jefe de Producto. Desde entonces, hemos lanzado un par de generaciones de bots generativos, productos de automatización conversacional y un sistema agentico autónomo que automatiza millones de conversaciones de servicio al cliente en canales de texto y voz para marcas globales como Netflix, Vimeo, Levi's y muchas otras.

En los últimos 18 meses, mi equipo ha escalado agentes de IA a más de $100MM de ARR y ampliado nuestro alcance a todos los rincones del mundo.

Cómo la IA expande los roles en el desarrollo de producto

Gracias a la IA, hemos ampliado el posible ámbito de acción de cada colaborador individual: los diseñadores crean repositorios en GitHub, los PM envían pull requests y los ingenieros toman decisiones de producto. La IA, especialmente los agentes de codificación, amplió la capacidad de todos para salir de su zona de confort, aprender y adentrarse en dominios adyacentes. Este cambio nos permitió acortar distancias y avanzar más rápido manteniendo el nivel de calidad deseado.

Por ejemplo, teníamos un prototipo en Figma para una nueva experiencia de pruebas, pero no contábamos con un equipo completo para encargarse de este trabajo. Entonces, una de nuestras increíbles diseñadoras de producto usó sus habilidades y un agente de codificación para construir un producto funcional.

Habilitar a nuestro equipo para realizar mejores análisis de datos también mejoró la calidad del producto. Si bien seguimos trabajando estrechamente con ciencia de datos y analítica de producto, los PM ahora pueden autoabastecerse a un ritmo mucho mayor que nunca para producir análisis de alta calidad que influyen en las decisiones de producto.

Además, estamos experimentando con formatos de equipo y diseño organizacional. Hemos visto al menos un equipo de tres ICs nativos en IA aprovechar agentes de codificación para lograr el resultado de un equipo mucho más grande.

Dónde los líderes de producto deben limitar el uso de la IA

Mirza dice

Limito el uso de la IA cuando se trata de personas: después de todo, algunas cosas requieren un toque humano.

Mi equipo aprovecha la IA a lo largo de todo el ciclo de vida del producto.

Y en mi rol como líder de producto, he construido un segundo cerebro y copiloto de trabajo. Lo que al principio fue una bóveda en Obsidian se ha transformado en un repositorio personal para ideas y desarrollo de estrategias.

Sintetizo datos mucho más rápido que nunca, gestiono conversaciones a lo largo de un portafolio extenso y debato con un compañero estratégico virtual que desempeña varios roles pre-entrenados, retiene memoria y comprende mi estilo de trabajo.

Pero limito el uso de la IA cuando se trata de personas: mi equipo, su desarrollo, crecimiento profesional y nuestra relación laboral. Aunque puedo pedir a mi copiloto que informe sobre actividades (extrayendo datos de sistemas internos), confío en el buen instinto humano para liderar y desarrollar a mi equipo.

Después de todo, algunas cosas requieren un toque humano.

Por qué los primeros resultados con la IA son positivos

Algunos equipos han incrementado la velocidad de desarrollo entre 3 y 4 veces, pero estos son resultados iniciales y aún no son estadísticamente significativos. Estamos esperando para poder conectar el aumento de producción y velocidad con indicadores rezagados y resultados a largo plazo antes de sacar una conclusión.

Las señales cualitativas iniciales también son positivas: decisiones de experiencia de usuario de mayor calidad, mejor material de investigación, tiempos de entrega más rápidos y menos traspasos entre equipos. La IA actúa como pegamento organizacional más de lo que pensábamos. En lo personal, me permite trabajar en una cartera más amplia y mantenerme al día.

Qué hacer cuando la adopción de la IA es desigual

Dicho esto, la adopción es desigual y todavía no es común ni plenamente generalizada. Como todos, estamos al principio de ese tan esperado viaje de productividad 10x. No avanzó tan rápido como sugiere la fama, porque el cambio es un tema humano. Muchas personas aún necesitan capacitarse nuevamente e incorporar IA en sus flujos de trabajo. Lleva tiempo.

Hemos hecho algunas cosas para que la adopción sea más uniforme:

• Construimos una puerta de enlace interna de IA que da acceso a todos a un grupo de agentes de codificación, ya sea mediante una interfaz TUI o una versión de navegador más amigable, ambas cumpliendo con nuestras políticas internas de seguridad de la información
• Lanzamos un gremio de producto enfocado en IA y varios formatos de intercambio, programas y reuniones sobre IA generativa para mostrar cómo las personas usan IA, las herramientas que crean y los problemas que resuelven
• Empezamos a rediseñar los flujos de trabajo para crear artefactos del ciclo de vida como PRDs, prototipos, etc., para que funcionen con agentes de codificación
• Desarrollamos una serie de MCP e integraciones de sistemas para que los equipos puedan conectarse a sistemas internos y acceder a los datos de manera segura y conforme

Y aquí tienes algunos consejos:

• Asegura el acceso igualitario tanto para perfiles técnicos como no técnicos: tokens, CLI, aplicaciones de escritorio.
• Fomenta la diversidad de LLMs, agentes y herramientas. Permite que tu equipo experimente para encontrar qué funciona mejor en su entorno.
• Esto requiere un presupuesto. Consíguelo y trabaja con tus colegas de ingeniería para elaborar un plan. Prepárate para la intervención de Finanzas y Operaciones, ya que la IA se convertirá en un gasto operacional, no un costo de IT.
• Compartir es cuidar. Haz que tu equipo muestre su trabajo.
• Ayuda a poner las cosas en marcha. Construye artefactos y flujos tú mismo para resolver tareas repetitivas de gestión de producto (redacción de briefings de producto, elaboración de documentos de estrategia, etc.).

Por qué los equipos de producto deben volverse técnicos

Me he vuelto más partidario de que los PMs sean más técnicos.

Antes pensaba que tener una comprensión general de los conceptos y términos básicos de desarrollo de software era suficiente. Pero con la IA, ahora creo que todos debemos ser más técnicos. Esto no significa que los grandes profesionales de producto no puedan venir de cualquier formación. Yo soy lingüista de profesión, y antes de trabajar en tecnología, era traductor de poesía.

Pero tenemos que adoptar un enfoque más universalista para aprender. Ser técnico no es lo mismo que convertirse en desarrollador. Sin embargo, se trata de tener curiosidad, entender qué impulsa las experiencias de producto que creamos, experimentar y adoptar una mentalidad de creador. Porque nunca ha sido tan fácil aprender cualquier cosa técnica.

Cómo puede ayudar un segundo cerebro a los líderes de producto

El segundo cerebro que mencioné antes es un sistema operativo personal impulsado por IA que me ayuda en mi trabajo como Director de Producto en mi organización, utilizando Claude Code como la interfaz principal.

Los datos llegan a este sistema y él se encarga del flujo: procesa transcripciones, extrae conocimientos y los compara con un gran cuerpo de archivos de memoria.

El sistema prioriza las tareas, mapea las dependencias y preprocesa los datos relevantes en formatos específicos para cada público. Por ejemplo, viñetas informales de Slack para mi equipo, actualizaciones estructuradas para la dirección o párrafos narrativos para documentos estratégicos. En efecto, el sistema sustituye lo que tradicionalmente requeriría un jefe de gabinete y un analista.

Mantiene mi lista de tareas, hace seguimiento de los hilos estratégicos que gestiono y sintetiza un amplio historial de lecturas en referencias indexadas, lo que me permite priorizar eficazmente mi tiempo. Utilizo mi segundo cerebro para hacer seguimiento del trabajo en curso y sintetizar rápidamente grandes cantidades de datos cuando necesito información al instante.

La actualidad y calidad de los datos son preocupaciones constantes. Los datos obsoletos pueden sesgar los flujos de trabajo impulsados por modelos de lenguaje y generar resultados negativos. Filtro, limpio y mantengo los datos entrantes, pero como también me conecto a sistemas de terceros donde no siempre controlo los datos, implemento filtros de calidad para la salida. Una regla que he escuchado es que deberías saber qué resultado esperas antes de dar la entrada al sistema, y probar en consecuencia. No es infalible, pero con suficientes ajustes en las instrucciones y la memoria, el sistema produce una calidad suficientemente alta.

He cruzado ese umbral en el que puedo confiar en el 80-90% de los resultados que me proporciona mi segundo cerebro.

Por qué los líderes de producto y sus equipos deben experimentar con la IA

Aquí tienes mi consejo para los CPOs:

1. Acepta la IA. Empieza a explorarla en tu trabajo y también en tu vida privada. Comienza construyendo un copiloto personal, estructurando tus datos, dejando que razone sobre ellos y descubra nuevos patrones. Inicia proyectos personales y desarrolla esa idea que has tenido durante años. Los líderes de producto son por naturaleza creadores experimentadores, pero muchos de nosotros no comenzamos como ingenieros, así que siempre nos hemos sentido limitados. Eso ha cambiado rápida y drásticamente.
2. No obligues a adoptar la IA sin herramientas, recursos o soporte estructural. Si lo haces, es como luchar contra molinos de viento. Los entusiastas llegarán con o sin tu ayuda, pero el resto de la organización se quedará atrás.
3. Presta atención a tu equipo y apóyalo en este camino. Existen muchas preocupaciones e inquietudes, además del alarmismo en LinkedIn, sobre lo que la llegada de la IA significa para los gestores de productos y otros profesionales de la tecnología y los negocios. Ten conversaciones honestas con tu equipo y ayuda a estructurar planes de aprendizaje. Quiero hacer más para ayudar a mi equipo a tener más tiempo para pensar, experimentar y probar cosas nuevas.
4. Debes ser meticuloso con la seguridad. Además, el coste de que tus usuarios generen IA está acabando rápidamente con la "luna de miel" de los tokens.

Mirza declara

No obligues a adoptar la IA sin herramientas, recursos o soporte estructural. Si lo haces, es como luchar contra molinos de viento. Los entusiastas llegarán con o sin tu ayuda, pero el resto de la organización se quedará atrás.

Sigue el trabajo

Puedes seguir el trabajo de Mirza Besirovic en LinkedIn, en su newsletter You Are The Product, y en su sitio web.

¡Más entrevistas con expertos próximamente en The CPO Club!