Cómo convertirse en un PM de IA sin experiencia (con la Dra. Nancy Li)

Lee la transcripción:

Estamos probando la transcripción de nuestros podcasts usando un programa de software. Por favor, disculpen cualquier error tipográfico ya que el bot no es 100% preciso.

Hannah Clark: Advertencia: este será otro episodio más sobre IA. Sospecho que ahora mismo hay dos tipos de oyentes; personas ávidas de información sobre todo lo relacionado con la IA y personas que piensan '¿IA? Más bien A, ya he oído suficiente sobre esto.' Si sigues escuchando después de ese pésimo juego de palabras, voy a suponer que estás en el primer grupo; lo que significa que quizás seas el candidato perfecto para especializarte en gestión de productos de IA.

Hoy me acompaña de nuevo la Dra. Nancy Li, que además de ser una auténtica fuerza a tener en cuenta, es fundadora de Product Manager Accelerator, presentadora del podcast Product Insider, mencionada en Forbes y también una veterana en la gestión de productos de IA. La Dra. Li ha tenido una perspectiva única tanto en el espacio de productos de IA como muy cercana al desarrollo profesional en productos durante los últimos años. Así que está aquí para compartir información privilegiada sobre cómo puedes aprovechar tu fascinación por la IA y convertirla en un giro profesional que cambie tu vida. Vamos a ello.

Bienvenida de nuevo al podcast The CPO Club. Dra. Nancy, muchísimas gracias por acompañarnos hoy de nuevo.

Nancy Li: Gracias por invitarme a tu programa. Me lo pasé muy bien la última vez grabando esos episodios, así que me alegra volver y compartir más ideas sobre IA.

Hannah Clark: Sí, absolutamente.

Para quienes no te escucharon la vez pasada, ¿puedes darnos un breve resumen de tu trayectoria y cómo llegaste a donde estás hoy?

Nancy Li: Sí, totalmente. Hola a todos, soy la Dra. Nancy Li, directora de producto mencionada en Forbes. He ayudado a miles de personas a conseguir el trabajo de PM de sus sueños en empresas fan y startups unicornio y a seguir ascendiendo como líderes de producto. Actualmente dirijo mi propia empresa, PM Accelerator, ayudando a personas a avanzar en su carrera en gestión de productos. También tengo mi propio podcast, Product Insider, donde presentamos líderes de producto, como el VP de producto de Google, y te contamos todos los secretos internos para construir productos exitosos.

Yo misma fui una inmigrante que llegó a EE.UU. con $800 en el bolsillo y me convertí en directora de producto en cuatro años. Así que mi objetivo es acercar la educación en gestión de producto, especialmente esa educación emprendedora, a personas de familias de ingresos medios. Por eso he estado compartiendo muchos de mis recursos y secretos gratis en YouTube.

Ahora mi canal de YouTube tiene más de 1 millón de vistas. También tuve la suerte de que el año pasado lanzamos nuestra propia organización sin ánimo de lucro llamada PMA Kids, que brinda educación gratuita en gestión de productos para niños de familias de bajos ingresos. Me alegra mucho ver que la gente ha ido creciendo conmigo y en su desarrollo personal.

Y la comunidad también ha crecido y hoy somos más de 100,000 product managers a través de todos mis canales sociales.

Hannah Clark: Es un currículum impresionante. Y además has construido un producto de IA muy exitoso y premiado, ¿verdad?

Nancy Li: Sí.

Hannah Clark: ¿Puedes contarnos un poco sobre eso?

Nancy Li: Claro. Eso fue antes de que la IA se hiciera tan popular.

El producto que construí se llama Smart Cities y usa IA, especialmente visión artificial, para reducir accidentes automovilísticos. Ese producto salió en 2016. En ese momento, había un movimiento muy famoso en diferentes ciudades llamado Vision Zero, cuyo objetivo es reducir las muertes en el tráfico a cero.

Por eso lo llamamos Vision Zero. En ese momento intentábamos encontrar la mejor forma y la más escalable de ayudar a las ciudades a reducir accidentes. Como mencioné, nadie exigía usar IA. Simplemente mirábamos tecnologías y decidíamos entre IA, IOT, analítica de datos...

No lo sabíamos. Acabamos decidiendo usar IA como tecnología clave para crear ese producto, que finalmente recibió el premio a las mejores prácticas del alcalde. Se implementó rápidamente en las 10 principales ciudades de EE. UU. Estoy muy contenta de ver cómo la IA ha cambiado vidas incluso años antes de que estuviera tan de moda.

Hannah Clark: Eso es perfecto para enlazar a cómo la IA está cambiando vidas hoy, especializándonos, en este caso, en la gestión de productos de IA. Entonces, para comenzar, ¿cuáles son algunos de los beneficios concretos que un PM puede esperar si se especializa en IA?

Nancy Li: Sí, gran pregunta.

La especialización en IA definitivamente abre muchas puertas para los product managers actuales y para quienes quieren entrar en el área. Por ejemplo, un beneficio es un salario más alto comparado con un PM promedio: los PM de IA suelen cobrar entre 10% y 20% más.

Segundo, es un impulso profesional. Tengo una estudiante que se incorporó a Amazon como PM de Gen AI. Literalmente llevó su carrera al siguiente nivel. No solo se unió a una empresa fan, sino que pudo construir productos muy impactantes para Amazon que ahora usan miles de personas.

Tercero, acelera mucho el proceso de ingresar al área de gestión de producto. Tengo estudiantes que decidieron especializarse en IA y al poner muchas palabras clave de IA y trabajar en proyectos de IA, recibieron muchas más entrevistas que otros candidatos.

Las empresas quieren tener IA en su hoja de ruta. Aunque luego podamos debatir si realmente deberían, es la tendencia y te impulsa al siguiente nivel. Hay una comparación curiosa, similar a una expresión americana que dice que es como disparar a peces en un barril.

Si entras en el mundo de la IA ahora, parece eso: porque en los próximos cinco años, o incluso dos, cuando la IA realmente despegue, aunque tu trabajo sea promedio estás en el cohete. Así que tu carrera crecerá solo por estar en el espacio. Recomiendo a todos considerar la IA como su próximo movimiento profesional.

Hannah Clark: ¿Nos podrías guiar por el ciclo de vida del PM de IA?

Nancy Li: Sí, genial. Déjame usar mi propio producto como ejemplo.

El ciclo de vida en la gestión de productos de IA tiene cuatro pasos. El primero es la ideación y entender si la IA realmente soluciona el problema. El segundo es la recopilación de datos: saber dónde encontrarlos, porque los datos son clave en la nueva era de la IA. Tercero es construir un MVP, y cuarto lanzar el producto. Ahora, compartiré cómo logré crear un producto premiado usando este marco.

Paso uno: comprender, ¿los clientes tienen realmente un dolor o nosotros creamos ese dolor con la IA? Es ingeniería inversa. Por eso es importante evaluar a fondo el mercado, entender problemas que de verdad se puedan solucionar con IA. Algunos no pueden. Por ejemplo, en una sesión de brainstorming en PM Accelerator con mis estudiantes...

Planteamos que si eres CEO de Delta, ¿qué harías en 10 años? Claro, muchos decían hacer algo con IA. Pero algunos proponían usar IA para la navegación de vuelos.

Yo les decía: ese es un mal uso, porque hoy la IA, especialmente la generativa, podría fallar, aunque el porcentaje sea mínimo. Si falla, puedes matar personas: es navegación aérea. El riesgo es demasiado alto para aplicaciones críticas.

Así que hay que investigar a fondo si realmente se necesita y si mejora la aplicación significativamente. Cuando creé mi producto de smart cities, como ya mencioné, en 2016 nadie pensaba en IA y solo hacíamos una investigación genuina y descubrimos que la IA era la mejor herramienta. Así que primero, mucha discovery.

El segundo paso del ciclo es la recopilación de datos y el entrenamiento del modelo de IA. Los datos son esenciales ahora. Empresas como Scale AI han crecido mucho gracias a esto.

Ahora, al entrenar modelos, es más importante encontrar los datos adecuados. A veces puedes usar modelos existentes, como ChatGPT, Gemini, Soplic, etc. Debes decidir si aprovechas modelos existentes, si haces integración por API, cuánto te costará correr sobre otros modelos. Puedes construir encima de modelos existentes para reducir costes.

Hay muchas decisiones: entrenar, recolectar y aprovechar modelos existentes. El tercer paso es construir el MVP. Construir el MVP en IA es similar a lo habitual, pero se deben considerar seguridad y confianza, porque no todos quieren adoptar IA y pueden aparecer sesgos y problemas de gobernanza.

Idealmente, debes considerar esto desde el inicio del desarrollo. Por ejemplo, cuando hicimos nuestro MVP para Smart Cities, solo trabajamos con Boston, usando visión artificial para reducir accidentes. Era difícil verificar y entrenar el modelo porque hay muy pocos datos de accidentes, sobre todo en la nieve—Boston tiene seis meses de nieve.

Era complicado recolectar datos. Nadie quiere que existan más accidentes para tener datos. Entonces, hicimos dos cosas: compramos datos (Mint AI nos vendió varios conjuntos para entrenamiento) y creamos entornos simulados, como pruebas en un estacionamiento o usando juguetes: coches y bicicletas de juguete. El modelo, ajustando parámetros, detectaba las colisiones entre juguetes como si fueran reales.

Probamos muchas actividades diferentes al crear el MVP. También agradezco a Jensen Huang de NVIDIA, ya que fuimos de los primeros en usar su modelo de entrenamiento para detección de objetos en 2016, lo que nos permitió avanzar mucho.

Todo esto entra en el desarrollo del MVP. No es solo entrenar modelos; también hace falta creatividad. Finalmente, la estrategia go-to-market. Es el proceso GTM tradicional (tengo otro video en YouTube sobre esto), pero además hay que considerar adopción del cliente y de los stakeholders internos. Algunos usuarios son reacios, no quieren probar, otros temen que sus datos sean usados por la IA o perder su empleo.

Necesitamos gestionar esa adopción. También internamente: puede haber resistencia en ejecutivos, ingenieros, legales. Toca aprender a defender el uso de IA en distintos escenarios. Esos son los cuatro pasos del ciclo de vida del PM de IA.

Hannah Clark: Muy completo y suena un área apasionante.

¿Qué pasos pueden tomar los PMs para calificar para esos excitantes puestos de PM de IA?

Nancy Li: Sí, es muy emocionante. Hablo de las cuatro vías para convertirte en PM de IA. La primera es recién graduados: la más fácil. Si acabas de salir de la universidad, haz cualquier cosa con IA y entra. Tu proyecto final puede ser de IA, tu primera práctica también.

Puedes ser ingeniero de software en una startup de IA, da igual si no es producto. Tengo estudiantes que siendo estudiantes de segundo año hicieron prácticas como PM de IA en NVIDIA. Es posible entrar directo a prácticas de IA, incluso en producto.

La segunda vía son PMs que ya ejercen. Si has trabajado en IOT o FinTech y quieres cambiarte, aprende lo esencial de IA. Hay muchísimos cursos—Google acaba de lanzar uno—y recomiendo aprender sobre modelos de lenguaje, comparar entre ellos y entender cómo tomar decisiones técnicas.

La tercera vía son ingenieros que ya trabajan en IA. Dentro de PM Accelerator tengo muchos ingenieros y científicos de datos que no saben nada de PM pero saben entrenar modelos. No redactan requerimientos, pero es más fácil que aprendan gestión de producto que volverse expertos en IA desde cero.

Recomiendo que esos ingenieros aprendan sobre estrategia GTM, entrevistas a clientes, etc. Así aceleran su transición.

La última vía es para personas sin experiencia en ingeniería ni producto. Aquí recomiendo: primero, estudiar IA; segundo, estudiar gestión de producto; tercero, construir tu propio proyecto. Llevar a cabo proyectos prácticos es la mejor forma de demostrar pasión y conocimientos en la IA como PM.

No tienes que saber programar; puedes usar APIs para construir sobre ChatGPT, por ejemplo. Yo misma no sé programar, tengo un doctorado en ciencia de materiales. Pero tener experiencia práctica, usando instrucciones de ChatGPT o plugins, te ayuda a armar un portafolio de producto y convencer a un manager.

Así que sigue estos pasos, te van a acelerar la carrera.

Hannah Clark: Esos son grandes secretos.

Volviendo a los cursos y recursos, ¿nos recomiendas alguno específico?

Nancy Li: Sí, varios que he usado y me gustan mucho.

Mi enfoque no es solo tomar cursos, también leo artículos y experimento con herramientas. Os dejo opciones para empezar ya mismo. Primero, DeepLearning.AI de Andrew Ng.

Tiene recursos gratuitos y hay un curso que recomiendo especialmente, solo dura una hora y te da mucha comprensión y práctica en IA: Prompt Engineering. Es un curso corto pero cambia tu visión.

Segundo, en Coursera puedes tomar las clases de machine learning, colaboran con IBM, DeepLearning.AI y más. Recomiendo los cursos de DeepLearning.AI desde machine learning hasta deep learning. Sugiero revisar también los artículos de NVIDIA—soy muy fan de NVIDIA y conozco al CEO desde hace años.

NVIDIA publica muchos artículos y frameworks. También mi mejor amigo es líder de ingeniería allí y ha hecho frameworks de IA que otros usamos luego. Todos deberían aprender eso al menos a nivel general.

Como dije antes, muchas veces no necesitas crear tu propio modelo para producto; casi siempre aprovechas lo que otros han construido. Revisa la web de NVIDIA para aprender sobre frameworks y contenido educativo.

Otra opción es Google: han lanzado BlackRock y otros productos de IA en AWS. Suelen explicar de forma muy clara los conceptos y publican videos breves.

Yo tengo una lista completa de cursos en mi web drnancyli.com/aicourses con todos los que he probado y recomiendo mirar esa página. Puedes acceder libremente y empezar a aprender por diversión.

En PM Accelerator tengo mi propio curso de Gestión de Producto en IA, centrado en lo que hace falta en el día a día y en cómo tomar decisiones técnicas, elegir modelos, etc.

Todo lo tengo en mi web y ahí puedes encontrar más cursos y formación. En el curso propio incluimos proyecto real y experiencia práctica para que tengas algo que enseñar en tu portafolio. Doy un resumen de lo técnico para que no pierdas meses en cada curso. Así tienes un atajo sobre lo esencial para PMs en IA.

Hannah Clark: Con eso cubrimos la enorme variedad de recursos y cursos para quienes deseen aprender más sobre IA.

Ahora hablemos del mercado laboral. ¿Conoces compañías que estén contratando especialmente a PMs especializados en IA?

Nancy Li: Sí, muchas. Cada semana surgen nuevos empleadores y oportunidades. Por ejemplo, Amazon contrata muchos PM de IA, especialmente Gen AI PM en ciertos departamentos (no puedo decir cuáles). He notado que han cambiado liderazgo y, con liderazgo nuevo, que está a favor de la IA, se reemplaza a PMs que no saben IA por nuevos PMs de IA, mientras a los anteriores les ponen en planes de mejora.

Es duro ver eso pero es la cultura de crecimiento rápido de Amazon, así que no sorprende. Significa que buscan muchos PM de IA.

Netflix también siempre contrata. El año pasado ofrecieron $900,000 por año a un PM senior de IA para crear contenido generado con IA. Hay startups revolucionarias: una que me gusta es Inkitt, donde tengo una estudiante en proceso de entrevista. Es como el Netflix de los lectores; puedes interactuar con personajes de libros usando IA.

Imagina leer o ver Game of Thrones y preguntar en vivo a Daenerys gracias a la IA. Han levantado mucho capital y ganando usuarios rápido.

Además de esas, hay muchas startups de IA. Recomiendo estar atento a TechCrunch para enterarse de nuevos proyectos y oportunidades.

Hannah Clark: Ya para cerrar, sé que mencionaste incentivos salariales para PMs de IA al inicio. ¿Algún apunte final sobre remuneración para animar a quienes piensan especializarse en IA?

Nancy Li: Sí, como dije antes, es cierto que los PM de IA cobran más. Pero quiero destacar además el impacto y eficiencia que puedes generar en el día a día y la posibilidad de crear apps que te apasionen.

Por ejemplo, me gustaría mucho hablar con personajes de Juego de Tronos, y más allá, es importante descomponer el salario. Si entras a empresas públicas, conozco estudiantes que han conseguido hasta $400,000 al año como PM de IA. En startups quizás el sueldo base sea de $160,000, pero recibes acciones—y eso quizá valga millones, nadie lo sabe.

Así que recomiendo elegir la startup sabiamente: alinéate con su misión y busca crear el impacto adecuado. Escoge bien tu caballo ganador, quizás entres al próximo Google y seas tú quien esté en este podcast la próxima vez. Así que selecciona bien tu próximo paso, no te metas solo por la moda: elige sabiamente.

Hannah Clark: Bueno, muchas gracias de nuevo, Dra. Nancy Li. Sé que mencionaste recursos que se pueden encontrar en tu web.

¿Hay algún otro lugar para seguir tu trabajo en línea?

Nancy Li: Sí. Podéis ir a mi podcast, Product Insider podcast by Dr. Nancy Li. Mi canal de YouTube, solo busca Dr. Nancy Li, directora de producto, también puedes mandarme mensajes en LinkedIn, donde soy muy activa y respondo todos los DMs. Así que buscadme en LinkedIn como Dr. Nancy Li para todas mis redes. También en mi web, drnancyli.com/aicourses, para recursos gratuitos que he recopilado para todos vosotros.

Hannah Clark: Fantástico. Muchísimas gracias por acompañarnos. Ha sido muy interesante aprender sobre un área tan emocionante.

Nancy Li: Gracias por invitarme, Hannah. Sigamos en contacto. ¡Vamos a sumarnos juntos a la era de la IA!

Hannah Clark: Gracias por escuchar. Para más consejos, guías prácticas y análisis de herramientas, suscríbete a nuestra newsletter en theproductmanager.com/subscribe. Puedes escuchar más conversaciones como esta suscribiéndote a The CPO Club en tu plataforma de pódcast favorita.