En una era en la que la inteligencia artificial está transformando rápidamente diversas industrias, desarrollar experiencia en la gestión de productos de IA se está volviendo indispensable para los gestores de productos de software de hoy.
En este episodio, Hannah Clark conversa con Praveen Gujar—Director de Producto en LinkedIn—para compartir sus valiosas perspectivas sobre las habilidades críticas necesarias para los PMs de IA, la creciente demanda de experiencia en IA y el papel fundamental de la higiene de datos y la ética en el desarrollo de la IA.
Aspectos Destacados de la Entrevista
- Conoce a Praveen Gujar [01:26]
- Praveen tiene experiencia tanto en ingeniería como en gestión de productos.
- Comenzó su carrera como desarrollador de software, pero encontró su pasión en construir productos con un enfoque prioritario en el cliente.
- Realizó un MBA y empezó a trabajar como gestor de producto en Amazon.
- Su experiencia abarca dos áreas: publicidad digital y nube pública.
- Los productos que desarrolló en estas áreas están potenciados por IA.
- Ha trabajado en Amazon, LinkedIn y Twitter, construyendo productos para estas grandes organizaciones.
- Tiene amplia experiencia como gestor de producto de IA y está dispuesto a compartir su conocimiento.
- Habilidades Clave para los Gestores de Producto de IA [02:27]
- Para ser un gran PM de IA, primero debes ser un gran PM tradicional, enfocándote en la resolución de problemas centrada en el cliente, la ejecución del producto y las estrategias de lanzamiento al mercado.
- Tres habilidades clave para un PM de IA:
- Comprensión técnica de la IA: Conocer conceptos de IA/ML, modelos, entrenamiento y trabajar estrechamente con ingenieros de IA.
- Conocimientos de ciencia de datos: Entender el flujo de datos, el entrenamiento de modelos, la higiene de datos y los posibles sesgos.
- Programación: Habilidades en lenguajes como Python y R pueden ayudar a relacionarse con ingenieros y mejorar la efectividad.
- Aplicar conceptos de IA a tu dominio específico (por ejemplo, salud, finanzas) es crucial para crear productos relevantes para los clientes.
- La comunicación y la capacidad de explicar son esenciales, especialmente al tratar con personas y ejecutivos que no son expertos en IA.
- Gestionar todo el ciclo de vida del modelo y trabajar estrechamente con ingenieros es importante.
- Los grandes PMs de IA combinan experiencia técnica, aplicación en el dominio y habilidades avanzadas de gestión de producto para la explicabilidad y la colaboración.
Muchas de las habilidades necesarias para ser un gran PM son esenciales para ser un PM de IA exitoso. Esto incluye identificar problemas de manera efectiva, comenzar por las necesidades del cliente, poseer un sólido sentido de producto para construir el producto adecuado y liderar tanto la fase de ejecución del producto como la fase de lanzamiento al mercado.
Praveen Gujar
- La creciente demanda de PMs de IA [05:34]
- La inteligencia artificial (IA) se ha hecho ampliamente reconocida, en gran parte gracias a la popularidad de herramientas como ChatGPT, aunque la IA ha estado en uso durante muchos años, especialmente en campos como la publicidad digital.
- El reciente y exponencial aumento en la popularidad y uso de la IA ha creado oportunidades significativas para los PMs con habilidades en IA para abordar problemas diversos y crear soluciones innovadoras.
- Cada vez más productos y servicios están incorporando IA, ya sea mejorando funciones existentes o adoptando un enfoque centrado en la IA, ampliando así el papel de los PMs de IA.
- Contar con experiencia en IA como PM es estratégicamente importante tanto para las organizaciones como para el desarrollo personal de la carrera profesional, incluido el desarrollo de perfil y relaciones públicas.
- Los PMs de IA están más demandados, ofreciendo oportunidades para desarrollar habilidades, crear productos de vanguardia y beneficiarse de posibles recompensas monetarias.
- Aprovechando la IA para crear productos de alto crecimiento [07:51]
- Muchas organizaciones están agregando características superficiales de IA (por ejemplo, chatbots) a productos existentes, similar a lo que sucedía en los primeros tiempos del móvil.
- Este enfoque de «espolvorear IA» no es sostenible.
- El crecimiento sostenible proviene de construir productos que sean IA-primero o integrados con IA, donde la IA es central en la experiencia del producto.
- En lugar de automatizar solo flujos de trabajo específicos, la IA debe utilizarse para optimizar y mejorar la toma de decisiones.
- Los productos totalmente automatizados y potenciados por IA ofrecen una mayor eficacia y éxito a largo plazo.
- La estructura organizacional es clave: integrar estrechamente a los ingenieros de IA con los responsables de producto conduce a mejores productos integrados con IA.
- La IA debe reinventarse para resolver problemas fundamentales de los usuarios, mejorando experiencias mediante la toma de decisiones y la optimización.
- Casos de uso de IA en publicidad y salud [10:42]
- En la publicidad digital, la IA ayuda a dirigir el mensaje al público adecuado, entregar contenido relevante y optimizar el momento y el lugar en que se muestra.
- Los algoritmos predictivos impulsados por IA han mejorado la segmentación de audiencias con el tiempo.
- La IA generativa ha mejorado la creación de contenido al agilizar el proceso, permitiendo que las marcas creen variaciones más rápido y de forma más eficiente.
- La IA permite mensajes personalizados a escala al segmentar dinámicamente audiencias y crear contenido a medida para millones de usuarios.
- Plataformas como Google, LinkedIn y Meta ahora ofrecen soluciones totalmente automatizadas de extremo a extremo para los anunciantes.
- En el ámbito de la salud, los modelos de IA están mejorando la detección temprana de anomalías en imágenes médicas, como la identificación de tumores cancerosos antes que los radiólogos.
- La IA está mejorando tanto la productividad como la eficacia de tareas en diferentes industrias.
Los elementos clave de la publicidad digital son garantizar que se dirija al público correcto, proporcionar el contenido adecuado para ese público y entregarlo cuándo y dónde lo necesiten.
Praveen Gujar
- Higiene de Datos y Consideraciones Éticas en IA [14:02]
- Los modelos de IA dependen de grandes cantidades de datos, y una mala calidad de los datos genera resultados subóptimos («basura entra, basura sale»).
- Datos limpios y de alta calidad mejoran la precisión y el rendimiento del modelo.
- La higiene de los datos es fundamental para minimizar sesgos en los modelos de IA, garantizando equidad y precisión.
- Entrenar modelos de IA requiere mucho trabajo, y la mala calidad de los datos puede hacer el proceso aún más laborioso.
- El escrutinio regulatorio sobre los modelos de IA está aumentando, lo que hace que los datos limpios sean esenciales para cumplir con futuras regulaciones.
- En sectores como el financiero, la mala calidad de los datos puede introducir sesgos, provocando violaciones (por ejemplo, la Ley de Préstamos Justos) y posibles consecuencias regulatorias.
- Los sistemas y plataformas para curar y administrar los datos son cruciales para un entrenamiento efectivo de modelos de IA.
- Prácticas Éticas de IA para PMs [16:35]
- Muchas organizaciones están creando equipos de «IA responsable» para mantener estándares éticos y morales en la IA.
- La IA ética es fundamental, especialmente en sectores como el financiero, donde los sesgos pueden tener impactos sociales y económicos en poblaciones específicas.
- Los PM de IA deben educarse primero sobre los posibles riesgos éticos, como datos poco higiénicos o modelos mal entrenados.
- Cuando se detectan sesgos o problemas en los datos, los PM deben tomar medidas para limpiar y volver a entrenar los modelos, y después validar la precisión.
- Contar con equipos diversos y un punto de contacto (POC) dedicado a monitorear los estándares éticos puede garantizar prácticas de IA responsable.
- Un POC puede liderar la limpieza de datos, el entrenamiento ético y la precisión del modelo dentro del equipo.
- IA en la Experimentación y Consejos Prácticos [18:41]
- La IA puede optimizar el proceso de realización de experimentos, facilitando a los PM la gestión de múltiples pruebas simultáneamente.
- La experimentación tradicional requiere una colaboración estrecha con científicos de datos y ajustes manuales, lo cual puede ser lento.
- Los sistemas de IA pueden automatizar el diseño de experimentos, ayudando a identificar parámetros óptimos y formular hipótesis.
- La IA puede ajustar dinámicamente el despliegue y las variantes de los experimentos para encontrar el mejor equilibrio y mitigar riesgos.
- Los modelos de IA pueden evaluar de forma autónoma si continuar o detener experimentos según señales estadísticas.
- Pueden identificar rápidamente anomalías en las métricas del negocio y del sistema, permitiendo una toma de decisiones más rápida.
- La IA ayuda a detectar problemas de forma temprana, minimizando impactos negativos en métricas como los ingresos de funciones experimentales.
- Recursos para Desarrollar Habilidades en IA [21:43]
- Recursos recomendados para aprender IA incluyen LinkedIn Learning y Coursera.
- Los cursos de DeepLearning.ai de Andrew Ng son especialmente valiosos para crear una base sólida de conocimientos en IA.
- Comprender los conceptos fundamentales es esencial antes de pasar a temas avanzados.
- Los pódcasts son una excelente manera de mantenerse al día de los desarrollos del sector y aprender sobre IA.
- Leer publicaciones de blogs puede ayudar a profundizar en temas específicos y entender aplicaciones prácticas.
- Los cursos universitarios pueden ofrecer aprendizaje estructurado y credenciales, aunque varían en su efectividad.
- La curiosidad es fundamental para los PM en el ámbito de la IA; invertir tiempo en aprender y aplicar conceptos es clave para el éxito.
Conoce a Nuestro Invitado
Praveen Gujar es un experimentado líder de producto que aporta una rica trayectoria de liderazgo por su trabajo en importantes gigantes tecnológicos como Amazon, Twitter y LinkedIn. Posee una amplia experiencia en Publicidad Digital, Inteligencia Artificial y tecnologías en la Nube, lo que le ha permitido desarrollar productos empresariales a gran escala e impulsar con eficacia el crecimiento empresarial por valor de miles de millones de dólares.

Como PM en el área de IA, necesitas ser curioso para poder invertir el tiempo en comprender en profundidad. Asegúrate de aprender los conceptos y luego aplicarlos en tu campo.
Praveen Gujar
Recursos de Este Episodio:
- Consulta al patrocinador de este episodio Sprig
- Suscríbete al boletín de The CPO Club
- Conecta con Praveen en LinkedIn y X
Artículos y pódcast relacionados:
- Sobre el pódcast de The CPO Club
- Cómo convertirse en un PM de IA sin experiencia
- 8 ideas de negocio con IA para inspirar tu próximo producto
- Por qué la IA nunca reemplazará a los humanos en la gestión de productos
- Cómo la IA está transformando el descubrimiento de productos
- Por qué la IA no debería escribir tus historias de usuario
Lee la transcripción:
Estamos probando la transcripción de nuestros podcasts utilizando un programa de software. Por favor disculpe cualquier error ya que el bot no es 100% preciso.
Hannah Clark: Voy a ser directa—tanto si tienes o no como objetivo profesional especializarte en la gestión de productos de IA, ya es una competencia que todo PM de software debería estar desarrollando. Creo que es seguro decir que ahora que la tecnología está aquí, solo va a mejorar, volverse más inteligente y más omnipresente—por lo que aprender a trabajar con IA es tan esencial como aprender a trabajar con internet. De hecho, se podría argumentar que las habilidades básicas de IA ya son un requisito mínimo para postular a roles de PM. Entonces, ¿cómo puedes dar un paso más allá y destacar en el mercado de PM de IA?
Mi invitado de hoy es Praveen Gujar, Director de Producto en LinkedIn. Como sugiere el título, Praveen tiene un excelente punto de vista sobre el creciente uso de la IA en la industria de productos digitales, así como un entendimiento profundo de la gama de habilidades que los gestores de producto deben desarrollar para triunfar verdaderamente en este espacio. Discutimos tanto los aspectos técnicos como teóricos de aprovechar la IA, pero si no te llevas nada más, nuestra conversación sobre la higiene de datos—que aparece aproximadamente a la mitad del episodio—es información crítica para cualquiera que desee no solo obtener un puesto de PM de IA, sino sobresalir en él. Vamos allá.
Bienvenidos de nuevo, oyentes, al podcast The CPO Club. Soy Hannah Clark, y somos una comunidad de líderes de producto tenaces que comparten la responsabilidad de escalar tu producto. Nuestros miembros son PMs enfocados en SaaS que realmente aman su trabajo y están motivados para ayudar a otros a tener éxito. Así que si quieres escuchar más sobre esto, puedes ir a theproductmanager.com/membership. Nos encantaría tenerte a bordo.
Y hoy estamos conversando con Praveen Gujar. Muchas gracias por acompañarnos.
Praveen Gujar: Encantado de estar aquí. Gracias por invitarme, Hannah.
Hannah Clark: Sí, un placer tenerte.
¿Puedes contarme un poco sobre tu experiencia y cómo llegaste a estar en LinkedIn hoy en día?
Praveen Gujar: Mi experiencia es una mezcla de ingeniería y gestión de producto. Comencé mi carrera saliendo de un programa de ingeniería como desarrollador de software. Pero pronto me di cuenta de que trabajar hacia atrás desde el cliente y construir grandes productos es lo mío. Así que obtuve mi MBA y empecé en Amazon como gestor de producto.
En resumen, mi experiencia se enfoca en dos áreas clave. Una es en la publicidad digital y la otra en la nube pública. Y todos estos productos que he construido en estos dos segmentos están impulsados por IA. Tengo experiencia en Amazon, LinkedIn y también en Twitter, así que he construido estos productos en grandes organizaciones. Sí, llevo mucho tiempo siendo PM de IA y encantado de compartir mi experiencia y conocimientos en el área.
Hannah Clark: Fantástico. Sé que todos tenemos muchas ganas de saber un poco más sobre eso. Así que el tema de hoy va a ser especializarse en la gestión de producto de IA. Y este es obviamente un campo enorme que está despegando enormemente en este momento.
Para empezar, ¿cuáles son algunas de las habilidades que separan a un gran PM de IA de un PM tradicional?
Praveen Gujar: Es una excelente pregunta. Primero y ante todo, si quieres ser un gran PM de IA, necesitas ser un buen PM para comenzar, o incluso un gran PM, ¿verdad? Muchas de las habilidades necesarias para ser un gran PM son imprescindibles también para ser un gran PM de IA. Eso incluye realmente identificar el problema, trabajar siempre pensando en el cliente, tener sentido de producto para construir el producto correcto y liderar tanto la ejecución como el lanzamiento al mercado del producto.
Todo esto es una necesidad clave. Además de eso, creo que como PM de IA, hay tres cosas fundamentales que diría que son críticas. La primera es el entendimiento técnico del espacio IA. Creo que es esencial para ser un buen PM ahí. Debes entender cómo funcionan los conceptos de machine learning e IA, los modelos, los diferentes tipos de modelos, incluyendo básicamente el entrenamiento de los modelos, así como cómo interactuar con tus ingenieros de IA; eso es muy importante en ese sentido.
La segunda pieza es el ángulo de ciencia de datos o de datos. Como PM en este ámbito, necesitas comprender bien los datos. Entender cómo fluye la información, cómo se usa para entrenar los modelos, qué significa tener datos limpios y de calidad, y cómo los datos pueden introducir sesgos. Tener claro todo esto es crítico para ser un gran PM.
Tercero, aunque no menos importante, creo que saber programar puede ser una adición de valor real para un PM. Si sabes programar en Python, R u otros lenguajes, puedes relacionarte mucho mejor con los ingenieros que trabajan en esto y ser mucho más eficaz como PM.
Clasificaría estas cosas como expertise técnica dentro del espacio IA. Eso es una parte, ¿verdad? El segundo aspecto es aplicar estos conceptos de IA a tu dominio. Si trabajas en salud, en servicios financieros o en cualquier otro sector, ¿cómo aplicas los principios de IA, la tecnología con la que estás familiarizado, para que los productos sean más relevantes para tus clientes?
Ese es un aspecto muy importante de ser un PM de IA. El tercer pilar, yo diría, es subir de nivel tus habilidades de PM. Uno de los aspectos clave es la explicabilidad. ¿Cómo explicas esto a las personas a tu alrededor, incluidos ejecutivos que pueden o no estar preparados para la IA? El saber cómo hacerlo es realmente fundamental.
Y comprender todo el ciclo de vida del modelo también se vuelve muy relevante, ya que trabajas con ingenieros en la optimización, ajustes y a lo largo del ciclo completo de los modelos y entiendes y colaboras muy estrechamente con ellos.
Así que, resumiendo: la expertise técnica de IA, luego aplicarla a tu dominio, y finalmente potenciar tus habilidades de PM para mayor explicabilidad y otros aspectos, se vuelven muy importantes. Eso es lo que hace a un gran PM de IA.
Hannah Clark: Sí, y seguro que todos van a querer desarrollar esas competencias, porque es un área de oportunidades enorme.
Y, hablando de eso, desde tu punto de vista, ¿cómo está el panorama ahora mismo para los PMs con habilidades o experiencia en IA?
Praveen Gujar: La IA se ha convertido ahora en un nombre común. Gran parte se debe a ChatGPT y su popularización, pero la IA no es algo nuevo, ¿verdad? Los que estamos en tecnología llevamos usando IA de muchas formas.
Vengo del mundo de la publicidad digital y la IA lleva impulsando distintos sistemas y capacidades desde hace más de una década, y en otros campos incluso más tiempo, diría. Pero, si miras los últimos dos años, ha habido un crecimiento exponencial en popularidad y uso de la IA, lo cual abre una enorme cantidad de oportunidades para los PMs con competencias en IA para trabajar en diferentes dominios, problemas y soluciones creativas o innovadoras. Esa explosión es clave y va a continuar al menos en el futuro inmediato. Al menos esa es la perspectiva que tenemos.
En segundo lugar, está la expansión del rol. En los últimos dos años, casi todas las organizaciones de producto y servicio están pasando por algún proceso de añadir IA a sus productos. Esto puede suponer mejorar experiencias con IA o reconstruir sus productos con un enfoque IA primero o integrado con IA.
Eso abre una oportunidad enorme para que todos los PMs que trabajan en este espacio participen en tecnología de vanguardia y agreguen valor real a los clientes. Además, es estratégicamente importante hoy día. De hecho, hasta podrías argumentar que es importante desde el punto de vista de relaciones públicas.
Y también es relevante para tu perfil, si eres PM. Pero cada vez más, esto es una cuestión estratégica a nivel organizacional, por lo que estarás mejor posicionado dentro de la empresa si eres PM de IA, porque aportas habilidades que tienen mayor valor y alineación con las necesidades estratégicas de la compañía.
Por último, pero no menos importante, hay una demanda de PMs de IA por la explosión que hemos visto. Así que estarás más demandado por tu perfil, lo que abre nuevas oportunidades tanto en desarrollo de competencias como en la creación de grandes productos e incluso beneficios monetarios.
Hannah Clark: Muchas oportunidades, muchos beneficios.
Vamos a volver a hablar de las habilidades y cómo ponerlas en práctica. ¿Qué consejos pueden usar los PMs para aprovechar la IA y construir productos de alto crecimiento?
Praveen Gujar: Buena pregunta. Incluso estamos publicando un artículo sobre esto en Engineering Management Review, reflexionando realmente sobre qué significa construir un gran producto con IA, ¿no?
Si miras la tendencia actual, lo que está pasando es que todos saltan al carro. Así que ves muchas organizaciones mejorando productos y servicios con toques de IA. Muchos de estos cambios son mayormente superficiales. Por ejemplo, puede ser solo poner un chatbot en un servicio existente.
Esto es muy parecido a lo que nos enseñó la época móvil; cuando lo móvil se volvió omnipresente, la primera reacción fue volcar el producto existente al formato móvil, pero eso duró poco. Similarmente, ahora vemos que muchas organizaciones, por falta de mejor imaginación, implementan o salpican IA en sus productos y soluciones ya existentes.
Eso no es un modo sostenible para avanzar. Donde vemos ventajas sostenibles es cuando realmente construyes productos IA-first o IA integrados. ¿Qué queremos decir con esto? Se trata de poner la IA en el centro del producto y construir experiencias impulsadas y automatizadas por IA.
En lugar de usar la IA solo para automatizar un flujo de trabajo concreto, empoderar los modelos de IA para optimizar es crucial. La segunda parte es la toma de decisiones. Mucha de la IA actual se usa para contestar rápidamente preguntas, pero la verdadera optimización y toma de decisiones automatizada es lo que potenciará el producto.
Por último, la estructura organizativa es fundamental. Si tienes un equipo integrado donde ingenieros de IA trabajan muy cerca de los PMs, produces productos desde cero pensados para la integración IA, lo cual te permite competir mejor y construir ventajas sostenibles. Así que pensaría en cómo replantear tus productos y servicios con un enfoque centrado en la IA.
Y luego resolver el problema real del usuario: no hay atajos allí. Se trata de rediseñar la experiencia con IA en la toma de decisiones y de aplicar la tecnología para mejorar la experiencia actual.
Hannah Clark: Siento curiosidad por casos de uso actuales potenciados por IA en el sector. Obviamente, hay muchos productos que han mejorado significativamente con IA y otros tal vez no tanto. ¿Cuáles son los mejores casos que has visto o crees que tienen gran potencial de expansión?
Praveen Gujar: Vengo del sector de la publicidad digital. Tomemos un ejemplo ahí, y puedo profundizar si quieres. ¿Cuáles son las claves en la publicidad digital? Debes asegurar que estás llegando al público adecuado, con el contenido correcto, en el momento y lugar correcto.
Tradicionalmente, esto consistía en que los modelos de IA trataban de determinar el mejor ajuste de tu público objetivo. Y según tu meta principal, cómo segmentar audiencias específicas. Con el tiempo, han mejorado y muchos algoritmos predictivos permiten identificar públicos potenciales.
Ese es un caso de uso. Con la llegada de la IA generativa en los últimos dos años, la creación de contenido ha ganado mucha importancia. Por ejemplo, si eres una marca y debes llegar a distintos públicos, ¿cómo puedes generar el 80% del contenido en el 80% de las variantes más rápido, facilitando que tu equipo creativo avance ágilmente y sea más productivo? Eso ha sido clave desde la perspectiva de la IA.
Y ahora que tienes la audiencia y el contenido, ¿cómo personalizas a escala? Cualquiera puede personalizar para un público pequeño, pero si trabajas en una organización llegando a millones de usuarios con contenido personalizado, la IA permite segmentación dinámica y generación masiva de contenido, individualizando el mensaje.
Esas tres piezas se han desarrollado durante años. Ahora, ¿cómo unirlo todo de manera que sea completamente automatizado y optimizado en todos estos aspectos? Y aquí es donde aparecen las plataformas de anuncios que ofrecen soluciones automáticas de extremo a extremo con solo un click.
Sea Google, LinkedIn o Meta, ves muchas de estas plataformas automáticas surgiendo. Ese es un solo ejemplo digital. También hablamos mucho de IA en sanidad. Conozco a alguien en Google que escanea radiografías para identificar anomalías que pueden ser preludio de cáncer.
Los modelos desarrollados durante años han demostrado ser más eficaces para descubrir señales precoces de tumores malignos que incluso los radiólogos. Así que estos son grandes ejemplos de cómo la IA no solo mejora la productividad, sino la efectividad de nuestro trabajo.
Y habrá miles de casos de uso similares.
Hannah Clark: Seguro, me imagino que cada industria tiene un equivalente.
Hablemos de la higiene de datos. ¿Por qué es importante mantener los datos limpios al trabajar con herramientas de IA?
Praveen Gujar: Seguro has oído que estos grandes modelos de lenguaje y otros modelos de IA se entrenan con enormes cantidades de datos, y es un caso de “basura entra, basura sale”. Si tus datos no son de alta calidad ni están curados para evitar sesgos e inexactitudes, los resultados de estos modelos serán subóptimos.
Por eso la higiene de datos es tan crucial. Como mencioné antes, como PM de IA necesitas entender los datos y la plataforma de datos, esa es una pieza fundamental. Primero, porque mejora la precisión del modelo. Minimizar sesgos es clave en modelos de IA, aquí entra la higiene de datos. Y también influye en el rendimiento del modelo. Pero además, entrenar un modelo sigue siendo una tarea laboriosa y si los datos son deficientes, el proceso es mucho más tedioso.
No menos importante, veremos un aumento de la regulación sobre los modelos de IA y sus resultados. Si la fuente de esos datos no está bien curada o es de baja calidad, los modelos pueden no cumplir los estándares legales vigentes o futuros.
Por ejemplo, si trabajas en finanzas y haces publicidad, y tus modelos no están entrenados con datos de calidad, puedes introducir sesgos involuntariamente y exponerte a revisiones regulatorias, si esos sesgos afectan a comunidades desfavorecidas y violan normativas como la Ley de Préstamos Justos.
Es un efecto cíclico. Así que el impacto de no tener datos limpios es mayor de lo que parece a primera vista. Contar con sistemas y plataformas para curar y estructurar los datos de manera que se entrenen modelos eficaces es fundamental.
Hannah Clark: Esto enlaza directamente con la ética en el uso de IA.
Me interesa conocer tu visión sobre la ética en el espacio IA y cómo pueden los PMs que empiezan asegurarse de actuar responsablemente al implementar soluciones de IA.
Praveen Gujar: Buena cuestión. Es de la máxima importancia para muchas organizaciones. De hecho, muchas han creado equipos llamados de “IA Responsable”.
Estos equipos se enfocan especialmente en mantener estándares morales y éticos. El ejemplo que puse en finanzas es clave para ilustrar cómo, si las cosas no se hacen bien, puede haber un impacto social y económico, especialmente en determinados sectores de población.
Así que si eres PM de IA, todo parte de la educación: primero debes formarte sobre las posibles deficiencias y riesgos, como datos sucios o modelos mal entrenados. Luego, cuando identifiques datos inadecuados o riesgo de sesgos, debes saber qué pasos tomar para limpiarlos, reentrenar los modelos y validar su precisión tras ese proceso.
El tercer elemento, también importante, es construir la estructura organizacional correcta. Contar con un equipo diverso es esencial, incluso te recomendaría tener un responsable específico que sea garante de la diversidad y la ética en el equipo.
Ese referente puede monitorear, ser garante de que los datos se limpien y se entrenen los modelos de manera ética, para que sean fiables. Todas estas son buenas prácticas que puedes aplicar como PM en este ámbito para garantizar los estándares éticos.
Hannah Clark: Cambiando de tema, ¿cómo puede la IA ayudarnos a realizar experimentos más eficientes?
Praveen Gujar: Gran pregunta. Piénsalo en el modo tradicional: si eres DoorDash, puedes estar ejecutando miles de experimentos diarios.
Y debes monitorizar múltiples métricas de negocio y sistemas. Como PM, es típico llevar 2 o 3 experimentos en paralelo para diferentes funciones. Debes comprender el impacto de estos experimentos.
Trabajar muy estrechamente con el data scientist para afinar el experimento, obtener la lectura, ajustar y tomar decisiones sobre el avance, detener o ajustar experimentos y finalmente mostrar el impacto real en el producto o feature.
Todo esto suele hacerse de modo muy humano. Ahora imagina construir un sistema IA que optimice tu experimentación. No solo facilita tu trabajo, sino que el proceso de ejecutar, evaluar y decidir sobre los experimentos se vuelve más fácil.
Incluso desde el diseño, la IA puede ayudarte a seleccionar los parámetros y plantear hipótesis óptimos. Durante la ejecución, puedes ajustar dinámicamente los experimentos entre variantes para encontrar el punto óptimo.
Puedes decidir si ya mitigaste el riesgo en la primera ronda y luego pasar a fases más amplias buscando señales estadísticas. Los modelos pueden decidir de modo autónomo cuándo esperar o avanzar.
Detectar anomalías en métricas de negocio o sistema debido a los experimentos es un valor añadido: permite descubrir impactos antes y actuar a tiempo. Así, los modelos pueden detectar si una nueva función ha causado una caída crítica y paralizar el experimento antes de un daño más amplio.
De esta manera, los modelos IA pueden ayudarte a experimentar mejor, ser más productivo y tomar decisiones a tiempo.
Hannah Clark: Antes de cerrar, esto ha sido muchísima información, toda muy útil. Estoy segura de que muchos buscarán próximos pasos porque todos están emocionados por desarrollar competencias en IA.
¿Recomiendas algún recurso o curso para quienes quieren iniciarse, aunque aún no trabajen activamente en producto de IA?
Praveen Gujar: Sí, hay muchos cursos en LinkedIn Learning o Coursera, por ejemplo. Uno de mis favoritos es DeepLearning.ai, el sitio dirigido por Andrew Ng, disponible también en Linkedin Learning y Coursera. Creo que construir una base sólida en IA es esencial. No puedo enfatizar la importancia de eso: con unas buenas bases puedes luego aprender tecnología avanzada y cómo aplicarla.
Recomiendo a tus oyentes empezar por los fundamentos y luego avanzar a cursos más avanzados. Los podcasts pueden ser una gran forma de aprender y mantenerse al día de lo que ocurre en el sector. Como es una tecnología muy rápida y en evolución, ponerse al día es difícil y los podcasts pueden ayudarte.
Además, hay muchísimos blogs para profundizar en un tema concreto y ver aplicaciones prácticas tanto en tu campo como en general.
También hay cursos universitarios, aunque su efectividad, para ser sincero, no la tengo clara, pero pueden dar un marco estructurado y un diploma que te ayude a entrar en el sector.
Así que estos son algunos caminos para repasar competencias o conocer la IA y avanzar profesionalmente. Todo esto puede ser muy valioso. Y agrego: sobre todo hay que ser curioso como PM, invertir el tiempo y realmente profundizar. Aprende los conceptos y luego aplícalos en tu campo.
Hannah Clark: ¡Excelentes consejos! Muchas gracias por acompañarnos hoy, Praveen. ¿Dónde pueden seguir tu trabajo online?
Praveen Gujar: Pueden seguirme en LinkedIn, y de hecho estoy trabajando en mi propio sitio web: praveengujar.com, que aún está en construcción. Ahí publicaré todos mis artículos y un libro que está en camino.
Hannah Clark: Genial. Gracias por venir, te lo agradecemos mucho.
Praveen Gujar: Gracias a ustedes por invitarme.
Hannah Clark: Gracias por escucharnos. Para más ideas, guías y análisis de herramientas, suscríbete a nuestro boletín en theproductmanager.com/subscribe. Puedes oír más entrevistas como esta suscribiéndote a The CPO Club en tu plataforma favorita de podcasts.
