Cómo entrar en la gestión de productos en 2025 (con Mariana Antaya, Gerente de Producto en Microsoft)

Lee la transcripción:

Estamos probando transcribir nuestros pódcast usando un software. Por favor, perdona cualquier error tipográfico, ya que el bot no es preciso el 100% del tiempo.

Hannah Clark: ¿Sabes cómo es cuando te encuentras con alguien a quien no has visto en mucho tiempo y uno de los dos pregunta: "¿Qué hay de nuevo contigo?", y ha pasado tanto tiempo desde la última vez que se vieron que ni siquiera sabes por dónde empezar? Así me sentí hablando con Mariana Antaya, quien fue invitada nuestra allá por febrero de 2024.

Cuando Mariana estuvo en el programa esa vez, su carrera como gerente de producto apenas comenzaba, recién había lanzado su cuenta de TikTok, y estaba entrando en su tercer año como fundadora de quantifAI, una herramienta de optimización de estrategia cripto. Pero vino con consejos súper prácticos para aspirantes a PMs que quieren entrar en el campo, lo cual, hasta hoy, es nuestro episodio más descargado de todos los tiempos.

Y ahora mismo, ni siquiera puedo creer que haya pasado sólo un año. Desde entonces, la IA se ha vuelto algo común, el mercado laboral tecnológico luce completamente diferente, y nuestras respectivas plataformas han crecido significativamente. Así que pensamos que era el momento perfecto para invitar de nuevo a Mariana al programa, ponernos al día y, más importante, poner al día a los PMs aspirantes de hoy sobre lo que deben saber para tener éxito como PM en 2025. Vamos a ello.

Por cierto, tenemos conversaciones como esta cada semana, así que si esto te interesa, ¿por qué no te suscribes? Bien, ahora sí, comencemos.

Bienvenida de nuevo al pódcast de Gestión de Producto. Hoy tenemos un episodio muy especial. Nos acompaña hoy Mariana Antaya, quien ya estuvo en el pódcast hace poco más de un año. Así que, para quienes no han estado con nosotros tanto tiempo, me siento como una madre, una madre orgullosa contando esta historia. Mariana no es mi hija, pero igual me siento muy orgullosa porque la manera en que nos conocimos fue porque ella nos escribió por LinkedIn. Comentó en un post sobre uno de nuestros episodios con un comentario casual: "Me encantaría estar en un pódcast algún día."

Y Becca, nuestra productora, y yo estábamos conversando y pensamos: "Invitémosla, a ver de qué se trata." Y resultó ser nuestro episodio más popular de todos los tiempos, por mucho. Así que, Mariana es ahora gerente de producto en Microsoft, y estoy hablando de ella como si no estuviera aquí mismo. Gracias por acompañarnos.

Mariana Antaya: Por supuesto. Absolutamente. Estoy súper emocionada de reunirme contigo y poder hablar de lo último en IA y productos, ha sido todo un recorrido. Ambas hemos crecido muchísimo, así que me siento muy orgullosa.

Hannah Clark: Yo también. Ay, Dios.

Bien, cuando hablamos por última vez, apenas estábamos comenzando este programa. Tú apenas empezabas tu carrera profesional. Habías iniciado en TikTok hace poco. Nosotras habíamos empezado a grabar y publicar episodios recientemente. Las dos hemos vivido un gran cambio en nuestras vidas. Pero basta de nosotras. Cuéntanos de ti. ¿Qué ha pasado en tu carrera? ¿Qué ha pasado con tu contenido en redes sociales? Cuéntame todo.

Mariana Antaya: Sí, genial. Mi carrera va muy bien. Sigo en Microsoft y definitivamente nos hemos volcado más hacia un enfoque y estrategia de producto basada en IA, al igual que la mayoría de empresas, lo cual ha sido fascinante de ver cómo se ha dado ese cambio dentro de la cultura de la empresa.

Y en cuanto al contenido, estoy creando mucho contenido sobre producto, pero también mucho sobre inteligencia artificial y destacando casos de uso de la IA para empresas o casos que a mi audiencia realmente le interesan en su día a día. Uno de los más recientes fue predecir los resultados de una carrera de Fórmula Uno, que es un pasatiempo que tengo yo misma.

Y pensé, ¿por qué no publicarlo y ver si la gente conecta? Y parece que la gente realmente conecta con todos los proyectos de programación y los casos de uso tan geniales que la IA ha sacado a la luz.

Hannah Clark: Sí, totalmente. Y estoy muy emocionada de profundizar en esto porque solemos hablar con personas que están en la cima, CPOs y VPs de producto que buscan implementar IA en una organización desde una perspectiva de liderazgo. Pero ahora hablamos contigo, que realmente la usas y estás en el día a día como practicante.

Hablemos un poco del cambio cultural y de la IA, ya hablaremos mucho de eso, pero en general, cuando piensas en cómo era la cultura del producto al empezar tu carrera y ahora la gente que entra siendo más junior que tú, ¿qué ha cambiado ahora?

Mariana Antaya: Definitivamente hay un gran cambio en el margen en que la tecnología ha avanzado. Cuando empecé, no creo que ChatGPT existiera.

Ahora lo usamos cada día en nuestro flujo de trabajo. Entonces ese es un cambio: la tecnología ha avanzado muchísimo en tan poco tiempo. Y con ello viene la capacidad de incorporar y entender cómo una gran empresa puede integrarlo en sus flujos de trabajo y realmente ofrecer esos casos de uso y soluciones que los clientes van a querer usar.

Así que hay un cambio realmente grande de una aproximación más holística a ahora una aproximación un poco más experimental, tratando de iterar más rápido para entender mejor por qué casos los clientes están dispuestos a pagar y comprar, o qué casos realmente van a funcionar en este nuevo espacio.

Definitivamente es un entorno más experimental y con un ritmo mucho más acelerado que cuando empecé.

Hannah Clark: Algo de lo que hablamos mucho como cultura, y no solo en el pódcast, son los despidos y la volatilidad del mercado tech. Desde tu perspectiva, ¿dirías que es un momento de más competencia para quienes buscan entrar en la profesión o es más que la gente busca habilidades diferentes?

Mariana Antaya: Creo que la gente va a empezar a buscar habilidades diferentes y más de nicho para esos casos de uso. Si tienes experiencia en un dominio específico, creo que eso va a cobrar aún mayor importancia, porque los prompts y los casos que van a resonar en el mercado objetivo X, Y o Z serán muy puntuales.

Así que si puedes especializarte en un nicho donde tengas experiencia y conocimiento práctico, creo que eso es lo que va a hacer que seas un PM muy exitoso en ese mercado.

Hannah Clark: Tiene todo el sentido. Pasemos al tema de la IA. Ambas estamos deseando hablar de ello, así que lo haremos en varias secciones. Primero, enfoquémonos en tu día a día. Más adelante hablaremos de construir con IA.

Mencionaste que ChatGPT forma parte de tu flujo de trabajo diario, y seguro que ya se ha metido en muchas funciones distintas. ¿Cuáles son algunas formas en las que usas IA para hacer tu trabajo día a día?

Mariana Antaya: Los principales casos de uso que le doy son como investigador de mercado y para hacer análisis de la competencia. Ahora ya no necesito esperar a que un investigador me consiga esa información o depender de una empresa contratada para toda la investigación, o hacerlo yo misma; me toma menos tiempo analizar a la competencia y ver qué novedades ofrecen.

Simplemente puedo pedirle a un LLM que me genere un documento de investigación de mercado que me diga qué vacíos tiene mi producto frente a otros y cómo podemos estar por delante. Ese es uno de los casos más prácticos. También para construir especificaciones de producto. La IA no va a quitarnos el trabajo a los PM sólo porque pueda escribir specs.

Incluso con los LLMs, sigue siendo necesaria esa interacción humana porque somos quienes hablamos con clientes todo el tiempo. Así que tener ese toque humano es importante, pero me da una buena base para los specs que escribo, ya sea una funcionalidad nueva o varias.

Ese es otro caso de uso muy importante en el que me encanta emplear la IA.

Hannah Clark: Sí. Cada día aparecen formas nuevas. Hemos recibido invitados que cuentan cómo usan IA para ser más efectivos analizando datos de entrevistas a usuarios y diferentes formas de entrenarla para que responda como un perfil de usuario.

Es muy innovador, son formas de potenciar el flujo de trabajo que antes no eran posibles.

Mariana Antaya: Incluso la creación de agentes. Crear agentes es genial. Pude crear un agente para construir muchos de los dashboards de mis funcionalidades. Ahora ya no tengo que pasar horas armando tableros de usuario, algo de lo que como PM dependemos mucho para respaldar hipótesis con datos.

Sí, construir agentes para tareas repetitivas también ha marcado una diferencia enorme.

Hannah Clark: Sí. Hicimos un episodio con Tal Raviv hace poco sobre cómo construir un copiloto de IA para PMs, y nos enseñó todo el proceso. Al escucharlo pensé: realmente se puede hacer esto. Fue genial.

Vayamos ahora a las habilidades, porque, obviamente, una vez dentro del campo, lo usaremos todo el tiempo. Pero ¿cómo prepararse si algunos oyentes están aspirando a ser PM? Seguro que hay varios escuchando que querrán saber qué deberían conocer o con qué familiarizarse antes de solicitar puestos donde se usará IA a diario.

Mariana Antaya: Creo que una de las habilidades más relevantes que puedes aprender, especialmente como aspirante a PM, es ingeniería de prompts y experimentar con diferentes LLMs. ¿Cuándo es mejor usar un LLM? Por ejemplo, cuando programo, me gusta mucho usar Claude. Me encanta Claude Sonnet 3.7, es genial.

Para programar prefiero ese, mientras que para análisis de competencia o roadmap o para estructurar prompts para otros LLMs, prefiero ChatGPT. De hecho, le pido a ChatGPT: "Para este LLM, ¿cómo debería armar el prompt para obtener el mejor resultado para X, Y, Z?" Una de las habilidades más valiosas es la ingeniería de prompts, explorar y hasta construir tu propio producto.

Existe un fenómeno de “vibe coding” ahora mismo y es una gran forma, incluso si eres PM no técnico, de poner a prueba tus habilidades, porque literalmente puedes pedirle a un LLM que cree un producto, diseñar la estrategia de salida al mercado, intentar vender tu producto.

Visitar clientes y pedir feedback sobre la experiencia usando tu producto. Esa es experiencia real de gestión de producto que no se enseña en las escuelas, y que es muy valiosa y transferible al mundo real. Así que creo que ese es uno de los puntos clave aquí.

Hannah Clark: Sí, totalmente. Yo estoy muy entusiasmada con esta tendencia de “vibe coding”. Haré un taller sobre ello esta semana y tengo muchas ganas de aprender. En breve hablamos de la ingeniería de prompts.

Quiero comentar el desarrollo de productos con IA. Es decir, el lado de cara al cliente. Mencionaste el “vibe coding” como forma de empezar a crear productos para clientes. Pero desarrollar productos de IA específicamente es algo que ha cambiado en el sector. Tú lo haces actualment, entonces ¿cómo es? ¿Cómo prepararse para crear productos de IA?

Mariana Antaya: Creo que una parte importante es entender que todos estamos en ese camino ahora mismo. Todos estamos experimentando. Todavía no sabemos exactamente cuáles son los grandes casos de uso por los que la gente va a pagar y qué margen están dispuestos a pagar por ellos.

Así que, uno: estamos todos juntos en esto. Y dos: hay que entender bien los modelos y experimentar mucho. Existen muchos modelos a disposición del PM, y debes colaborar de cerca con ingeniería para asegurar la precisión o la latencia, que son importantes.

Ahora hay más complejidad en los software, lo que puede aumentar el tiempo de respuesta de las pantallas, por ejemplo. Así que hay que valorar el equilibrio riesgo-recompensa: ¿cuánto está dispuesto el usuario a esperar para recibir ese beneficio adicional?

Ese es el papel del PM: analizarlo. Mantenerse muy en contacto con el cliente es clave. Entender su flujo de trabajo: quizá un retraso de 4-5 segundos para una función de resumen generado por IA no encaje con su forma de trabajar, así que identificar esos retos es muy importante.

Hannah Clark: Sí, es un buen punto.

Vamos a ingeniería de prompts. Dijiste que es una habilidad clave. Y realmente no es sólo para PMs aspirantes, sino para todo el mundo: no se puede ser demasiado bueno en esto.

Entonces, ¿cuál es tu “ingeniería de prompts 101”? Cuando quieres crear un prompt de calidad, ¿cuál sería lo esencial?

Mariana Antaya: Cuanta más información y contexto puedes dar en el prompt, mejor. Si das un prompt muy vago, lo más probable es que recibas una respuesta igual de vaga.

Entonces, mostrar tu razonamiento paso a paso es una gran manera de mejorar. Por ejemplo, pedir: “Analiza X, Y, Z en estos pasos: uno, dos, tres”, incluso formateando los prompts. También hay nuevos prompts de razonamiento, así que entender qué modelo quieres usar para cada prompt es importante. Pero incluso puedes pedirle al LLM detalles adicionales.

No tengas miedo de decirle que su respuesta es incorrecta para conseguir el resultado que buscas. O como dije antes, pedirle a otro LLM: “¿Cómo consigo la respuesta óptima en este otro modelo?” Hay personas que han escrito papers sobre esto.

Así que explicar y estructurar el prompt, ofrecerle todo el contexto posible, añadir documentos, imágenes, libros o lo necesario para que comprenda bien el contexto. Esa ha sido una de las formas más eficaces que he encontrado para mejorar en ingeniería de prompts. Y entender también que debes asignarle una identidad: “Imagina que eres científico de datos” o “Imagina que eres PM senior en la empresa X, Y, Z”. Así el modelo empieza a responder en esa línea.

Hannah Clark: Y hablando de iteración porque mencionabas corregir los LLM. Algo que yo hago últimamente y que me ha servido mucho es cerrar ese ciclo de feedback: si me da una respuesta y yo la modifico, le devuelvo mi versión para que "lo recuerde" y así en el futuro me dé una mejor respuesta o una más eficiente. Eso suele llevarlo en la dirección que quiero, lo que me parece útil y sencillo. ¿Qué trucos o consejos has encontrado para obtener mejores resultados cada vez?

Mariana Antaya: Estoy todavía aprendiendo en ese recorrido también. Además de dar más contexto, como dije antes, suelo iterar sobre la respuesta del modelo, o a veces pruebo el mismo prompt en diferentes LLMs y comparo las respuestas.

Las herramientas tipo playground son muy útiles para esto, porque ahora uso una herramienta (también está en GitHub y NES la tiene) que permite comparar la salida de dos modelos lado a lado. Así puedes analizar cuál da la respuesta más precisa o adecuada a lo que buscas.

Hannah Clark: Oh, es un gran consejo. Supongo que así puedes ver cuál se adapta más, por ejemplo, si Claude es mejor para una tarea específica y ChatGPT para otra. Justo me preguntaba, ¿hay matices por los que prefieres ChatGPT para análisis y Claude para programar? ¿Has notado alguna diferencia clara en esos usos?

Mariana Antaya: Sí, claro. Por ejemplo, al programar, si meto código en ChatGPT y recibo un error, a veces me cuesta que lo solucione.

A menudo hay que insistir varias veces hasta que ChatGPT corrige el error, mientras que con Claude tengo mucho más éxito. Me parece que Claude genera código más limpio y conciso, por eso lo prefiero para eso. Pero estos son matices que sólo descubres al experimentar con varios modelos.

Hannah Clark: Es curioso porque a mí me pasa igual. Me da la impresión de que Claude es más creativo, si puede decirse así. Me resulta raro usar la creatividad al hablar de LLMs, pero es cierto que lo uso más para crear materiales de marketing, mientras que ChatGPT, coincido contigo, lo uso más para análisis e investigación por la calidad de sus respuestas analíticas. ¿Por qué prefieres ChatGPT para tareas analíticas?

Mariana Antaya: Porque la investigación que realiza es muy profunda y el modo en que presenta los resultados es muy personalizable. Puedo pedirle un gráfico, o que me arme un paper, y racionalizará bien el prompt. Así que también depende mucho de la preferencia y el rol de cada quien.

Hay sin duda un punto de preferencia personal ahí.

Hannah Clark: Sí, totalmente de acuerdo. Justo lo hablábamos en el equipo y muchos somos fans de cómo Claude usa tonos sepia, sólo un pequeño detalle de UX pero se siente más agradable, esos pequeños aspectos sí que marcan una diferencia.

No te quito más tiempo, así que muchas gracias por dar un respiro a tu agenda y ponerte a charlar y ponernos al día. Para quienes quieran seguirte o hablar contigo, ¿dónde pueden encontrarte online?

Mariana Antaya: Sin problema. Pueden encontrarme en LinkedIn, Mariana Antaya, o en TikTok e Instagram como @mar_antaya. Subo muchos vídeos de programación, producto y IA allí.

Hannah Clark: Genial. Muchas gracias por venir.

Mariana Antaya: Siempre encantada de charlar y colaborar contigo. Si quieres tomar un café virtual, feliz de conversar. Sólo escríbeme por LinkedIn.

Hannah Clark: Muchísimas gracias. Gracias.

Gracias por escucharnos. Para más ideas, guías prácticas y reseñas de herramientas, suscríbete a nuestro boletín en theproductmanager.com/subscribe. Puedes escuchar más conversaciones como esta suscribiéndote a Product Manager donde sea que escuches tus pódcast.