Cómo usar una mentalidad operativa para escalar la entrega de productos

Hannah Clark: Encontrar el encaje producto-mercado puede ser como escalar la montaña más alta que hayas visto, solo para llegar a la cima y descubrir que detrás de ella hay otra aún más alta. El desafío de entrar en esa etapa de crecimiento acelerado y escalar la entrega del producto es multifacético; pone a prueba los procesos y la infraestructura de tu organización, te obliga a ser implacable en cómo priorizas y despliegas tus recursos, y exige un enorme coraje para hacer apuestas que nunca están exentas de riesgo. Pero a pesar de todas esas dependencias, hay muchos caminos para escalar una montaña. Así que hoy vamos a echar un vistazo solo a uno.

Mi invitado de hoy es Amit Shah, director de operaciones de Virta Health, y lo que hace que su perspectiva sea especialmente valiosa es que no vino del ámbito tradicional de la gestión de productos. Comenzó en operaciones, liderando equipos de prestación de atención antes de pasar a producto hace cinco años. Ese trasfondo le otorga una visión única en el pensamiento sistémico y la colaboración cross-funcional, que ha sido fundamental mientras Virta ha escalado rápidamente y ha enfrentado uno de los retos más complejos en tecnología de la salud: decidir cuándo usar clínicos humanos y cuándo dejar que las herramientas de IA hagan el trabajo.

Estás a punto de escuchar cómo su equipo navegó el camino hacia el encaje producto-mercado, qué decisiones no escalaron bien y cómo están pensando sobre la IA y la deuda técnica en la próxima fase de crecimiento. Comencemos.

Amit, muchísimas gracias por hacer un espacio en tu apretada agenda de enero para nosotros.

Amit Shah: Gracias por invitarme. Estoy muy emocionado de estar aquí.

Hannah Clark: Bueno, ¿puedes contarnos un poco sobre tu trayectoria y cómo hiciste la transición de un rol en operaciones al liderazgo de producto en Virta Health?

Amit Shah: Claro. Empezaré desde el principio. Iré más o menos cronológicamente. Estudié ingeniería industrial y eso lleva bastante directamente a operaciones.

Pasé un tiempo como consultor. Fundé mi propia empresa de productos solares en zonas rurales de India. Luego me interesé mucho en el sector salud, principalmente porque disfrutaba trabajar en cosas que mejoraban la calidad de vida de las personas. Después trabajé en salud basada en valor, empezando por la atención primaria directa, y luego llegué a Virta hace unos nueve años y medio.

Así que llevo en Virta unos nueve años y medio y, como bien dijiste, comencé en operaciones. Inicialmente dirigía equipos de prestación de atención. A medida que Virta fue creciendo, nuestro modelo central de entrega pasó a ser a través de nuestros productos, mediante tecnología. Así que al principio era un socio de los equipos de desarrollo y entrega de productos, y con el tiempo, me fui involucrando cada vez más.

Y hace unos cinco años me pidieron que liderara el equipo de desarrollo de productos porque mucho de lo que hacíamos era entrelazar la entrega de atención con clínicos humanos y cómo lo entregaba nuestro producto. Así fue como llegué a producto. Y solo un apunte breve sobre Virta para que nos ubiquemos: Virta tiene la misión de revertir enfermedades metabólicas en mil millones de personas, incluyendo diabetes, obesidad y prediabetes, y toda nuestra atención es completamente virtual.

Somos una clínica integral de enfermedades metabólicas. Lo que hacemos es increíblemente único porque personalizamos la biología y la nutrición para sanar el metabolismo de las personas.

Hannah Clark: Pues eso es fantástico y sin duda una misión muy noble. Sé que es algo que afecta a muchas familias y sus vidas.

Así que estamos muy emocionados de tenerte aquí para hablar un poco más sobre los detalles detrás de la misión y cómo te está yendo ahora. Pero hoy nos vamos a enfocar específicamente en la fase de transición de un crecimiento acelerado a una entrega de producto a escala, que es justo donde estáis en Virta.

Así que según tu opinión, Amit, ¿cómo se ve ese cambio en la práctica? ¿Y qué hace que este momento sea particularmente desafiante en tu experiencia?

Amit Shah: Sí. Y solo para dar contexto sobre ese cambio, hemos vivido ambos: crecimiento rápido y producto escalado en los últimos años. Por ejemplo, el año pasado nuestra tasa de crecimiento fue superior al 70% año tras año y estamos hablando de cientos de millones de dólares en ingresos.

Así que, sin entrar en detalles por variadas razones, te puedes imaginar que eso es crecer muy rápido y tener un producto muy escalado. Ese cambio implica que pasan muchísimas cosas en ese proceso y puede sentirse muy intenso. He hablado con muchos compañeros y, primero que nada, solo por escalar, generalmente necesitas más personas, más equipos de desarrollo de producto, distintos equipos llegando para cosas nuevas, y eso genera la necesidad de definir.

Cuáles son las áreas de responsabilidad de cada persona, crear los sistemas y procesos adecuados para poder escalar aquello que funcionaba cuando éramos más pequeños. En resumen, lo principal que quiero compartir es que puede sentirse caótico en el día a día y, como líder, tienes que pasar tiempo asegurando cuál es la estrella polar, qué queremos lograr.

Y luego, qué sistemas, procesos y estructuras organizacionales estamos creando para lograrlo.

Hannah Clark: Quería hablar un poco de lo que mencionaste sobre tu experiencia en operaciones, que creo que es como un as bajo la manga cuando se trata de pasar a liderazgo de producto.

¿Cómo ha moldeado esa mentalidad enfocada en operaciones o de pensamiento sistémico la manera en que abordas el desarrollo de producto, especialmente durante la fase de escalado?

Amit Shah: Es una buena pregunta, y la verdad es que agradezco que lo veas como algo positivo, ¿no? Muchas veces cuando ves líderes de producto.

Hay quienes han crecido siempre en producto y eso aporta mucho valor, una gran base de conocimiento. Yo, como dijiste, tuve la suerte de crecer en operaciones y creo que hay ciertas cosas en operaciones que son muy útiles. La excelencia en la ejecución es algo que como ingeniero industrial estudié incluso en la universidad.

Y así, pensar mucho en la excelencia en la ejecución lleva necesariamente a ser un pensador sistémico. Pensar en sistemas, ser analítico en la toma de decisiones. Priorizar de manera efectiva, simplificar y luego ser un buen líder de personas. Esas son las competencias fundamentales que creo que los grandes operadores tienen y resulta que los grandes líderes de producto también hacen esas mismas cosas.

Ahora bien, hay otras habilidades y el enfoque para hacerlas puede variar un poco. Pero esas competencias básicas han sido las que más me han servido al pasar de operaciones a desarrollo de producto. Así que cuando hice la transición, pasé tiempo. Cuando me pidieron liderar el equipo de desarrollo de producto, leí probablemente unos quince libros, escuché muchos pódcasts, incluyendo este, hablé con otros líderes de producto y repetidamente veía que si podías pensar en sistemas, ayudar al equipo a tomar decisiones analíticas, ayudar al equipo a priorizar basado en esos sistemas analíticos y en los sistemas que has creado, simplificar a lo más importante y luego simplemente liderar personas como siempre lo has hecho.

Eso es lo que mejor se traslada.

Hannah Clark: Cuando mencionas esas cinco competencias fundamentales, todas me parecen específicamente y equitativamente importantes para escalar de la manera correcta y creo que son cosas con las que todas las organizaciones luchan, dependiendo del departamento. Así que me parece una combinación ganadora.

Es una excelente base para tener.

Amit Shah: Solo volviendo a tu pregunta anterior sobre pasar de crecimiento rápido a producto escalado, la simplicidad también se vuelve muy difícil. Es la cuarta que mencioné, pero quiero decirlo claramente: Muy al principio, cuando buscas el encaje producto-mercado, todo es muy sencillo. Hay que encontrar ese encaje, saberlo, y mientras escalas muy rápido, también parece simple.

Solo debes mantener el tren sobre los rieles. Cuando pasas a producto escalado, la complejidad aparece de formas muy interesantes. Así que añado eso como algo que hoy, al mirar atrás, me resuena.

Hannah Clark: Ok, no te vas a salir tan fácil.

Vamos a profundizar un poco más en eso. Me has despertado la curiosidad, así que cuéntame un poco qué significa para ti. Puede que lo intuya, pero estoy segura de que la forma en que yo pensaré sobre la simplicidad con mi experiencia será muy distinta a la tuya, viniendo de operaciones y enfrentándote a este escenario de… ¿qué es la simplicidad en tu rol?

Amit Shah: La simplicidad es poder reducir todas las oportunidades a un conjunto de prioridades sobre las que el equipo realmente puede trabajar de manera clara y sin distracciones. Para nosotros, estamos en salud metabólica, un sector que se está moviendo muy rápido con la llegada de los GLP-1 y demás.

Lo que hacemos es muy diferente. Tenemos una intervención nutricional y de estilo de vida escalada que pocos tienen, y completamente virtual. Cuando tienes un producto escalado, hay mucho trabajo para mantener la entrega del producto al mismo nivel y con la excelencia que definimos desde nuestros estudios clínicos en 2015. Hemos logrado cambiar la vida de muchos pacientes y queremos mantener ese nivel todos los días, aunque ahora somos cientos de veces más grandes.

Eso requiere muchísimo esfuerzo. Además, el mercado está cambiando, hay nuevas clases de medicamentos, otras compañías, somos un negocio B2B2C, así suele funcionar el health tech.

Y así, tenemos necesidades diferentes de diversos clientes. Hay que averiguar cómo priorizarlas y reducirlas a: ¿cuáles son las que alimentan el núcleo principal y cuáles preferimos dejar aparte, invertir de manera diferencial o simplemente no hacer?

Esa es la clase de simplificación que afrontamos hoy en día.

Hannah Clark: Ok, quería aclararlo porque la simplicidad se puede ver desde la perspectiva del usuario, la operación interna o para acotar el marco, ¿cuál es el alcance de lo que hablamos? Bien, quiero avanzar un poco porque me interesa el aspecto tan interesante de Virta, que es cómo usan los clínicos para prestar atención frente a cuándo optar por lo completamente digital.

Y parece que tenéis esa mezcla de ambas cosas en vuestro producto. ¿Puedes contarnos cómo diseñan ese equilibrio y qué lo hace realmente difícil de acertar?

Amit Shah: Sí. Mucho de la magia de Virta y nuestro producto y prestación está en averiguar cuándo usar tecnología.

Y uso tecnología en el sentido más amplio: IA, automatización, modelos de ML que impulsan dicha automatización, etc. Y cuándo usar clínicos o personas. Solo para dar contexto: tenemos un promedio de 10% de reducción de peso al año. Reducimos significativamente el riesgo de infarto y mortalidad.

Lo expreso porque estos son resultados reales, tangibles. No es que la gente le da más clics a su teléfono; no. Es que hay cambio de hábitos que mejora la salud metabólica y la esperanza de vida de la gente.

Lograr ese equilibrio es fundamental. Uno de los sistemas que usamos es la estrella polar. Estamos aquí para entregar ese resultado. Eso lo tenemos súper claro: la mejora de salud metabólica. Además, se puede medir; pedimos a los pacientes que nos den biomarcadores todos los días: peso, cetonas, glucosa, presión arterial, etc. Así vemos la mejoría constantemente. Gracias a esa estrella polar tan clara—lograr esos números—nos es un poco más sencillo averiguar cómo mejorarlos. Hay cosas que, incluso con toda la IA de hoy (la utilizamos bastante en Virta), seguimos creyendo que los humanos hacen mejor: empatía, creatividad, responsabilidad y toma de decisiones clínicas complejas.

Son las cuatro cosas a las que priorizamos dedicar recursos humanos. Todo lo demás, la tecnología o IA lo hará mejor. Así que si un clínico está haciendo algo fuera de esos cuatro ámbitos—no es una decisión clínica compleja, ni es motivación emocional conectada—apostamos por automatizar o delegar a la tecnología. Y, por cierto, esas cosas que los clínicos hacen mejor también les hacen sentir más realizados.

Así que terminas teniendo clínicos satisfechos cuando pueden pasar el día mostrando empatía, conectando y resolviendo problemas clínicos complejos. En resumen, nuestra filosofía es que si la tecnología puede hacer algo—cumpliendo requisitos legales y siempre que mejore el resultado—deberíamos empezar por ahí.

Pero hay cosas donde los humanos son superiores y eso nos permite que nuestros clínicos sean lo más eficaces posible cumpliendo esa meta.

Hannah Clark: Vaya. Imagino lo gratificante que debe ser poder medir el éxito de la plataforma por los resultados reales de los usuarios y por la satisfacción de los clínicos que atienden a pacientes a través de ella, pero también la enorme responsabilidad al asegurar que se cumple esa promesa, esa estrella polar día tras día.

Amit Shah: Sí. He estado aquí nueve años y medio. Somos absolutamente guiados por la misión y eso es lo que me levanta cada mañana; hacerlo mejor en el trabajo significa literalmente salvar y mejorar más vidas para nosotros. Y eso es cierto para todos en Virta.

Y es, literal, el combustible que ha impulsado tanto el crecimiento rápido como la etapa de producto escalado.

Hannah Clark: Sin duda, es un privilegio y una gran responsabilidad. Volvamos a los detalles. A medida que Virta ha escalado, pensando en las primeras decisiones: sobre arquitectura, procesos o estructura de equipos, ¿qué ha funcionado bien al principio, pero habéis tenido que dejar atrás al crecer y escalar?

Amit Shah: Hay dos cosas que se me vienen a la mente.

Una es un ejemplo de estructura organizacional. En los primeros días, producto, ingeniería, análisis y diseño funcionaban en áreas de especialidad separadas, como suele ser. Hay un líder de ingeniería, uno de producto, uno de análisis y uno de diseño.

Nuestra estructura original era así, con cada uno teniendo prioridades propias (aunque solapadas). Eso funcionó cuando el equipo de desarrollo era pequeño. Había que crear la excelencia en ingeniería, en producto. A medida que crecimos, hubo que dejar ese esquema de lado. Aún mantenemos los “gremios” de ingeniería y excelencia, pero la mayoría de los ingenieros ahora están integrados en lo que llamamos un “squad”.

El squad es un equipo cross-funcional que ataca un problema de negocio. Ese modelo resultó mucho más efectivo al pasar por el crecimiento acelerado y en esta fase de producto escalado porque permite que los equipos tengan mayor contexto, sigan la estrella polar y solucionen problemas más a fondo. Con el modelo silo, cambiabas ingenieros de tarea y eso generaba problemas, etc. Creo que ese cambio de estructura, de modelo más pequeño y flexible a uno donde el squad tiene todas las capacidades cross-funcionales, ha sido clave para escalar.

Hannah Clark: Quiero comentar brevemente. Has tocado algo que me hace pensar mucho sobre el escalado: la transferencia de conocimiento puede ser un gran cuello de botella, no solo entre equipos, sino entre miembros de un equipo, y a medida que lleguen nuevos y otros se vayan, muchas veces el sistema para transferir conocimiento no es eficiente. Es interesante escucharte enfocar el modelo squad como la forma más eficiente que habéis encontrado para gestionar eso.

Sigue, pero quizá luego volvamos a este hilo.

Amit Shah: Sí, comentaré: es mejor con el modelo de squads, pero sigue sin ser un problema resuelto. Todavía nos encontramos con situaciones en las que ciertos individuos clave acumulan muchísimo contexto y ejecutan muy bien. Si se van o cambian de equipo, se puede perder conocimiento. Aún no hemos encontrado la “solución documental” perfecta, pero el modelo squad ayuda porque hay más consistencia en tareas y objetivos.

Hannah Clark: Totalmente. Podríamos dedicarle un episodio entero solo a eso, pero continúa.

Amit Shah: Tu pregunta era sobre cosas que no escalaron bien o decisiones tempranas que no lo hicieron. La segunda: todavía no he conocido, aunque seguro existen, a un líder en tech que haya estructurado los datos y la analítica perfecta desde el principio.

Al inicio, queríamos democratizar los datos. Pusimos todo en tablas y dimos acceso a muchos, lo que funcionó bien en esa etapa. Cualquiera podía extraer datos. A medida que crecimos, las tablas se volvieron desordenadas. Surgen dos respuestas para la misma pregunta, dependiendo de quién y cómo la consultara.

Así que hemos invertido mucho (y seguimos haciéndolo) en depurar y revisar cómo los datos entran y se almacenan, asegurando que estén limpios desde el origen. Especialmente al pasar a una fase de producto escalado, en rápido crecimiento aún surgen nuevos datos. Y quiero aclarar: no afirmo que hayamos salido de la etapa de crecimiento rápido, somos ambos: producto escalado y con alto crecimiento. En esta etapa más avanzada hemos intentado ser intencionales y poner controles sobre cómo y qué datos se almacenan.

Hannah Clark: Ahora que entramos en la parte de datos, hablemos de IA generativa. Como mencionaste, hay áreas donde la participación de clínicos es clave, pero en otras lo mejor es delegarlo a la IA que lo hará más eficientemente y liberar tiempo de las personas. Pero intuyo que el proceso para integrar IA generativa requiere mucha decisión tras bambalinas. ¿Cómo plantean y seleccionan la integración de IA en el producto para complementar las capacidades humanas?

Amit Shah: Como dije antes, mucho de la magia está en cómo lo hacemos.

Siempre estamos iterando en el cómo, pero una base que hemos usado es que fuimos analíticos y rigurosos con los datos desde el día uno. Antes de hablar de IA generativa, hemos tenido modelos de machine learning predictivos y efectivos por unos siete u ocho años.

Un punto clave es la intervención proactiva. Usamos modelos de ML entrenados sobre nuestro set de datos propietario de más de 200,000 pacientes a lo largo de 10 años, cientos de millones de puntos de datos. De nuevo, datos objetivos: glucosa, cetonas, peso… para predecir la siguiente mejor intervención para un paciente. Una vez predecimos esa acción, experimentamos: ¿debe intervenir un humano, automatizarse o hacerlo una IA generativa propia? Vuelvo a hablar de IA generativa en un segundo. Lo principal es ese sistema proactivo basado en modelos ML es clave para saber cuándo intervenir.

Luego está lo reactivo. Cuando el paciente necesita ayuda en el momento (lo inédito no siempre se puede predecir), ahí la IA generativa brinda mucho valor. De nuevo, entrenada en nuestro sistema y datos, hemos desplegado IA generativa para dar soporte reactivo inmediato. Si es necesario, se deriva a un clínico para seguimiento. Así lógicamente pensamos el uso de IA.

Sobre la IA generativa: también nos esforzamos por generar confianza con los pacientes. Dejamos claro cuándo una respuesta proviene de IA y cuándo de un clínico. Trabajamos con su salud, queremos que confíen, así que transparentamos esa información y siempre pueden solicitar atención humana.

Y el último punto es a la inversa. Cuando sabemos que hay que intervenir, hay casos que, tras testar, funcionan mejor con humanos, así que priorizamos eso para nuestros clínicos. Ellos quieren ayudar a mejorar la salud; darles esa oportunidad es lo mejor tanto para ellos como para el paciente.

Hannah Clark: Al escuchar cómo lo abordáis, noto una diferencia interesante. Llevo años con el pódcast para product managers y cuando comenzamos era justo antes del boom de la IA. Lo que observo hablando contigo, alguien que lleva tiempo usando IA o ML en Virta “antes de que fuera cool”, es una diferencia en el enfoque y la ética del uso de IA dentro del producto.

Muchos ahora intentan apurar o adaptar la IA simplemente porque está de moda, pero tu visión es mucho más reflexiva y sostenible. ¿Crees que tu experiencia previa con IA/ML te diferencia sobre cómo concibes la tecnología y su uso ético y sostenible?

Amit Shah: Gran pregunta. Me gusta esa idea de que somos “OGs” (originales) de la tecnología; la usaré, jaja. En serio, ha sido un marco para nosotros. Sabemos que uno de nuestros principales activos es el set de datos: cientos de miles de pacientes, durante una década, tanto inputs objetivos, subjetivos y de sentimiento. Desplegar modelos de aprendizaje automático y entrenar IA generativa en esos datos es un superpoder que nadie más tiene. Cualquiera puede sacar mañana una app similar con IA generativa, pero porque nuestra estrella polar son los resultados (revertir enfermedades metabólicas), sabemos el camino personalizado para cada individuo gracias a todos esos datos. Veo la IA, los ML, los clínicos… como herramientas para llegar a la estrella polar del resultado. Y cuantas más herramientas haya, más las usaremos. ¿Qué vendrá tras la IA generativa? No lo sé, pero creo que sabremos aprovecharlo para esa meta común. Lo realmente único será nuestro enfoque y la base de datos para lograrlo.

Hannah Clark: Tenía que insistir porque me transmite mucho respeto por los datos y la gran responsabilidad de manejarlos correctamente, siempre enfocados en: ¿esto genera el resultado? Es habitual hoy que la IA se use “porque sí”, a veces de manera forzada o irresponsable; escuchar un enfoque tan humano y realista es tranquilizador, sobre cómo usar la IA en productos reales.

Amit Shah: Nuestros pacientes acuden a nosotros para mejorar su salud y nuestros clientes B2B nos contratan para mejorar la salud de su población. Nuestra estrella polar es mejorar la salud y usaremos todas las herramientas posibles para ello.

La IA generativa, no me malinterpretes, es una herramienta increíble y avanza rapidísimo. Nos ayuda realmente. Una de mis funciones favoritas en nuestra app es poder tomar una foto de un plato y te desglosa los macronutrientes. Cruzamos esa información con todo lo que sabemos del individuo y te marca: naranja, amarillo o verde según si es adecuado para el plan nutricional. No podríamos ofrecer esa capacidad sin IA generativa. Eso es lo que lo hace realmente útil: ayudar a la persona a decidir lo mejor para ella en ese momento.

Hannah Clark: De verdad, este enfoque me recuerda a una conversación con la jefa de investigación de usuarios de Photo Room hace unos meses. Ella observaba que los investigadores de usuario han sido reacios a adoptar IA, pero ahora hay más confianza porque hay rutas claras para usarla responsablemente. Y me parece que Virta Health y otras organizaciones con enfoque similar priorizan que la IA se utilice para el reconocimiento de patrones a gran escala–cosas que un humano no podría procesar–y delegar ahí, dejando la parte de juicio y empatía a las personas. Todos debemos tener claro que, a día de hoy, chat-GPT no tiene el mejor criterio…

Así que está bien oír ejemplos claros de para qué es buena la IA, cuándo aprovechar ese potencial y cuándo no conviene.

Amit Shah: El otro día bromeaba con mi mujer (que es mucho más brillante que yo) sobre IA generativa. Al final del día, la IA generativa está entrenada en todo lo que es público en internet. Es como la mejor base de conocimiento del mundo, pero hay de todo en internet. Y como dices, no todo tiene buen juicio. Así que ahí entran el pensamiento crítico, el discernimiento y cómo presentar las cosas.

Ahí está la magia.

Hannah Clark: Totalmente. Y parte de ese juicio es la empatía. La empatía quizá no se mida con un número, pero sus resultados sí se ven. Quiero ir a los retos actuales de cara a 2026. Tenemos un año nuevo, como dijiste, Virta sigue creciendo muy rápido. ¿Cuál es el siguiente gran desafío y cómo abordas la evolución de aquí a 2026?

Amit Shah: Muy pertinente al pódcast. Somos un producto escalado que crece rápido y en lo que me centro (y quizá por eso saqué el tema de la simplicidad antes) es en asegurar sistemas y procesos que creen alineamiento, desde la primera conversación con un cliente sobre cómo ayudaremos a su población, hasta la experiencia del paciente que se da de alta. Y lo hacemos en un mercado que cambia rápidamente. Uno de nuestros grandes valores es que logramos la misma pérdida de peso que los fármacos GLP-1 (Ozempic, Wegovy, Zepbound, Mounjaro), pero sin el medicamento. Así que somos tanto una alternativa como una vía de salida: parte de la aprobación FDA de esos fármacos es acompañarlos de cambio de hábitos. Nosotros ofrecemos ese cambio y tenemos evidencia publicada de que tras retirar el fármaco, mantenemos la pérdida de peso (11%) por otro año más.

Por eso los GLP-1 son tendencia, vienen versiones orales, el mercado es muy cambiante. Somos ágiles y nuestro enfoque central sigue igual: asegurarnos de que somos flexibles para responder a las necesidades de mercado, de pacientes y clientes, y seguir logrando resultados radicales que mejoran vidas a menor coste.

Hannah Clark: Escuchar que vuestros resultados igualan a los de los medicamentos es asombroso. Mis felicitaciones al equipo de Virta. Esa misión es importantísima. Y ya que mencionaste “llegar a la gente donde está”, ¿dónde pueden encontrarte después del pódcast?

Amit Shah: Soy más activo en LinkedIn, así que búscame por ahí. Y sigue a Virta Health en Instagram; suelo estar involucrado también.

Hannah Clark: Te agradecemos mucho tu tiempo, Amit. Ha sido genial.

Amit Shah: Ha sido maravilloso. Muchas gracias.

Hannah Clark: Próximamente en el pódcast de Product Manager: un episodio para líderes empresariales que gestionan portafolios de múltiples productos. Si alguna vez has visto a las madres en Costco abriéndose paso entre multitudes mientras cuidan a cuatro hijos en etapas de desarrollo muy diferentes y has pensado: “Así es mi trabajo”, el episodio con Anneka Gupta de Rubrik será tu kit de supervivencia. ¡Suscríbete ya para no perdértelo!