Por qué la IA está obligando a los líderes de producto a rediseñar la organización, no solo el producto

Lukas Egger es vicepresidente de Estrategia e Innovación de Producto en SAP Signavio. También es el creador del pódcast Process Transformers.

Hablamos con Lukas para saber cómo la IA está cambiando su forma de liderar la organización de producto, así como la manera en que afecta al producto en sí. Esto es lo que compartió.

Separar el valor duradero del ruido

Soy Lukas Egger, vicepresidente de Estrategia e Innovación de Producto en SAP Signavio. Mi trabajo se sitúa en la intersección de la estrategia de producto, la transformación empresarial y la IA, especialmente en cómo las grandes organizaciones pueden convertir las tecnologías emergentes en productos útiles, fiables y económicamente relevantes.

Mi trayectoria hasta este momento tiene menos que ver con un único «despertar ante la IA» y más con un interés constante por cómo las organizaciones dan sentido a la complejidad. Al principio de mi carrera, trabajé en datos, análisis, producto y estrategia, y cada vez me interesó más la brecha entre las posibilidades tecnológicas y la realidad organizativa. Muchas ideas parecen convincentes en una demostración o un prototipo, pero la verdadera prueba es si sobreviven a los incentivos, la gobernanza, los flujos de trabajo de los clientes, las limitaciones técnicas y la adopción real.

También concibo la IA en el liderazgo de producto de esta manera. Lo interesante no es simplemente que los modelos generen texto, código, imágenes o análisis. El cambio más profundo es que la IA está modificando la estructura de costes de la actividad cognitiva dentro de las empresas. Reduce el coste de crear, comparar, resumir, simular y coordinar el trabajo. Esto tiene profundas implicaciones para los equipos de producto, porque cambia no solo lo que podemos crear, sino también la rapidez con la que podemos probar ideas, cómo entendemos a los clientes, cómo diseñamos los flujos de trabajo y cómo definimos el valor.

En SAP Signavio, dedico mucho tiempo a considerar cómo la IA puede respaldar la transformación empresarial en un contexto empresarial serio. Esto implica ir más allá de las afirmaciones genéricas sobre productividad y plantear preguntas de producto más precisas: ¿Qué nuevos problemas de los clientes se pueden resolver? ¿Qué flujos de trabajo mejoran de forma significativa? ¿Dónde crea la IA un valor empresarial medible? ¿Dónde genera nuevos riesgos? ¿Y cómo reducimos el riesgo de la innovación en términos de deseabilidad, viabilidad, factibilidad y aceptación organizativa?

Para los líderes de producto, este es un momento excepcional. La IA no es simplemente otra capa de funcionalidades. Nos está obligando a revisar nuestras suposiciones sobre la experiencia de usuario, la diferenciación, la velocidad de entrega, los datos, la confianza y el papel del propio software. Por tanto, el trabajo del liderazgo de producto no consiste en perseguir el caso de uso de IA más llamativo, sino en desarrollar el criterio, los sistemas y los modelos operativos que ayuden a los equipos a separar el valor duradero del ruido.

Facilitar el cambio

Para ponerlo en contexto, mi equipo apoya LabSpace, un importante entorno de innovación orientado al cliente. La idea sencilla de LabSpace es permitir que los clientes empresariales se relacionen con la innovación desde una fase temprana, de forma segura y con muy poca fricción. En el software B2B tradicional, especialmente en torno a los sistemas ERP y la transformación empresarial, el cambio suele ser costoso, lento y arriesgado desde el punto de vista operativo. LabSpace reduce esa barrera. En lugar de pedir a los clientes que realicen un cambio difícil desde el principio, creamos un espacio en el que pueden explorar cómo podría ser un flujo de trabajo futuro mejor antes de comprometerse con la adopción, la implementación o la ampliación.

Nuestra organización tiene dos tipos de usuarios. Externamente, los clientes lo utilizan para comprender lo que las nuevas capacidades podrían significar para su negocio. Internamente, los equipos de producto, ingeniería e innovación lo utilizan para exponer ideas iniciales a los comentarios de clientes reales sin convertir prematuramente cada experimento en un compromiso de producto completo.

En ese sentido, LabSpace es a la vez una plataforma de demostración y un sistema de aprendizaje. Nos ayuda a probar la deseabilidad, la factibilidad, la viabilidad y el encaje organizativo de una forma mucho más concreta. La escala es amplia: nuestro objetivo es hacer que la innovación sea accesible para toda la base de clientes de SAP Signavio y, al mismo tiempo, ofrecer a los equipos internos un proceso repetible para pasar de ideas prometedoras a una dirección de producto validada.

El modelo de entrega es intencionadamente ligero. No obligamos a los clientes a someterse a ciclos de implementación complejos solo para experimentar la innovación. Creamos formas estructuradas y de bajo riesgo de interactuar con nuevas capacidades, recopilar comentarios y descubrir dónde existe un valor real. La filosofía de producto subyacente es que el software empresarial no solo debe ayudar a las empresas a cambiar, sino que también debe facilitar el propio proceso de cambio.

Cómo el modelo de producto se está transformando con la IA

Recientemente empezamos a replantearnos cuál es el equipo mínimo viable para la innovación de productos en sus primeras etapas.

Históricamente, incluso llegar a un primer concepto creíble en el software empresarial solía requerir un pequeño grupo multifuncional: producto, diseño, ingeniería, experiencia en el sector y, en ocasiones, apoyo de datos o arquitectura. Esto tenía sentido porque cada función implicaba tareas especializadas difíciles de condensar. Sin embargo, la IA empezó a desagregar esas funciones en tareas con niveles de automatización muy diferentes.

El año pasado, vimos cómo el tiempo transcurrido desde la idea hasta el primer concepto validable por los clientes se redujo drásticamente. Ahora, los responsables de producto y los ingenieros pueden abarcar por sí mismos una parte mucho mayor de las primeras fases de la innovación: sintetizar las señales de los clientes, generar conceptos alternativos, crear prototipos, explorar casos límite, redactar narrativas y preparar conversaciones más coherentes con los clientes. Esto no elimina la necesidad de experiencia, criterio ni colaboración interfuncional, pero cambia cuándo —y para qué— deben participar esas personas.

El resultado no es solo velocidad o reducción de costes. El cambio más interesante es la asunción de responsabilidades. Los grupos más pequeños y, en algunos casos, las personas individualmente, ahora pueden llevar una idea lo bastante lejos como para generar aprendizaje significativo antes de formar un equipo más grande. Esto reduce las barreras entre funciones y da a las personas con buenas ideas más libertad para generar impacto.

Para mí, este es uno de los cambios más emocionantes que la IA ha aportado al trabajo de producto. No nos limitamos a producir más resultados siguiendo el modelo anterior. En su lugar, está cambiando la propia estructura del modelo: menos traspasos, ciclos de aprendizaje más rápidos y más autonomía para las personas más próximas a la oportunidad.

Cómo la IA amplía el ámbito de decisión mientras las personas deciden

Cada vez pienso menos en términos de «¿qué actividad de producto utiliza la IA?» y más en términos de «¿qué tipo de decisión estamos tomando?»

La IA está demostrando ser muy eficaz en actividades informativas, generativas, comparativas o reversibles. Ahora, la IA respalda en gran medida la investigación de mercado, la investigación documental, la síntesis de las señales de los clientes, los análisis de la competencia, las primeras versiones de narrativas, la exploración de conceptos, los enfoques alternativos e incluso la ideación inicial de prototipos. En muchas de estas áreas, la IA no solo acelera el trabajo; también cambia la expectativa básica sobre cuánto contexto debería procesar un responsable o un equipo de producto antes de tomar una decisión.

Soy mucho más cuidadoso con las decisiones que requieren criterio en condiciones de incertidumbre real. La IA puede informar esas decisiones, pero no debería asumir su responsabilidad. La priorización, la dirección de la hoja de ruta, las compensaciones estratégicas, las promesas a los clientes, la lógica de precios, los compromisos organizativos y las apuestas técnicas siguen requiriendo que las personas rindan cuentas. No son solo problemas de optimización. Implican información incompleta, valores contrapuestos, limitaciones políticas, confianza de los clientes, factores temporales y consecuencias que no podemos modelizar por completo de antemano.

Dicho sencillamente: la IA destaca por ampliar el ámbito de decisión. Puede mostrar más opciones, más pruebas, más contraargumentos, más riesgos y más patrones de los que un equipo podría generar por sí solo. Pero las personas aún deben decidir qué importa, por qué merece la pena apostar y qué riesgo está dispuesta a asumir la organización.

Esta distinción se vuelve aún más importante a medida que el contenido se abarata. Si todos los equipos pueden generar investigaciones pulidas, estrategias plausibles y narrativas convincentes, el recurso escaso ya no es el contenido. Es la confianza. Por tanto, el liderazgo de producto consiste menos en producir más documentos y más en desarrollar el criterio, la gobernanza y la credibilidad necesarios para saber qué documentos merecen convertirse en acciones.

Cómo puede ayudar la IA a los responsables de producto a mejorar su comunicación con los equipos

Uno de los flujos de trabajo basados en IA que utilizo casi todos los días no es un flujo de trabajo de producto clásico, pero me ha convertido en un mejor responsable de producto: transformar el pensamiento sin filtrar en una comunicación que los demás puedan entender.

El liderazgo de producto implica ambigüedad, tensión y comentarios. A veces tengo una reacción intensa ante algo: una estrategia, una propuesta, una reunión, una decisión o un patrón que observo. En el pasado, traducía inmediatamente esa reacción en algo pulido y diplomático. Puede ser útil, pero también puede hacer que pierdas la señal original.

Ahora, a menudo utilizo la IA como capa de traducción. Primero capturo honestamente lo que pienso en bruto: qué me frustra, qué está mal, cuál es el problema real y qué compensación estamos evitando. No envío esa versión a nadie. Es el análisis privado y sin filtrar.

Después, pido a la IA que me ayude a convertirlo en algo útil para la audiencia: un correo electrónico, un mensaje de Slack, comentarios para una reunión, un documento de decisión o un conjunto de preguntas. El flujo de trabajo es: pensamiento en bruto → análisis estructurado → comunicación adaptada a la audiencia → revisión humana → mensaje final.

La IA no sustituye mi criterio; en su lugar, ayuda a preservar la verdad de los comentarios mientras elimina la tensión innecesaria. Me permite ser más honesto conmigo mismo primero y, después, más eficaz con los demás.

Para los líderes de producto, esto es importante porque el trabajo no consiste únicamente en contar con el análisis adecuado. Consiste en ayudar a los demás a escucharlo, interactuar con él y actuar al respecto sin ponerse a la defensiva. La IA se ha vuelto útil como puente entre la reacción auténtica y la comunicación constructiva.

Por qué el trabajo de producto con IA requiere un cambio organizativo

El trabajo de producto con IA no es solo un desafío de producto o tecnología. Es un desafío de cambio organizativo.

No es difícil encontrar un pequeño grupo de personas entusiasmadas con la IA. Crear prototipos iniciales tampoco es la parte más complicada. Es mucho más difícil hacer que la innovación a la velocidad de la IA funcione mediante estructuras de incentivos, modelos de gobernanza, vías de aprobación y procesos de entrega diseñados para una era del software diferente.

Muchas de esas estructuras existen por buenas razones. Protegen la calidad, la seguridad, la coherencia, la marca, el cumplimiento normativo y la confianza de los clientes. Pero la IA cambia drásticamente la velocidad, el alcance y las oportunidades, por lo que algunas de esas estructuras pueden convertirse en cuellos de botella si las organizaciones no las revisan.

Por eso necesitas un mandato no solo para comprar herramientas, sino también para formar a las personas o crear funcionalidades de IA. También necesitas un mandato para cambiar la forma en que el trabajo fluye por la organización: quién puede experimentar, cómo se evalúan las decisiones y los riesgos, cómo se incorpora la retroalimentación y con qué rapidez una idea puede pasar de la exploración al aprendizaje con los clientes.

Si hubiera entendido esto con mayor claridad antes, habría dedicado aún más tiempo a los fundamentos «poco heroicos»: los incentivos, los permisos, los modelos de revisión, los ciclos de aprendizaje y la confianza organizativa. Ese trabajo no siempre crea un momento de lanzamiento llamativo. Pero, sin él, los procesos no diseñados para la velocidad de la IA pueden atrapar fácilmente la innovación con IA.

Y también podríamos haber evitado parte de la fricción derivada de pedir a las personas que innovaran con IA mientras seguíamos obligándolas a trabajar dentro de limitaciones operativas anteriores a la IA.

Por qué los líderes de producto deben rediseñar cómo fluye el valor

Los líderes de producto deben plantearse preguntas difíciles: ¿dónde fluye el valor? ¿Qué partes de la superficie del producto siguen siendo valiosas cuando los agentes se convierten en usuarios? ¿Qué flujos de trabajo se convierten en productos básicos? ¿Qué cuellos de botella pasan de la creación a la verificación, la confianza, la integración y la adopción? Elementos como el mapeo de Wardley y el análisis del flujo de valor adquieren mayor importancia, ya que te obligan a ver dónde puede ser necesario cambiar el producto y la organización, no solo dónde se puede insertar la IA.

Hemos estado rediseñando la forma en que la innovación llega a los clientes. Históricamente, la innovación podía concentrarse fácilmente en un equipo especializado, casi como una empresa boutique que reducía el riesgo de las ideas para el resto de la organización. Esto puede funcionar a pequeña escala, pero la IA cambia la magnitud de la oportunidad. Un pequeño equipo de innovación no debería realizar trabajos interesantes con IA mientras todos los demás observan. El objetivo es convertir la innovación en una capacidad organizativa más amplia.

Eso significa crear sistemas en los que más personas puedan interactuar con nuevas ideas, probarlas con los clientes, aprender de sus comentarios y contribuir a la dirección del producto. En la práctica, significa pasar de «la innovación como equipo» a «la innovación como modelo operativo repetible».

Lukas States

El resultado es más importante que la velocidad por sí sola. Más personas pueden participar y validar las ideas antes, lo que permite a la organización distinguir con mayor eficacia el valor real de las demostraciones impresionantes.

El resultado es más importante que la velocidad por sí sola. Más personas pueden participar y validar las ideas antes, lo que permite a la organización distinguir con mayor eficacia el valor real de las demostraciones impresionantes. Para un futuro aumentado por la IA, este puede ser uno de los rediseños más importantes: no otra funcionalidad, sino un sistema de producto que ayude a toda la organización a aprender más rápido.

Por qué las organizaciones de producto deben recompensar nuevos comportamientos para aprovechar al máximo la IA

La mayor brecha ha estado en el diseño de incentivos.

Cambiar aquello que la organización recompensa es más difícil. Las herramientas de IA son fáciles de conseguir y también es fácil encontrar personas entusiasmadas. Si las personas siguen teniendo incentivos para proteger los límites estrictos de sus funciones, evitar la experimentación, seguir vías de aprobación lentas y optimizar una entrega predecible, la adopción de la IA seguirá siendo superficial.

La IA crea valor cuando las personas pueden superar fronteras, probar rápidamente y asumir una responsabilidad más integral de principio a fin. Eso requiere permiso, confianza e incentivos que se ajusten a la nueva forma de trabajar.

Por tanto, la pregunta no es solo si las personas utilizan la IA. La pregunta más adecuada es si la organización recompensa los comportamientos que hacen útil la IA.

Cómo la falta de contexto puede limitar el ROI

Gran parte del valor empresarial depende del conocimiento tácito: cómo se ejecutan los procesos, dónde se producen las excepciones, qué traspasos son importantes, qué reglas son formales frente a informales y dónde los incentivos organizativos moldean silenciosamente el comportamiento. A menudo, los sistemas, la documentación o los datos no capturan ese conocimiento de forma clara. Por eso, cuando las empresas incorporan la IA, esta puede parecer impresionante a nivel de interfaz, pero no necesariamente llega al núcleo de cómo se realiza el trabajo.

Esa es una de las razones por las que el ROI ha sido más difícil de conseguir de lo que muchos esperaban. La oportunidad es real y los costes de los modelos seguirán disminuyendo, pero el cuello de botella a menudo no es el modelo en sí. El cuello de botella es el contexto. Si la organización no ha hecho que los procesos, las decisiones, los datos y la responsabilidad sean comprensibles, la IA tiene una capacidad de influencia limitada.

Por eso, mi decepción no se debe a que la IA sea débil. Se debe a que la IA ha dejado al descubierto hasta qué punto las empresas nunca estructuraron adecuadamente gran parte del conocimiento organizativo.

Lukas States

Si la organización no ha hecho que los procesos, las decisiones, los datos y la responsabilidad sean comprensibles, la IA tiene una capacidad de influencia limitada. Por eso, mi decepción se debe a que la IA es débil. Se debe a que la IA ha dejado al descubierto hasta qué punto las empresas nunca estructuraron adecuadamente gran parte del conocimiento organizativo.

Por qué no deberías añadir la IA a un producto sin más

Los malos resultados suelen producirse cuando se trata la IA como un añadido. La versión más evidente consiste en añadir una interfaz de chat o de instrucciones a un flujo de trabajo existente simplemente para demostrar que la IA está presente. Eso puede crear una falsa promesa. Una interfaz de instrucciones sugiere una capacidad abierta, pero el software empresarial normalmente necesita una inteligencia específica para cada flujo de trabajo, acotada y gobernada. Cuando la superficie de la IA supera su capacidad real, la confianza se erosiona rápidamente.

No concibo la IA como una pieza de Lego que se pueda acoplar sin más a un producto. La concibo más bien como cambiar a un jugador en un deporte de equipo. Cuando cambia un jugador, cambian la estrategia, las interacciones, las dependencias y los modos de fallo. Si no rediseñas el sistema circundante, puedes obtener una demostración impresionante, pero a menudo crearás más complejidad después.

Las mejores integraciones suelen ser las más discretas. La IA ayuda a los usuarios a avanzar más rápido, comprender el contexto, tomar mejores decisiones o evitar trabajo innecesario, sin obligarlos a gestionar la IA como algo independiente.

Por qué los productos ya no se crean solo para humanos

Los productos ya no se crean únicamente para usuarios humanos. La IA introduce un nuevo tipo de usuario: agentes, automatizaciones y actores automatizados que interactúan con los productos de forma diferente a las personas.

Durante décadas, los equipos de producto han empezado por el cliente humano: sus objetivos, dificultades, flujos de trabajo, atención, paciencia y expectativas. Eso sigue siendo esencial. Pero en muchos contextos empresariales, ahora diseñamos para un entorno mixto en el que tanto las personas como los agentes consumen, interpretan y actúan sobre las capacidades del producto.

Eso cambia supuestos sutiles pero importantes. Pensemos en algo tan sencillo como la búsqueda. Un tiempo de respuesta que a una persona le parece instantáneo puede ser demasiado lento para un agente que opera dentro de un flujo de trabajo más amplio. Un elemento de la interfaz que ayuda a una persona a comprender el contexto puede ser irrelevante para un agente, mientras que los metadatos estructurados, la coherencia de las API, la gestión de permisos, la trazabilidad y la semántica legible por máquinas adquieren mayor importancia.

Por tanto, el supuesto que he abandonado no es «diseñar para las personas». Es «las personas son los únicos usuarios relevantes». La IA añade un nuevo tipo de usuario con limitaciones diferentes: velocidad, fiabilidad, capacidad de composición, observabilidad y acceso al contexto.

Tres consejos para los líderes de producto que están implementando IA

Este es mi consejo para los líderes de producto:

1. No trates la IA como un ejercicio de adquisición. Comprar herramientas, añadir copilotos o implementar agentes no es la transformación. La transformación consiste en comprender cómo la IA cambia la descomposición del trabajo, los límites entre roles, las transferencias dentro del flujo de trabajo y la forma en que se crea valor para los clientes.
2. Optimiza la eficacia antes que la eficiencia. La IA no debería limitarse a reducir el esfuerzo; debería ayudar a los equipos de producto a resolver problemas que antes eran demasiado lentos, costosos o complejos de abordar. La pregunta no debería ser únicamente «¿Podemos hacer esto más barato?». Debería ser «¿Podemos crear ahora un resultado mejor que antes estaba fuera de nuestro alcance?»
3. Mide resultados fiables, no la actividad relacionada con la IA. Contar indicaciones, tokens, copilotos, agentes o prototipos puede convertirse fácilmente en teatro de la productividad. En su lugar, los líderes de producto deberían preguntarse: ¿El cliente obtuvo valor más rápido? ¿Mejoró el flujo de trabajo? ¿El tiempo de ciclo, la calidad, el riesgo, el cumplimiento normativo o la experiencia del cliente evolucionaron en la dirección correcta? ¿Tomamos una decisión mejor o simplemente generamos más artefactos?

En resumen: la IA debería impulsar a los líderes de producto a ser más ambiciosos, no simplemente más eficientes. La oportunidad no consiste en añadir inteligencia al sistema existente. La oportunidad consiste en rediseñar el sistema para que la inteligencia pueda crear un valor responsable, medible y duradero.

Sigue la actualidad

Puedes seguir el trabajo de Lukas Egger en LinkedIn y X. También puedes escuchar su pódcast, Transformadores de procesos.

¡Próximamente habrá más entrevistas con expertos en The CPO Club!