Fondatrice ed ex responsabile prodotto di Apple afferma che i processi PRD devono essere rivisti — ecco il modello

Sonia Vora ha ricoperto il ruolo di responsabile del prodotto e direttrice della gestione del prodotto presso diverse aziende sanitarie. Ha inoltre guidato il prodotto per un paio di prodotti sanitari di Apple. Ora è la fondatrice di un'azienda sanitaria basata sull'IA.

Abbiamo parlato con Sonia per scoprire come utilizza gli agenti nei flussi di lavoro della gestione del prodotto. Ecco cosa ci ha raccontato.

Approfondimento sui prodotti sanitari basati sull'IA

Ciao, sono Sonia. Ho iniziato la mia carriera nella consulenza strategica presso McKinsey e GoogleX. In seguito, sono diventata direttrice della gestione del prodotto presso ACKO Insurance, una compagnia assicurativa indiana di Serie D con vendita diretta al consumatore. Successivamente, sono diventata responsabile del prodotto presso Narayana One Health, un'unità di assistenza integrata all'interno di un sistema ospedaliero in India. Ho inoltre guidato il prodotto per due prodotti sanitari di Apple: l'app Attain (sviluppata in collaborazione con Aetna Insurance) e Lumihealth (sviluppato in collaborazione con il governo di Singapore). Ho inoltre ricevuto un riconoscimento nella classifica Forbes 30 Under 30.

Nel 2017, prima dei transformer e degli LLM, ho studiato l'impatto dell'IA presso McKinsey e Google e ho esplorato opportunità basate sul ML per migliorare l'assistenza ai pazienti presso Apple e ACKO. Da allora, però, non avevo più lavorato direttamente con l'IA. Poi, circa 1,5 anni fa, ho capito che l'IA avrebbe trasformato non solo il mio settore (l'assistenza sanitaria), ma anche la gestione del prodotto. Ho subito avviato diverse iniziative:

1. Autoformazione sui fondamenti dell'IA.
2. Integrazione di ChatGPT/Gemini nel lavoro quotidiano di gestione del prodotto del mio team. Questo includeva la creazione di prompt per PRD più dettagliati, sessioni di ideazione sui PRD, la conduzione di ricerche con Deep Research e l'utilizzo di ChatGPT e Gemini per fornire riscontri sulla progettazione e individuare problemi di UX.
3. Sperimentazione di strumenti come Lovable per creare rapidamente prototipi e raccogliere riscontri sull'esperienza utente da utenti e acquirenti.

Ora sono la fondatrice di Alongside Health, un'azienda che combina IA e assistenza sanitaria. Ho sfruttato una combinazione delle capacità di elaborazione del linguaggio naturale degli LLM e di protocolli deterministici per automatizzare l'assistenza clinica. Per realizzare i nostri progetti pilota iniziali, utilizzo Claude Code ogni giorno per progettare sistemi deterministici e distribuire agenti che i nostri clienti pilota possano testare. Creo inoltre prototipi e il nostro sito web direttamente con Claude Code.

Sonia condivide

I responsabili di prodotto devono ripensare completamente il sistema in cui i responsabili di prodotto scrivono un PRD, lo affidano al team di progettazione e poi al team di sviluppo.

Come l'IA cambia il processo dei PRD

I responsabili di prodotto devono ripensare completamente il sistema in cui i responsabili di prodotto scrivono un PRD, lo affidano al team di progettazione e poi al team di sviluppo. L'obiettivo è velocizzare l'intero ciclo, evitare che i PM e i progettisti siano vincolati dal team di sviluppo e coinvolgere prima gli sviluppatori, nei punti in cui la loro esperienza è più necessaria.

Le persone affrontano questo tema in modi diversi, ma vedo due opportunità ad alto impatto e facilmente accessibili:

1. Velocizzare la fase iniziale di «revisione del PRD» e di ideazione fornendo prototipi realizzati con Claude, inizialmente dai PM e poi perfezionati dai progettisti. Questo offre agli sviluppatori una base concreta per creare i documenti di progettazione di nuove funzionalità, invece di partire da requisiti scritti molto lunghi.
2. Per una funzionalità esistente, ho trovato utile dare a PM e progettisti pieno accesso per apportare determinate modifiche e inviare PR, purché tali modifiche non abbiano un impatto fondamentale sull'architettura. Se disponete di un solido processo di revisione del codice, eviterete una grande quantità di nuovo codice disordinato quando PM e progettisti inviano modifiche.

Personalmente, non scrivo più PRD lunghi fin dall'inizio che cerchino di gestire ogni caso limite. Invece, lavoro immediatamente con Claude per sviluppare il mio documento iniziale dei requisiti attraverso discussioni basate su domande e risposte.

Uso poi quel documento come punto di partenza per Claude Code e utilizzo il prototipo effettivo per individuare i casi limite e integrare tali requisiti nuovamente nel documento PRD con Claude prima del lancio.

Di conseguenza, produco un lavoro di qualità molto più elevata nello stesso lasso di tempo. Ho un interlocutore e partner di confronto che mi aiuta a essere scrupolosa, a esplorare più rapidamente le opzioni e a ricercare risorse online utili.

Perché la sperimentazione è il superpotere dell'IA

Vorrei analizzare nel dettaglio il mio utilizzo dell'IA nella gestione del prodotto:

• Scoperta dei problemi: l'IA è meno utile in questo ambito perché non conosce i problemi degli utenti nel mondo reale. L'IA può formulare ipotesi, ma queste non derivano da un'esperienza diretta e non faranno emergere verità non condivise. Nulla è paragonabile al sedersi con un utente e comprendere i suoi pensieri.
• Definizione delle priorità: allo stesso modo, l'IA può offrire una prima definizione delle priorità basata sul "buon senso", ma non dispone di feedback reali degli utenti né di sensibilità per il prodotto, quindi è necessario monitorare attentamente l'IA in quest'area.
• Gusto progettuale e decisioni UX: l'IA offre un'ottima prima versione, ma non comprende i tuoi utenti né i loro obiettivi; si limita a imitare flussi esistenti. Devi considerare attentamente l'elemento "umano" che aiuta gli utenti a portare a termine le loro attività. Ho iterato ampiamente sulla UX per garantire coerenza, prendere in considerazione i componenti e ottenere un'architettura delle informazioni che corrisponda davvero alle aspettative e agli obiettivi degli utenti. È come se un ingegnere con straordinarie librerie front-end progettasse ogni schermata: a volte il risultato è ottimo, ma non aiuta gli utenti a capire facilmente come completare le loro attività.
• Pianificazione: questo è un ambito in cui l'IA eccelle nella creazione di una prima versione. Dato un contesto sufficiente, può sviluppare efficacemente tempistiche iniziali e aiutare nella definizione delle strategie di pianificazione. Sto apprezzando particolarmente Linear.
• Individuazione dei compromessi e dell'impatto delle decisioni progettuali: gli agenti di programmazione spesso non lo fanno, a meno che non venga loro chiesto esplicitamente. Tuttavia, quando vengono sollecitati, presentano efficacemente molteplici vantaggi, svantaggi e dibattiti interni, aiutandoti a valutare più a fondo le implicazioni. Trovo ancora spesso delle lacune nell'analisi delle cause principali e nel brainstorming con gli agenti di programmazione, ma a volte sollevano anche punti che non avevo considerato immediatamente.
• Sperimentazione: questo è il vero superpotere dell'IA. Poiché puoi costruire concetti così rapidamente, puoi provare molte cose diverse, utilizzare il prodotto e poi iterare sulla base di ciò che hai scoperto.

Come può l'IA supportare i flussi di valutazione

Ecco un esempio di flusso di lavoro basato sull'IA che sto utilizzando nella gestione del mio prodotto.

Ho utilizzato Claude per creare uno script che, per ogni nuova versione del prodotto, chiede a OpenAI o Gemini, tramite chiamate API, di impersonare una persona paziente e di rispondere al mio agente in una chat simulata.

Genero le persone pazienti da uno script che crea tutti i rami del protocollo e li testa uno per uno. Lo script incorpora anche i tipi di personalità del nostro generatore basato sulla ricerca. Dopo che ogni persona ha conversato con la nuova versione dell'agente, chiediamo a Gemini o OpenAI di valutare la conversazione secondo i nostri 10 criteri di valutazione e di fornire punteggi di superamento o non superamento.

Esamino quindi i risultati della valutazione, elenco le modifiche suggerite per correggere i problemi di Claude, distribuisco una nuova versione dell'agente e rieseguo l'intera pipeline.

Ho utilizzato Claude Code per sviluppare il front-end, dove posso visualizzare i risultati delle valutazioni, le conversazioni simulate e le persone pazienti simulate.

È stato estremamente utile, ma con una riserva: l'IA è ancora altamente stocastica. Ho incontrato difficoltà negli ambiti che richiedono affidabilità. Ad esempio, nelle valutazioni in cui un LLM funge da giudice, come questa, l'IA spesso assegna un superamento in un'esecuzione e un non superamento in un'altra, il che rappresenta un problema significativo.

Puoi progettare il sistema in modo da ridurre l'incoerenza, ma devi anche progettare sempre meccanismi per individuare i potenziali errori dell'IA.

Come i PM possono smettere di sentirsi intimiditi da Claude Code

All'inizio mi sentivo intimidita dall'idea di utilizzare Claude Code in modo efficace come persona non ingegnera, soprattutto perché la maggior parte delle persone lo utilizzava all'interno del terminale.

Ma ho iniziato a costruire. Ho trattato Claude/Cursor come un dipendente junior che richiedeva un notevole lavoro di brainstorming e accompagnamento, e questo mi ha aiutato a comprendere i potenziali problemi della programmazione in stile Claude. Ora li prevengo nel mio flusso di lavoro.

Ad esempio, Claude può sembrare "smemorato" perché compatta le informazioni per adattarle alla sua finestra di contesto. Per ovviare a questo problema, ora gli chiedo di annotare sempre un piano e di consultarlo prima di costruire qualcosa, proprio come faresti con una persona reale: anche noi siamo smemorati!

Ora Claude è particolarmente facile da usare perché i modelli sono migliorati significativamente. Anche con un contesto incompleto, se gli chiedi di porre domande, può dialogare con te per elaborare prima un piano completo. Può quindi eseguirlo in modo più affidabile, riducendo la necessità di preoccuparsi dell'impalcatura tecnica.

Perché gli agenti di codifica non sono soluzioni miracolose

Ora, grazie agli agenti di codifica, chiunque può essere un ingegnere. Dovremmo quindi fare in modo che gli esperti si concentrino sulle attività che solo loro sanno svolgere bene, lasciando a tutti gli altri quelle semplici. La mentalità secondo cui "chiunque è un ingegnere" è davvero importante.

Tuttavia, vale la pena notare che gli agenti di codifica non possono correggere magicamente i bug senza intervento umano. Spesso, gli agenti di codifica sono privi di buon senso o del contesto progettuale necessario, il che li porta a individuare erroneamente la causa principale dei problemi o a risolverli in modo scorretto.

Con qualche istruzione mirata, funzionano molto meglio, ma i limiti contestuali possono portare subdolamente a un'esecuzione o a un ragionamento superficiali.

Ha comunque ridotto enormemente i tempi di sviluppo, ma lanciare un buon prodotto richiede ancora una riflessione significativa.

Come tenere il passo con l'evoluzione dell'IA

Inizia subito a lavorare con questi strumenti nelle tue attività reali! Più tardi li adotterai, più rimarrai indietro rispetto ai colleghi che hanno già ottimizzato i flussi di lavoro con questi agenti.

Nel frattempo, mantieni una mentalità aperta sui punti di forza e di debolezza dell'IA — e riconosci che questo cambia quasi ogni mese.

Sperimenta. Usa Claude Code o altri strumenti nel lavoro quotidiano per comprendere i punti di forza e di debolezza dei modelli. Se dedichi anche solo 30 minuti al giorno a un'attività, probabilmente vale la pena investire una o due ore per automatizzarla — quel tempo si accumulerà.

Prova diversi strumenti di chat basati su LLM quando cerchi risposte, per vedere come rispondono fornitori e modelli differenti. E modifica la tua "dieta" di LinkedIn per rimanere aggiornato sulle persone che applicano l'IA per diventare i migliori PM possibili.

In questo momento tutti si sentono sopraffatti, ed è normale. Parlo con professionisti dell'IA a tempo pieno che si sentono sopraffatti — sii gentile con te stesso e celebra i piccoli successi mentre rimani al passo con gli sviluppi dell'IA.

Segui gli aggiornamenti

Puoi metterti in contatto con Sonia Vora su LinkedIn.

Presto arriveranno altre interviste con esperti su The CPO Club!