Il leader di prodotto e co-CEO spiega perché creare prodotti AI è tutta un’altra storia
Scopri come un CEO orientato al prodotto utilizza l'IA per accelerare la prioritizzazione, la prototipazione e l'esecuzione, mantenendo strategia, fiducia e comprensione del cliente guidate dall'uomo.
Andrei Rebrov
Costruttore di prodotti da una vita e co-CEO di Finsi
Integrazione dell'IA: Andrei Rebrov parla dell'integrazione dell'IA nella strategia di prodotto di Finsi per migliorare il processo decisionale e l'esperienza utente.
Prioritizzazione del prodotto: L'IA ridefinisce l'ordine di priorità dei prodotti elaborando più segnali e accelerando i cicli di sviluppo.
Fondamenti strategici: L'IA aumenta la scala e la velocità ma non può correggere una strategia di prodotto sbagliata, sottolineando così l'importanza della base.
Prototipazione: Cursor accelera la prototipazione del prodotto, consentendo una rapida validazione e un veloce feedback prima della scrittura del codice di produzione.
Giudizio umano: Gli esseri umani mantengono i ruoli che richiedono giudizio ed empatia, mentre l'IA gestisce compiti analitici e ripetitivi.
Andrei Rebrov è un costruttore di prodotti da una vita e co-CEO di Finsi, dove sta integrando l'IA in ogni livello della strategia del prodotto — sia per il team che per i loro clienti.
Abbiamo chiesto ad Andrei come l'IA stia cambiando sia la gestione del prodotto che la strategia del prodotto. Ecco cosa ci ha raccontato.
Integrare l'IA nella strategia di prodotto
Sono Andrei Rebrov, co-CEO di Finsi. Nel mio percorso nella leadership di prodotto, mi sono concentrato profondamente sulla creazione di tecnologia finanziaria che serva davvero le persone.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
In Finsi, guido l'organizzazione di prodotto dietro una piattaforma di crescita alimentata dall’IA creata per i brand dell’e-commerce. Il prodotto è una soluzione SaaS B2B che serve operatori di e-commerce DTC e in abbonamento — dai brand emergenti con fatturati sotto i $5M fino alle PMI più grandi. La nostra piattaforma si collega con oltre 50 strumenti, tra cui Shopify, Klaviyo, Meta Ads, Google Ads e Recharge, unificando i dati su tutta la stack dell'e-commerce. Inoltre, usa cinque agenti IA che coprono intelligence sui ricavi, automazione pubblicitaria, retention ed email, SEO e ricerca clienti.
Il modello di consegna è completamente SaaS basato sul web, e la nostra proposta di valore principale è chiudere il cerchio tra analytics ed esecuzione: non ci limitiamo a presentare insight; costruiamo e implementiamo campagne, flussi e segmenti per i nostri utenti.
Nel mio lavoro in Finsi, sono stato in prima linea nell'integrare l'IA nella nostra strategia di prodotto — esplorando come l'IA possa semplificare i servizi finanziari, migliorare l'esperienza utente e favorire decisioni più intelligenti su larga scala.
Questo momento di trasformazione dell'IA nella leadership di prodotto è emozionante e cruciale. Sono entusiasta di condividere le lezioni e le prospettive che ho maturato lungo il percorso.
Come l'IA ridefinisce i processi di prioritizzazione del prodotto
I leader di prodotto devono ripensare il proprio processo di prioritizzazione del prodotto. Quasi tutti i team che conosco continuano a dare priorità tramite fogli di calcolo, framework di valutazione soggettivi e rituali di pianificazione trimestrale pensati per cicli di sviluppo lenti e costosi.
L'IA cambia entrambi i lati dell'equazione: rende la costruzione più veloce (quindi puoi validare più scommesse) e può elaborare molti più segnali rispetto a qualsiasi umano — dati di utilizzo, feedback del supporto, pattern di abbandono, segnali della concorrenza, interviste ai clienti — per determinare cosa conta davvero.
Abbiamo riprogettato il nostro processo di prioritizzazione attorno a un layer continuo di segnali gestiti dall’IA. Automatizziamo l’estrazione dei compiti dalle trascrizioni di Granola, così non dimentichiamo ciò che dobbiamo fare. E invece di una pianificazione trimestrale della roadmap, manteniamo un backlog live dove ogni elemento è etichettato con dati provenienti da più fonti — frequenza del feedback clienti, stima dell'impatto sui ricavi, urgenza competitiva e pattern di ingaggio. La nostra IA propone settimanalmente una vista classifica di questo backlog, aggiornata man mano che i segnali cambiano.
I nostri leader di prodotto prendono ancora le decisioni finali, ma ora lavorano da una base molto più ricca e dinamica rispetto al passato.
Il risultato: abbiamo dimezzato il tempo tra l'individuazione di un'opportunità e il rilascio di una soluzione e abbiamo realizzato molte meno soluzioni che nessuno utilizza.
Perché l'IA ha bisogno di una solida base di strategia di prodotto
È importante sottolineare che l’IA non può risolvere una strategia di prodotto fallimentare — amplifica semplicemente la strategia già esistente.
Se stai risolvendo il problema giusto per gli utenti giusti, l’IA ti aiuterà a farlo più velocemente e su scala maggiore. Ma se l’ipotesi di base del prodotto è errata, l’IA accelererà il percorso nella direzione sbagliata.
L’ho visto con i miei occhi. All’inizio dello sviluppo di Finsi, abbiamo pensato di aggiungere funzionalità IA perché erano impressionanti e tecnicamente fattibili — raccomandare azioni, prevedere l’abbandono, generare contenuti. Ma nulla di ciò avrebbe avuto importanza se prima non avessimo compreso bene l’intuizione fondamentale: gli operatori dell’e-commerce non hanno un problema di analytics, hanno un gap nell’esecuzione. Solo dopo aver validato questo, l’IA è diventata la leva giusta.
Lavorando con l’IA serve la stessa disciplina di ogni buon lavoro di prodotto — definizione rigorosa del problema, profonda empatia verso gli utenti e onestà nella definizione delle priorità. L’IA aumenta la posta in gioco su tutti questi fronti, perché la velocità di sviluppo significa che puoi costruire e lanciare la cosa sbagliata ancora più velocemente rispetto a prima.
L’AI non può correggere una strategia di prodotto sbagliata — amplifica soltanto la strategia che hai già.
Costruttore di prodotti da sempre e Co-CEO di Finsi
Come una skill Claude Code ha affinato la focalizzazione sul prodotto
Una svolta cruciale per noi è stata l’implementazione di una skill Claude Code chiamata "Merchant Advocate" per i nostri agenti di codifica.
Ho fornito a Claude il contesto della mission di Finsi e della focalizzazione del prodotto, oltre a un riassunto delle trascrizioni di Granola. Ora, quando abbiamo un nuovo requisito, lo passiamo attraverso questa skill e ci aiuta a restare fedeli alla nostra missione principale: rilasciare software che riduca il lavoro per i commercianti.
Abbiamo eliminato molte potenziali funzionalità dalla nostra roadmap grazie a questo semplice passaggio nei nostri workflow.
Perché Cursor è cruciale per una rapida prototipazione di prodotto
Cursor ha trasformato il modo in cui il nostro team di ingegneri rilascia codice — non solo scrivendo codice più velocemente, ma accorciando la distanza tra pensiero di prodotto e implementazione.
Quando posso descrivere una funzionalità in linguaggio naturale e vedere un prototipo funzionante in pochi minuti, cambia fondamentalmente il modo in cui validiamo le idee. Rende l’intero ciclo di sviluppo prodotto più rapido e sperimentale.
Ecco un esempio. Volevamo testare un’interfaccia "weekly intelligence briefing" per uno degli agenti del nostro prodotto. Invece di specificarlo in Figma e attendere un intero sprint, abbiamo descritto il layout e la struttura dati a Cursor in linguaggio semplice e ottenuto un prototipo funzionante collegato ai nostri dati di staging in poche ore. Lo abbiamo presentato a tre clienti lo stesso giorno e ottenuto feedback che hanno rimodellato il design finale, prima ancora di scrivere una sola riga di codice di produzione.
Perché gli esseri umani gestiscono le decisioni consequenziali e relazionali
Abbiamo deliberatamente definito il ruolo dell’AI e delle persone nei nostri processi di prodotto.
L’AI alimenta la nostra sintesi dei dati, il rilevamento dei pattern, l’identificazione di anomalie e l’esecuzione — come individuare automaticamente segnali di abbandono, riallocare budget pubblicitari, generare testi email nella voce del brand e attivare flussi Klaviyo. Questi sono compiti ad alta frequenza e intensità di dati in cui l’AI supera costantemente velocità e scala umana.
L’AI guida anche la nostra prioritizzazione identificando raccomandazioni che generano il maggiore impatto sul fatturato nella nostra base clienti, aiutandoci a capire dove focalizzare lo sviluppo prodotto.
Tuttavia, sono esplicitamente le persone a prendere decisioni che richiedono giudizio, etica e contesto strategico.
Questo significa che la visione di prodotto e la direzione della roadmap restano umane — dobbiamo comprendere non solo cosa dicono i dati, ma anche il tipo di azienda che vogliamo costruire e le aspirazioni profonde dei nostri clienti. Le decisioni UX restano guidate dall’uomo perché empatia e intuizione su ciò che prova l’utente non possono ancora essere automatizzate con affidabilità. E qualunque decisione che metta a rischio l’attività di un cliente — come una riallocazione importante di spesa pubblicitaria — richiede l’approvazione umana prima dell’esecuzione.
Il nostro principio operativo è: l’AI gestisce ciò che è ripetibile e analitico; gli esseri umani possiedono ciò che è consequenziale e relazionale.
Perché l’AI fatica con la comprensione profonda dei clienti
L’AI ha mostrato i maggiori limiti rispetto alle nostre aspettative nella comprensione profonda dei clienti. Inizialmente credevamo che l’AI potesse sintetizzare in modo affidabile i segnali qualitativi — ticket di supporto, recensioni, risposte ai sondaggi — e tradurli in insight di prodotto azionabili con un coinvolgimento umano minimo. In pratica, l’AI eccelle nella categorizzazione e nell’aggregazione di feedback su larga scala, ma manca costantemente la sfumatura dei sentimenti dei clienti, soprattutto per verticali di e-commerce di nicchia con contesti culturali o operativi specifici. L’AI spesso rileva pattern reali, ma interpretarli richiede ancora una persona che comprenda a fondo il mondo del cliente.
Abbiamo inoltre riscontrato che i testi creativi generati dall’AI — annunci, oggetti di email — pur essendo veloci e utili come base di partenza, raramente eguagliano le performance di un contenuto scritto da chi conosce veramente la voce del brand e il suo pubblico. Velocizza la produzione, ma non sostituisce ancora il giudizio creativo autentico.
Infine, ci aspettavamo che l’AI migliorasse concretamente il nostro processo interno di product discovery, ma non ha ridotto il tempo per individuare bisogni dei clienti realmente nuovi — ci aiuta a processare informazioni esistenti, ma gli insight più preziosi arrivano ancora da conversazioni dirette e informali con i clienti, che nessun strumento AI ha ancora replicato o sostituito.
I pensieri di Andrei
L’IA è eccellente nel categorizzare e raggruppare feedback su larga scala, ma manca costantemente della sfumatura dei sentimenti dei clienti.
Come la qualità dei dati impatta lo sviluppo di prodotti basati su IA
Quando ho iniziato a lavorare con l’IA, non avevo capito quanto fosse importante la qualità dei dati o quanto tempo ci volesse per ottenerla nel modo giusto.
Quando abbiamo creato gli agenti IA di Finsi, presumevamo che collegarsi a Shopify, Klaviyo e alle piattaforme pubblicitarie avrebbe fornito dati puliti e affidabili. La realtà era molto più caotica. Ogni brand struttura i propri dati in modo differente, traccia eventi diversi, utilizza convenzioni di denominazione diverse, e presenta lacune e incoerenze nei propri storici. Abbiamo dedicato molto più tempo del previsto alla normalizzazione, deduplicazione e validazione dei dati prima che l’IA producesse raccomandazioni affidabili.
Se lo avessi saputo prima, avrei investito prima e con maggior peso nell’infrastruttura dati, invece di correre a costruire lo strato IA su fondamenta instabili.
Perché la fiducia degli utenti deve essere considerata nei prodotti IA
Se dovessi ricominciare da capo con gli agenti IA del nostro prodotto, affronterei la questione della fiducia degli utenti in modo diverso.
Inizialmente abbiamo progettato i nostri agenti IA per essere piuttosto autonomi — proponendo raccomandazioni e rendendo facile la loro approvazione ed esecuzione con un solo clic. Gli utenti esitavano, anche quando le raccomandazioni erano valide. Avevano bisogno di comprendere il "perché" dietro ogni suggerimento prima di sentirsi a proprio agio nell’agire. Di conseguenza, abbiamo aggiunto la spiegabilità al prodotto solo dopo il lancio, ma progettare la trasparenza fin dal primo giorno sarebbe stato molto meglio.
La fiducia non è una funzionalità che puoi aggiungere dopo — deve essere intrecciata nell’esperienza centrale.
La fiducia non è una funzionalità che puoi aggiungere dopo — deve essere intrecciata nell’esperienza centrale.
Perché l’IA rende meno importante per gli utenti la scelta e la configurabilità
L’IA mi ha anche costretto ad abbandonare l’idea che un buon prodotto significhi dare controllo e configurabilità agli utenti.
Per anni, la saggezza convenzionale nel B2B SaaS era che gli utenti esperti volessero flessibilità — più impostazioni, più dashboard, più modi per personalizzare la loro esperienza. Abbiamo costruito le prime versioni di Finsi basandoci su questa supposizione, consentendo agli operatori di configurare le proprie dashboard, impostare soglie KPI personalizzate e scegliere quali metriche tracciare. Ma quando abbiamo introdotto l’IA, abbiamo scoperto l’opposto: i nostri utenti di maggior successo passavano meno tempo a configurare e più tempo ad agire sulle raccomandazioni dell’IA.
Gli operatori che volevano modificare ogni impostazione spesso ottenevano il minor valore perché ottimizzavano lo strumento invece del loro business. L’IA ha rivelato che i nostri utenti avevano bisogno di meno carico cognitivo e più fiducia in cosa fare dopo. Questo ci ha costretti a semplificare in modo significativo il prodotto, eliminare gran parte della configurabilità che avevamo costruito e puntare maggiormente su impostazioni predefinite, guidate dall’IA.
È stata una lezione controintuitiva: a volte la decisione migliore per il prodotto è togliere scelte agli utenti invece di aggiungerne altre.
Perché la vera trasformazione con IA richiede di ripensare tutta la catena di valore di un prodotto
La maggior parte dei prodotti "basati su IA" non sono veri prodotti IA — sono funzionalità incapsulate con un LLM aggiunto superficialmente, e il mercato prima o poi se ne accorgerà.
La vera trasformazione di prodotto con l’IA implica ripensare l’intera catena del valore, non inserire una chiamata GPT in un flusso di lavoro esistente. Le aziende che vinceranno non sono quelle che hanno aggiunto l’IA più rapidamente; sono quelle che l’hanno utilizzata per mettere in discussione ogni convinzione su come funziona la loro categoria di prodotto.
Perché i responsabili di prodotto devono scegliere un piccolo numero di scommesse ad alto impatto
Resisti a due impulsi ugualmente pericolosi:
L'impulso ad adottare l'IA ovunque e subito
L'impulso ad attendere finché tutto sembri più certo
I leader di prodotto che riusciranno meglio sceglieranno un piccolo numero di scommesse ad alto impatto, approfondiranno e costruiranno una vera alfabetizzazione organizzativa — non solo familiarità con gli strumenti — sull'IA. Partite dai problemi che vi costano di più: tempo perso in attività manuali, decisioni prese senza dati a sufficienza e funzionalità che richiedono troppo tempo per essere rilasciate o validate. Usate l'IA per risolvere proprio questi aspetti.
Siate sinceri con i vostri team su ciò che l'IA cambierà per loro. I leader che fingono che l'IA non rimodellerà ruoli e responsabilità perderanno fiducia; chi ha conversazioni aperte e ponderate su come l'IA possa arricchire il giudizio umano costruirà culture capaci di adattarsi.
Infine, non ottimizzate per apparire "AI-native" — ottimizzate per i risultati. La migliore strategia di prodotto basata sull'IA crea valore misurabile per gli utenti, non la demo più impressionante. Restate concentrati sul problema e il giusto utilizzo dell'IA ne sarà la conseguenza.
Il pensiero di Andrei
I leader di prodotto che riusciranno meglio sceglieranno un piccolo numero di scommesse ad alto impatto, approfondiranno e costruiranno una vera alfabetizzazione organizzativa sull’IA.
Segui gli aggiornamenti
Puoi connetterti con Andrei Rebrov su LinkedIn. E dai un'occhiata a Finsi.
Altre interviste con esperti in arrivo su The CPO Club!
We're building a curated community for senior leaders to pressure-test decisions, compare notes, and have the conversations they can't have everywhere else.
