Estes fluxos de trabalho precisam urgentemente de uma atualização com IA, afirma o Líder Global de Produto

Tony Pagliocco é o Diretor Associado de Gestão Global de Produto da Aldar, onde é responsável pela estratégia de produto, pelos modelos operacionais e pelas formas de trabalhar em 24 equipas orientadas para o produto.

Ele e a sua equipa estão focados em incorporar a IA diretamente nos seus fluxos de trabalho de produto. Por isso, sentámo-nos com ele para saber quais os fluxos de trabalho que está atualmente a otimizar e como está a garantir a adoção em toda a organização. Eis o que nos disse.

Problemas complexos em grande escala

Dediquei os últimos mais de 20 anos a criar e expandir produtos digitais em vários setores, desde os meios de comunicação e os videojogos até à aviação, logística e, agora, ao setor imobiliário, aqui nos EAU. Resolvo consistentemente problemas complexos em grande escala e crio equipas que geram impacto.

No início da minha carreira, tinha uma abordagem muito prática — lançava produtos e aprendia a executá-los. Mais tarde, liderei organizações de produto maiores e conduzi transformações ao nível empresarial. Um dos capítulos mais importantes da minha formação profissional foi na Boeing, onde liderei o produto de plataformas digitais de fábrica inteligente que apoiavam os programas 777 e 787. Trabalhámos com ambientes de dados de vários petabytes, aplicando NLP e visão computacional a fluxos de trabalho de fabrico e da cadeia de abastecimento. Criámos sistemas para prever problemas, otimizar operações e operar à escala global. Essa experiência moldou a forma como penso sobre dados, plataformas e, agora, IA.

Na Aldar, a IA está profundamente integrada naquilo que criamos, desde plataformas de cidades inteligentes e gémeos digitais até ao planeamento diretor e às ferramentas de viabilidade. Utilizamos a IA para simular, prever e otimizar decisões muito antes de algo ser construído fisicamente, o que altera fundamentalmente a forma como a empresa opera.

Este momento é um ponto de viragem. Estamos a passar da criação de software para a criação de sistemas inteligentes — e o papel da liderança de produto está a mudar, passando da gestão de roteiros para a coordenação de dados, IA e resultados no mundo real em grande escala.

Liderar a estratégia de produto

Atualmente, desempenho as funções de Diretor Associado de Gestão Global de Produto na Aldar, reportando ao nosso Diretor Digital, onde lidero a estratégia de produto, os modelos operacionais e as formas de trabalhar em 24 equipas orientadas para o produto.

As nossas equipas abrangem um amplo ecossistema, incluindo vendas imobiliárias, comércio a retalho, setor comercial, residencial, fidelização e marketing, comércio eletrónico, hotelaria e IoT para cidades inteligentes — e a nossa plataforma principal, Live Aldar, sustenta tudo isto. Damos suporte tanto a experiências voltadas para os clientes como a plataformas internas, com um forte enfoque em ligar tudo numa jornada integrada de ponta a ponta.

Para a entrega, operamos através de equipas multifuncionais alinhadas com resultados empresariais, enquanto investimos em plataformas partilhadas, como identidade, pagamentos, dados e IA, para expandir à escala de todo o ecossistema. O meu papel é garantir consistência na forma como criamos, permitindo simultaneamente que cada área avance rapidamente e gere impacto.

Porque é que a IA exige bons fundamentos

Pensamentos de Tony

As equipas que têm dificuldades com a IA normalmente tentam aplicá-la sobre bases deficientes.

Eis a primeira coisa que é preciso dizer: a IA não é uma funcionalidade. É uma capacidade que altera a forma como todo o seu produto e a sua organização funcionam.

Muitas equipas abordam a IA como qualquer outra melhoria — adicionando um chatbot, automatizando um fluxo de trabalho ou melhorando uma funcionalidade. Essa mentalidade limita o impacto. A verdadeira mudança é que a IA altera a forma como as decisões são tomadas, como os produtos são criados e como o valor é gerado.

Também expõe os fundamentos. Se os seus dados estiverem fragmentados, os seus fluxos de trabalho não forem claros ou a sua visão de produto for fraca, a IA irá amplificar esses problemas. As equipas que têm dificuldades com a IA normalmente tentam aplicá-la sobre bases deficientes.

O verdadeiro trabalho consiste em garantir que dispõe dos dados de entrada, da estrutura e das salvaguardas adequados. Sem estes elementos, os resultados podem parecer bons à superfície, mas não ter a fiabilidade necessária para uma utilização real no produto. Se tivesse sabido disso desde o início, teria investido mais cedo na limpeza dos dados, numa definição mais clara do espaço do problema e no estabelecimento de limites mais sólidos para a utilização da IA no produto.

Só isso teria poupado tempo, evitando expectativas irrealistas. Existe frequentemente pressão para avançar rapidamente e mostrar a IA, mas, sem as bases adequadas, iteramos mais do que o necessário — ou, pior ainda, perdemos a confiança dos utilizadores.

Por isso, antes de avançar, os líderes precisam de perguntar: "Temos os dados, o modelo operacional e a disciplina de produto necessários para tirar partido disto?"

Como a IA está a transformar o processo de desenvolvimento de produtos

Uma das maiores mudanças que fizemos no último ano foi passar de um desenvolvimento de produtos estático e dependente de documentos para uma descoberta e entrega contínuas assistidas por IA.

Tradicionalmente, o nosso processo baseava-se em artefactos estruturados — PRDs, casos de negócio e documentos de investigação — que demoravam muito tempo a produzir e frequentemente ficavam rapidamente desatualizados. Introduzimos a IA diretamente nesse fluxo de trabalho para sintetizar o feedback dos clientes, analisar pedidos de suporte, gerar os requisitos iniciais do produto e até questionar pressupostos durante a descoberta.

Isto mudou a velocidade e a qualidade da tomada de decisões. Os gestores de produto já não partem do zero; partem de conhecimentos obtidos. Estamos a assistir a ciclos mais rápidos entre a ideia e a validação, a um melhor alinhamento entre as partes interessadas e a uma priorização mais fundamentada em dados.

Também mudou a forma como as nossas equipas trabalham. Em vez de ser uma ferramenta separada, a IA está agora integrada nos fluxos de trabalho diários, quer seja para gerar hipóteses, resumir dados ou acelerar a entrega. O papel do PM mudou ligeiramente, passando de criador a curador e decisor.

Como a descoberta de produtos pode ser reformulada com IA

De todo o ciclo de vida do produto, porém, a descoberta é a área que precisa da maior reformulação.

Historicamente, a descoberta era lenta, manual e dependia fortemente de pequenas amostras — entrevistas, inquéritos e análises de dados limitadas. Com a IA, esse modelo já não é suficiente. Agora podemos processar enormes quantidades de feedback dos clientes, dados comportamentais e sinais quase em tempo real.

Mas a maioria das equipas ainda conduz a descoberta como se estivéssemos em 2015.

Começámos por integrar o Jira Product Discovery no nosso fluxo de trabalho, para estruturar melhor as ideias, os conhecimentos obtidos e a priorização. Isso deu-nos uma base sólida, mas acelerámos verdadeiramente quando adicionámos agentes de IA Rovo e os ligámos ao nosso ecossistema mais abrangente — documentação, projetos técnicos, Figma e outras ferramentas de entrega.

Além disso, integrámos fluxos contínuos de dados — resultados de inquéritos, ciclos de feedback dos clientes, dados do centro de contacto e análises de produtos — alimentando tudo num único fluxo de descoberta.

Agora, em vez de reunirem manualmente os dados de entrada, as equipas podem sintetizar rapidamente os sinais, gerar requisitos iniciais e ligar diretamente a descoberta à execução. A distância entre o “conhecimento obtido” e a “entrega” diminuiu significativamente.

O resultado são ciclos mais rápidos e uma melhor qualidade. As equipas partem de uma base mais informada, com um alinhamento mais sólido entre produto, design e engenharia.

Porque é que a IA informa as atividades de produto, mas são os humanos que decidem

Usamos a IA de forma intensiva para ganhar escala, velocidade e capacidade de reconhecer padrões — na descoberta, na análise de dados e na ideação inicial. É agora o nosso ponto de partida predefinido, e não algo meramente desejável.

A IA sintetiza o feedback dos clientes, os pedidos de suporte e os dados comportamentais em minutos, ajudando a definir hipóteses e até a gerar requisitos preliminares. No nosso trabalho relacionado com cidades inteligentes e gémeos digitais, também a utilizamos para simular cenários, ajudando as equipas a explorar decisões de planeamento e viabilidade antes de construir seja o que for.

Mas somos muito claros quanto ao ponto em que a IA deve parar.

A priorização, as decisões sobre o roteiro, as nuances da experiência do utilizador e os compromissos continuam a ser responsabilidades humanas, porque é aí que o contexto, a experiência e a responsabilização são importantes. A IA não compreende a estratégia, a política ou o risco de forma significativa. Pode fundamentar decisões, mas não deve tomá-las.

Por exemplo, utilizámos a IA para analisar o feedback dos clientes e os pedidos de suporte, de modo a orientar a priorização. O modelo identificou padrões e destacou eficazmente os problemas mencionados com maior frequência, mas não conseguiu distinguir entre o que era ruidoso e o que era importante. Os problemas de baixo impacto estavam sobrerrepresentados simplesmente porque os clientes os comunicavam com maior frequência, enquanto os problemas mais críticos, mas menos frequentes, recebiam um peso insuficiente.

Também não tinha contexto sobre a jornada do cliente — sobre o motivo pelo qual algo estava a acontecer, e não apenas sobre o facto de estar a acontecer. O julgamento humano era fundamental para interpretar corretamente o sinal.

Do ponto de vista da confiança, se a IA apresentasse algo que não estivesse alinhado com a intuição das partes interessadas, estas rapidamente o rejeitavam. Por isso, a precisão, por si só, não era suficiente — tinha de ser explicável e estar alinhada com o contexto do mundo real.

Porque é que os gestores de produto têm de ter cuidado com a dependência excessiva da IA

A velocidade e a capacidade de processamento são os maiores benefícios da IA. Os gestores de produto passam da ideia à direção validada significativamente mais depressa; aquilo que costumava exigir dias de síntese e redação acontece agora em horas. Entre as várias equipas, calculo que tenha havido um aumento de velocidade de 30–50% nas fases iniciais dos ciclos de descoberta e documentação.

A qualidade também melhorou. A IA ajuda as equipas a partir de uma base mais informada, reunindo sinais dos clientes, destacando padrões e reduzindo pontos cegos. Isto conduz a melhores hipóteses iniciais e a discussões com as partes interessadas mais fundamentadas em dados.

Por outro lado, a dependência excessiva é o maior risco que tenho observado. Inicialmente, algumas equipas tratavam os resultados da IA como “respostas”, em vez de os considerarem contributos, o que conduzia a um pensamento superficial ou a soluções genéricas. Tivemos de acompanhar ativamente as equipas para que questionassem e aperfeiçoassem aquilo que a IA produz, em vez de simplesmente o aceitarem.

Também existe uma lacuna de consistência. A IA é tão boa quanto o contexto que lhe fornecemos. Os gestores de produto mais competentes obtêm um valor exponencialmente maior porque sabem como orientá-la. Os menos experientes podem ter dificuldades ou gerar resultados pouco úteis.

Em suma, as vantagens são reais. Ciclos mais rápidos, melhores pontos de partida — mas apenas com uma sólida visão de produto. Caso contrário, chegamos simplesmente à resposta errada mais depressa.

Porque é que a automatização de ponta a ponta está a desiludir os gestores de produto

Inicialmente, presumi que a IA poderia orientar de forma significativa as decisões sobre o roteiro ou produzir soluções de elevada qualidade, prontas para serem lançadas. Na realidade, aquilo que gera é frequentemente útil enquanto orientação, mas continua a ser genérico. Falta-lhe o contexto empresarial, as nuances dos clientes e os compromissos que as equipas experientes fazem todos os dias.

A automatização de ponta a ponta é outra área em que ainda não se concretizou plenamente. Os agentes de IA mostram muito potencial para executar fluxos de trabalho ou substituir partes da entrega, mas, na prática, continuam a exigir uma supervisão humana significativa para serem fiáveis em grande escala.

A lacuna reside, portanto, entre a expectativa e a realidade. A IA é incrivelmente poderosa enquanto acelerador, mas não substitui o discernimento sobre o produto — e as equipas que a tratam dessa forma tendem a ficar rapidamente desiludidas.

Reflexões de Tony

A IA é incrivelmente poderosa enquanto acelerador, mas não substitui o discernimento sobre o produto — e as equipas que a tratam dessa forma tendem a ficar rapidamente desiludidas.

Porque é que os gestores de produto têm de passar do controlo para a confiança com a IA

A qualidade do produto já não resulta de experiências estritamente controladas e determinísticas. Temos de abandonar essa ideia.

Tradicionalmente, concebíamos os produtos para se comportarem de forma previsível — fluxos claros, resultados definidos e casos-limite mapeados. Com a IA, especialmente com a IA generativa, está a introduzir variabilidade por defeito. A mesma entrada pode nem sempre produzir exatamente o mesmo resultado, e isso altera a forma como pensamos sobre a qualidade.

Isto obriga a passar de “Está isto perfeitamente definido?” para “É isto fiavelmente útil e está dentro de limites aceitáveis?”

É uma grande mudança de mentalidade. Já não está a conceber cada resultado — está a conceber sistemas com mecanismos de proteção, ciclos de feedback e formas de melhorar continuamente. Significa também aceitar um certo nível de imperfeição, desde que o valor esteja presente e os riscos sejam geridos.

Por isso, passei do controlo para a confiança — confiando que o sistema funciona dentro de determinados limites, em vez de tentar definir antecipadamente todos os resultados possíveis.

Como é que a IA altera a dinâmica das equipas de produto

A IA não alterou tanto a estrutura da equipa como alterou a forma como esta trabalha.

Não substituímos funções, mas as expectativas em relação a essas funções mudaram. Os gestores de produto passam menos tempo na síntese e documentação manuais e mais tempo no discernimento, na definição de prioridades e na concretização de resultados. O nível de exigência do pensamento aumentou.

Também esbateu algumas das fronteiras entre funções. Os gestores de produto estão mais próximos dos dados, os designers utilizam a IA para iterar mais rapidamente e os engenheiros recorrem a ela para acelerar o desenvolvimento. Os ciclos de colaboração são mais estreitos porque todos conseguem avançar individualmente mais depressa.

Ao mesmo tempo, estamos a assistir ao surgimento de uma diferença clara: entre as pessoas que sabem trabalhar com AI e as que não sabem. As equipas que se empenham são significativamente mais produtivas.

Como a integração da AI nos fluxos de trabalho melhora a adoção

A adoção tem sido um desafio. Nem todos avançam ao mesmo ritmo. Alguns empenham-se, experimentam e adaptam-se rapidamente. Outros hesitam, questionam-na ou esperam que seja perfeita antes de se envolverem — e é aí que a diferença se torna evidente.

Tornámos a utilização da AI visível e esperada — não opcional.

Em vez de a implementarmos como “aqui está uma nova ferramenta”, integrámo-la diretamente nas operações das equipas. Por exemplo, atualizámos os nossos fluxos de trabalho de produto para que todos os ciclos de descoberta ou de PRD incluíssem uma primeira análise assistida por AI — quer para sintetizar o feedback dos clientes, gerar requisitos iniciais ou delinear hipóteses. Tornou-se parte do processo, não um complemento.

Também estabelecemos uma expectativa simples: não apareça numa revisão ou discussão com uma página em branco. Comece com algo assistido por AI e, em seguida, mostre como o aperfeiçoou. Isto alterou rapidamente a mentalidade, da resistência para a utilização prática.

Ao mesmo tempo, destacámos os êxitos — mostrando como uma equipa reduziu para metade o tempo de descoberta ou melhorou a qualidade do seu pensamento inicial utilizando AI. Essa visibilidade entre pares criou um impulso positivo.

Não se tratava de forçar a adoção; tratava-se de a normalizar no fluxo de trabalho e de tornar os benefícios evidentes através de exemplos reais.

Porque é que os líderes de produto têm de se empenhar na AI — agora

Eis o meu conselho: não espere por clareza — empenhe-se e comece já.

Este é um momento em que quem se antecipar definirá o que vem a seguir. Pode ficar sentado a analisar a situação ou arregaçar as mangas e perceber como funciona em fluxos de trabalho reais. Já se está a formar uma diferença entre aqueles que utilizam AI todos os dias e aqueles que continuam apenas a falar sobre isso.

Seja um evangelista. Se acredita que este é o futuro, então aja como tal. Ponha o seu dinheiro onde está a sua boca — utilize-a no seu próprio trabalho, desafie as suas equipas a utilizá-la e integre-a na forma como a sua organização opera. Isto não se resume a executar projetos-piloto paralelamente; trata-se de mudar a forma como cria produtos.

Ao mesmo tempo, mantenha os pés assentes na terra. A AI não substitui o pensamento. É um multiplicador. Os líderes vencedores combinarão um forte discernimento em matéria de produto com a vontade de aprender rapidamente.

No fundo, tudo se resume a aprender. Se não estiver a aprender, experimentar e evoluir ativamente neste momento, ficará para trás. É tão simples quanto isso.

Por isso, empenhe-se, mantenha a curiosidade e lidere a partir da linha da frente.

Acompanhe

Pode saber mais sobre o trabalho de Tony Pagliocco em tonypag.com ou entrar em contacto com ele através do LinkedIn.

Haverá mais entrevistas com especialistas no The CPO Club!