Diretor de Produto de uma empresa tecnológica afirma que os líderes de produto estão a fazer as perguntas erradas — e a perder as maiores oportunidades

Emrecan Dogan é CPO na Glean. Também desempenhou funções de liderança de produto na Stripe e no LinkedIn.

Falámos com ele para perceber como as perspetivas dos gestores de produto precisam de mudar com a IA. Disse-nos que a maioria das equipas ainda trata a IA como uma funcionalidade — e isso é um erro.

A IA é uma oportunidade para criar sistemas conscientes do contexto

Sou Emrecan Dogan, Diretor de Produto na Glean. Supervisiono o produto, a ciência de dados, as operações de produto e os programas técnicos, e concentro-me em ajudar as equipas a depender verdadeiramente da IA no seu trabalho diário.

O meu percurso sempre se situou na interseção entre sistemas, discernimento de produto e escala. Antes da Glean, desempenhei funções de liderança de produto na Stripe e no LinkedIn. Também passei algum tempo em startups e no investimento, o que me proporcionou uma visão privilegiada sobre a forma como ocorrem as mudanças de plataforma e a rapidez com que os pressupostos de produto podem ruir quando uma nova tecnologia se torna viável.

A IA atraiu-me tão profundamente porque não é apenas mais uma vaga de funcionalidades. Muda a própria forma do produto. Durante anos, o software ajudou sobretudo os utilizadores a navegar por sistemas de registo. Mas a IA dá-nos a oportunidade de criar sistemas que compreendem o contexto, raciocinam através de várias ferramentas e ajudam as pessoas a passar da intenção à execução. Enquanto líder de produto, é nessa transformação que estou mais interessado.

Emrecan Partilha

Durante anos, o software ajudou sobretudo os utilizadores a navegar por sistemas de registo. Mas a IA dá-nos a oportunidade de criar sistemas que compreendem o contexto, raciocinam através de várias ferramentas e ajudam as pessoas a passar da intenção à execução. Enquanto líder de produto, é nessa transformação que estou mais interessado.

O desafio de criar ferramentas abrangentes e precisas

A minha organização cria soluções de IA para trabalho seguro à escala empresarial: pesquisa empresarial, assistentes proativos, agentes e a camada de contexto que ajuda essas experiências a compreender as pessoas, o conhecimento, as ferramentas e as permissões de uma empresa.

O produto é fundamentalmente horizontal. Criamos soluções para qualquer departamento e equipa da empresa — desde produto e engenharia, passando por vendas e suporte, até TI, RH, finanças, área jurídica e muito mais. Todos partilham a mesma necessidade comum: ajudar as pessoas a tomar decisões e a realizar trabalho num cenário fragmentado de aplicações, documentos, conversas e sistemas.

Disponibilizamos isto como uma plataforma SaaS empresarial, concebida para funcionar num conjunto amplo e complexo de sistemas, mantendo-se simultaneamente profundamente consciente das permissões, fiável e integrada nos fluxos de trabalho diários dos utilizadores. O desafio — e a oportunidade — consiste em criar algo que possa ser amplamente útil em toda a empresa, continuando a parecer preciso e relevante no contexto específico de cada equipa.

Como a IA transforma os produtos, passando de funcionalidades a fluxos de trabalho

Já não definimos o produto principalmente como um conjunto de funcionalidades isoladas. Definimo-lo como um fluxo de trabalho de produto de ponta a ponta.

Há um ano, muitas equipas, incluindo a nossa, ainda pensavam em termos de “Onde vive esta funcionalidade?” ou “Que página deve ser responsável por este caso de utilização?” A IA levou-nos a fazer uma pergunta diferente: “Como é que o utilizador realiza o trabalho, desde a intenção até ao resultado?”

Parece uma diferença subtil, mas muda tudo. Muda o âmbito, as métricas, a avaliação, a experiência do utilizador e até a forma como as equipas estão organizadas.

A minha opinião pouco consensual: a maioria das equipas continua a subestimar a profundidade desta mudança. Estão a utilizar a IA para adicionar uma funcionalidade ao produto existente. Mas a maior oportunidade consiste em reformular todo o ciclo de trabalho.

Em muitos casos, a pergunta certa já não é “Onde colocamos esta capacidade?” É “Que elemento da interface existente deve desaparecer porque o sistema consegue agora realizar o trabalho de forma mais direta?”

Como a IA informa as decisões de produto enquanto as pessoas garantem a confiança

Utilizo bastante a IA para síntese, exploração e aceleração do meu trabalho. As tarefas incluem:

• Resumir o feedback dos clientes proveniente de várias fontes
• Identificar padrões nos dados de utilização e dos fluxos de trabalho
• Elaborar a estrutura de um PRD ou apresentar opções de enquadramento
• Explorar rapidamente várias direções de UX
• Testar a solidez das suposições
• Criar artefactos iniciais para planeamento, revisões e comunicação

O que continua a ser explicitamente humano é o discernimento. Muitas pessoas traçam a fronteira entre humanos e máquinas no lugar errado. A questão não é a IA fazer trabalho de baixo valor e os humanos fazerem trabalho de alto valor. A questão é a IA tratar da pesquisa abrangente, da compressão e da geração de opções, enquanto os humanos continuam responsáveis pelo bom gosto, pela confiança e pelas decisões de compromisso irreversíveis.

Eu nunca delegaria o bom gosto de produto. Nunca delegaria as decisões sobre permissões ou confiança. E nunca deixaria um modelo tomar a decisão final sobre o que deve ser desenvolvido simplesmente porque consegue argumentar a favor de várias opções.

Atualmente, gerar opções é barato. O discernimento coerente não é.

Como a IA melhora os fluxos de trabalho de planeamento de produtos

Tomemos como exemplo o nosso fluxo de trabalho de planeamento de produtos.

Posso começar com uma pergunta abrangente, como: “Ajuda-me a avaliar se vale a pena resolver este problema agora.”

A partir daí, o sistema reúne o feedback dos clientes, documentos internos anteriores, sinais de utilização, trabalho relacionado do roteiro e contexto competitivo. E uso a IA para sintetizar os principais padrões, identificar questões em aberto e elaborar um primeiro enquadramento do produto.

Em seguida, uso-a para transformar esse enquadramento em artefactos mais concretos: uma especificação preliminar, um conjunto de opções, dependências, considerações de lançamento e itens de ação para a equipa.

E, na versão mais robusta deste fluxo de trabalho, o assistente não se limita a elaborar rascunhos. Ajuda a criar ou atualizar os objetos subjacentes nos sistemas onde o trabalho decorre, com uma pessoa envolvida antes de qualquer alteração ser efetivada.

O fluxo de trabalho passa da investigação à síntese e à execução num ciclo contínuo. É aí que a IA se torna muito mais valiosa do que um chatbot.

Porque é que a IA acelera o desenvolvimento de produtos, mas põe a confiança à prova

Um resultado positivo de tudo isto é que o limite máximo é agora muito mais elevado.

A IA pode condensar fluxos de trabalho que anteriormente exigiam alternar extensivamente entre separadores, síntese manual e coordenação repetitiva. Pode tornar as equipas de produto mais rápidas a passar da pergunta ao contexto, do contexto à decisão e da decisão à ação. Também eleva as expectativas dos utilizadores. Depois de experienciarem um assistente capaz de compreender as suas ferramentas, o seu histórico e as suas permissões, deixam de querer soluções pontuais que respondam apenas a perguntas restritas.

Assim, a IA expande rapidamente as possibilidades, mas o valor duradouro do produto continua a resultar do rigor.

Como conceber para a confiança evita armadilhas nos produtos de IA

Um resultado negativo é que a IA também facilita o lançamento de algo impressionante, mas que ainda não é digno de confiança. Numa fase inicial, muitas equipas dão demasiada importância ao valor da demonstração e pouca à avaliação, às permissões, à fiabilidade e à clareza da UX relativamente à função do sistema. É possível gerar entusiasmo rapidamente, mas, se os resultados forem inconsistentes ou o fluxo de trabalho falhar na fase final, os utilizadores perdem a confiança com a mesma rapidez.

A confiança não deve ser uma camada que se adiciona mais tarde. Faz parte do produto desde o primeiro dia.

Os utilizadores fazem quase imediatamente perguntas mais profundas: De onde veio isto? Porque é que fez aquilo? Posso confiar nisto? Respeitará as permissões? O que acontece se estiver errado? Se não conceber respostas para estas perguntas desde cedo, acabará por reconstruir partes fundamentais do produto mais tarde.

Se tivesse percebido isso de forma mais visceral no início da minha liderança de produto, teria insistido ainda mais cedo em citações claras, melhores avaliações, maior visibilidade do progresso e controlos mais rigorosos com intervenção humana.

Porque é que o sistema que envolve a IA é o mais importante

A IA ainda não conseguiu, de forma consistente, executar fluxos de trabalho totalmente autónomos e de longo prazo, como muitas pessoas esperavam.

É excelente em tarefas delimitadas. Está a melhorar na execução em várias etapas. Mas, quando enfrenta trabalho ambíguo e transversal que exige discernimento contínuo, objetivos em mudança e uma compreensão matizada das partes interessadas, a diferença entre uma demonstração convincente e um valor fiável em produção continua a ser real.

A IA também fica aquém sempre que as equipas assumem que o modelo, por si só, é o produto. Na prática, o verdadeiro valor advém do contexto, das permissões, da orquestração, da avaliação e de uma conceção ponderada dos fluxos de trabalho. Sem esse sistema envolvente, o modelo é frequentemente a parte menos diferenciadora.

Emrecan Shares

\u003cstrong\u003eÉ excelente em tarefas delimitadas. Está a melhorar na execução em várias etapas. Mas, quando enfrenta trabalho ambíguo e transversal que exige discernimento contínuo, objetivos em mudança e uma compreensão matizada das partes interessadas, a diferença entre uma demonstração convincente e um valor fiável em produção continua a ser real.\u003c/strong\u003e

Como é que a IA torna as equipas de produto interdisciplinares

A IA tornou as melhores equipas mais interdisciplinares. As fronteiras entre gestão de produto, design, engenharia, ciência de dados e operações de produto são menos rígidas porque o próprio produto é menos rígido.

Criar produtos nativos de IA fortes exige uma colaboração mais estreita na conceção de fluxos de trabalho, na avaliação, na confiança e na iteração. Também aumenta a importância das pessoas capazes de alternar entre a experiência do utilizador e o comportamento do sistema.

Como é que os líderes de produto devem adaptar-se à mudança impulsionada pela IA

Eis o meu conselho:

1. Reconceba os seus fluxos de trabalho.
2. Trate o contexto como um elemento fundamental do produto. Nos produtos de IA, a diferença entre algo mágico e algo medíocre não está muitas vezes no modelo. Está em saber se o sistema dispõe do contexto certo no momento certo e se consegue agir sobre ele de forma segura.
3. Invista em avaliações e infraestruturas de confiança mais cedo do que seria natural. Os líderes de produto estão habituados a instrumentar cliques e funis. Na IA, também é necessário instrumentar a qualidade, a fundamentação, a segurança, as permissões e o sucesso das tarefas. Isso não é opcional. A indústria continua a investir pouco nesta área porque as demonstrações recompensam a novidade e os utilizadores recompensam a fiabilidade. Inverta a ordem habitual das operações: se a sua equipa ainda não criou avaliações, gestão de permissões, citações e transferências claras, não está preparada para escalar a experiência, por muito bom que o modelo pareça numa demonstração.
4. Por fim, não espere por certezas. Este é um momento para aprender através do lançamento, mas com disciplina.

Acompanhe

Pode acompanhar o trabalho de Emrecan Dogan no LinkedIn.

Haverá mais entrevistas com especialistas no The CPO Club!