Como se destacar como gestor de produto de IA

Ler a transcrição:

Estamos a experimentar transcrever os nossos podcasts utilizando um programa de software. Perdoe quaisquer erros de digitação, pois o bot não está correto a 100% do tempo.

Hannah Clark: Vou ser direta: quer esteja ou não a estabelecer como objetivo profissional explícito especializar-se em gestão de produtos de IA, esta é agora uma competência que todos os gestores de produto de software devem desenvolver. Penso que é seguro dizer que, agora que a tecnologia chegou, só irá melhorar, tornar-se mais inteligente e mais omnipresente. Por isso, aprender a trabalhar com IA é praticamente tão essencial como aprender a trabalhar com a Internet. Na verdade, pode dizer-se que as competências básicas em IA já são um requisito mínimo ao candidatar-se a funções de gestão de produto. Então, como pode levar isso um passo mais longe e destacar-se no mercado de trabalho para gestores de produto de IA?

O meu convidado de hoje é Praveen Gujar, diretor de produto na LinkedIn. Como o título sugere, Praveen tem uma excelente perspetiva sobre os casos de utilização crescentes da IA na indústria dos produtos digitais, bem como uma compreensão aprofundada da amplitude de competências que os gestores de produto precisam de desenvolver para terem verdadeiramente sucesso neste espaço. Falámos sobre os aspetos técnicos e teóricos da utilização da IA, mas, se não retirar mais nada desta conversa, a nossa discussão sobre higiene dos dados — que surge aproximadamente a meio do episódio — é uma informação fundamental para quem espera não só conseguir uma função de gestor de produto de IA, mas também destacar-se nela. Vamos começar.

Bem-vindos de novo, ouvintes, ao podcast The CPO Club. Eu sou Hannah Clark e somos uma comunidade de líderes de produto determinados, aqui para partilhar o peso de fazer crescer o seu produto. Os nossos membros são gestores de produto focados em SaaS que gostam genuinamente do seu trabalho e são motivados a ajudar outros a ter sucesso. Por isso, se quiser saber mais, pode visitar theproductmanager.com/membership. Teremos todo o gosto em recebê-lo.

E hoje estamos a falar com Praveen Gujar. Muito obrigada por se juntar a nós.

Praveen Gujar: É um prazer estar aqui. Obrigado pelo convite, Hannah.

Hannah Clark: Sim, é um prazer tê-lo connosco.

Pode falar-me um pouco sobre o seu percurso e sobre como chegou à posição que ocupa atualmente na LinkedIn?

Praveen Gujar: O meu percurso combina engenharia e gestão de produto. Comecei a minha carreira, depois do curso de engenharia, como programador de software. Mas depressa percebi que trabalhar de trás para a frente a partir das necessidades dos clientes e criar excelentes produtos era aquilo que me distinguia. Por isso, tirei um MBA e comecei na Amazon como gestor de produto.

Em resumo, a minha experiência concentra-se em duas áreas principais. Uma é a publicidade digital e a segunda é a nuvem pública. Todos os produtos que criei nestes dois segmentos são baseados em IA. Trabalhei na Amazon, na LinkedIn e também no Twitter, onde desenvolvi estes produtos em grandes organizações. Trabalho na área da gestão de produtos de IA há bastante tempo e tenho todo o gosto em partilhar a minha experiência e os meus conhecimentos neste espaço.

Hannah Clark: É fantástico. E sei que estamos muito interessadas em ouvir mais sobre isso. O tema de hoje será a especialização em gestão de produtos de IA. É obviamente uma área enorme que está a crescer imenso neste momento.

Para começarmos, quais são algumas das competências que distinguem um excelente gestor de produto de IA de um gestor de produto tradicional?

Praveen Gujar: É uma excelente pergunta. Antes de mais, se quiser ser um excelente gestor de produto de IA, precisa de ser primeiro um bom gestor de produto — ou um excelente gestor de produto. Muitas das competências necessárias para ser um excelente gestor de produto são também indispensáveis para ser um excelente gestor de produto de IA. Isso inclui identificar verdadeiramente o problema, começar pelas necessidades dos clientes, ter uma boa visão de produto para criar o produto certo e conduzir tanto a fase de execução como a fase de entrada no mercado.

Tudo isto é essencial. Além disso, enquanto gestor de produto de IA, há três aspetos fundamentais que considero muito importantes. O primeiro é a compreensão técnica do espaço da IA. É essencial compreender como funcionam os conceitos de aprendizagem automática e de IA, os modelos e os diferentes tipos de modelos, incluindo o treino dos modelos, bem como a forma de interagir com os engenheiros de IA.

O segundo aspeto é a ciência dos dados ou a perspetiva dos dados. Como gestor de produto neste espaço, precisa de compreender muito bem os dados: como fluem, como são utilizados para treinar os modelos, o que significa ter dados limpos e higienizados e como os dados podem introduzir enviesamentos. Todos estes conhecimentos são fundamentais.

Em terceiro lugar, a programação pode ser uma mais-valia real para um gestor de produto. Se souber programar em Python, R ou noutras linguagens, conseguirá relacionar-se muito melhor com os engenheiros que trabalham nesta área e será muito mais eficaz na sua função.

Eu classificaria estes aspetos como conhecimentos técnicos no espaço da IA. Isso cobre uma dimensão. A segunda dimensão consiste em aplicar estes conceitos de IA ao seu domínio. Se trabalhar na área da saúde, dos serviços financeiros ou noutra área, como pode aplicar os princípios e a tecnologia de IA que conhece para tornar os produtos mais relevantes para os clientes?

Esse é um aspeto fundamental de ser gestor de produto de IA. O terceiro pilar consiste em elevar as suas competências de gestão de produto. Um dos aspetos essenciais é a explicabilidade: como explicar isto às pessoas à sua volta, incluindo executivos que podem ou não estar preparados ou familiarizados com a IA. Saber fazê-lo é muito importante.

Compreender toda a gestão do ciclo de vida dos modelos também é fundamental, porque trabalha com engenheiros, ajusta os modelos, acompanha todo o ciclo de vida e precisa de colaborar estreitamente com essas equipas.

Em resumo: os conhecimentos técnicos, a aplicação da tecnologia ao seu domínio e o desenvolvimento das competências de gestão de produto para obter maior explicabilidade e dominar outros aspetos são essenciais. É isto que caracteriza um excelente gestor de produto de IA.

Hannah Clark: Sim, tenho a certeza de que todos estarão muito interessados em desenvolver essas competências, porque esta é uma área com enormes oportunidades.

E, por falar nisso, qual é, na sua perspetiva, o panorama atual para gestores de produto com competências ou experiência em IA?

Praveen Gujar: A IA tornou-se um nome familiar. Penso que grande parte do mérito cabe ao ChatGPT e à sua popularização, mas a IA não é algo novo. As pessoas na indústria tecnológica têm utilizado IA de várias formas há bastante tempo.

Venho da área da publicidade digital, onde a IA tem alimentado vários sistemas e capacidades há mais de uma década, e noutras áreas há ainda mais tempo. Se olharmos para os últimos dois anos, assistimos a um crescimento exponencial tanto da popularidade como da utilização da IA. Isso abre muitas oportunidades para gestores de produto com competências em IA trabalharem em diferentes domínios, problemas e soluções criativas ou inovadoras. Essa explosão é muito importante e continuará num futuro próximo. Pelo menos, é esse o panorama que observamos.

O segundo aspeto é a expansão da função. Cada vez mais, nos últimos dois anos, todas as organizações de produtos e serviços têm passado por algum tipo de evolução para acrescentar IA aos seus produtos. Isso pode significar melhorar as experiências com IA ou reconstruir produtos com uma abordagem baseada na IA ou integrada com IA.

Isto abre uma enorme oportunidade para os gestores de produto que trabalham neste espaço desenvolverem tecnologia de ponta e acrescentarem valor real aos clientes. Além disso, é estrategicamente importante nos dias de hoje. Pode até argumentar-se que também é importante do ponto de vista das relações públicas.

Também é importante para construir o seu perfil enquanto gestor de produto. Cada vez mais, isto é estrategicamente importante para as organizações. Assim, estará melhor posicionado dentro da empresa se for um gestor de produto de IA, porque tem competências relevantes e está mais alinhado com as necessidades estratégicas da empresa.

Por último, existe uma necessidade e uma procura de gestores de produto de IA devido à explosão que temos observado. As suas competências tornam-se mais procuradas, o que abre novas oportunidades para o desenvolvimento de competências, para a criação de excelentes produtos e também para benefícios financeiros.

Hannah Clark: Muitas oportunidades e muitos benefícios.

Voltemos então às competências e à sua aplicação prática. Que conselhos podem os gestores de produto seguir para utilizar a IA na criação de produtos de elevado crescimento?

Praveen Gujar: É uma excelente pergunta. Estamos inclusivamente a publicar um artigo na Engineering Management Review sobre este tema, refletindo sobre o que significa criar um excelente produto com IA.

Se observarmos a tendência atual, todos estão a aderir à moda. Muitas organizações estão a melhorar os seus produtos e serviços acrescentando-lhes IA. Em muitos casos, isso é feito apenas superficialmente. Por exemplo, pode consistir em executar um chatbot sobre serviços existentes.

É muito semelhante ao que a era móvel nos ensinou. Quando os dispositivos móveis se tornaram omnipresentes, a primeira reação das organizações foi reduzir o produto existente para o formato móvel. Isso não durou muito tempo. De forma semelhante, muitas organizações estão, por falta de imaginação, a implementar ou a espalhar IA sobre os seus produtos e soluções existentes.

Esse não é um modelo sustentável. A vantagem sustentável surge quando se criam produtos baseados na IA desde a sua origem ou produtos organizacionais integrados com IA. O que isto significa? Significa colocar a IA no centro do produto e criar experiências alimentadas e totalmente automatizadas por IA.

Em vez de limitar a IA à automatização de um determinado fluxo de trabalho, é fundamental permitir que os modelos de IA façam otimizações. A segunda parte é a tomada de decisões. Grande parte da utilização recente da IA consiste em responder rapidamente a uma pergunta. Contudo, a otimização central e a tomada de decisões são aquilo que realmente permitirá tornar o produto muito mais eficaz.

Por último, a estrutura da organização também é muito importante. Se tiver uma equipa integrada, com engenheiros de IA a trabalhar em estreita colaboração com gestores de produto, criará produtos mais integrados com IA e pensados desde o início. Isso pode permitir-lhe competir melhor com a concorrência e criar um modelo mais sustentável no futuro. Assim, é importante repensar os produtos e serviços através de uma abordagem centrada na IA.

Resolver o problema do utilizador continua a ser uma necessidade fundamental para qualquer produto. Não há atalhos nesse aspeto. Mas é necessário repensar o produto, permitindo que a IA tome decisões e aplicando a tecnologia para melhorar a experiência atual.

Hannah Clark: Tenho curiosidade sobre alguns dos casos de utilização da IA que atualmente vemos neste espaço. Existem produtos que foram significativamente melhorados pela IA e outros que talvez não tenham beneficiado tanto. Quais são alguns dos melhores casos de utilização que observou ou em que vê uma grande oportunidade de expansão?

Praveen Gujar: Venho da área da publicidade digital. Vejamos esse exemplo. Na publicidade digital, é necessário garantir que se alcança o público certo, que se tem o conteúdo adequado para esse público e que se apresenta esse conteúdo no momento e no local certos.

Tradicionalmente, começámos por utilizar modelos de IA para compreender qual era o público mais adequado para um produto ou serviço e, dependendo do objetivo principal, como alcançar públicos específicos. Com o tempo, melhorámos esses modelos, e muitos algoritmos preditivos permitem compreender quais são os públicos que provavelmente responderão melhor.

Esse é um caso de utilização. Com o aparecimento da IA generativa, especialmente nos últimos dois anos, a criação de conteúdo tornou-se muito importante. Se for uma marca e quiser chegar a diferentes públicos, pode gerar grande parte do conteúdo e das suas variações de forma muito mais rápida, permitindo que a equipa criativa trabalhe mais depressa e seja mais produtiva.

Depois de ter o público e o conteúdo, surge a questão de como personalizar tudo isto em grande escala. Qualquer pessoa pode personalizar uma mensagem para uma pequena população, mas, se uma grande organização quiser alcançar milhões de utilizadores com conteúdo personalizado, a IA permite segmentar dinamicamente o público e criar conteúdo para personalizar a mensagem em grande escala.

Estas três áreas já eram desenvolvidas há bastante tempo. Agora, o desafio é ligá-las para garantir que todo o processo é automatizado e otimizado. É por isso que muitas plataformas de publicidade estão a disponibilizar soluções completas, automatizadas de ponta a ponta, através de um único clique.

Seja na Google, na LinkedIn ou na Meta, vemos surgir muitas destas plataformas automatizadas. Este é apenas um caso de utilização digital. Também falamos frequentemente sobre a utilização da IA na área da saúde. Conheço uma pessoa que trabalha na Google e se especializa na análise de imagens de raio X para identificar anomalias que podem causar cancro.

Os modelos desenvolvidos ao longo dos anos têm demonstrado uma eficácia cada vez maior na identificação precoce de tumores malignos ou de outras situações, muito antes do que um radiologista ou outra pessoa conseguiria detetar. Estes são excelentes exemplos de como a IA está a melhorar não só a produtividade, mas também a eficácia do trabalho que realizamos.

São provavelmente apenas alguns exemplos; poderá haver milhares de casos de utilização semelhantes.

Hannah Clark: Consigo imaginar que praticamente todas as indústrias tenham algo semelhante.

Falemos um pouco sobre higiene dos dados. Qual é a importância de manter dados limpos ao trabalhar com ferramentas de IA?

Praveen Gujar: Ouvimos falar bastante sobre como os grandes modelos de linguagem e outros modelos de IA são treinados com quantidades cada vez maiores de dados. É uma espécie de mecanismo de entrada de lixo, saída de lixo. Se os dados não forem de elevada qualidade e não forem tratados relativamente a enviesamentos e falta de precisão, o resultado obtido dos modelos será também inferior ao ideal.

É por isso que a higiene dos dados desempenha um papel fundamental. Enquanto gestor de produto de IA, precisa de compreender os dados e também a componente da plataforma de dados. Isto é essencial. Melhorar a precisão do modelo com que trabalha é muito importante.

Minimizar enviesamentos é fundamental num modelo de IA, e é por isso que a higiene dos dados é tão importante. O desempenho do modelo, ou seja, a sua precisão, também depende disso. Além disso, o treino de um modelo continua a ser um trabalho moroso. Pode passar horas ou meses a treinar um modelo, e quaisquer dados de má qualidade tornam o processo ainda mais complicado.

Por último, podemos esperar um escrutínio regulamentar crescente sobre alguns destes modelos de IA e sobre os resultados que geram. Se a origem desses resultados forem dados não higienizados ou não selecionados, o resultado do modelo poderá não cumprir as normas regulamentares que estas entidades venham a impor no futuro.

Vejamos um exemplo simples. Se trabalhar no setor financeiro e estiver a fazer publicidade aos seus clientes, e se os modelos publicitários não forem treinados com dados de elevada qualidade, podem introduzir enviesamentos inadvertidamente. Isso pode levar a um maior escrutínio regulamentar se os enviesamentos afetarem, por exemplo, uma comunidade desfavorecida e violarem a legislação de crédito justo.

Este é um efeito cíclico. O impacto de não utilizar dados higienizados é muito maior do que aquilo que inicialmente se pode imaginar. Por isso, é muito importante ter sistemas e plataformas que selecionem os dados e os preparem de forma a que os modelos possam ser treinados eficazmente.

Hannah Clark: Este é, na verdade, um tema que se cruza com a ética da utilização da IA.

Gostaria de conhecer a sua opinião geral sobre a ética no espaço da IA e sobre como os gestores de produto que estão a iniciar-se nesta área podem garantir que atuam de forma responsável ao implementar soluções de IA.

Praveen Gujar: É uma excelente pergunta e um tema de importância primordial para muitas organizações. Muitas estão inclusivamente a criar equipas chamadas equipas de IA responsável.

O objetivo é garantir que as normas éticas e morais são mantidas. O setor financeiro é um bom exemplo de como, quando estas normas não são seguidas, podem surgir impactos sociais e económicos, especialmente para determinados segmentos da população.

Se for gestor de produto de IA, tudo começa pela educação: deve informar-se sobre algumas das limitações que podem existir. Dados não higienizados ou modelos que não foram treinados corretamente são exemplos dessas limitações. A formação sobre estes temas deve ser o primeiro passo.

Depois, quando descobre que determinados dados não foram devidamente selecionados ou podem introduzir enviesamentos, precisa de saber quais os passos a tomar para os limpar, voltar a treinar os modelos e validar a sua precisão. Esse processo é igualmente importante.

O terceiro aspeto está relacionado com a estrutura organizacional adequada. Uma equipa diversificada também é muito importante. Recomendo inclusivamente a existência de uma pessoa responsável que possa defender a diversidade e garantir o cumprimento das normas éticas na equipa.

Essa pessoa pode monitorizar o processo e assegurar que os dados são limpos e treinados de forma ética, para que a precisão dos modelos seja adequada. Estas são algumas das boas práticas que um gestor de produto pode aplicar para garantir a manutenção dos padrões éticos.

Hannah Clark: Mudando um pouco de tema, de que formas pode a IA ajudar-nos a realizar experiências mais eficientes?

Praveen Gujar: Pensemos na forma tradicional de realizar experiências. Se trabalhar numa empresa como a DoorDash, poderá executar milhares de experiências num único dia.

Existem várias métricas de negócio e métricas do sistema que é necessário acompanhar. É normal que um gestor de produto execute duas ou três experiências em paralelo para funcionalidades diferentes. Depois, tem de compreender as implicações dessas experiências, trabalhar com o cientista de dados responsável para ajustar a experiência, obter os resultados, voltar a afiná-la, decidir se deve aumentar ou reduzir a exposição e, finalmente, gerar os resultados necessários para aumentar a utilização do produto ou demonstrar o impacto da funcionalidade.

Grande parte deste processo é uma abordagem baseada em trabalho humano. Agora imagine que criou um sistema de IA capaz de otimizar as suas capacidades de experimentação. Isso não só tornaria a função do gestor de produto mais útil, como também facilitaria a execução, avaliação e tomada de decisões relacionadas com as experiências.

O processo começa logo na conceção da experiência: quais são os parâmetros ideais e quais são as hipóteses? Os algoritmos de IA podem ajudar a formular hipóteses e a selecionar os parâmetros adequados. Durante a experiência, podem ajustar dinamicamente a sua intensidade ou as variantes para encontrar o equilíbrio ideal.

Também podem decidir se o risco foi suficientemente mitigado durante a fase inicial e se é possível aumentar a exposição para obter mais sinais estatísticos. Estas decisões podem ser tomadas de forma mais autónoma. Por último, identificar anomalias nas métricas de negócio e do sistema resultantes do impacto da experiência é uma funcionalidade de grande valor.

Assim, é possível identificar o impacto muito mais cedo e permitir que os modelos decidam se devem interromper ou reduzir a experiência antes de existir um impacto maior nas métricas do negócio. Por exemplo, se o lançamento de uma funcionalidade interromper algumas sessões na aplicação e afetar diretamente as receitas, os modelos podem identificar o problema mais rapidamente do que as pessoas e interromper a experiência, garantindo que o problema é mitigado.

Há, portanto, muitas formas através das quais os modelos de IA podem ajudá-lo a experimentar melhor, a ser mais produtivo e a tomar decisões atempadas.

Hannah Clark: Antes de terminarmos, esta foi uma enorme quantidade de informação e tudo muito útil. Tenho a certeza de que as pessoas procurarão saber quais são os próximos passos, pois todos os ouvintes estão muito entusiasmados por começar a desenvolver competências na área da IA, ainda que gradualmente.

Que recomendações tem para quem deseja desenvolver estas competências? Se não estiver atualmente a trabalhar num produto de IA, existem recursos ou cursos que recomende?

Praveen Gujar: Existem muitos cursos na LinkedIn Learning e na Coursera. Um dos meus favoritos é o DeepLearning.ai. Se visitar esse site, encontrará cursos de Andrew Ng, também disponíveis na LinkedIn Learning e na Coursera. É essencial construir uma compreensão sólida dos fundamentos da IA. Não posso deixar de reforçar a importância disso, porque, quando se tem uma boa base, é possível desenvolver conhecimentos sobre tecnologias mais avançadas e perceber como aplicá-las nas próprias aplicações.

Recomendo aos ouvintes que comecem por compreender os fundamentos e depois avancem para cursos mais avançados. Os podcasts também podem ser uma excelente forma de aprender e de acompanhar o que está a acontecer na indústria. Esta tecnologia evolui muito rapidamente, por isso é difícil manter-se atualizado, e os podcasts são um bom mecanismo para o fazer.

Em terceiro lugar, são publicados vários artigos em blogues. Estes podem ser uma excelente forma de aprofundar um tema específico e compreender as suas aplicações práticas na sua área ou, de forma geral, em qualquer área.

As universidades também disponibilizam cursos. Não tenho a certeza da eficácia de todos, para ser sincero, mas oferecem uma abordagem mais estruturada e podem proporcionar um diploma, o que pode ser uma mais-valia para entrar neste espaço.

Estas são algumas áreas que podem ajudá-lo a atualizar as suas competências ou a conhecer melhor a IA para entrar neste campo. Podem ser muito valiosas. Acrescentaria apenas uma coisa: mais do que qualquer outra característica, é necessário ser curioso enquanto gestor de produto nesta área, para investir tempo, compreender verdadeiramente os temas e aprofundá-los. Certifique-se de que aprende os conceitos e depois os aplica à sua área.

Hannah Clark: É um excelente conselho. Muito obrigada por se juntar a nós hoje, Praveen. Onde é que as pessoas podem acompanhar o seu trabalho online?

Praveen Gujar: Podem seguir-me na LinkedIn. Também estou a tentar criar o meu próprio site, praveengujar.com. Ainda está em construção, mas todas as minhas publicações e o próximo livro serão disponibilizados nesse site.

Hannah Clark: Muito bem. Muito obrigada por ter vindo. Agradecemos imenso a sua participação.

Praveen Gujar: Muito obrigado pelo convite.

Hannah Clark: Obrigada por nos ouvir. Para obter mais informações, guias práticos e análises de ferramentas, subscreva a nossa newsletter em theproductmanager.com/subscribe. Pode ouvir mais conversas como esta subscrevendo o The CPO Club, onde quer que ouça os seus podcasts.