"A IA vai tornar os gerentes de produto obsoletos."
"Todo PM precisa se tornar especialista em IA."
"Se você não está usando IA, está ficando para trás."
Essas são apenas algumas das manchetes que inundam os feeds do LinkedIn e as newsletters do setor. Como gerente de produto, você já deve ter visto declarações semelhantes e se sentiu ainda mais pressionado nesta profissão que já é bastante exigente. No entanto, quando falo com equipes de produto, muitas vezes ouço algo diferente. Há uma certa confusão, ceticismo e, às vezes, até culpa por não adotar a IA por completo no trabalho diário.
A realidade por trás do hype
Em um estudo conduzido pelo MIT com mais de 1.000 cientistas usando ferramentas de IA, os pesquisadores descobriram algo inesperado: embora a produtividade tenha aumentado muito, a satisfação no trabalho diminuiu, com 82% dos cientistas relatando essa queda na satisfação com o trabalho.
Esse paradoxo do aumento da produtividade com a diminuição da satisfação nos diz algo importante sobre o lado humano da adoção da IA.
"Sinto que grande parte do meu conhecimento agora não vale nada", comentou um cientista.
É provável que muitos gerentes de produto sintam o mesmo enquanto assistem aos desenvolvimentos da IA com uma mistura de fascínio e apreensão.
Apesar desses desafios, o impacto potencial da IA no modo de trabalhar é significativo demais para ser ignorado.
A mais recente pesquisa do Teamwork Lab da Atlassian mostra que, para aproveitar ao máximo o trabalho com a IA, a mentalidade é muito mais importante do que a adoção, e isso é fundamental para a maturidade.
Os resultados são claros: o futuro do trabalho é a colaboração entre humanos e IA. Nossos dados provam que os colaboradores de IA mais estratégicos:
- Usam a IA para dobrar o ROI dos esforços
- Economizam 105 minutos por dia, o equivalente a um dia de trabalho extra por semana
- Têm 1,5 vezes mais chances de investir o tempo economizado para aprender novas habilidades
- Têm 1,8 vezes mais chances de serem vistos como colegas de equipe inovadores
A gente identificou padrões de como as ferramentas de IA podem aprimorar e atrapalhar o trabalho de gerenciamento de produtos. Neste artigo, a gente analisa um modelo focado em manter o julgamento e a criatividade humanos e, ao mesmo tempo, aproveitar os recursos de análise de dados da IA. As pesquisas sugerem que este equilíbrio é crucial para uma boa adoção de IA.
Para ter alguma chance de sucesso no novo ambiente de trabalho com IA, a gente recomenda que você siga as seguintes etapas:
- entenda como a IA funciona e quais são as limitações,
- colabore com colegas de equipe de IA e, aos poucos. melhore neste tipo de interação,
- então, com o tempo, preveja onde a IA pode agregar mais valor ao trabalho.
Como funcionam os colegas de equipe de IA
Antes de abordar a criação de hábitos com a IA, primeiro a gente precisa entender como os agentes operam.
Imagine que você está em uma festa em que todos estão tendo várias conversas ao mesmo tempo. Você quer acompanhar uma conversa, mas precisa prestar atenção a vários elementos: as palavras usadas, o tom de voz, os comentários anteriores e o contexto geral. Essa situação é semelhante à forma como os modelos de transformadores, a espinha dorsal da IA moderna, processam as informações.
Os modelos transformadores, lançados em 2017, revolucionaram a IA porque conseguiam prestar atenção em várias partes da entrada ao mesmo tempo, da mesma forma que você consegue processar diferentes aspectos de conversas de uma única vez. Essa capacidade de lidar com o contexto e as relações entre diferentes informações é o que torna as ferramentas modernas de IA tão poderosas.
Grandes modelos de linguagem (LLMs) se baseiam nisso. Imagine que eles leram quase tudo que está na internet: livros, artigos, códigos, conversas. Eles aprenderam padrões com essa imensa quantidade de dados, permitindo que compreendam o contexto e as nuances, gerem textos semelhantes aos dos humanos, reconheçam padrões e relacionamentos e adaptem as respostas com base na conversa.
Neste artigo, o foco vai ser os agentes de IA, uma das interfaces mais comuns para interagir com LLMs. Esses agentes atuam como interfaces conversacionais que nos permitem interagir com LLMs de forma natural e com base em diálogos. Embora os LLMs possam ser integrados a produtos e fluxos de trabalho de várias maneiras (como preenchimento de código, geração de conteúdo ou análise automatizada), os agentes representam um paradigma específico em que a IA assume um papel mais colaborativo, semelhante ao de um assistente. Essa é a interface com a qual a maioria dos gerentes de produto vai interagir no trabalho diário, seja por meio de ferramentas de uso geral, como ChatGPT e Claude, ou agentes especializados no local de trabalho, como o Rovo.
Capacidades e limitações
Os agentes de IA se destacam no reconhecimento de padrões, identificando tendências e conexões em grandes quantidades de dados que podem não ser percebidas por humanos. Eles são muito bons em processar linguagem, entender e gerar texto semelhante ao humano em vários estilos e formatos. A capacidade de manter o contexto em longas conversas e considerar vários aspectos de um problema de uma única vez, faz com que sejam uma ferramenta valiosa para tarefas complexas, como gerenciamento de produtos.
No entanto, entender as limitações é crucial. Apesar do tom confiante, eles podem apresentar informações incorretas sem hesitar. Eles não compreendem a causa e o efeito, pois se baseiam na correspondência de padrões, não na compreensão genuína. O conhecimento costuma ser limitado aos dados de treinamento, o que significa que eles não podem ajudar com mudanças de mercado em tempo real ou tendências emergentes, em especial quando não têm acesso à internet e a recursos de pesquisa.
Compreender os pontos fortes e limitações ajuda a abordar a IA como um complemento potente ao trabalho, e não como uma substituição para as principais habilidades dos profissionais. Pensando nisso, a gente vai examinar como criar relações de trabalho eficazes com ferramentas de IA.
Impacto diferenciado
Considere o seguinte cenário: por quinze anos, o Google foi a ferramenta inquestionável para pesquisas on-line. Já era um hábito natural. Precisa de informações? Abra uma nova guia, digite "google.com". Esse hábito enraizado parecia inabalável. No entanto, no ano passado, esse comportamento de décadas foi transformado por completo. Primeiro veio o Arc Search com "Browse for me", depois veio um avanço rápido com ChatGPT, Claude, Perplexity e agora o DeepSeek R1 para pesquisas relacionadas ao trabalho.
Essa transformação ilustra algo crucial sobre a adoção da IA: quando as ferramentas de IA oferecem uma experiência melhor, mais rápida, mais eficiente e com mais informações, elas podem transformar até mesmo os comportamentos mais enraizados em pouquíssimo tempo. A gente não muda as ferramentas porque alguém mandou ou porque é moda, mas porque essas novas soluções alimentadas por IA são muito melhores para atender às necessidades atuais.
Em vez de ver a IA como uma ameaça ou uma solução mágica, a gente pode imaginar que ela é um novo tipo de colega de equipe. Como qualquer bom colega, a IA tem pontos fortes e limitações específicos. O segredo é aprender a colaborar com eficácia.
Como colaborar com os colegas de equipe de IA
O cenário atual do uso da IA revela um padrão importante: a maioria das pessoas está usando agentes de IA de uso geral treinados em dados de uso geral para fazer perguntas específicas sobre o trabalho. Essa incompatibilidade costuma ser fonte de decepção e frustração.
O futuro da colaboração eficaz de IA está em agentes especializados treinados em dados especializados. O Rovo da Atlassian é um exemplo disso. Esse assistente de IA tem acesso a todo o contexto de trabalho: base de conhecimento do Confluence com documentos de estratégia e de requisitos do produto, projetos do Jira mostrando o trabalho e o progresso da equipe, além de metas da empresa e artefatos de planejamento trimestral. Quando você faz uma pergunta sobre o trabalho, as respostas são baseadas no contexto específico da sua organização.
Essa é uma mudança fundamental na forma como a IA pode apoiar o trabalho. Em vez de respostas genéricas baseadas em dados de treinamento de toda a internet, esses colegas de equipe de IA especializados podem proporcionar insights que são relevantes para os desafios, prioridades e formas de trabalhar específicos da sua empresa. As empresas que entendem e agem conforme essa distinção, investindo em sistemas de IA integrados com as bases de conhecimento e fluxos de trabalho, vão ganhar vantagens competitivas significativas na forma como as equipes trabalham e tomam decisões.
Embora as ferramentas especializadas de IA estejam se tornando mais predominantes, a realidade é que a maioria das equipes de produto não usa a IA no trabalho diário.
Para preencher essa lacuna é preciso desenvolver uma mentalidade que prioriza a IA, ou seja, abordar cada tarefa ou desafio pensando como a IA pode ajudar a resolver isso com mais eficácia.
Não se trata de usar a IA para tudo, mas sim de aprender a distinguir quando e como a IA pode de fato aprimorar o trabalho.
Crie hábitos sustentáveis de IA
Ao levar os funcionários do uso básico de IA para a colaboração estratégica, as empresas podem aproveitar todo o potencial da IA e gerar um ROI significativo. Mas mudar a mentalidade de IA traz muito mais benefícios do que apenas a economia de tempo. A colaboração com IA pode dar às empresas ainda mais vantagem competitiva ao promover a melhoria contínua, elevar a qualidade do trabalho e estimular inovações significativas.
O segredo para a adoção significativa da IA é criar hábitos sustentáveis.
Ao longo do dia, você pode usar a IA para testar diferentes abordagens para problemas do usuário ou para aprimorar a comunicação com partes interessadas.
Aqui estão algumas formas práticas e exemplos para criar esses hábitos:
Durante a descoberta do produto
Use a inteligência artificial para analisar as transcrições das entrevistas em busca de padrões que possam ter passado despercebidos, gerar novas hipóteses para teste e identificar assuntos novos no feedback dos usuários.
Por exemplo, ferramentas como o Sauce AI podem coletar feedback de várias fontes e fazer a análise deles para informar a tomada de decisões, identificando temas e desafios comuns levantados em grupos comunitários.
Na estratégia de produto
Aproveite a inteligência artificial para explorar diferentes cenários de mercado, analisar situações competitivas de novos ângulos e gerar narrativas estratégicas alternativas.
Ferramentas como o Perplexity Pro permitem pesquisas muito rápidas em uma variedade de fontes. Ele não faz a pesquisa para você, mas fornece um ponto de partida para, depois, você decidir aonde ir em seguida.
Colegas de equipe de inteligência artificial costumam trabalhar melhor no início ou no final de um fluxo de trabalho: no início de um processo de ideação para ajudar a estimular ideias ou no final da redação para ajudar a restringir o conteúdo. Sempre verifique as fontes de qualquer pesquisa que você terceirize para agentes de inteligência artificial.
Durante o desenvolvimento do produto
Como gerente de produto, há muitos fluxos de trabalho diários que você pode delegar à inteligência artificial:
- Escrever os requisitos do produto
Usar agentes especializados pode economizar horas que podem ser reinvestidas em atividades de alto valor.
- Elaborar notas de lançamento
A inteligência artificial pode gerar notas de lançamento a partir de itens do Jira identificando temas comuns entre eles, apresentando um resumo e uma lista em um formato de solução de problemas.
O segredo é usar a inteligência artificial como parceira durante esses processos, não como substituta. Isso ajuda a garantir que a inteligência artificial aumente (e não diminua) a criatividade, abordando as preocupações com a satisfação no trabalho observadas no estudo do MIT.
Saiba onde seus colegas de equipe de inteligência artificial vão evoluir
A pesquisa do MIT dá pistas valiosas para onde nossas parcerias de inteligência artificial podem ir. Em se tratando de gerentes de produto, veja o que observar:
A ascensão da inteligência artificial especializada
É provável que vejamos uma crescente comoditização dos modelos subjacentes, com mais processamento acontecendo do lado do cliente. Para permanecerem competitivos, os recursos de inteligência artificial vão se tornar mais especializados, se tornando prioridade, oferecendo recursos ajustados e personalizados para desenvolvedores e usuários finais. Já vimos isso acontecer com ferramentas como o Cursor, que demonstram o potencial transformador da inteligência artificial especializada ao incorporar inteligência sensível ao contexto aos fluxos de trabalho dos desenvolvedores. Assim, ocorre a transformação dos recursos gerais de inteligência artificial em assistentes específicos que entendem tanto o código quanto a intenção.
Isso não significa que os vencedores vão ser aqueles com os modelos mais potentes, mas aqueles que melhor integram a inteligência artificial aos fluxos de trabalho e experiências de usuário existentes.
Modelos de combinação de especialistas (MoE)
O modelo de MoE é como uma empresa com departamentos especializados.
Em vez de enviar todas as perguntas por todo o sistema, como os LLMs tradicionais, existe um “roteador” que decide de forma rápida quais partes do modelo de especialistas devem lidar com a tarefa. Isso significa que somente as partes relevantes são ativadas para cada trabalho específico, como usar especialistas em física para questões científicas e especialistas em idiomas para tarefas de redação.
O benefício? Eficiência muito maior com custos mais baixos, permitindo que você crie produtos mais especializados e eficientes que possam lidar com diversas tarefas sem gastar muito.
O elemento humano no gerenciamento de produtos
Talvez o mais importante seja que, à medida que a inteligência artificial se torna onipresente, as pessoas cada vez mais anseiam por autenticidade, qualidade e significado. É provável que vamos observar o seguinte:
- Um ressurgimento no atendimento e no cuidado de alto nível com o cliente
- Maior valor atribuído à narrativa de classe mundial e ao engajamento emocional
- Um ressurgimento de pequenas empresas que oferecem experiências únicas e personalizadas
- Novas oportunidades para alavancar capacidades humanas exclusivas
Embora a ciência dos negócios gire em torno da escala, a arte dos negócios geralmente está nas coisas que não são escaláveis: os toques humanos que a inteligência artificial não consegue replicar. Os maiores vencedores dessa nova era vão ser aqueles que entenderem isso.
O que isso significa para os gerentes de produtos
Discutimos como os gerentes de produtos podem trabalhar com a inteligência artificial para facilitar o trabalho, mas também há a questão de como incorporar melhor a inteligência artificial nas ofertas de produtos deles. Para ter sucesso, é provável que será preciso:
- Entender como orquestrar vários recursos de inteligência artificial em vez de confiar em modelos únicos
- Ter como foco o design da interface e a experiência do usuário como principais diferenciais
- Incorporar a personalização nas principais experiências do produto
- Manter os elementos humanos que dão significado e ressonância emocional aos produtos
- Criar fluxos de trabalho que aprimoram, em vez de substituir, as capacidades humanas
Ainda estamos descobrindo as coisas. E, claro, precisamos acompanhar a evolução constante dessa tecnologia facilitadora. Houve um progresso real, mas ainda estamos apenas no começo dessa jornada.
O mais importante é que agora temos uma noção melhor das perguntas certas a serem feitas e de como determinar as respostas.
O objetivo não é se tornar obsoleto ou um especialista em inteligência artificial, mas aprender a ser um melhor gerente de produtos em um mundo em que a inteligência artificial é apenas mais uma ferramenta entre várias. E, embora essa jornada às vezes pareça desconfortável, vale a pena.
