Exploración: cómo uso la IA en mi flujo de trabajo diario
Una descripción honesta de cómo integro herramientas de IA en el trabajo de producto: qué funciona, qué no funciona, y qué he aprendido después de más de un año de uso intensivo.
Esta exploración está en evolución activa. Lo que describo aquí es mi uso a julio de 2025. Dentro de seis meses, algunas cosas habrán cambiado.
Para qué uso la IA en el trabajo
Síntesis de investigación cualitativa
Es el uso donde más valor encuentro. Cuando tengo 10-15 transcripciones de entrevistas de usuario, proceso el texto con un modelo de lenguaje para identificar temas recurrentes, contradicciones entre entrevistas, y citas representativas por tema.
El output no es el análisis final. Es un primer borrador que reviso, corrijo y amplío. El valor es que el punto de partida ya está estructurado, lo que acelera el proceso y me permite enfocarme en el análisis de segundo nivel (interpretar los patrones, identificar su implicación para el producto) en lugar del procesamiento inicial.
Limitación: Los modelos pueden introducir énfasis que no están en los datos originales. Siempre contrasto el output con los datos brutos.
Exploración de alternativas de solución
Cuando tengo un problema de producto bien definido, uso el modelo para generar 10-15 aproximaciones distintas al espacio de solución. No para ejecutarlas todas, sino para ampliar el espacio de exploración más allá de lo que generaría yo solo.
Prompt tipo: “Tenemos el problema X para el usuario Y. El contexto es Z. Genera 10 aproximaciones distintas a la solución, incluyendo algunas que cuestionan los supuestos del problema.”
Después descarto la mayoría y profundizo en 2-3 que me parecen relevantes.
Redacción de primeros borradores
Documentos de decisión, memos de producto, criterios de aceptación, emails complejos a stakeholders. El modelo escribe el primer borrador, yo lo reviso y reescribo.
El resultado final no suena al modelo. Suena a mí. Pero el tiempo de llegar a ese resultado es significativamente menor.
Investigación de contexto rápida
Cuando necesito entender algo que no conozco bien (un modelo de negocio específico, una tecnología que el equipo menciona, un marco regulatorio que afecta a una decisión), uso el modelo para tener una primera orientación antes de profundizar en fuentes primarias.
Advertencia: Nunca tomo el output del modelo como fuente definitiva para nada importante. Es un punto de partida para saber qué preguntas hacer y dónde buscar.
Para qué NO uso la IA (y por qué)
Toma de decisiones de producto
Las decisiones de priorización, las decisiones sobre la dirección del roadmap, las decisiones sobre qué problema resolver: esas son mías. La IA puede ayudar a estructurar el pensamiento, pero la responsabilidad y el criterio tienen que ser humanos.
Generación de insights de investigación
Puedo pedir al modelo que identifique patrones en las entrevistas. No puedo delegarle la interpretación de lo que esos patrones significan para el producto. Esa interpretación requiere conocer el contexto del negocio, la historia del producto, y las restricciones del equipo. El modelo no tiene ese contexto.
Comunicación sensible con stakeholders
Los mensajes que tienen implicaciones políticas o emocionales en la organización los escribo yo. El modelo puede ayudar con el borrador, pero el ajuste de tono, la elección de qué decir y cómo, eso requiere el conocimiento del contexto relacional que el modelo no tiene.
Lo que he aprendido
La calidad del prompt determina la calidad del output. Esto es obvio pero tarda en interiorizarse. Cuanta más información de contexto, restricciones y formato esperado incluyo en el prompt, mejor es el resultado.
La revisión es el trabajo. El modelo acelera la generación. La revisión y la corrección del output son el trabajo real. Si no hay revisión, hay riesgo de publicar o usar algo que tiene errores de contexto o de tono que el modelo no puede detectar.
No todo lo que parece ahorrar tiempo realmente lo ahorra. A veces el tiempo de escribir el prompt, generar el output, y revisarlo es mayor que haber hecho el trabajo directamente. Para tareas cortas y bien definidas, a veces es más eficiente hacerlo sin IA.
Esta exploración está en actualización constante.