📺 Vídeo de estudio recomendado hoy: https://www.youtube.com/watch?v=PplmzlgE0kg
Cómo construye Anthropic: El nuevo rol del Product Manager en la era de la IA
La velocidad de desarrollo ya no se mide en meses, sino en días. Kat Wu, jefa de producto para Claude Coding en Anthropic, revela cómo el equipo de Claude Code ha transformado radicalmente la gestión de productos para operar en la frontera de la inteligencia artificial.
Pregunta central: ¿Cómo cambia el rol del PM cuando el código es barato y la velocidad es el único factor diferencial?
Puntos clave
- El ciclo de vida de las funciones ha pasado de 6 meses a tan solo 24 horas en algunos casos.
- El “Gusto de Producto” (Product Taste) es ahora más valioso que la habilidad técnica pura.
- El uso de “Research Previews” permite lanzar ideas experimentales sin burocracia.
- La importancia de las evaluaciones (evals) como la nueva definición de éxito del producto.
⏱️ Tiempo de lectura: aprox. 7 minutos · Te ahorra unos 79 minutos frente a ver el vídeo.
¿Quieres tomar notas mientras ves el vídeo? Haz clic en la imagen de abajo y deja que AI Notebook extraiga los puntos clave por ti 👇
El fin de los roadmaps trimestrales
De seis meses a un solo día
El ciclo tradicional de planificación tecnológica ha muerto porque la IA evoluciona mucho más rápido que nuestra capacidad de documentar planes a largo plazo.
Antes de la explosión de la IA, los directores de producto se centraban en la coordinación exhaustiva entre equipos y la alineación de recursos para proyectos de un año, debido a que el código era extremadamente costoso de producir. Hoy, con la aceleración que permiten los LLM, el valor reside en la toma de decisiones inmediata y en eliminar cualquier fricción que impida poner una idea en manos del usuario final en menos de una semana.
En Anthropic, la prioridad absoluta es la velocidad de ejecución, lo que significa que el énfasis ya no está en los roadmaps detallados de varios trimestres, sino en la capacidad de reaccionar a las nuevas capacidades de los modelos. Kat explica que si un ingeniero tiene una visión un lunes, el objetivo es que el viernes el usuario ya esté interactuando con esa función, permitiendo un ciclo de retroalimentación constante que antes era físicamente imposible de lograr en las organizaciones de software tradicionales.
💡 Profundizando
Q: ¿Cómo se gestionan las dependencias entre equipos a esta velocidad?
A: Se reduce el énfasis en la alineación de hojas de ruta multianuales y se fomenta la creación de “rincones de concepto” donde las ideas se prueban y lanzan de forma independiente.
Q: ¿Siguen existiendo los PRD (Documentos de Requisitos del Producto)?
A: Sí, pero solo para proyectos con infraestructura pesada; el resto se maneja con métricas semanales y principios de equipo claros.
Q: ¿Cuál es el papel del PM en este entorno sin procesos?
A: El PM debe establecer objetivos claros y crear el marco necesario para que el equipo sepa cuándo involucrar a socios cross-functionales (marketing, legal, docs) de manera inmediata.
La cultura del “Research Preview”
Cómo Anthropic envía funciones cada día
El equipo utiliza un modelo de “Research Preview” para lanzar ideas experimentales sin comprometerse a darles soporte eterno, lo que reduce drásticamente el riesgo de innovar.
Esta estrategia de lanzamiento permite que los usuarios sepan que el producto es temprano y que su retroalimentación moldeará el futuro, disminuyendo la presión sobre la perfección inicial del código. Cuando un ingeniero siente que una funcionalidad está lista tras haberla probado internamente, simplemente la publica en un canal de lanzamiento donde los equipos de marketing y documentación reaccionan para anunciarla en menos de 24 horas.
Para mantener este ritmo, Anthropic confía en una alineación casi telepática entre sus líderes, donde las responsabilidades están difuminadas pero los objetivos son compartidos. Kat Wu menciona que el 80% del tiempo hay una “fusión mental” con los líderes técnicos, y el 20% restante se divide en áreas donde cada uno tiene un interés o experiencia particular, permitiendo que el equipo avance sin cuellos de botella jerárquicos.
💡 Profundizando
Q: ¿Cómo se evitan los errores graves con procesos tan ligeros?
A: Se aplican salvaguardas y revisiones humanas, aunque se aceptan errores de proceso como oportunidades de aprendizaje en lugar de fallos individuales.
Q: ¿Qué sucede con la consistencia del producto cuando se lanza tanto y tan rápido?
A: Es un sacrificio consciente; a veces hay funciones que se solapan, pero se prefiere que el mercado decida cuál es la mejor forma antes de estandarizar.
Q: ¿Cómo afectan los nuevos modelos a las funciones ya existentes?
A: A menudo se eliminan “muletas” o prompts de intervención porque el modelo nuevo ya es capaz de realizar la tarea de forma nativa.
Gusto de producto vs. Habilidades técnicas
Por qué decidir qué escribir es más valioso que escribirlo
Con la IA escribiendo código de forma masiva, la habilidad técnica pura está perdiendo peso frente al “gusto de producto” o el criterio para discernir qué construir.
Kat Wu argumenta que la capacidad de decidir qué problema merece ser resuelto y qué experiencia de usuario es la más elegante es ahora el recurso más escaso en Silicon Valley. Un PM moderno debe ser capaz de entender las capacidades actuales de la IA (estar “AGI-pilled” en la medida justa) para no diseñar para un futuro hipotético, sino para extraer el máximo valor de la tecnología disponible hoy.
La gestión de productos requiere ahora una mezcla de intuición humana y comprensión técnica; los PM deben saber cuándo el modelo necesita una estructura externa y cuándo es capaz de operar de forma autónoma. Esto implica que las fronteras entre diseño, ingeniería y producto se están difuminando, creando un rol híbrido donde el sentido común y la inteligencia emocional son más críticos que nunca para navegar la incertidumbre constante.
💡 Profundizando
Q: ¿Sigue siendo útil tener un trasfondo en ingeniería para un PM?
A: Sí, porque ayuda a entender cuánto esfuerzo requiere una implementación y facilita la priorización basada en la dificultad técnica.
Q: ¿Qué habilidades humanas seguirán siendo necesarias a largo plazo?
A: El sentido común, la gestión de stakeholders complejos y la capacidad de entender el contexto social del usuario que el modelo aún no domina.
Maximizar el impacto con Claude Code y Co-work
Automatización y flujos de trabajo de alto rendimiento
Kat utiliza Co-work para tareas estratégicas, como la creación de presentaciones complejas mediante la conexión de fuentes de datos como Slack, Google Drive y Calendar.
Una automatización que solo funciona el 95% de las veces no es una automatización real; el verdadero valor surge cuando se invierte el esfuerzo necesario para llegar al 100% de precisión. Wu enfatiza que los usuarios a menudo abandonan una automatización cuando encuentran el primer error, sin entender que entrenar a la IA con feedback específico es lo que genera el apalancamiento real a largo plazo.
El ecosistema de Anthropic está diseñado para ser un sistema operativo de productividad donde las herramientas actúan de forma agéntica en lugar de ser simples interfaces de chat. La transición hacia productos que ejecutan acciones en nombre del usuario, como gestionar correos o revisar código, marca el inicio de una nueva era donde el humano supervisa flujos de trabajo de alta escala en lugar de realizar micro-tareas manuales.
💡 Profundizando
Q: ¿Cómo se logra que una presentación generada por IA se vea profesional?
A: Conectando el sistema de diseño (MCP de Figma) o subiendo plantillas maestras para que el modelo replique colores, fuentes y formatos exactos.
Q: ¿Cuál es el consejo para alguien que empieza con estas herramientas?
A: Construir aplicaciones o flujos que se usen todos los días; el aprendizaje real no viene de prototipos aislados, sino del uso diario.
Conclusiones clave
El rol del Product Manager está evolucionando hacia un perfil mucho más ágil y menos burocrático, donde la capacidad de “hacer cosas” supera a la de “planificar cosas”. En Anthropic, el éxito no se basa en procesos rígidos, sino en una misión unificada que permite a los equipos sacrificar sus propios objetivos individuales en favor del progreso de la seguridad y la inteligencia artificial general.
La verdadera ventaja competitiva hoy no es solo tener el mejor modelo, sino saber cómo utilizarlo para automatizar lo tedioso y liberar tiempo para la creatividad. Aquellos profesionales que logren delegar sus tareas repetitivas al 100% y se enfoquen en desarrollar su “gusto de producto” serán los que lideren la próxima década de innovación tecnológica.
Preguntas y Respuestas
Q1: ¿Cómo ha cambiado el tiempo de lanzamiento de productos en Anthropic?
A: Ha pasado de ciclos tradicionales de 6 meses a lanzamientos mensuales, semanales e incluso diarios gracias a la eliminación de barreras burocráticas.
Q2: ¿Qué es el “Gusto de Producto” según Kat Wu?
A: Es la habilidad de decidir, entre miles de peticiones y posibilidades, cuál es el camino más deleitable para el usuario y qué problemas merecen realmente ser resueltos.
Q3: ¿Por qué es importante el concepto de “Research Preview”?
A: Permite lanzar funciones rápidamente para obtener feedback sin la carga de un compromiso de soporte a largo plazo, fomentando la experimentación radical.
Q4: ¿Cómo utiliza Kat Wu la IA para sus tareas de PM?
A: Conecta Claude Co-work a sus fuentes de datos (Slack, Calendar, Drive) para automatizar la creación de dossiers de clientes y presentaciones de alta fidelidad.
Q5: ¿Qué recomienda Kat para las personas que temen ser reemplazadas por la IA?
A: Encontrar las partes tediosas de su trabajo, automatizarlas hasta el 100% de éxito y usar ese tiempo liberado para enfocarse en proyectos creativos de alto impacto.
Q6: ¿Cuál es el principal desafío de usar modelos de IA en el desarrollo de productos?
A: Lograr que el modelo pase del 95% al 100% de precisión en una tarea; ese último tramo requiere “ensuciarse las manos” con feedback y evaluaciones (evals).
