Gestión de Producto de IA

Para quién es

• PMs en activo que están agregando capacidad de IA a un producto existente, no para quien empieza.
• CTOs y heads of product calibrando equipos de IA y midiendo su ritmo de entrega.
• Founders técnicos que necesitan vocabulario operacional para dirigir un equipo de IA sin perder credibilidad.
• Líderes de producto con presión del board para mostrar economía unitaria positiva en IA.

Lo que vas a hacer

• Diseñas una barrera de evaluación de IA desde cero y la conectas al ciclo de release.
• Modelas la economía unitaria de una característica LLM, incluyendo costo por usuario activo mensual.
• Construyes un roadmap defendible contra la capacidad real de ingeniería, no el deseo del founder.
• Manejas el modelo operativo PM / EM / ingeniero de IA con responsabilidades claras.
• Proyecto final: plan de entrega de una característica de IA con métricas, barreras de evaluación y plan de rollback.

Resultados al terminar

• Especificación de producto de IA defendible frente a un comité ejecutivo.
• Modelo financiero por característica con costo, retención y márgenes proyectados.
• Disciplina de evaluación que reduce el riesgo de incidentes públicos al lanzar.
• Credencial verificable de DecipherU al aprobar el proyecto final.

Plan de estudio

1. Módulo 1. Fundamentos de producto de IA: qué cambia frente a producto tradicional.
2. Módulo 2. Definición del alcance de características de IA y elección de modelo.
3. Módulo 3. Metodología de evaluación para IA: golden sets, jueces, métricas accionables.
4. Módulo 4. Trabajar con equipos de ingeniería de IA: ritmo, ceremonias, artefactos.
5. Módulo 5. Estrategia de producto de IA: posicionamiento, foso, ventajas defendibles.
6. Módulo 6. Ética de IA en decisiones de producto: límites de uso, dignidad del usuario, transparencia.
7. Módulo 7. Precio de productos de IA: por uso, por asiento, por valor entregado.
8. Módulo 8. AI UX para incertidumbre: cómo mostrar confianza, errores y atribución.
9. Módulo 9. Gobernanza interna: comités, criterios de aprobación, registros de decisiones.
10. Módulo 10. Cumplimiento aplicado: EU AI Act, NIST AI RMF, GDPR, LGPD en flujos reales.
11. Módulo 11. Investigación de descubrimiento para IA: entrevistas, hipótesis, validación.
12. Módulo 12. Lectura crítica de métricas: por qué los tableros mienten en IA.
13. Módulo 13. Plan de respuesta a incidentes de modelo: comunicación, contención, revisión.
14. Módulo 14. Preparación del proyecto final.
15. Módulo 15. Proyecto final: especificación completa de producto de IA con plan de entrega y evaluación.

Preguntas frecuentes

Fuentes primarias

Drucker (1954), Levitt (1960), Christensen (1997), Schön (1983), marco de evaluación de Hamel Husain, texto oficial del EU AI Act, NIST AI RMF 100-1 y AI 600-1, GDPR, LGPD (Ley 13.709/2018).