Recientemente, un profesional del ámbito de la inteligencia artificial se adentró en la complejidad de los modelos de aprendizaje automático al analizar un nuevo sistema que prometía resultados sobresalientes en papel, pero que ofrecía una experiencia de usuario insatisfactoria. A pesar de mejoras en precisión, velocidad y reducción de errores, la percepción de los usuarios no cumplía las expectativas. Este hallazgo llevó a la reflexión de que la verdadera innovación no solo reside en el modelo, sino en su aplicación e integración en el producto final.
Este profesional cambió su enfoque hacia las iniciativas impulsadas por el aprendizaje automático, pasando de la mera eficacia del modelo a una pregunta crucial: “¿Esto mejora la experiencia del producto?” La clave, según su experiencia, radica en la brecha entre la rápida evolución de los modelos y la más lenta evolución de la confianza del usuario. Por ello, los gerentes de producto se convierten en piezas fundamentales para conectar estas dos realidades, gestionando expectativas y comportamiento del usuario.
El rol de los gerentes de producto de aprendizaje automático aplicado (ML PMs) se puede entender como un puente entre la innovación y la aplicación práctica. Se espera que utilicen capacidades de aprendizaje automático para lograr resultados significativos en el producto. Esta tarea implica no solo métricas técnicas, sino también la comprensión de las necesidades humanas detrás de las interacciones con el producto.
A menudo, los modelos que muestran buen rendimiento en métricas internas pueden no traducirse en éxito comercial si no logran un impacto positivo en la experiencia del usuario. Un modelo de predicción de abandono puede mejorar en precisión sin crear un cambio tangible si sus resultados no llevan a acciones concretas. Las métricas del modelo informan sobre el rendimiento, pero no capturan la esencia emocional que guía a los usuarios en sus decisiones.
La responsabilidad del gerente de producto es optimizar para el rendimiento del modelo y para el impacto en la confianza y comportamiento del consumidor. Deben preguntarse cuáles son las métricas relevantes y cómo estas se transmiten al usuario final. En organizaciones orientadas a productos, la alineación entre el rendimiento del modelo y la experiencia del usuario es crucial.
La colaboración con investigadores es un aspecto crucial en este proceso. La interacción entre gerentes de producto y expertos en investigación puede ofrecer nuevas perspectivas y enriquecer la toma de decisiones. Cambiar de una mentalidad de negociación a una de exploración puede resultar en mejoras significativas en la calidad de los insights obtenidos.
Finalmente, la adopción de un pensamiento sistémico se presenta como una herramienta valiosa, permitiendo a los gerentes de producto entender mejor los sistemas dentro de sus productos, aun sin gestionar directamente la inteligencia artificial. Este enfoque promueve la gestión de sistemas invisibles que influyen en la confianza y percepciones de los usuarios, haciendo que el trabajo del gerente de producto de aprendizaje automático no solo se trate de gestionar modelos, sino de gestionar el significado detrás de las experiencias de los usuarios.
