Definición de producto con IA en el flujo
Usé el diseño de un módulo de reglas de precio para mayoristas como caso real para algo que me importa demostrar: integrar la IA en cada fase de la definición como una colaboradora más —natural, no como una herramienta puntual— sin que las decisiones dejen de ser de producto.
Mi rol
Llevé el módulo end-to-end: definición funcional, sesiones con usuarios, prototipado y las 21 historias de usuario en Notion. Pero lo que quiero que se vea aquí no es el módulo en sí, sino cómo trabajo con la IA: la integré en cada fase como una colaboradora más, para iterar a una velocidad que sola no habría alcanzado.
El producto era un módulo de reglas de precio automáticas para mayoristas — un dominio con bastante lógica de negocio detrás. Justo el tipo de problema donde quería ver hasta dónde podía llevar el trabajo con IA sin perder el criterio de producto.
El método
Cómo trabajé con IA en cada fase
La IA no fue una herramienta que abrí al final para redactar algo. Estuvo integrada como una colaboradora más en las cuatro fases del proceso: yo dirigía y decidía, ella aceleraba la ejecución. Esto es lo que aportó cada fase.
La IA no tomó las decisiones. Vinieron del research, del feedback de usuarios y del criterio de producto. La IA hizo posible implementarlas mucho más rápido.
En la práctica
Un cambio de modelo absorbido sin frenar el ritmo
El mejor ejemplo de por qué este método funciona: tras una sesión con usuarios, el modelo de datos cambió de raíz. Con la IA reescribí el prototipo —cinco versiones, replicando el design system real de QTM— y actualicé las 21 historias de usuario en el momento. Un cambio que antes habría costado días de re-especificación se absorbió en una tarde, sin perder trazabilidad.
El prototipo
Una de las versiones del prototipo iterado con IA, replicando el design system real de QTM.
Documentación viva
El alta por pasos, una de las pantallas que la IA ayudó a re-especificar al vuelo tras el feedback.
Resultados
Lo que demuestra este proyecto
Definición, prototipo y documentación avanzaron en paralelo, no en cascada.
21 historias de usuario actualizadas en tiempo real tras cada ronda de feedback.
Las decisiones siguieron siendo de producto; la IA aceleró, no decidió.
Un módulo definido y especificado de punta a punta, listo para desarrollo.
Reflexión
Lo que haría diferente
Dejaría registro explícito, desde el primer día, de qué aportó la persona y qué la IA en cada decisión. El proceso fue muy rápido, pero esa trazabilidad del "quién decidió qué" es justo lo que hace defendible un trabajo asistido por IA — y la documenté demasiado tarde.