17 de junio de 2026Actualizado el Fathy Shalaby11 min de lectura
El stack AI-native para PMs técnicos: herramientas por capa en 2026
Un stack AI-native práctico para PMs técnicos: seis capas, desde la evidencia de clientes hasta los agentes de código, las herramientas reales de cada una, cuánto cuestan en noviembre de 2026 y cómo las conectan MCP y AGENTS.md.
El stack AI-native para PMs técnicos es un conjunto de herramientas en seis capas: capturar evidencia de clientes, medir el comportamiento, decidir y especificar, prototipar, construir con agentes de código y conectarlo todo para que los agentes puedan leer el contexto. Lo que lo hace AI-native no es el número de funciones de IA, sino que cada capa exponga sus datos, normalmente a través de MCP, para que un agente pueda trabajar entre ellas.
Ideas clave
El trabajo ha pasado de mover información a juzgarla. El 85 % de las organizaciones de producto usa IA para el trabajo de producto y el 88 % usa asistentes de código con IA (Product Institute, 2026).
La conexión importa más que el número de funciones. Linear, PostHog, Granola, Dovetail, Productboard y ChatPRD ofrecen ya acceso MCP, así que los agentes de código pueden consultarlos directamente.
Un fundador técnico en solitario puede mantener un stack básico por unos 20-65 $ al mes en cuotas de herramientas; un equipo de 5 personas gasta unos cientos, sobre todo en planes por usuario.
La confianza sigue siendo baja. El 46 % de los desarrolladores desconfía de la precisión de la IA (Stack Overflow, 2025), así que el stack necesita un paso de revisión, no solo de generación.
Los precios cambian a menudo. Cada precio de abajo se comprobó en la página del proveedor en noviembre de 2026.
¿Qué es un stack AI-native para PMs técnicos?
Un stack AI-native es aquel en el que las herramientas comparten contexto entre sí y con los agentes de IA, en lugar de que el PM copie información de una a otra. En un stack «de parche», cada herramienta tiene su propio asistente de IA que solo ve sus propios datos. En un stack AI-native, un agente puede reunir en un mismo brief una cita de una entrevista, una consulta de analítica y una decisión anterior.
El Institute of Product Leadership describe el mismo cambio como el paso de un ciclo de vida por etapas a «un sistema de decisión que funciona de forma continua», con el PM pasando de administrar tareas a ejercer criterio a nivel de sistema (Institute of Product Leadership, 2026). Los PMs técnicos están bien situados para esto porque el trabajo ahora se parece a diseñar un pipeline: qué entra, qué se comprueba, qué sale.
¿Por qué importan más los datos conectados que cualquier herramienta suelta?
Porque el paso más lento suele ser encontrar la información correcta, no producir resultados. En la encuesta de Atlassian de 2025 a 3.500 desarrolladores y responsables, encontrar información era la mayor pérdida de tiempo, y el 50 % perdía 10 o más horas a la semana por ineficiencias organizativas (Atlassian, 2025). Cada herramienta que añades sin conexión empeora esto.
¿Qué herramientas van en cada capa del stack?
Este es el stack AI-native para PMs técnicos capa por capa, con herramientas reales y datos comprobados en las páginas de los proveedores en noviembre de 2026. Los ejemplos son opciones habituales, no un ranking.
Capa
Función
Herramientas de ejemplo
Dato comprobado
1. Capturar evidencia
Grabar llamadas, guardar entrevistas y feedback con sus fuentes
Granola, Dovetail
Granola Business 14 $/usuario/mes con MCP; Dovetail Bronze 4.800 $/año fijos, hasta 5 usuarios (próximamente)
2. Medir el comportamiento
Analítica de producto, feature flags, experimentos
PostHog
El servidor MCP funciona con Claude Code, Cursor, Codex y VS Code
3. Decidir y especificar
Vincular evidencia con decisiones, redactar specs, seguir el trabajo
Productboard, ChatPRD, Linear
Linear MCP en todos los planes; ChatPRD Pro 15 $/mes con MCP; Productboard Spark en todos los planes
4. Prototipar
Convertir un brief en una app clicable para probar
v0, Lovable
v0 Free: 7 mensajes/día; Lovable Free: hasta 30 créditos de build al mes
5. Construir y revisar
Agentes de código que implementan y abren pull requests
Claude Code, Cursor, GitHub Copilot
Claude Code incluido desde Claude Pro a 20 $/mes; Copilot Pro 10 $ con agente de código
6. Conectar
Contexto compartido para los agentes entre capas
MCP, AGENTS.md
MCP, estándar abierto desde nov. de 2024; AGENTS.md en más de 60.000 proyectos de código abierto
Capa 1: capturar evidencia
Granola graba y resume reuniones. El plan Basic es gratuito con 30 días de historial; Business cuesta 14 $ por usuario al mes, con historial ilimitado, integraciones como Notion y HubSpot y acceso MCP a las notas de todo el workspace (Granola). Dovetail es un repositorio de investigación. Su nuevo plan Bronze figura a 4.800 $ al año fijos para hasta 5 usuarios más créditos de uso a 15 centavos cada uno, e incluye agentes y MCP; estaba marcado como «coming soon» cuando se comprobó (Dovetail).
Qué comprobar: ¿cada resumen conserva un enlace a la transcripción original? La evidencia sin fuente no se puede verificar después.
Capa 2: medir el comportamiento
PostHog combina analítica de producto, repetición de sesiones, feature flags y experimentos. Su servidor MCP alojado permite que un agente ejecute consultas, gestione feature flags y experimentos y clasifique errores desde Claude Code, Cursor, Codex, VS Code y otros clientes MCP (PostHog). Para un PM técnico, eso significa preguntar «¿cuántos usuarios de prueba terminaron la configuración la semana pasada?» desde la misma sesión del agente que está editando el código del onboarding.
Capa 3: decidir y especificar
Esta capa mantiene a los agentes apuntando al problema correcto. Sin ella, el tracker y el historial del chat se convierten en la spec. Las opciones se diferencian en lo que conectan:
Linear gestiona incidencias y proyectos. Free, Basic (10 $) y Business (16 $ por usuario al mes, facturado anualmente) incluyen acceso MCP y el Linear Agent; su agente de código en la nube requiere créditos de IA (Linear).
Productboard organiza el feedback y las roadmaps. No publica precios de sus planes Business y Enterprise; su IA Spark está incluida en todos los planes, y Business incluye un servidor MCP (Productboard).
ChatPRD redacta PRDs. Pro cuesta 15 $ al mes con conectores MCP y traspaso a v0, Cursor y Lovable; Teams cuesta 29 $ por puesto al mes (ChatPRD).
Capa 4: prototipar
v0 ofrece un plan gratuito limitado a 7 mensajes al día; Plus cuesta 30 $ por usuario al mes con 30 $ de crédito mensual (v0). El plan gratuito de Lovable incluye 5 créditos de build al día, hasta 30 al mes (Lovable). Úsalas para probar un flujo con usuarios, no para publicar código de producción sin revisión.
Capa 5: construir y revisar con agentes de código
Claude Code es la herramienta de código agéntico de Anthropic. Funciona en la terminal, en IDEs, en una app de escritorio y en el navegador; lee un archivo CLAUDE.md o AGENTS.md al inicio de cada sesión; se conecta a herramientas mediante MCP y admite subagentes, hooks y tareas programadas (Claude Code docs). Está incluido en Claude Pro (20 $ al mes, o 17 $ con facturación anual) y superiores, pero no en el plan gratuito (Claude pricing).
Cursor se describe como un agente de código, con agentes que se ejecutan en paralelo, agentes en la nube, una CLI y revisión de código (Cursor). Los planes Team empiezan en 30 $ por usuario al mes (Cursor pricing).
GitHub Copilot tiene un plan gratuito con 2.000 autocompletados al mes, pero sin agente de código. Pro (10 $), Pro+ (39 $) y Max (100 $) incluyen un agente de código al que puedes asignarle trabajo y que abre una pull request (GitHub).
Capa 6: conectar las capas
Dos estándares abiertos hacen casi todo el trabajo. El Model Context Protocol (MCP), publicado por Anthropic en noviembre de 2024, permite que las herramientas de IA se conecten a fuentes de datos externas (Anthropic, 2024). AGENTS.md es un archivo sencillo de instrucciones para agentes de código, usado por más de 60.000 proyectos de código abierto y leído por herramientas como Codex, Cursor, el agente de código de GitHub Copilot y Gemini CLI (agents.md).
Costes mensuales orientativos de herramientas a precios de lista comprobados en noviembre de 2026 (en USD salvo que se indique; comprueba antes de comprar):
Configuración
Herramientas
Coste mensual aproximado
Fundador técnico en solitario, básico
Claude Pro (mensual), Granola Basic, Linear Free, v0 Free, Copilot Free
Unos 20 $
Fundador en solitario, con redacción de specs y prototipado
Lo anterior más ChatPRD Pro y v0 Plus
Unos 65 $
Equipo de 5 personas
Claude Team estándar ×5 (25 $ mensual), Linear Business ×5 (16 $, facturado anualmente), Granola Business ×5 (14 $), v0 Plus ×2 (30 $)
Unos 335 $
PostHog y un producto para la capa de decisión van aparte. La mayoría de estas herramientas cobra por puesto, así que un equipo de 10 personas duplica aproximadamente la factura. Si existe una opción de precio fijo, compárala con el total por puesto para el tamaño de equipo que esperas dentro de un año.
¿Cómo montar el stack en una semana?
Día 1: escribe el product brief. Una página: a quién sirves, el problema, el resultado de este trimestre, los no-objetivos y las restricciones. Haz commit de una versión corta en AGENTS.md o CLAUDE.md.
Día 2: conecta la analítica. Añade tu servidor MCP de analítica a tu agente de código y lanza tres preguntas reales que haces cada semana.
Día 3: captura evidencia con fuentes. Configura notas de reunión para las llamadas con clientes. Comprueba que cada resumen enlaza a su transcripción.
Día 4: elige una capa de decisión. Escoge dónde viven las decisiones y su evidencia, y conéctala a tu tracker y a tu agente de código.
Día 5: ejecuta una apuesta de principio a fin. Escribe un brief acotado, deja que el agente construya, revisa la pull request frente al brief, lanza a un grupo pequeño y anota qué vas a medir.
Si un paso requiere una herramienta que no tienes, sáltatelo y anota la carencia. Un stack AI-native para PMs técnicos se juzga por sus conexiones: cinco herramientas conectadas valen más que doce aisladas.
¿Qué debería seguir haciendo a mano un PM técnico?
Elegir el problema, fijar el listón y revisar el resultado. Los datos respaldan que esto siga en manos de personas: en la encuesta del Product Institute, el 50 % de los responsables de producto declaró un alto impacto de la IA en ingeniería, pero solo el 17 % en planificación estratégica y roadmaps (Product Institute, 2026). El stack abarata la evidencia y los resultados; no abarata el criterio.
En la práctica, eso se traduce en tres hábitos. Lee la evidencia de clientes en bruto, no solo los resúmenes. Escribe las comprobaciones de aceptación antes de que el agente empiece. Revisa la pull request del agente frente al problema original, no solo según si pasan los tests. El rol completo se describe en qué hace un product manager de IA.
Comprar funciones de IA en lugar de conexiones. Cinco herramientas con asistentes separados te siguen obligando a copiar entre ellas.
Dar a los agentes acceso de escritura desde el primer día. Empieza en solo lectura para analítica y trackers. Añade escritura tras unas semanas de resultados revisados.
Saltarse la capa de decisión. Sin ella, los agentes construyen a partir del último mensaje de Slack.
Ignorar el aumento silencioso del coste por puesto. Con 10 personas, las herramientas por puesto pueden costar varias veces lo que cuesta la configuración en solitario.
Olvidar dónde se alojan los datos. Si atiendes a clientes de la UE, comprueba dónde guarda cada herramienta las grabaciones de llamadas y el feedback antes de conectarlas.
Fiarse de specs generadas sin leerlas. Con un 46 % de desarrolladores que desconfía de la precisión de la IA, una spec sin revisar es un riesgo, no un atajo.
Dónde encaja Specky
Specky se sitúa en la capa de decidir y especificar. Lee llamadas de clientes, feedback, Slack, Jira y analítica en un Product Graph, redacta PRDs y tickets con la evidencia de clientes citada en el texto y comprueba tras el lanzamiento si la apuesta funcionó. Su servidor MCP permite que los agentes de código compatibles con MCP lean ese contexto (cómo se conectan los agentes). Los datos del workspace se almacenan en Fráncfort, mientras que la inferencia de IA se ejecuta en Google Gemini en EE. UU. (detalles de seguridad). Su precio es fijo por plan en lugar de por puesto, desde 99 € al mes (planes). Si ya usas Productboard, consulta la comparación directa con Productboard.
Preguntas frecuentes
¿Qué herramientas necesita un PM técnico en 2026?
Un PM técnico necesita una herramienta en cada una de seis capas: captura de evidencia (como Granola o Dovetail), analítica (como PostHog), una capa de decisiones y specs, una herramienta de prototipado (como v0 o Lovable), un agente de código (como Claude Code, Cursor o GitHub Copilot) y conexiones entre ellas mediante MCP y AGENTS.md. Pocas herramientas conectadas valen más que muchas aisladas.
¿Es mejor Claude Code o Cursor para product managers?
Los dos funcionan; la elección depende de dónde te guste trabajar. Claude Code funciona en la terminal, en IDEs, en una app de escritorio y en el navegador, y está incluido desde Claude Pro a 20 $ al mes. Cursor es un agente de código centrado en el editor, con agentes paralelos y en la nube. Ambos leen AGENTS.md y se conectan a servidores MCP, así que tu contexto de producto se mantiene.
¿Qué es MCP y por qué debería importarle a un PM?
MCP, el Model Context Protocol, es un estándar abierto publicado en noviembre de 2024 que permite que las herramientas de IA se conecten a fuentes de datos externas. Para un PM, significa que un agente de código puede consultar directamente analítica, incidencias o evidencia de clientes en lugar de depender de texto pegado. Linear, PostHog, Granola, Productboard y otras ofrecen ya acceso MCP.
¿Cuánto debería gastar un equipo pequeño en herramientas de IA?
A precios de lista de noviembre de 2026, un fundador técnico en solitario puede mantener un stack básico por unos 20 $ al mes y uno más completo por unos 65 $. Un equipo de cinco personas suele gastar unos cientos de dólares al mes, sobre todo en herramientas por puesto. Comprueba si el precio es por puesto o fijo antes de que el equipo crezca.
¿Los PMs técnicos siguen necesitando Jira o Linear?
Sí, en la mayoría de los equipos. Un tracker guarda el plan de ejecución con el que trabajan ingenieros y agentes. Linear incluye acceso MCP en todos los planes, así que los agentes pueden leer y actualizar incidencias. Lo que cambia es que el tracker ya no es el lugar donde viven las decisiones y la evidencia; eso pertenece a una capa que enlaza de vuelta con los clientes.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing