17 de mayo de 2026Actualizado el Fathy Shalaby12 min de lectura
Product Opportunity Assessment: una plantilla moderna para equipos de la era de la IA
Con el código barato, decir que no cuesta más, no menos. Un product opportunity assessment te obliga a responder cinco preguntas antes de construir, más dos comprobaciones que toda función de IA necesita ahora.
Un product opportunity assessment es un documento breve que decide si una idea merece tiempo de discovery o de desarrollo, respondiendo a un conjunto fijo de preguntas sobre el problema, el cliente, la solución, el business case y los riesgos. La versión de Marty Cagan de 2006 tenía diez preguntas y terminaba con una decisión de «go» o «no-go». La versión moderna que sigue usa cinco, más dos comprobaciones que los productos de la era de la IA ya necesitan.
No es papeleo: es el lugar más barato para decir que no. Una idea descartada en dos páginas cuesta una tarde. Una descartada después del lanzamiento cuesta tiempo de ingeniería, carga de soporte y el hueco en el roadmap que le quitó a algo mejor.
Puntos clave
El opportunity assessment de Marty Cagan de 2006 planteaba diez preguntas, empezando por «Exactly what problem will this solve?» y terminando con una decisión de go o no-go, para evitar que las empresas malgastaran dinero en malas oportunidades (SVPG, 2006).
Un mal product-market fit fue un factor en el 43 % de los 385 cierres de startups respaldadas por capital riesgo que CB Insights pudo explicar en su análisis de marzo de 2026 (CB Insights, 2026).
El estudio de Pendo de 2019 sobre 615 suscripciones de software encontró que el 80 % de las funciones se usan poco o nunca, y que el 12 % de las funciones genera el 80 % del uso diario (Pendo, 2019).
La IA abarató la construcción, lo que eliminó la pausa natural que antes filtraba las ideas débiles. El assessment la devuelve a propósito.
Para las funciones de IA, añade dos requisitos previos: la viabilidad del modelo (¿puede un modelo hacerlo con la fiabilidad suficiente?) y el foso defensivo (¿por qué no lo copiarán en un mes?).
¿Qué es un product opportunity assessment?
Es un documento ligero de go o no-go que se escribe antes de que un equipo se comprometa con el discovery o la entrega. Cagan lo describió en el blog de SVPG en diciembre de 2006 como una forma rápida de detectar pronto las malas ideas (SVPG, 2006). Sus diez preguntas cubrían:
Qué tamaño tiene la oportunidad (tamaño de mercado)
Qué alternativas existen (competencia)
Por qué somos los mejor situados para aprovecharla (diferenciador)
Por qué ahora (ventana de mercado)
Cómo llegamos al mercado (go-to-market)
Cómo medimos el éxito y ganamos dinero (métricas e ingresos)
Qué es crítico para el éxito (requisitos de la solución)
La recomendación (go o no-go)
Las preguntas siguen siendo válidas. Lo que cambió es el coste que las rodea: en 2006 construir era lento, así que las ideas débiles solían morir por su propio peso. En 2026 puede existir un prototipo antes de que nadie haya planteado la pregunta 1.
Una oportunidad, según la útil definición de Teresa Torres, es una necesidad, un punto de dolor o un deseo del cliente que no está cubierto, no una función (Product Talk, 2023). Evalúa primero la oportunidad y después la solución.
¿Por qué importa más un opportunity assessment ahora que la IA abarata la construcción?
Porque «¿podemos construirlo?» ya no es la pregunta cara. «¿Deberíamos?» sí lo es.
El desperdicio está bien documentado. Pendo estimó que las empresas de nube pública habían invertido hasta 29 500 millones de dólares en funciones que casi nunca o nunca se usan (Pendo, 2019). En los datos de 2026 de CB Insights, el mal product-market fit es la segunda causa de cierre, solo por detrás de quedarse sin capital (70 %) (CB Insights, 2026). El dinero se acaba antes cuando financia productos que nadie necesita.
El código más barato no arregla ninguna de las dos cifras; solo produce más funciones sin usar por trimestre. Nuestro análisis de lo que muestran los datos de 2026 sobre programación con IA repasa la evidencia sobre la velocidad; en resumen, decidir qué construir no se ha abaratado en absoluto.
Por eso el assessment funciona como una máquina de decir «no»: si un equipo no puede responder a las preguntas centrales en un par de páginas, no está listo para construir, por rápido que fuera el desarrollo. Los equipos que se lo saltan derivan hacia una feature factory y miden la producción en lugar de los resultados.
¿Qué preguntas debe responder un product opportunity assessment?
La plantilla moderna condensa las diez en cinco, cada una respondida con evidencia, no con intuición.
El problema. ¿Qué dolor concreto y de alta fricción resolvemos? ¿Es un problema «urgente» para el usuario o una molestia leve?
El mercado objetivo. ¿Quién es exactamente el cliente y qué tamaño tiene el mercado alcanzable (TAM, SAM y SOM)?
La solución. ¿Por qué estamos en mejor posición para resolverlo que las alternativas que la gente usa hoy, incluidas las hojas de cálculo y no hacer nada?
El business case. ¿Cómo genera valor medible: ingresos, retención o eficiencia operativa? ¿Cómo lo mediremos?
Los riesgos. ¿Cuáles son los riesgos técnicos, de mercado y de ejecución, y cómo los reduciremos antes de comprometernos?
¿Cómo se corresponden las cinco preguntas con las diez de Cagan?
Pregunta moderna
Cubre las preguntas de Cagan
Qué contiene una buena respuesta
Problema
1 (propuesta de valor)
Un dolor concreto, con qué frecuencia ocurre, el workaround actual y su coste
Mercado objetivo
2, 3 (mercado objetivo, tamaño de mercado)
Un segmento principal; una estimación de mercado bottom-up
Solución
4, 5, 9 (alternativas, diferenciador, requisitos de la solución)
Las alternativas actuales y por qué la nuestra gana en este segmento
Business case
7, 8 (go-to-market, métricas e ingresos)
Una métrica de éxito, una contramétrica y una vía para llegar a los clientes
Riesgos
6, 10 (por qué ahora, recomendación)
Los principales riesgos puntuados, las pruebas que los eliminarían y una decisión: go, no-go o «primero discovery»
Mantén «¿por qué ahora?» visible dentro de la sección de riesgos. Muchas oportunidades que parecen buenas fracasan por el momento, un factor que CB Insights menciona en el 29 % de los cierres explicados.
¿Qué debe añadir un opportunity assessment para las funciones de IA?
Los assessments clásicos tratan la solución como una cuestión sobre todo de ingeniería. En las funciones de IA, eso falla en dos puntos.
1. Viabilidad del modelo
¿Puede un modelo estándar hacer el trabajo con la fiabilidad suficiente, o la idea necesita fine-tuning, datos propios o una persona en el circuito? Respóndelo con una pequeña evaluación, no con una demo: reúne entradas reales, define cómo es una salida correcta y mide con qué frecuencia el modelo la consigue. Una demo muestra el mejor caso; una evaluación muestra la tasa. Nuestro marco de evaluación de IA para equipos de producto explica cómo fijar ese listón.
Después pregunta cuánto cuesta una respuesta equivocada. Si le cuesta un minuto al usuario, una tasa de acierto del 90 % puede bastar. Si cuesta dinero o confianza, quizá ninguna tasa sea suficiente. ¿No tienes claro que necesite IA? Haz primero la prueba de las cuatro preguntas sobre IA.
2. El foso defensivo
Los competidores pueden llamar a los mismos modelos, así que nombra la ventaja que sobrevive a un seguidor rápido:
Datos propios que mejoran el resultado y a los que otros no pueden acceder.
Efectos de red, en los que cada usuario hace que el producto sea mejor para el siguiente.
Integración profunda en el flujo de trabajo, que crea costes de cambio reales.
Si la respuesta honesta es «seremos los primeros», trata el foso como inexistente y refléjalo en la recomendación.
¿Cómo se usa Working Backwards en un opportunity assessment?
El proceso «Working Backwards» de Amazon es una buena prueba para la pregunta de la solución. Como describió Werner Vogels en 2006, el equipo escribe cuatro documentos antes de construir: una nota de prensa, unas preguntas frecuentes, una descripción de la experiencia del cliente y un manual de usuario, partiendo del cliente y retrocediendo hasta la tecnología mínima necesaria (All Things Distributed, 2006).
Para un opportunity assessment bastan los dos primeros documentos. Escribe una nota de prensa de una página para el producto terminado y unas preguntas frecuentes con las preguntas más difíciles que haría un cliente o un compañero. Si la nota no puede expresar con claridad el beneficio para el cliente, la pregunta de la solución no está respondida.
¿Cómo separas las suposiciones de los hechos?
La parte más peligrosa de cualquier assessment es la suposición oculta. Mantén en el documento una tabla de dos columnas: Suposiciones (hipótesis sobre comportamiento, tamaño de mercado o rendimiento técnico) y Hechos (lo que han validado las entrevistas, la analítica, los experimentos o los datos de mercado, cada uno con enlace).
Cada suposición importante recibe un experimento que la convierte en hecho o la descarta. Si no puedes diseñar una prueba para una suposición clave, asumes más riesgo del que el equipo ve. Nuestro mapa de suposiciones gratuito ordena las suposiciones por importancia y evidencia, y la guía para elegir un experimento de producto ayuda a escoger la prueba adecuada para cada una.
Los cuatro grandes riesgos de Cagan dan a la tabla una estructura útil (SVPG, 2017):
Riesgo
Pregunta
Responsable en el modelo de Cagan
Prueba de ejemplo
Valor
¿Lo comprarán los clientes o elegirán usarlo?
Product manager
Fake door, preventa, entrevistas con clientes
Usabilidad
¿Los usuarios pueden descubrir cómo usarlo?
Product designer
Test de usabilidad con prototipo
Viabilidad técnica
¿Puede ingeniería construirlo con el tiempo, las habilidades y la tecnología que tenemos?
Ejemplo práctico: evaluar una función de IA en una tarde
Supongamos que un equipo B2B SaaS de 5 personas, que vende una herramienta de customer success a unas 120 cuentas de pago, está considerando «resúmenes de llamadas de clientes con IA». Este equipo y sus cifras son ilustrativos.
Problema. En 8 de 12 entrevistas recientes, los CSM dijeron que escriben notas después de cada llamada; 5 dijeron que las notas muchas veces se quedan sin escribir. Hecho: el dolor existe para estos usuarios. Suposición: importa en todas las cuentas.
Mercado objetivo. Segmento principal: equipos de CSM de 3 a 15 personas que ya usan el producto, unas 70 de las 120 cuentas. Un SOM bottom-up son esas 70 cuentas, no «todas las empresas que tienen llamadas con clientes».
Solución. Las herramientas de reuniones que ya usan los clientes suelen resumir las llamadas. La posible ventaja: resúmenes que llegan al registro de la cuenta junto a las señales de salud de la cuenta.
Business case. Métrica de éxito: el porcentaje de llamadas con un resumen adjunto en 24 horas pasa de un 30 % estimado a un 70 % en 8 semanas. Contramétrica: CSM que editan más de la mitad de cada resumen, lo que indicaría poca calidad.
Riesgos, puntuados de 1 a 5 en confianza e impacto:
Riesgo
Impacto
Confianza en que acertamos
Siguiente paso
Los clientes ya reciben resúmenes «suficientemente buenos» en otro sitio (valor)
5
2
6 entrevistas más centradas en las herramientas actuales
Los resúmenes fallan en nombres de producto y cifras (viabilidad técnica)
4
2
Evaluar con 40 transcripciones reales de llamadas
El foso es débil: los competidores usan los mismos modelos
4
3
Probar si colocarlo en el registro de la cuenta cambia el comportamiento
Almacenar datos de llamadas plantea dudas de privacidad (viabilidad de negocio)
3
3
Revisar el tratamiento de datos con legal antes de la beta
Recomendación: pasar a discovery, no a construir, porque quedan dos riesgos de alto impacto y baja confianza. Una tarde de assessment convirtió las dos semanas siguientes en dos pruebas en lugar de un desarrollo.
La checklist del product opportunity assessment moderno
Usa esta checklist antes de dar un assessment por terminado:
Definición del problema: expone explícitamente el dolor del cliente, con su frecuencia y el workaround actual.
Evidencia de la necesidad: cita hallazgos cualitativos de entrevistas o resultados cuantitativos de encuestas, con enlaces. Diez entrevistas son un punto de partida razonable para un problema B2B, no una referencia.
Tamaño de mercado: una estimación bottom-up de TAM, SAM y SOM respaldada por datos creíbles y recientes.
Foso competitivo: diferenciación clara frente a los actores establecidos y los seguidores rápidos.
Comprobaciones de IA: viabilidad del modelo probada con entradas reales; coste del fallo descrito.
Métricas de éxito: una métrica principal y al menos una contramétrica (si sube la adopción, ¿se resienten el rendimiento o la carga de soporte?).
Matriz de riesgos: cada riesgo puntuado en confianza e impacto, con una prueba para cada riesgo de alto impacto y baja confianza.
Recomendación: go, no-go o «primero discovery», con la evidencia que la cambiaría.
¿Cuándo puedes saltarte el assessment completo?
No toda idea merece dos páginas; los cambios baratos y reversibles suelen ser mejores para probarlos que para debatirlos. Ron Kohavi y Stefan Thomke describen una idea de Bing de 2012 para cambiar cómo se mostraban los titulares de los anuncios. Requería unos días de ingeniería, se clasificó como prioridad baja entre cientos de ideas y estuvo sin probar más de seis meses. Cuando un ingeniero por fin ejecutó un simple test A/B, los ingresos subieron alrededor de un 12 %, más de 100 millones de dólares al año en EE. UU. (HBR, 2017). El debate mantuvo esa idea en la estantería; una prueba barata la resolvió.
Una regla que funciona:
Assessment completo para productos nuevos, segmentos nuevos, cambios de precios, funciones de IA que tocan datos de clientes y todo lo que lleve más de unas semanas de desarrollo.
Versión corta de cinco preguntas (un párrafo cada una) para funciones de tamaño medio.
Sin assessment para ajustes pequeños y reversibles que se pueden probar con A/B o deshacer en un día.
Errores comunes
Justificar una decisión ya tomada. Si la recomendación llegó antes que la evidencia, es un documento de ventas.
Dimensionar el mercado de arriba abajo. «El 1 % de un mercado de 10 000 millones de dólares» no dice nada sobre quién compra primero.
Tratar una demo como evidencia de viabilidad. Una demo muestra la mejor salida, no la tasa de error.
No volver a revisarlo nunca. Compara el resultado del lanzamiento con el business case.
Dónde encaja Specky
Specky guarda la evidencia de un assessment en un solo lugar. Las llamadas, el feedback, los tickets de soporte y la analítica llegan al Product Graph, de modo que la sección del problema cita fuentes reales en lugar de recuerdos. El Opportunity Tree ordena resultados, oportunidades y soluciones, el scoring RICE clasifica las que compiten, y Alex, el agente de investigación con IA de Specky, hace entrevistas de seguimiento desde un enlace compartible cuando hay que probar una suposición. La decisión de go o no-go sigue siendo tuya.
Preguntas frecuentes
¿Qué es un product opportunity assessment?
Es un documento de una o dos páginas que decide si una idea merece tiempo de discovery o de desarrollo. Cubre el problema, el cliente objetivo, la solución, el business case y los riesgos, y termina con una decisión: go, no-go o «primero discovery». Marty Cagan popularizó el formato en el blog de SVPG en 2006.
¿Cuáles son las preguntas del opportunity assessment de Marty Cagan?
La lista de Cagan de 2006 tiene diez: el problema, quién lo tiene, el tamaño de mercado, las alternativas, nuestro diferenciador, por qué ahora, el go-to-market, cómo medimos el éxito y ganamos dinero, los factores críticos de éxito y una recomendación de go o no-go. La plantilla de cinco preguntas de este artículo agrupa esas diez.
¿En qué se diferencia un opportunity assessment de un PRD o un business case?
Un opportunity assessment va primero y se pregunta si merece la pena abordar un problema. Un PRD viene después de una decisión de go y especifica qué construir. Un business case suele centrarse en el retorno financiero. El assessment cubre los cuatro riesgos de producto, no solo el dinero, y es deliberadamente más corto.
¿Cuánto debería tardar un product opportunity assessment?
Para la mayoría de las funciones, de una tarde a dos días, y termina en una o dos páginas. Si lleva semanas, el equipo está haciendo discovery dentro del assessment; sepáralos. El assessment señala qué suposiciones hay que probar; no las prueba todas él mismo.
¿Cuál es la diferencia entre un opportunity assessment y un opportunity solution tree?
Un opportunity solution tree, presentado por Teresa Torres en 2016, relaciona un resultado con muchas oportunidades de cliente, soluciones y pruebas de suposiciones; es un mapa de discovery continuo. Un opportunity assessment evalúa una oportunidad a fondo en un punto de decisión. Usa el árbol para encontrar candidatas y el assessment para decidir sobre una.
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