11 de julio de 2026Actualizado el Fathy Shalaby14 min de lectura
Product sense: cómo toman buenas decisiones los PM senior con datos incompletos
El product sense no es una corazonada, es juicio calibrado. Aquí tienes cómo funciona la intuición, cuándo puedes fiarte de ella, cuánta evidencia necesita cada decisión y el hábito que te hace mejorar.
El product sense, a menudo llamado intuición de producto, es la habilidad de tomar buenas decisiones de producto cuando los datos están incompletos. No es una corazonada. Es juicio calibrado: saber qué tipo de evidencia tienes, cuánto vale, qué te haría cambiar de opinión y cuándo esperar cuesta más que equivocarse. Los PM senior no aciertan más por arte de magia; están mejor calibrados.
Ideas clave
Shreyas Doshi describe el product sense como «la capacidad de tomar normalmente decisiones de producto correctas» bajo una ambigüedad considerable, y lo trata como una habilidad que cualquiera puede mejorar (Maven).
La intuición solo es fiable en las condiciones adecuadas: un entorno regular en lugar de caótico, práctica, y feedback preciso y a tiempo sobre tus decisiones (Gary Klein sobre Kahneman y Klein, 2009).
Los expertos deciden por reconocimiento. En la investigación de Klein con bomberos en intervención, 117 de 134 puntos de decisión se basaron en el reconocimiento y no en comparar opciones, y el 78 % de las decisiones tardó menos de un minuto (ShadowBox, 2025).
El trabajo de producto rara vez da feedback rápido, así que la intuición de los PM es más débil de lo que parece. En Microsoft, solo alrededor de un tercio de los experimentos bien diseñados mejoró su métrica objetivo (Kohavi, Crook & Longbotham, 2009).
El hábito que afina el juicio es sencillo: escribe una predicción falsable antes de cada decisión y compruébala más tarde.
¿Qué es el product sense?
Todo PM conoce el momento. Los datos no son concluyentes, los stakeholders quieren una respuesta para el viernes y el discovery lleva dos semanas, no dos meses. Tienes que construir, descartar o ganar tiempo, y cada opción tiene un coste. Los PM junior suelen quedarse paralizados aquí: piden más investigación o lanzan una encuesta que tarda tres semanas y responde a la pregunta equivocada. Los PM senior deciden. No porque tengan más datos, sino porque leen señales incompletas, las ponderan bien y se comprometen sin dejar de estar abiertos a equivocarse.
Shreyas Doshi: la capacidad de tomar normalmente decisiones de producto correctas, tanto en el panorama general como en el detalle, incluso bajo una ambigüedad considerable. Cita la empatía cognitiva, el gusto, la estrategia de producto y la creatividad entre las palancas (Maven).
Jules Walter, en Lenny's Newsletter: la habilidad de crear de forma consistente productos que tengan el impacto buscado en sus usuarios, basada en dos partes: empatía para encontrar necesidades significativas y creatividad para resolverlas (Lenny's Newsletter, 2022).
Ambos tratan el product sense como una habilidad que se aprende, no como un rasgo. Este artículo se centra en la parte que las entrevistas rara vez evalúan: decidir bien cuando la evidencia es escasa.
Product sense frente a corazonada y decisiones basadas en datos
Corazonada
Product sense
Esperar a los datos
Qué guía la decisión
Reconocimiento de patrones que no has examinado
Patrones más una lectura explícita de la evidencia
Solo lo que se mide
Velocidad
Rápida
Suficientemente rápida
Lenta
Fallo principal
Seguro de sí mismo y equivocado ante situaciones nuevas
Exceso de confianza si nunca se comprueba
Perder la ventana; parálisis por análisis
Cómo sabes que funciona
No lo sabes
Predicciones registradas y comprobadas
Llegan los resultados, a menudo demasiado tarde para importar
La señal más clara de un buen product sense no es que alguien acierte siempre. Es que rara vez le sorprende equivocarse. Sabía que la incertidumbre estaba ahí y decidió porque el coste de esperar era mayor que el de fallar.
¿Cómo funciona realmente la intuición de producto?
La investigación de Gary Klein con jefes de bomberos explica lo que hacen los expertos bajo presión. Su equipo esperaba que compararan opciones. En su mayoría no lo hacían. En 134 puntos de decisión, 117 seguían lo que Klein llamó el modelo de decisión basada en el reconocimiento (RPD, por recognition-primed decision), y el 78 % de las decisiones se tomó en menos de un minuto (ShadowBox, 2025).
El RPD tiene tres movimientos:
Reconocer la situación. El experto la ve como familiar, lo que hace aflorar las señales relevantes, objetivos plausibles, qué esperar y una acción típica.
Tomar la primera opción viable. Las opciones se consideran una a una, no en paralelo.
Simularla mentalmente. El experto reproduce la acción hacia delante. Si el resultado parece aceptable, actúa. Si no, la ajusta o prueba la siguiente opción.
Los PM hacen lo mismo cuando una petición de funcionalidad «huele raro» o una caída de métrica «parece» un fallo de tracking. La biblioteca de patrones viene de cientos de conversaciones con clientes, lanzamientos y post-mortems. Por eso el product sense crece con la exposición, y por eso un PM nuevo en un mercado debería fiarse menos de sus instintos allí.
¿Cuándo puedes confiar en tu intuición de producto?
Daniel Kahneman dedicó su carrera a documentar los sesgos de la intuición; Klein, a mostrar lo bien que la usan los expertos. En 2009 publicaron un artículo conjunto sobre cuándo vale cada visión. Klein resumió después los criterios en los que coincidieron: una situación regular en lugar de caótica o hipercompleja, la oportunidad de practicar y feedback preciso y a tiempo sobre las consecuencias de las decisiones (Psychology Today, 2024).
La gestión de producto suele suspender la tercera prueba. El feedback sobre una apuesta de roadmap puede tardar un trimestre y se mezcla con la estacionalidad, el marketing y otros lanzamientos. El equipo de Ron Kohavi en Microsoft lo dijo sin rodeos: resulta humillante ver lo mal que los expertos estiman el valor de las funcionalidades, ellos mismos incluidos. Solo alrededor de un tercio de los experimentos bien diseñados mejoró la métrica a la que apuntaban (Kohavi, Crook & Longbotham, 2009).
Así que la respuesta honesta es: confía más en tu intuición donde el feedback es rápido y el dominio es familiar, y menos donde no lo es.
Tipo de decisión
Velocidad del feedback
Regularidad del dominio
¿Confiar en la intuición?
Textos de interfaz, pasos de onboarding en tu propio producto
Días
Alta
Sí, y luego verificar con datos
Priorizar peticiones de un segmento que conoces bien
Semanas
Media-alta
Casi siempre, con una comprobación rápida de la evidencia
Precios y empaquetado
Meses
Media
En parte; probar antes de comprometerse
Entrar en un mercado o segmento nuevo
Trimestres
Baja
Poco; conseguir antes evidencia de observación
¿Cuáles son los tres niveles de evidencia de producto?
La evidencia indirecta (proxy) es oblicua. Sugiere algo sin demostrarlo: un patrón en los tickets de soporte, una caída en una métrica del funnel, una objeción de ventas que aparece tres veces en un mes, un usuario que describe una solución provisional. Es barata de recoger y fácil de malinterpretar. La evidencia indirecta te dice que algo está ocurriendo, no por qué. Actuar solo con ella es la forma de construir la solución equivocada al problema correcto.
Nivel 2: evidencia de observación
La evidencia de observación viene de mirar a las personas usar tu producto o sustitutos cercanos: entrevistas con clientes (especialmente las de cambio de producto), grabaciones de sesiones, pruebas de usabilidad. Te dice por qué ocurre algo. Cuesta más que la evidencia indirecta y es más caro ignorarla. Cuando la observación contradice tus señales indirectas, normalmente gana la observación. La mayoría de los PM invierten poco aquí; unas buenas preguntas para entrevistas con clientes la abaratan.
Nivel 3: evidencia causal
La evidencia causal viene de experimentos controlados: tests A/B, despliegues con feature flag y grupo de control, mediciones antes y después con una línea base limpia. Es la única evidencia que te dice qué va a pasar si cambias algo. Necesita una muestra suficientemente grande, un diseño limpio y normalmente varias semanas de ejecución. La mayoría de las decisiones no la necesitan. El error habitual es exigirla para todo, lanzando un experimento cuando una entrevista habría respondido la pregunta antes. Nuestra guía de tests A/B explica cuándo merece la pena.
¿Cuánta evidencia necesitas antes de tomar una decisión de producto?
Depende de dos cosas: lo reversible que sea la decisión y lo que cueste.
Reversibilidad
Inversión
Evidencia necesaria
Ejemplo
Difícil de revertir
Alta
Causal
Cambiar los precios para todos los clientes existentes
Fácil de revertir
Moderada
De observación
Un nuevo flujo de onboarding detrás de un feature flag
Fácil de revertir
Baja
Indirecta, más sesgo hacia la acción
Reordenar una página de ajustes
La mayoría de las decisiones de producto del día a día están en la fila de abajo. La mayoría de los equipos las tratan como las de la fila de arriba. Jeff Bezos defendió lo mismo en la carta a los accionistas de Amazon de 2016: la mayoría de las decisiones deberían tomarse con «alrededor del 70 % de la información que te gustaría tener», y ser lento suele costar más que equivocarse, siempre que seas bueno detectando y corrigiendo rápido las malas decisiones (Amazon, 2017). Nuestro artículo sobre decisiones de puerta de una vía y de dos vías muestra cómo saber en qué fila estás.
¿Cómo se desarrolla el product sense? El hábito de la calibración
El product sense se afina con una sola práctica: llevar el registro de tus predicciones. Crea el feedback oportuno que, según Kahneman y Klein, necesita la intuición y que el trabajo de producto rara vez ofrece por sí solo.
Antes de una decisión, escribe lo que esperas que ocurra. No un deseo, sino una predicción falsable: «Si lanzamos este cambio, la retención a 30 días de la cohorte expuesta subirá al menos un 5 %». O: «Tres meses después del lanzamiento, menos del 10 % de los usuarios usará esta funcionalidad más de una vez». Añade cuánta confianza tienes. Cuando haya pasado suficiente tiempo, comprueba.
Es incómodo, porque las predicciones crean responsabilidad. Y también es el único ciclo que mejora la calibración. Aprendes qué tipo de decisiones se te dan bien y cuáles valoras mal de forma sistemática. Dos errores aparecen una y otra vez:
Sobrestimar la adopción de funcionalidades que ilusionan al equipo. La tasa de éxito de una de cada tres de Kohavi es la visión externa con la que contrastar esa ilusión.
Subestimar lo arraigada que está la conducta actual. Los usuarios mantienen su solución provisional mucho después de que salga tu mejor alternativa.
Conocer tus propios modos de fallo vale más que cualquier framework.
Plantilla de registro de predicciones (para copiar y pegar)
DECISION: [what we decided, one line]
DATE / OWNER: [date] / [name]
EVIDENCE LEVEL: [proxy / observational / causal]
PREDICTION: [metric] will move from [X] to [Y] by [date]
CONFIDENCE: [50 / 60 / 70 / 80 / 90%]
WOULD CHANGE MY MIND: [the signal that would make me reverse]
CHECK DATE: [date]
RESULT: [what happened] HIT / MISS
LESSON: [what I'd weigh differently next time]
Guarda el registro en el mismo lugar que tus decisiones; un registro de decisiones de producto funciona bien porque el razonamiento y la predicción quedan juntos.
Ejemplo trabajado: puntuar tu calibración (ilustrativo)
Supón que un PM registra 30 predicciones a lo largo de dos trimestres. Doce estaban marcadas como «80 % seguro»; 7 de ellas se cumplieron, una tasa de acierto del 58 %. Diez estaban marcadas como «60 % seguro»; 6 se cumplieron, una tasa del 60 %. Las decisiones al 60 % están bien calibradas. Las del 80 % tienen un exceso de confianza de unos 22 puntos.
Al profundizar, 4 de los 5 fallos al 80 % fueron previsiones de adopción de funcionalidades que el equipo había defendido. La solución no es dejar de predecir la adopción. Es bajar esas decisiones un escalón, al 60-70 %, y pedir evidencia de observación antes de comprometer más de dos semanas de trabajo.
¿Cómo se leen las señales débiles?
Las señales fuertes son fáciles: una caída del 40 % en la activación, la misma queja en ocho entrevistas. El product sense importa con las señales débiles: el único cliente con un flujo de trabajo inusual, un pequeño descenso en una métrica secundaria que no encaja con ninguna hipótesis, el comercial que dice que los clientes nunca lo llaman un bloqueo pero siempre preguntan por ello.
Tres prácticas ayudan:
Separa la observación de la interpretación. «Esto es confuso» es una observación. «Quieren una interfaz más simple» es una interpretación y puede ser errónea; la confusión podría estar en la propuesta de valor. Quédate con la observación en bruto antes de buscar la explicación.
Busca convergencia entre fuentes. Una señal débil significa poco. El mismo patrón en los datos de soporte, una entrevista y una llamada de ventas en la misma semana merece investigarse.
Pregúntate qué te haría actualizar tu criterio. Antes de decidir qué significa una señal, nombra la evidencia que cambiaría tu interpretación. Si nada lo haría, estás racionalizando, no razonando.
¿Cuándo debes decidir sin datos suficientes?
Nunca tendrás datos suficientes. La cuestión es si más señal compensa la demora. Normalmente no. La demora está infravalorada en la mayoría de las organizaciones de producto: los ingenieros esperan, los diseñadores iteran sobre trabajo sin validar, los competidores avanzan.
La pregunta correcta no es «¿tengo datos suficientes?», sino «¿cuál es la prueba más barata que cambiaría mi opinión?».
Si nada cambiaría tu opinión, ya has decidido. Toma la decisión y asúmela.
Si es una comprobación de métrica de cinco minutos, una llamada de una hora con un cliente o un experimento de dos semanas, hazlo primero.
Si la prueba más barata son tres meses de datos causales y la decisión es pequeña y reversible, decide ya y aprende de la realidad.
Así suena un buen product sense: «Estoy un 65 % seguro de que esto es correcto. Lo que me llevaría al 85 % es una ronda más de entrevistas sobre el flujo de activación. Si confirman lo que veo, construimos. Si lo contradicen, averiguamos por qué antes de invertir». Eso no es cubrirse las espaldas. Es alguien que sabe en qué punto está de la evidencia y cuál es el siguiente movimiento correcto.
¿Cómo desarrollas el product sense más rápido?
Walter sugiere cuatro prácticas: observar a las personas usando productos, desmontar los productos que usas a diario, aprender de cómo plantean los problemas los buenos pensadores de producto y mantener la curiosidad por los cambios en la tecnología y en tu dominio (Lenny's Newsletter, 2022). Añade dos que construyen específicamente la calibración:
Habla con clientes cada semana. La exposición construye la biblioteca de patrones de la que depende el RPD. El continuous discovery lo convierte en hábito.
Mantén el registro de predicciones durante un trimestre completo. Diez decisiones registradas enseñan más que cien sin examinar.
¿Cuándo falla la intuición de producto?
En un mercado nuevo. Tus patrones vienen de otro sitio. Las condiciones de Klein aún no se cumplen.
Sin ciclo de feedback. Si nunca compruebas los resultados, la experiencia añade confianza, no precisión.
Cuando la ilusión sustituye a la evidencia. La funcionalidad favorita del equipo es donde la calibración suele ser peor.
Cuando se confunde seguridad con calibración. La persona que más habla en la sala no es la mejor calibrada.
La calibración necesita dos cosas que la mayoría de los equipos pierden: el razonamiento en el momento de la decisión y el resultado después. El Decision Log de Specky registra la decisión y la evidencia que la respalda, el Product Graph vincula esa evidencia con llamadas de clientes, tickets y analítica, y tras el lanzamiento Specky comprueba si la apuesta movió su métrica. Eso cierra el ciclo de feedback que necesita la intuición, y tu juicio se apoya en evidencia que puedes señalar.
Preguntas frecuentes
¿Qué es el product sense?
El product sense es la habilidad de tomar buenas decisiones de producto bajo ambigüedad: entender a los usuarios, juzgar qué problemas importan y predecir cómo caerán los cambios. Shreyas Doshi lo describe como la capacidad de tomar normalmente decisiones de producto correctas, y Jules Walter como crear de forma consistente productos con el impacto buscado. En la práctica combina empatía, conocimiento del dominio, creatividad y un juicio bien calibrado sobre la evidencia.
¿Es lo mismo el product sense que la intuición de producto?
Se solapan. La intuición de producto suele referirse a la parte rápida, basada en patrones: la sensación instantánea de que algo está mal o bien. El product sense es más amplio e incluye las partes deliberadas, como plantear el problema, ponderar la evidencia y elegir una solución. Un buen product sense usa la intuición como primera hipótesis rápida y después la contrasta con la evidencia antes de comprometerse.
¿Se puede aprender el product sense?
Sí. Doshi y Walter lo tratan ambos como una habilidad, y la investigación de Klein muestra que la intuición experta se construye con práctica en un entorno regular con feedback a tiempo. Los PM pueden acelerarlo observando usuarios cada semana, desmontando productos, estudiando cómo plantean los problemas los buenos pensadores de producto y registrando predicciones para obtener feedback sobre su propio juicio.
¿Cómo demuestras product sense en una entrevista de PM?
Los entrevistadores buscan un razonamiento estructurado sobre usuarios y trade-offs. Empieza aclarando el objetivo y el segmento de usuarios, describe el problema del usuario en términos concretos, prioriza un problema y explica por qué, propón algunas soluciones y elige una, y luego nombra la métrica que mostraría que funciona y los riesgos. Decir qué necesitarías aprender antes de comprometerte demuestra juicio, no debilidad.
¿Cuántos datos necesitas antes de tomar una decisión de producto?
Depende de la reversibilidad y el coste. Las decisiones difíciles de revertir y caras, como los cambios de precios, necesitan evidencia causal. Las apuestas reversibles de tamaño moderado necesitan evidencia de observación, como entrevistas o pruebas de usabilidad. Los cambios pequeños y reversibles solo necesitan una señal indirecta y sesgo hacia la acción. Jeff Bezos sugirió decidir la mayoría de las cosas con alrededor del 70 % de la información que te gustaría tener.
¿Cómo sabes si tu intuición de producto es buena?
Registra predicciones con un nivel de confianza antes de las decisiones y compruébalas en una fecha fijada. Tras 20 o 30 entradas, compara tu tasa de acierto en cada banda de confianza con la confianza que declaraste. Si tus decisiones «80 % seguro» se cumplen cerca del 80 % de las veces, estás bien calibrado. Si se cumplen el 60 %, baja de nivel ese tipo de decisiones.
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