15 de octubre de 2026Actualizado el Fathy Shalaby12 min de lectura
Lo que los product managers nunca deben delegar en la IA: 7 decisiones
La IA puede reunir evidencia, redactar opciones y defender la postura contraria. Aun así, siete decisiones de producto necesitan una persona con nombre y apellido como responsable. Aquí tienes la lista, la regla de aprobación y una checklist.
¿Qué no deben delegar los PM en la IA? Siete decisiones: qué problema recibe atención, qué quieren decir realmente los clientes, qué trade-off acepta la roadmap, qué no va a construir el equipo, cómo termina un conflicto entre stakeholders, si un riesgo es aceptable y si una apuesta debe continuar. La IA puede reunir evidencia, redactar opciones y defender la postura contraria. Una persona con nombre sigue tomando la decisión y asumiendo la consecuencia.
Ideas clave
Los desarrolladores desconfían más de lo que confían en los resultados de la IA: 46 % frente a 33 %, y solo un 3 % confía mucho en ellos (Stack Overflow, 2025, más de 33 000 encuestados).
Los propios ingenieros de Anthropic usan la IA en el 59 % de su trabajo, pero la mayoría dice que solo puede delegar por completo entre un 0 y un 20 % (Anthropic, diciembre de 2025).
La Ley de IA de la UE exige que las personas que supervisan una IA de alto riesgo puedan anular o revertir sus resultados y protegerse contra el sesgo de automatización (artículo 14).
La guía de agentes de OpenAI señala dos desencadenantes para devolver el control a una persona: los fallos repetidos y las acciones sensibles, irreversibles o de alto riesgo.
La regla de trabajo: delega la preparación, conserva la decisión. Cuanto mayor es el riesgo y más difícil deshacerlo, más cerca de la acción debe estar la aprobación humana.
¿Por qué una recomendación de la IA no es lo mismo que una decisión?
La IA produce una respuesta segura a partir del contexto que recibe. Una redacción fluida esconde huecos: una recomendación puede sonar decidida aunque la evidencia sea incompleta, la petición del cliente no sea representativa, el trade-off no esté explicitado y nadie figure como responsable.
Quienes más usan la IA son prudentes a la hora de confiar en ella. En la Developer Survey 2025 de Stack Overflow, el 84 % de los encuestados usa o planea usar herramientas de IA, pero el 46 % desconfía de la precisión de los resultados y el 33 % confía en ella (Stack Overflow, 2025). La frustración más común, citada por el 66 %, son los resultados que casi son correctos, pero no del todo. La investigación DORA 2025 de Google encontró la misma brecha: el 90 % de casi 5000 profesionales de tecnología usa IA en el trabajo, pero el 30 % confía poco o nada en lo que produce (Google, 2025).
Las decisiones de producto son más difíciles de comprobar que el código. Un test que falla te dice en minutos que el código está mal. Una mala decisión de priorización puede parecer correcta durante dos trimestres.
¿Qué es el sesgo de automatización y por qué debería importarles a los PM?
El sesgo de automatización es la costumbre de aceptar un resultado solo porque lo ha producido un sistema. La Ley de IA de la UE lo nombra de forma directa: quienes supervisan una IA de alto riesgo deben ser conscientes de «la posible tendencia a confiar automáticamente o en exceso en los resultados» (EUR-Lex, Reglamento (UE) 2024/1689, artículo 14). El mismo artículo dice que la persona supervisora debe poder ignorar, anular o revertir el resultado y detener el sistema de forma segura.
La mayoría de las herramientas para PM no son un sistema de alto riesgo según la Ley, pero el principio se aplica igual: un PM que no sabe explicar por qué aceptó una recomendación no ha tomado una decisión. Solo la ha reenviado.
¿Qué no deben delegar nunca los product managers en la IA?
Siete decisiones de producto deben seguir en manos humanas. La IA puede preparar el terreno para cada una, pero la decisión depende de un contexto, unas relaciones o una responsabilidad que un modelo no tiene.
1. Qué problema merece la atención del equipo
La IA puede ordenar señales por frecuencia o similitud. Frecuencia no es importancia. Diez peticiones de usuarios gratuitos pueden pesar menos que un único riesgo de abandono en tu cuenta más grande, y solo alguien que conozca la estrategia, el momento y el coste de oportunidad puede sopesarlo. Marty Cagan asigna al product manager el riesgo de valor, es decir, si los clientes lo comprarán o elegirán usarlo (SVPG, 2017).
2. Qué quiere decir realmente el cliente
La IA puede etiquetar temas en 200 transcripciones en minutos. No puede hacer la pregunta de seguimiento que separa una solución pedida («añade un botón de exportar») del trabajo de fondo («mi responsable de finanzas necesita esta cifra todos los lunes»). Mantén cada afirmación importante enlazada a la cita original y lee la fuente antes de actuar sobre un tema. Nuestra guía sobre cómo separar la evidencia de la interpretación en la síntesis de investigación con IA muestra el método.
3. Qué trade-off acepta la roadmap
Una puntuación de priorización es un dato de entrada, no un veredicto. Priorizar decide a quién se sirve, qué espera, qué riesgo se acepta y qué elige aprender la empresa. La IA puede ejecutar diez escenarios. Una persona tiene que elegir uno y explicar el coste a quienes pierden. La guía de priorización RICE explica cómo usar una puntuación sin dejar que decida por ti.
4. Lo que el equipo decide deliberadamente no construir
Decir que no exige convicción y una relación con quienes lo pidieron, y importa más ahora que un prototipo puede llevar una tarde. El análisis de Pendo sobre 615 suscripciones de software encontró que alrededor del 80 % de las funciones se usan poco o nunca (Pendo, 2019). Que construir sea más barato hace que esa proporción crezca con más facilidad, no que se reduzca. Tratamos la conversación en sí en cómo decir que no a «lo podemos construir en una hora con IA».
5. Cómo se resuelve un conflicto entre stakeholders
La IA puede mapear objetivos enfrentados y redactar tres opciones de compromiso. No puede sostener la relación entre producto, un cliente clave, un líder de ventas e ingeniería cuando la respuesta decepciona a uno de ellos. La carta a los accionistas de 2016 de Jeff Bezos recomienda que un líder con convicción pero sin consenso exprese su desacuerdo y se comprometa de todos modos («disagree and commit») (Amazon, 2016). Eso solo funciona cuando es una persona quien asume el compromiso.
6. Si un riesgo es aceptable
La privacidad, la seguridad, la protección, el cumplimiento normativo, la fiabilidad y las acciones irreversibles necesitan que una persona responsable acepte el riesgo. La IA puede describir el riesgo. Nunca debería aceptarlo en silencio. Esto vale también para lo que construye la IA: Veracode probó más de 100 modelos de lenguaje y descubrió que el 45 % de las muestras de código generadas introducía una vulnerabilidad del OWASP Top 10, sin que el rendimiento en seguridad mejorara con el tamaño del modelo (Veracode, 2025).
7. Si una apuesta de producto sigue viva
La IA puede comparar las métricas del lanzamiento con la hipótesis. Pero decidir si continuar, acotar, pausar o retirar la apuesta implica costes hundidos, la moral del equipo, promesas a clientes y la siguiente oportunidad. CB Insights descubrió que el 43 % de 431 startups respaldadas por capital riesgo que cerraron desde 2023 citó un mal product-market fit (CB Insights, 2026). Cerrar a tiempo la apuesta equivocada forma parte del trabajo del PM, y necesita a alguien responsable que lo diga en voz alta.
Las siete decisiones de un vistazo
Decisión
Qué puede hacer la IA
De qué se encarga la persona
¿Suele ser reversible?
Elegir el problema
Agrupar y contar señales
Sopesar estrategia, momento y coste de oportunidad
En parte
Significado para el cliente
Etiquetar temas, extraer citas
Las preguntas de seguimiento y el trabajo detrás de la petición
Sí
Trade-off de la roadmap
Puntuar y comparar escenarios
Elegir quién espera y por qué
En parte
No construir
Generar alternativas
Decir que no y mantener la confianza
Sí
Conflicto entre stakeholders
Mapear posturas, redactar opciones
La relación y la decisión final
En parte
Aceptar un riesgo
Describir riesgos y modos de fallo
Aceptar o rechazar el riesgo
A menudo no
Continuidad de la apuesta
Comparar resultados con la hipótesis
Continuar, acotar, pausar o detener
En parte
¿Qué pueden delegar sin problema los product managers en la IA?
Delega el trabajo cuyo resultado una persona pueda contrastar con su fuente antes de que cambie una roadmap, una promesa a un cliente o un sistema en producción. Buenos candidatos:
Resúmenes de reuniones y llamadas con enlaces a la grabación o la transcripción
Agrupación y deduplicación de feedback
Primeros borradores de informes de investigación, PRD y notas de versión
Posibles preguntas de entrevista e hipótesis alternativas
Borradores de criterios de aceptación para revisar
Actualizaciones del registro de decisiones y preparación de informes de estado
Comprobaciones de campos que faltan, evidencia desactualizada o terminología incoherente
Lo que tienen en común es que se pueden revisar. El estudio de Anthropic sobre su propio personal es un buen punto de referencia: ingenieros e investigadores usaron Claude en el 59 % de su trabajo, frente al 28 % un año antes, y comunicaron una mejora de productividad del 50 %, pero más de la mitad dijo que solo podía delegar por completo entre un 0 y un 20 % de su trabajo (Anthropic, 2025). Uso intensivo y delegación limitada conviven sin problema. El método completo para clasificar tareas está en qué deberían automatizar con IA los product managers.
¿Cómo decides cuándo debe aprobar una persona el resultado de la IA?
Usa una sola regla: cuanto mayores son el riesgo, la irreversibilidad, la ambigüedad y el impacto en las relaciones, más cerca de la acción debe estar la aprobación humana.
La guía de OpenAI para crear agentes da dos desencadenantes para pasar el control a una persona: superar un umbral de fallos, como malinterpretar una petición varias veces, y las acciones de alto riesgo, sensibles, irreversibles o de gran importancia, como cancelar pedidos o autorizar reembolsos grandes (OpenAI, 2025). También recomienda clasificar cada herramienta que puede usar un agente como de riesgo bajo, medio o alto, según el acceso de lectura o escritura, la reversibilidad, los permisos y el impacto económico.
La idea de Bezos de las puertas de doble sentido completa el cuadro. Muchas decisiones son reversibles y merecen un proceso ligero; la mayoría se pueden tomar con alrededor del 70 % de la información que te gustaría tener. Reserva la revisión intensa para las puertas de un solo sentido. Nuestro marco de reversibilidad para decisiones de producto muestra cómo distinguirlas.
Una puntuación de aprobación con cuatro factores
Puntúa cada resultado preparado por la IA de 1 (bajo) a 3 (alto) en cuatro factores y suma.
Factor
1
2
3
Riesgo si falla
Cosmético
Molesta a los usuarios o desperdicia un sprint
Exposición económica, de datos, de seguridad o legal
Reversibilidad
Se deshace en minutos
Se deshace en días
No se puede deshacer
Ambigüedad
Fuente y regla claras
Algo de interpretación
Evidencia o estrategia discutidas
Impacto en las relaciones
Solo interno
Un cliente o un equipo
Muchos clientes o un compromiso público
4–6: automatízalo y haz comprobaciones puntuales cada semana.
7–9: la IA redacta y el PM revisa antes de que algo salga.
10–12: la IA solo prepara evidencia y opciones. Un responsable con nombre decide y deja constancia de su razonamiento.
Los tramos son un punto de partida, no un estándar.
Ejemplo práctico (ilustrativo)
Supongamos que un equipo de seis personas usa la IA para clasificar 140 piezas de feedback al mes. Etiquetar y deduplicar puntúa 5: riesgo bajo, reversible en minutos, reglas claras, solo interno. Funciona de forma automática, y el PM revisa 10 elementos cada viernes.
Esa misma IA recomienda entonces retirar una función de informes que usa el 12 % de las cuentas. Puntúa 11: los usuarios pierden datos, el cambio es difícil de revertir, la evidencia de uso es discutida y se ven afectados muchos clientes. La IA reúne el paquete de evidencia. El PM entrevista a tres clientes afectados, toma la decisión y registra por qué.
Checklist: antes de aceptar una recomendación de la IA
Cópiala en tu plantilla de decisiones.
Puedo nombrar las fuentes en las que se apoya esta recomendación, y he abierto al menos una.
Sé de qué supuestos depende y qué evidencia la contradice.
Le he pedido a la IA el argumento más fuerte en contra de su propia respuesta.
Las citas de clientes son reales y están enlazadas, no parafraseadas hasta convertirse en otra cosa.
La he puntuado por riesgo, reversibilidad, ambigüedad e impacto en las relaciones.
Una persona con nombre asume la consecuencia, y esa persona no es «la IA».
La decisión y su motivo están por escrito.
Hay una fecha para comprobar si la decisión fue acertada.
Tratar un resumen como si fuera la fuente. El resumen de 40 entrevistas es una afirmación sobre esas entrevistas. Comprueba citas al azar antes de que lleguen a una roadmap.
Delegar por vaguedad. «Prioriza nuestra roadmap» no es una tarea que la IA pueda hacer bien. Es una decisión a la que le faltan datos de entrada. Dale a la IA trabajos acotados cuyo resultado puedas comprobar.
Dejar que el volumen marque la agenda. La IA abarata las ideas, las specs y los prototipos. La encuesta 2026 de Product Institute a 309 líderes de producto encontró que solo el 17 % citó la planificación estratégica y la roadmap como un área donde la IA tuviera un impacto alto, frente al 50 % en ingeniería y desarrollo (Product Institute, 2026). La producción creció más rápido que el pensamiento que hay detrás.
Sin responsable tras el lanzamiento. La decisión de continuar o parar es la que más se omite, porque ninguna reunión la fuerza. Pon la fecha de revisión en el calendario cuando lances.
Corregir en exceso. Negarse a delegar nada desperdicia tiempo que la IA puede devolverte. La nota de Martin Fowler sobre ingeniería agéntica encuentra el equilibrio: «Humans are still responsible for what the software does and how it works» (Fowler, 2026).
Dónde encaja Specky
Specky se ocupa del lado de preparación de estas decisiones. Lee llamadas de clientes, feedback, Slack, Jira y analítica y los integra en un Product Graph, de modo que un PRD o una recomendación redactados por IA llegan con citas en línea a las conversaciones que los respaldan. Los borradores aterrizan en el PM Inbox para revisión humana en lugar de salir directamente, y el Decision Log registra quién decidió qué y por qué. La IA se encarga de la búsqueda y del primer borrador. Tú te quedas con la decisión.
Preguntas frecuentes
¿Qué no deben delegar nunca los product managers en la IA?
Elegir el problema, interpretar a los clientes, los trade-offs de la roadmap, la decisión de no construir, el conflicto entre stakeholders, la aceptación de riesgos y la decisión de continuar o detener una apuesta. La IA puede preparar evidencia y opciones para cada una, pero estas decisiones dependen de una estrategia, unas relaciones y una responsabilidad que un modelo no tiene. Nombra a una persona responsable para cada una de ellas.
¿Puede la IA priorizar una roadmap de producto?
La IA puede puntuar elementos, ejecutar escenarios y mostrar qué evidencia respalda cada opción. No debería fijar el orden final. Priorizar decide quién espera y qué riesgo acepta la empresa, y alguien tiene que explicárselo a las personas afectadas. Trata las puntuaciones de la IA como un dato más junto a la evidencia de clientes, la estrategia y el coste de ingeniería.
¿Deben los PM fiarse de los resúmenes de feedback de clientes hechos por IA?
Fíate de ellos como punto de partida, no como evidencia. Los resúmenes pueden mezclar quejas distintas o perder contexto. Mantén cada afirmación importante enlazada a la transcripción, el ticket o la métrica originales y comprueba una muestra antes de que un resumen influya en una decisión de roadmap.
¿Qué significa human-in-the-loop en la gestión de producto?
Significa que una persona con nombre revisa y acepta una decisión o acción preparada por la IA antes de que genere un compromiso con clientes, de estrategia, financiero o en producción. Quien revisa debe poder entender el resultado, rechazarlo o revertirlo y detener el proceso. Eso refleja lo que exige el artículo 14 de la Ley de IA de la UE para los sistemas de IA de alto riesgo.
¿Cuánto del trabajo de un PM puede hacer la IA?
Gran parte de la preparación y poco de la decisión. Los ingenieros de Anthropic usaron la IA en el 59 % de su trabajo en 2025, pero la mayoría dijo que solo podía delegar por completo entre un 0 y un 20 %. Para los PM, la síntesis de investigación, la redacción y el trabajo de estado pasan a la IA, mientras que elegir el problema, los trade-offs y la responsabilidad siguen siendo humanos. Nuestro repaso de datos pregunta si la IA puede sustituir a los product managers.
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