Recientemente, un experto en inteligencia artificial exploró la complejidad de los modelos de aprendizaje automático al evaluar un nuevo sistema que, a pesar de prometer resultados excepcionales sobre el papel, ofrecía una experiencia de usuario deficiente. Aunque todas las métricas mostraban mejoras en precisión, velocidad y reducción de errores, la percepción de los usuarios no cumplía con las expectativas generadas. Esto llevó al experto a reflexionar que la verdadera innovación no reside solo en el modelo, sino en cómo se aplica e integra en el producto final.
El profesional cambió su enfoque hacia las iniciativas de aprendizaje automático, pasando de centrarse en la eficacia del modelo a hacerse una pregunta más esencial: «¿Esto mejora la experiencia del producto?» La clave, según su experiencia, es la diferencia entre la rapidez en el avance de los modelos y la evolución de la confianza del usuario. Por ello, los gerentes de producto juegan un papel crucial para conectar ambas realidades, gestionando las expectativas y el comportamiento del usuario.
El rol de los gerentes de producto de aprendizaje automático aplicado (ML PMs) es servir de puente entre la innovación y la aplicación práctica, utilizando el aprendizaje automático para lograr resultados significativos en el producto. Esta tarea es compleja, ya que el éxito no se mide solo en métricas técnicas, sino también en entender las necesidades humanas detrás de las interacciones con el producto.
A menudo, modelos con buen rendimiento en métricas internas no se traducen en éxitos comerciales si no mejoran la experiencia del usuario. Un modelo de predicción de abandono, por ejemplo, puede ser más preciso pero inútil si no provoca acciones concretas. Las métricas pueden informar sobre el rendimiento, pero no capturan la esencia emocional que guía las decisiones de los usuarios.
Por ello, el gerente de producto debe optimizar no solo el rendimiento del modelo, sino también su impacto en la confianza y comportamiento del consumidor. Debe preguntarse cuáles son las métricas relevantes y cómo se comunican al usuario final. En organizaciones orientadas a productos, la armonía entre el rendimiento del modelo y la experiencia del usuario es fundamental.
La colaboración con investigadores es esencial en este proceso. La interacción entre gerentes de producto y expertos en investigación ofrece nuevas perspectivas y enriquece la toma de decisiones. Adoptar una mentalidad de exploración en lugar de negociación puede mejorar significativamente la calidad de los insights obtenidos.
Finalmente, el pensamiento sistémico es una herramienta crucial, permitiendo a los gerentes de producto entender cómo funcionan los sistemas dentro de sus productos, incluso sin gestionar directamente la inteligencia artificial. Este enfoque favorece la gestión de sistemas invisibles que afectan lo que los usuarios ven y sienten, así como su confianza en el producto. Así, el trabajo de un gerente de producto de aprendizaje automático trasciende la gestión de modelos, convirtiéndose en la gestión del significado detrás de las experiencias de los usuarios.
