O avanço da inteligência artificial no desenvolvimento de software deslocou o gargalo da produção para a tomada de decisão. Agora que AI escreve cerca de 30% do código na Microsoft e agents internos do Stripe fazem merge de mais de mil pull requests por semana, o problema não é mais construir rápido — é decidir o que construir.
- IA acelerou a execução, mas o gargalo agora está em decidir o que construir.
- Agregação de dados não revela necessidades não articuladas dos usuários.
- Observação direta e empatia são habilidades mais valiosas do que nunca.
- 80% das funcionalidades eram raramente usadas mesmo antes da IA.
- PMs brasileiros devem equilibrar dados com pesquisa contextual.
Como a IA mudou o gargalo do desenvolvimento
Durante anos, o gargalo do software foi escrever, testar e entregar código. Ferramentas de AI mudaram isso. Microsoft já tem 30% do seu código gerado por IA. Stripe processa milhares de pull requests por semana com agents autônomos. Product managers também ganharam produtividade de cerca de 40% em tarefas de síntese e documentação.
A consequência direta: o custo de errar na escolha do que construir aumentou drasticamente. Como disse a coach de descoberta de produtos Teresa Torres: "Quanto mais rápido você entrega a coisa errada, mais dano você causa."
- Microsoft: 30% do código gerado por IA
- Stripe: mais de mil pull requests por semana via agents
- PMs: ganho de 40% em produtividade em tarefas de conteúdo
O novo gargalo: decidir o que construir
Segundo benchmarks da Pendo, cerca de 80% das funcionalidades de software eram raramente ou nunca usadas já em 2019 — antes mesmo da aceleração provocada pela IA. Isso significa que a maioria do que as equipes entregavam já era desperdício. Agora, com a execução mais rápida, o gargalo se deslocou para a decisão de priorização.
Por que agregação de dados não substitui observação
Product managers passam muito tempo agregando dados e anedotas para priorizar. Mas a agregação só captura o que os clientes conseguem articular. Necessidades não expressas, workarounds que o usuário aceita sem reclamar, problemas que matam a experiência do produto — nada disso aparece em tickets ou pesquisas.
Um exemplo clássico: a autora relata um projeto de videoconferência onde os usuários reclamavam de baixa qualidade, mas o verdadeiro problema estava na resolução do compartilhamento de tela, essencial para desenhos em CAD. Ninguém havia pedido isso explicitamente. A solução só veio observando o uso real.
Pequenas falhas se acumulam. O usuário encontra um workaround e não reporta. Com o tempo, a confiança se perde e o cliente migra para um concorrente. Tratar agregação como descoberta é o erro central.
O problema dos workarounds silenciosos
Quando um cliente encontra um workaround e não reclama, o PM tende a ignorar o problema. Mas esses paper cuts acumulam e corroem a confiança. A observação direta revela esses atritos invisíveis.
O que funciona: observar usuários no ambiente real
Observação direta revela o contexto que nenhum dashboard mostra. O papel do PM não é apenas usar ferramentas de feedback, mas investigar o "porquê" por trás dos padrões. Se você não consegue descrever o workflow específico que está melhorando, está construindo com base em suposições.
A habilidade que se tornou mais valiosa
As habilidades que mais se valorizaram com a IA são observação e julgamento para tomar decisões baseadas nessas observações. Quando a execução fica barata e rápida, a vantagem está em descobrir e resolver os problemas certos.
Govil conta que, no início da carreira, passar horas com um único cliente parecia ineficiente. Mas o valor não está em um único insight, e sim no acúmulo de observações sobre como os usuários realmente trabalham, o contexto de suas decisões e os atritos que enfrentam.
Observação e julgamento
A combinação de evidência, empatia, curiosidade e compreensão profunda do usuário é o que gera grandes decisões de produto.
O PM como engenheiro de campo
Os melhores product managers sempre foram como engenheiros de campo: imersos no ambiente do cliente, traduzindo observações em produtos que resolvem problemas reais. As equipes que sempre entregaram as coisas certas são aquelas que nunca abandonaram a disciplina de estar na sala com o usuário.
AI sabe sintetizar sinais e identificar tendências em escala, mas ainda não capta os sinais humanos que só a observação presencial revela.
Impacto para o mercado brasileiro de TI
No Brasil, onde o mercado de tecnologia cresce rápido, a tendência é replicar o mesmo movimento. Empresas brasileiras que adotam ferramentas de IA no desenvolvimento precisam reavaliar o papel do product manager. A tentação de centralizar decisões em dados agregados é grande, mas o diferencial competitivo estará na capacidade de entender o usuário brasileiro em seu contexto local.
PMs brasileiros devem investir em pesquisa contextual, visitas a clientes e observação de workflows. A cultura de "produto baseado em dados" não pode substituir a imersão qualitativa. O equilíbrio entre agregação e observação é a chave.
Conclusão: o que os product managers devem fazer agora
Com a IA acelerando a execução, o verdadeiro diferencial está nas decisões de produto. Invista tempo em observar usuários reais. Questione workarounds. Busque o contexto não articulado. A agregação de dados é importante, mas sem observação direta, você corre o risco de construir a coisa errada cada vez mais rápido.
| Abordagem | O que captura | O que perde | Exemplo |
|---|---|---|---|
| Agregação de dados | Feedbacks explícitos, métricas de uso | Necessidades não articuladas, contexto, workarounds | Survey indica baixa qualidade de vídeo, mas problema real é resolução de tela |
| Observação direta | Comportamento real, atritos invisíveis, workflow completo | Escalabilidade, tendências estatísticas | Horas observando usuário revelam necessidade de content share de alta resolução |
Arraste para o lado para ver toda a tabela.
Perguntas Frequentes (FAQ)
O que mudou no product management com a IA?
A IA acelerou a execução, deslocando o gargalo da produção para a tomada de decisão. Agora, o maior desafio é escolher o que construir, não como construir rápido.
Por que a agregação de dados não é suficiente?
Ela captura apenas o que os usuários conseguem articular, perdendo necessidades não expressas, workarounds e contexto que só a observação direta revela.
Qual a habilidade mais valiosa para PMs hoje?
Observação e julgamento baseado em contexto real do usuário. A capacidade de identificar problemas não ditos por meio de imersão no workflow do cliente.
Como aplicar isso no mercado brasileiro de TI?
PMs brasileiros devem equilibrar dados quantitativos com pesquisa contextual, visitas a clientes e observação de workflows locais, sem depender apenas de dashboards.
Fontes e referencias
- How AI Has Surfaced What's Truly Valuable In Product Management - Forbes (www.forbes.com)
- Teresa Torres on product discovery in the age of AI (www.producttalk.org)