Product teams + AI em 2025

E isso é só a ponta de onde vai realmente chegar....

O medo de ficar para trás na corrida da inteligência artificial é real. Em 2025, a pressão para maximizar o valor de novos modelos e ferramentas de AI tornou-se a principal prioridade para empresas de todos os tamanhos. No entanto, a implementação vem acompanhada de desafios significativos, incluindo ceticismo em relação à eficácia e precisão das ferramentas de AI e resistência à mudança por parte dos humanos. Como podemos, então, fechar o abismo entre o hype da AI e a geração de valor tangível?

Para responder a essa pergunta, mergulhamos nos insights de uma recente mesa-redonda organizada pela Salesforce Ventures, que reuniu líderes de produto de empresas inovadoras como Airtable, Autify, Candidly, Copado, DataRobot, Endor Labs, Pano AI, Protect AI, Runway e SRE.ai, além de representantes da equipe de arquitetura da própria Salesforce. Este encontro exclusivo revelou um terreno comum em torno dos objetivos e desafios da implementação da AI e compartilhou uma série de estratégias e táticas que podem ser úteis para qualquer organização ou equipe que trabalha para se adaptar na era da AI.

Casos práticos: AI em ação

Longe de discussões teóricas, os líderes de produto compartilharam exemplos concretos de como a AI já está gerando valor em suas equipes. Estes casos ilustram a aplicação prática da tecnologia para resolver problemas reais do dia a dia.

1. Superando a "síndrome da página em branco"

Um dos líderes de produto compartilhou como sua equipe demonstrou o valor da AI para superar a "síndrome da página em branco", um desafio comum no início de qualquer projeto criativo. A abordagem foi simples e eficaz: usar a AI para gerar um rascunho inicial, um ponto de partida. A equipe descobriu que a AI pode levar o trabalho a "80% de fidelidade", permitindo que os humanos se concentrem em refinar os 20% finais para alcançar a excelência. Essa demonstração de valor incentivou o uso mais amplo da AI em toda a organização. Já usou o modo Brainstorm do GPT? É insano para co-criar possibilidades futuras.

2. App interno para análise de chamadas de vendas

Outra equipe construiu um aplicativo interno que executa pipelines de AI em chamadas de vendas gravadas. As aplicações são diretas e de alto impacto: automatizar a criação de mensagens competitivas, identificar potenciais clientes para programas beta e extrair insights valiosos sobre as necessidades e dores dos clientes. Este caso mostra como a AI pode ser usada para automatizar tarefas de análise de dados e gerar inteligência de negócio de forma escalável. (E pensar que quando eu estava na Creditas a gente precisava de uma pessoa para ouvir ligações por amostragem)

3. Incentivando a experimentação na engenharia

Para combater o ceticismo, um líder de produto encorajou seus engenheiros a usar a AI para "hackear" em código de não produção. O resultado foi a criação de scripts úteis que economizam tempo da equipe em tarefas rotineiras. A lição aqui é que dar aos engenheiros a propriedade e a capacidade de personalizar seus fluxos de trabalho pode não apenas diminuir o ceticismo, mas também levar a inovações inesperadas e ganhos de produtividade.

4. O LLM interno da salesforce

A própria Salesforce desenvolveu um LLM interno, treinado em suas próprias ferramentas de desenvolvimento. Este modelo é usado para anotar código e escrever notas de lançamento (release notes), tarefas que consomem tempo e são cruciais para a manutenção e comunicação do produto. Este exemplo destaca o potencial de treinar modelos de AI em dados proprietários para criar assistentes altamente especializados e eficientes.

O framework: Os 4 pilares da implementação efetiva de AI

Com base nas experiências compartilhadas, podemos extrair um framework de quatro pilares para guiar uma implementação de AI bem-sucedida, transformando potencial em resultados concretos.

Pilar 1: cultura primeiro

A implementação bem-sucedida da AI começa com uma cultura empresarial forte e aberta. Os líderes de produto no workshop enfatizaram a necessidade de confrontar diretamente a apreensão dos funcionários que acompanha a adoção de novas ferramentas de AI no local de trabalho. É crucial reconhecer as fontes de ceticismo, que podem variar desde preocupações com a substituição de empregos até dúvidas sobre a capacidade da AI de lidar com tarefas complexas. A melhor forma de combater essa resistência é "mostrar o trabalho": demonstrar o valor da AI através de casos de uso práticos, como os mencionados anteriormente. Encorajar a experimentação em um ambiente seguro, sem a pressão da produção, também é fundamental para que as equipes descubram usos inovadores e se sintam confortáveis com as novas ferramentas. Aqui no Zé fizemos isso com intencionalidade para conseguir impactar a cultura e o modo de pensar do time.

Pilar 2: ferramentas com propósito

Com a proliferação de ferramentas de AI, uma abordagem estratégica para seleção e implementação é essencial. Em vez de adotar tecnologias por modismo, os participantes do workshop concordaram que é preciso ter uma ideia clara de quais tarefas se deseja otimizar com a AI antes de procurar uma solução. Muitas equipes destacaram o impacto positivo da AI na produtividade para tarefas como prototipagem, redação de documentação e resumo de informações. Ferramentas como Cursor e Claude, por exemplo, estão sendo usadas para ajudar a delinear e redigir melhores Documentos de Requisitos de Produto (PRDs). Além disso, o uso eficaz da AI vai além de um único prompt. Um líder de produto descreveu como sua equipe "conversa" diretamente com o Gemini do Google sobre código, convenções e processos de design, e depois pede para gerar prompts fundamentais para tarefas de engenharia. Aprender a extrair o máximo de suas ferramentas de AI requer interação e iteração contínuas, especialmente à medida que os modelos melhoram com o tempo.

Pilar 3: workflows repensados

O verdadeiro poder da AI é desbloqueado quando ela é integrada de forma inteligente nos fluxos de trabalho existentes ou quando novos fluxos de trabalho são definidos com a AI incorporada desde o início. Isso se aplica especialmente a processos que envolvem múltiplos stakeholders e colaboração multifuncional. A AI já está impactando significativamente o ciclo de vida de desenvolvimento de software (SDLC), ajudando a gerar especificações de design, documentação técnica e auxiliando nos testes. Os participantes concordaram que existem muitas oportunidades para encurtar o SDLC, incorporando a AI em áreas-chave. Além disso, a AI pode aproximar as equipes. Ao fornecer uma janela de contexto muito maior, a AI permite que os gerentes de produto tenham conversas de maior calibre com suas equipes de design e engenharia, permitindo que se concentrem mais nos usuários finais. Ao deixar que a AI se preocupe com os detalhes, os membros da equipe podem mudar seu foco para se tornarem mais generalistas, construindo maior credibilidade e empatia com seus colegas.

Pilar 4: realismo estratégico

Embora o potencial da AI seja imenso, é importante reconhecer suas limitações atuais e as complexidades de sua implementação. Uma preocupação significativa levantada pelos participantes foi a segurança. A imaturidade dos sistemas de AI no tratamento de informações de identidade e a falta de bancos de dados vetoriais com permissões granulares adequadas em todo o pipeline de conhecimento foram citadas repetidamente como um desafio. Outra complexidade é o teste de sistemas que dependem fortemente de respostas agênticas não determinísticas. Alguns métodos compartilhados pelas equipes incluíram o uso de ferramentas de "red-teaming" de AI e a construção de processos de teste automatizados que incorporam "agentes desafiadores" para avaliar as respostas dos agentes (ou seja, agentes testando agentes). Uma estratégia de AI-first bem-sucedida deve ser otimista, mas também pragmática, antecipando e mitigando esses desafios desde o início.

Aplicação prática:

Agora é a sua vez de colocar a mão na massa. A teoria é importante, mas a aplicação é o que gera transformação. Inspirado pelas discussões desses líderes de produto, o desafio desta semana é simples, mas poderoso:

1.Identifique uma tarefa repetitiva na sua rotina de PM: Pode ser qualquer coisa, desde a triagem de feedback de usuários, a criação de rascunhos de histórias de usuário, a sumarização de longas threads de email ou a preparação de notas para uma reunião.

2.Escolha uma ferramenta de AI para te ajudar: Não precisa ser a ferramenta "perfeita". Pode ser o ChatGPT, Claude, Gemini, ou qualquer outra que você tenha acesso.

3.Use a ferramenta por uma semana para executar essa tarefa: Comprometa-se a usar a AI como seu primeiro passo sempre que essa tarefa surgir.

4.Documente o processo e os resultados: Anote o tempo que você economizou, a qualidade do resultado inicial gerado pela AI e como você se sentiu ao delegar parte do trabalho. O objetivo é aprender, não alcançar a perfeição.

Compartilhe seus aprendizados nos comentários ou em suas redes sociais. A troca de experiências é a forma mais rápida de acelerarmos nosso domínio sobre essas novas tecnologias.

Ferramentas mencionadas

Durante a discussão, algumas ferramentas foram citadas como parte do arsenal atual dos times de produto:

•Cursor e Claude: Para auxílio na elaboração e no rascunho de PRDs (Product Requirements Documents).

•Google Gemini: Utilizado para conversas interativas sobre código, convenções de programação e processos de design, funcionando como um parceiro de brainstorming técnico.

•Ferramentas de red-teaming de AI: Essenciais para testar a robustez e a segurança de sistemas que utilizam agentes de AI, simulando ataques e identificando vulnerabilidades.

Do hype ao valor tangível

A implementação da AI e o aproveitamento de sua capacidade de aumentar a produtividade não são isentos de desafios. No entanto, a mensagem dos líderes na vanguarda é clara: uma estratégia AI-first bem pensada pode mudar o equilíbrio do trabalho, permitindo que as equipes se concentrem mais em revisão, polimento, pensamento crítico e estratégia, enquanto a AI cuida das tarefas mais granulares e repetitivas. Começar pela cultura, modelar os comportamentos desejados e identificar oportunidades concretas para benefícios de curto prazo são os passos que transformam o hype da AI em valor tangível e sustentável para o seu produto e sua empresa.

E entenda que barreiras vão existir, inclusive para integrar, usar MCP.. afinal isso exige capacidade nossa de esticar ao máximo as possibilidades juntos com os times internos.

De onde saiu essa análise:
Salesforce Ventures - "How Top Product Teams Are Actually Leveraging AI in 2025" URL: https://salesforceventures.com/perspectives/how-top-product-teams-are-actually-leveraging-ai-in-2025/