Com a construção barata por IA, julgamento de produto vira o diferencial
O ponto de partida: uma autocritica pública
Em uma versão escrita de sua palestra para o Lenny & Friends Summit, Marty Cagan, fundador da Silicon Valley Product Group, responde a uma pergunta que o intrigou: o que ele argumentava ser verdade e que não acredita mais? Autor de INSPIRED (2008), ele revisita os dez maiores erros e arrependimentos desde a publicação do livro, admitindo que a chegada da IA transformadora justifica questionar até princípios que considerava sagrados.
Os erros que Cagan reconhece
Viabilidade de negócio subestimada. Na primeira edição de INSPIRED, os riscos de produto eram valor, usabilidade e viabilidade técnica - a viabilidade de negócio estava subordinada. Hoje, especialmente em produtos de IA, com riscos de custos, monetização, responsabilidade legal e ética, ele considera esse conhecimento essencial, e não apenas valioso. Ele atribui o equívoco a ter passado a carreira em ferramentas de desenvolvedor, um dos raros contextos em que é possível obter sucesso com habilidades de negócio fracas.
Excesso de ênfase em problem discovery. Cagan diz que subestimou o quanto as pessoas gravitam para a descoberta do problema, virando guardiãs que validam demais se o problema vale ser resolvido - uma pergunta que ele chama de infrutífera e sem resposta definitiva. Na avaliação dele, quando um produto falha, quase sempre é porque a solução não foi boa o suficiente; quando um concorrente chega com solução melhor, isso fica evidente.
O "porquê" errado. O motivo de se trabalhar em um problema já está dado pela visão e pela estratégia de produto. O "porquê" que importa é: por que as pessoas usam - ou deixam de usar - o produto? Ele observa que, ao cancelar assinaturas de novos produtos, raramente é contatado pelas empresas para entender o churn.
Falta de humildade. Cagan reconhece que a mensagem do "CEO do produto" não transmitia a humildade que ele hoje considera central: saber o que não se pode saber, admitir ignorância, abordar experimentos de descoberta com mente aberta e colaborar de verdade com executivos e stakeholders.
O desejo de previsibilidade. Roadmaps e PRDs são, na visão dele, facilitadores da ilusão de que se sabe mais do que se sabe. Esse desejo de previsibilidade estaria na raiz do foco em output e da falta de confiança nas empresas.
Política corporativa. Ele admite que foi ingênuo ao tentar ignorar a política, esperando que o bom trabalho de produto bastasse. Dinâmicas de poder, relações e ambições são parte da estrutura de quase toda empresa, especialmente nas grandes.
Liderança de produto ausente. INSPIRED tratava de times, não de líderes, e a consequência foi que empresas acreditavam bastar montar times empoderados. Na verdade, times empoderados exigem melhor gestão, não menos - sobretudo visão e estratégia. EMPOWERED tentou preencher essa lacuna, mas as consequências persistem.
Governança corporativa. Não se trata de governança de processo (PMO), mas da supervisão da empresa e do equilíbrio entre acionistas, executivos, conselho, clientes e funcionários. Uma lição dolorosa: grandes produtos não garantem grandes empresas, e times podem ver seu trabalho capturado por motivações distintas. Cagan hoje orienta líderes de produto a atuar proativamente com o CEO nessa estrutura; cita o livro Incorruptible, de Eric Ries.
Concorrência brutal. Ele diz que descreveu o produto de forma acadêmica demais. Resolver o problema não basta: é preciso resolvê-lo de forma significativamente melhor que a concorrência, que com IA se move mais rápido do que nunca. Para produtos comerciais, define: "produto é um esporte de contato pleno e sangrento".
Pensar como fundamento. O erro mais estrutural: não percebeu até onde as pessoas vão para evitar pensar, usando processo, frameworks e previsibilidade como substitutos. Estruturar INSPIRED como "pessoas, processo e produto" alimentou essa fome. Ele se preocupa que LLMs sejam usados como alternativa ao pensamento, em vez de parceiro de pensamento - mas nota que isso já acontecia por causa do processo.
Por que a IA reforça o modelo de produto
Apesar dos erros, Cagan diz estar otimista. As duas objeções clássicas ao modelo de produto - vício em output e dificuldade de desenvolver as habilidades - enfraqueceram: a futilidade do foco em output ficou mais clara, e as novas ferramentas de IA tornaram dramaticamente mais fácil construir para aprender. À medida que a IA reduz o custo de entrega, aumentam a relevância dos princípios do modelo de produto, a importância da estratégia e o valor do julgamento de produto e da descoberta. Ele agradece Chris Jones, Teresa Torres e Shreyas Doshi pelo feedback em rascunhos.