Esse é o quinto e último artigo da série que estou escrevendo sobre IA e gestão de produtos. Aqui estão os artigos anteriores:
Para encerrar a série, vamos ver a diferença entre AI-First e AI-Native.
À medida que a inteligência artificial passa a fazer parte das discussões sobre produto, surgem diferentes abordagens sobre como integrá-la ao desenvolvimento.
Um produto AI-first é aquele em que a IA é um componente. Ela pode ser adicionada para melhorar a experiência, aumentar eficiência ou criar novas funcionalidades. Ela não é a base do produto, mas um elemento que o torna mais inteligente.
Um bom exemplo é o Gmail com o Smart Compose, que sugere frases enquanto escrevemos. O produto continua sendo o Gmail; a IA está ali para aprimorar uma tarefa existente.
Outro bom exemplo é o algoritmo de similaridade da Lopes. Ele existia sem IA, de forma determinística, usando apenas três variáveis estáticas (localização, tipo e valor) para encontrar imóveis semelhantes na base da Lopes. Depois, aplicamos IA ao algoritmo, ampliando a análise para dez variáveis e utilizando machine learning para aprender com os cliques e aprimorar as próximas recomendações. Esse algoritmo gerou resultados significativos, aumentando em 106% os cliques em imóveis similares e em 20% os leads gerados.
Mas é importante não confundir AI-First no nível do produto com AI-First no nível da empresa. No segundo caso, AI-First é um mindset: uma forma de pensar e operar a companhia, em que buscamos constantemente como a IA pode tornar cada atividade — do atendimento ao planejamento — mais produtiva. É quando a pergunta “Como podemos resolver isso com IA?” se torna parte do dia a dia das equipes.
Já um produto AI-Native é diferente: ele não existe sem IA. A inteligência artificial não é um componente que se adiciona, é o núcleo que dá origem ao produto. Sem IA não haveria valor, nem experiência, nem produto. É o caso de ferramentas como ChatGPT, DoNotPay e Dieta.ai, que foram concebidas desde o início para funcionar com base em modelos de IA, sejam eles generativos ou analíticos.
No Zapando, produto que desenvolvi recentemente para gestão de objetivos e tarefas, várias funcionalidades são nativas de IA. A ferramenta usa IA para interpretar linguagem natural, gerar insights automáticos sobre os objetivos inseridos pela usuária e propor tarefas para ajudar a usuária a atingir seus objetivos. Não é uma camada adicional: é a essência do produto.
Esse é o verdadeiro espírito AI-Native: produtos em que a IA não complementa a experiência, mas a cria.
Entender a diferença entre AI-First e AI-Native ajuda as empresas a planejar melhor suas iniciativas. Enquanto o primeiro é um passo de evolução, incorporar IA para aumentar eficiência e valor, o segundo é uma mudança de paradigma, construir algo que só é possível graças à IA.
E, assim como em toda a jornada de produto, o ponto de partida não é a tecnologia, e sim o problema que queremos resolver, lembrando que agora temos a IA como tecnologia para nos ajudar a criar produtos cada vez melhores, ou seja, que melhor resolvem o problema da cliente enquanto geram melhores resultados para a empresa.
Mais do que adotar IA, trata-se de entender onde ela realmente faz diferença e construir a partir daí.
Ajudo empresas e lideranças (CPOs, heads de produto, CTOs, CEOs, tech founders e heads de transformação digital) a conectar negócios e tecnologia por meio de treinamentos e consultoria focados em gestão de produtos e transformação digital.
Na Gyaco, acreditamos no poder das conversas para provocar reflexão e aprendizado. Por isso, temos três podcasts que exploram o universo de gestão de produtos por ângulos diferentes:
Você trabalha com produtos digitais? Quer aumentar as chances de sucesso do seu produto, resolver os problemas das usuárias e atingir os objetivos da empresa? Conheça meus livros, onde compartilho o que aprendi ao longo de mais de 30 anos criando e gerenciando produtos digitais: