Si eres Product Owner y has notado que durante ciertas épocas del año todo se vuelve caótico - los deploys fallan, las comunicaciones se malinterpretan, los stakeholders cambian de opinión cada cinco minutos - es posible que estés experimentando el fenómeno conocido como "Mercurio Retrógrado".

Ya sea que creas firmemente en la astrología o pienses que es pura coincidencia, lo cierto es que los períodos de alta tensión en Product Management son inevitables. Esto podría traducirse en:

• Emails malinterpretados que generan crisis innecesarias
• Bugs que aparecen de la nada en producción
• Stakeholders que de repente "no recuerdan" haber aprobado esa feature
• Reuniones que terminan en total confusión
• Deploys que fallan misteriosamente

Soy Product Manager con 5 años de experiencia, y hace algún tiempo, yo también perdí 3 desarrolladores seniors en una semana. Hoy te enseño las señales que no vi a tiempo.

El Q3 puede ser brutal. Presión por resultados, vacaciones, deadlines imposibles. Pero el burnout no aparece de la nada. Tiene señales claras que la mayoría ignora.

¿Tu equipo está mostrando estas señales?

Señal número 1: Respuestas cada vez más cortas. Si tus team members antes te explicaban todo y ahora solo dicen: 'OK', 'Entendido', 'Listo'. Esto es distanciamiento emocional." ¡Alerta!

Señal 2: Si notas que está distraídos o distraidas durante las reuniones. Es señal de un Multitasking obvio. O llegan 5 minutos tarde sin disculparse. Han desconectado mentalmente.

Señal 3: Trabajan más horas pero entregan menos. Perfectamente normal - cuando estás burnout, tu productividad se va al piso. Más horas ≠ más resultados.

Señal 4: Negatividad constante. Todo es 'imposible', 'muy complicado', 'no va a funcionar'. Han perdido la capacidad de ver soluciones.

Señal 5: Errores básicos que normalmente no cometen. Olvidan meetings, mandan emails equivocado. Su cerebro está saturado.

Señal 6: Cambios físicos evidentes. Ojeras, más café, menos energía. Suben o bajan de peso drásticamente. Se ven agotados incluso los lunes por la mañana.

Señal 7: Se alejan del equipo. Ya no participan en conversaciones casuales, no van a las integraciones. Están física y emocionalmente ausentes.

SOLUCIONES RÁPIDAS

Segundo: En lo posible, reduce scope inmediatamente. Ese feature 'súper importante' puede esperar. Tu equipo no. Quita presión, no agregues más.

Tercero: establece límites claros. No más meetings después de las 6PM. No más 'urgencias' que no son urgentes. Protege a tu equipo.

Cuarto: reconoce su trabajo públicamente. Un 'gracias' en el canal general vale más que cualquier pizza party. Hazlos sentir valorados.

HISTORIA PERSONAL

Volviendo a mi historia de hace unos años. Ignoré todas estas señales. Pensé que era 'estrés normal de Q3'. Mi team lead empezó a responder con monosílabos, mi senior dev llegaba tarde a los dailys.

Yo agrega más complejidad con bug productivos mientras decía, “esta es la ultima, solo una mas”. Hasta que un viernes, mi líder tecnico me escribió: 'Necesito hablar contigo'. Renunció. 

Lo que aprendí fue que: es más fácil prevenir burnout que recuperar talento. Tu roadmap puede esperar, tu equipo no se puede reemplazar. Cuesta 15K contratar un desarrollador senior, pero cuesta $0 escucharlo.

Ese Q3 fue un desastre. 2 meses de retraso, un equipo destruido, la confianza de todos perdida. Pero me enseñó la lección más importante de mi carrera: un buen Product Manager no solo entrega features, sino que también cuida a su gente. 

Si reconoces estas señales en tu equipo, deja un comentario. Si ya pasaste por esto, cuenta tu experiencia. Ayudemos a otros PMs a no cometer nuestros errores.

Sígueme para más tips reales de Product Management. Nos vemos la siguiente semana.

Durante mis 5 años como Product Manager, he vivido todos los tipos de cierre de trimestre: los exitosos, los desastrosos, y los que son híbridos en resultados, que son la mayoría. Y después de reflexionar en mis propios errores, quiero compartir contigo los 4 aprendizajes más importantes que todo PM debería sacar de este trimestre.

Estos no son consejos teóricos. Son lecciones que aprendí lidiando con stakeholders frustrados, métricas que no cooperaban, y equipos que necesitaban dirección clara. Así que ponte cómodo y cómoda que te prometo que vas a salir de aquí con una perspectiva completamente diferente sobre cómo cerrar Q2 y prepararte para un Q3 exitoso.

APRENDIZAJE 1 LAS MÉTRICAS NO MIENTEN

El primer aprendizaje es aceptar que las métricas no mienten, pero nosotros sí nos mentimos a nosotros mismos. Yo llamé a esto 'El Síndrome del Q2' porque es exactamente en este trimestre donde se hacen evidentes todos los problemas que llevábamos arrastrando desde Q1.

Hace mucho tiempo tenía un OKR de incrementar el engagement 20% y lo logramos - de hecho, llegamos al 23%. Pero cuando revisé los datos más profundo, me di cuenta de que ese engagement venía principalmente de usuarios que no convertían. Habíamos optimizado pero con una métrica incorrecta.

Aquí está la lección: Si tus métricas te están dando resultados con poca coherencia, no es porque el mercado esté raro o porque tu equipo no ejecutó bien. Es porque probablemente estás midiendo síntomas en lugar de las causas reales de tu objetivo.

Mi framework ahora es simple: por cada métrica que cumples, pregúntate '¿Qué comportamiento real del usuario está generando este número?' Y por cada métrica que no cumples, pregúntate '¿Qué asumí sobre mis usuarios que resultó ser falso?'

Porque la realidad es que Q2 no es el trimestre donde las cosas se rompen. Es el trimestre donde se hace evidente lo que ya estaba roto desde antes.

APRENDIZAJE 2: PRESENTAR RESULTADOS MIXTOS

El segundo aprendizaje es sobre cómo presentar resultados mixtos sin sonar a excusas. Porque seamos honestos, la mayoría de nosotros vamos a tener que sentarnos frente a nuestro CEO o nuestros stakeholders y explicar por qué algunas cosas funcionaron y otras no.

Hace unos años, yo cometí un error clásico: entré a la reunión justificando todo lo que había salido mal. 'Es que el equipo de desarrollo tuvo problemas técnicos', 'Es que el timing del lanzamiento no fue el ideal', 'Es que la competencia lanzó una feature similar'. Y básicamente destruí mi credibilidad en 5 minutos.

Ahora uso lo que llamo el 'Context-First. Primero presento lo que SÍ funcionó y explico exactamente por qué funcionó. Segundo, reconozco específicamente lo que no funcionó, sin justificaciones. Y tercero - aquí está la clave - conecto ambos resultados con una hipótesis clara sobre qué aprendimos.

Por ejemplo: 'Logramos el 115% en NPS porque la nueva interfaz resonó perfectamente con nuestros usuarios. Sin embargo, las conversiones bajaron 8%, y mi hipótesis es que estamos atrayendo usuarios que no están en el momento adecuado del customer journey. Esto nos da una oportunidad clara de segmentar mejor en el Q3.

¿Ves la diferencia? No estoy justificando, estoy conectando los datos para crear una narrativa que tenga sentido y que apunte hacia acciones concretas. Los stakeholders no quieren excusas, quieren contexto inteligente.

APRENDIZAJE 3 - EL ARTE DE DECIR NO

El tercer aprendizaje es el más importante para el Q3: aprender a decir no de manera inteligente. Porque después de un Q2 complicado, todo el mundo va a querer compensar agregando más iniciativas, más proyectos, más de todo para el Q3.

Yo lo viví en carne propia. Después de un trimestre donde no todas las iniciativas funcionaron, mi reacción instintiva fue decir que sí a todo lo que me pedían para el siguiente trimestre. El resultado fue aún peor, porque no solo no resolvimos los problemas originales, sino que agregamos más complejidad al equipo.

Así que aquí te comparto mi forma de decir No Inteligentemente: Cuando alguien me pide algo para Q3, no digo 'No, no puedo' porque eso me convierte en un obstáculo. En su lugar, digo algo como: 'Entiendo la urgencia de esta request, pero antes de agregar algo nuevo, necesitamos entender por qué nuestros usuarios no están adoptando completamente lo que ya construimos. Si agregamos más features sin resolver eso, vamos a repetir los mismos errores de Q anterior, solo que con más complejidad.

Recuerda el Q3 no es para compensar el Q2 acumulando más trabajo. Es para aplicar lo que aprendiste en Q2 de manera más inteligente.

APRENDIZAJE 4 - RESET MENTAL Y PREPARACIÓN

Y el cuarto aprendizaje es sobre el reset mental. Porque un cierre de trimestre puede ser emocionalmente agotador, especialmente si sientes que estuviste luchando contra las métricas todo el tiempo.

Yo desarrollé lo que llamo mi 'Ritual de Cierre de Trimestre', y quiero compartirlo contigo porque creo que puede ayudarte también.

Primero, dedico 2 horas a documentar específicamente qué aprendí sobre mis usuarios que no sabía al inicio del trimestre. No qué salió mal, sino qué descubrí. Esto cambia completamente la narrativa mental de 'fallé' a 'aprendí'.

Segundo, identifico las 3 decisiones que tomé este trimestre que más impacto tuvieron - positivo o negativo. Porque el rol de PM es tomar decisiones con información incompleta, y cada decisión es data para futuras decisiones. Porque dentro de 6 meses, cuando esté lidiando con las consecuencias de estas decisiones, voy a necesitar recordar por qué las tomé.

Y tercero, defino mi objetivo principal  para el Q3. No una lista de iniciativas, sino un objetivo. Por ejemplo, mi tema para el Q3 es 'Optimizar el funnel de conversión basado en el comportamiento real de mis usuario'. Esto me ayuda a filtrar todos los requerimientos que van a llegar las próximas semanas.

Este ritual me toma 4 horas total, pero me ahorra semanas de parálisis por análisis y decisiones reactivas en este Q3 que se va iniciar.

CONCLUSIÓN

Q3 Warrior Mindset ⚡

Mira, la realidad es que Q2 siempre va a sentirse como un trimestre de supervivencia. Es el trimestre donde se hacen evidentes todos los problemas que llevabas arrastrando, donde las métricas de vanidad chocan con la realidad del usuario, y donde tienes que tomar decisiones difíciles sobre lo qué realmente importa.

Pero también es el trimestre que más te enseña sobre product management, porque es donde aprendes a navegar la ambigüedad, a comunicarte bajo presión, y a tomar decisiones basadas en data incompleta pero real.

Si estos aprendizajes te resonaron, déjame saber en los comentarios cuál fue tu mayor insight de Q2. Y si hay algún tema específico sobre la planificación del Q3 que te gustaría que cubra en un próximo video, también déjamelo saber.

Suscríbete si este tipo de contenido te sirve, porque cada semana comparto más información sobre el día a día como PM. Y recuerda: el Q3 no es para compensar el Q2, es para aplicar lo que aprendiste en el Q2 de manera más inteligente.

Nos vemos en el próximo video, y que tengas un excelente cierre de trimestre.

¡Hoy te explico su ciclo de vida completo de un producto con IA!

Como dijimos , los datos son lo todo para este tipo de productos con IA. Por eso necesitamos saber si contamos con los datos necesarios que nos ayudará a trabajar el modelo. 

Ejemplo:

- Necesitas predecir las canciones que les gusten al cliente pero solo tienes 1 mes de datos ➡️ No es suficiente

- Tienes 2 años de reproducciones de tus usuarios ➡️ Es viable

Que datos necesitas: 

• Historial de reproducción
• Likes/dislikes
• Playlists creadas
• Tiempo de escucha

- Costo: Desarrollo del sistema de IA

- Beneficio: +45% tiempo de escucha cuando las recomendaciones son personalizadas

- Resultado: Mayor retención de usuarios ✅

Ejemplo:

- Proyecto requiere $100K, ganarás $10K/año producto de la retención ➡️ ROI bajo

- Proyecto requiere $100K, ganarás $150K/año producto de la retencion ➡️ ROI atractivo

⚠️ Tip #1: No todo necesita IA

A veces una regla simple funciona mejor

📊 2. FASE DE DATOS

Ahora si comienza la bueno porque el 80% del tiempo se va en el trabajo de los datos.

a) Recolección:

• Fuentes internas (tus sistemas)
• Fuentes externas (APIs, partners)
• Datos públicos

Ejemplo: Para el recomendador de canciones: necesitas:

• Género musical
• Tempo (BPM)
• Popularidad
• Artista

b) Limpieza:

• Eliminar duplicados
• Corregir errores
• Estandarizar formatos

Ejemplo: En datos de usuarios

• Usuario escucha 1 segundo ➡️ No es una preferencia real
• Canción en repeat 100 veces ➡️ Puede ser teléfono desatendido
• Playlist compartida ➡️ Mezcla de gustos diferentes
• Arreglar fechas (DD/MM/YY vs MM/DD/YY)
• Normalizar nombres (Jlo. = Jenifer Lopez / RiRi = Rihana)

c) Sesgos y Calidad:

Sesgos significa que tus datos están desequilibrados, ambiguos, que podrían llegar a malinterpretar una ecuación. 

Ejemplo malo: 

- Solo recomendar baladas a mujeres de 30 años. 

- Solo recomendar boleros a hombres de 50 años. 

Ejemplo bueno:

- Datos diversos y representativos de todos los usuarios

- Muestras equilibradas de todos los casos posibles

Y claro, la privacidad de los datos de tus clientes es lo primero. 

🛠️ 3. FASE DE DESARROLLO

Y ahora sí, manos a la obra: Iniciamos el ciclo iterativo de todo producto digital y que no es excepcion en un producto con IA. 

a) Entrenar:

- Alimentar el modelo con datos

- Ajustar parámetros

- Ejemplo: El modelo aprende:

- "Si te gusta Taylor Swift, probablemente te guste Ed Sheeran"

- "Si escuchas rock clásico por la mañana, probablemente uses mas la app si te lo sugerimos más en ese horario"

b) Evaluar:

Y todos estos datos tienen que estar disponibles en dashboard para poder evaluar los primeros resultados. 

Medimos con métricas claras:

- Precisión: ¿Cuántas predicciones son correctas?¿Cuántas recomendaciones que le hicimos escucha el usuario?

- Velocidad: ¿Por cuánto tiempo las reproduce? escucha la canción completa o le da next al segundo 5?

- Acción: Las agrega a sus playlists?

c) Ajustar:

Luego de analizarlo, toca modificar lo que necesite para mejorar la respuesta. 

- Ejemplo: 

-Usuario ignora rock pesado ➡️ Reducir estas recomendaciones

- Le da like al jazz ➡️ Aumentar sugerencias similares

Y seguir con este ciclo de iteración constante

🚀 4. FASE DE DEPLOYMENT -> ¡Salimos a producción!

Consideraciones críticas:

Luego de salir a producción los esfuerzos se multiplican porque tenemos que tener todo bajo la lupa de observación. 

a) Monitoreo en tiempo real:

- ¿El modelo sigue siendo preciso?

- ¿Está respondiendo a tiempo?

- ¿Los usuarios están satisfechos?

c) Pruebas A/B:

- Grupo A: Recomendaciones basadas en género

- Grupo B: Recomendaciones basadas en patrones de escucha

- Resultado: B genera 30% más reproducciones?

🔄 5. FASE DE MANTENIMIENTO

Aca hay 2 conceptos que se usan en el contexto IA. 

a) Cambios en los datos (Data Drift):

Ejemplo: 

- Antes: Precios promedio $100

- Ahora: Precios promedio $150

Solución: Actualizar los datos de la información que brindamos

b) Cambios en el comportamiento (Concept Drift):

Ejemplo:

- Antes: Usuarios escuchaban más fines de semanas

- Ahora: Usuarios escuchan más durante trabajo remoto 

Solución: Actualizar el modelo con nuevos patrones

c) Optimización continua:

- Reducir costos de procesamiento

- Mejorar tiempo de respuesta

- Aumentar precisión

El trabajo nunca termina:

💡 Tips de oro:

1. Empieza pequeño: 

   - MVP con alcance limitado

- Semana 1-2: Prototipo con 100 usuarios

- Semana 3-4: Mejorar con feedback

- Semana 5-6: Expandir a 1000 usuarios

Para: 

   - Validación temprana

   - Iteraciones rápidas

2. Métricas de negocio (Mide lo importante)

No solo la precisión técnica de los resultados, sino también:

- Satisfacción del usuario

- Ahorro de tiempo/dinero

- Reducción de errores

Como estas impactando a los clientes? No solo es una app bonita.

🎯 Recuerda: "Un producto de IA es como una planta:

- Necesita buenos cimientos (datos)

- Cuidado constante (mantenimiento)

- Y mucha atención (monitoreo)"

¿Quieres más contenido sobre productos de IA?

¡Sígueme para la porque seguimos atravesando juntos la ruta de aprendizaje sobre IA para Product Owners!