Durante meses, la conversación sobre inteligencia artificial giró alrededor de los prompts: cómo escribirlos mejor, qué palabras usar y qué trucos aplicar. Sin embargo, en el trabajo real con productos de IA, ese enfoque empieza a quedarse corto.
Cuando los sistemas escalan, toman decisiones y se enfrentan a usuarios reales, el problema ya no es el prompt, sino todo lo que lo rodea. Desde ese lugar piensa y trabaja Agustín Parraquini, AI Product Manager de TiendaNube, en un rol que combina producto, negocio y control del error en un escenario todavía en construcción.
Cuando la inteligencia artificial pasa a ser el corazón del producto
En TiendaNube, la IA no funciona como una capa accesoria. Forma parte del diseño central de múltiples soluciones, tanto internas como orientadas a clientes. Parraquini lo explica con claridad:
“Mi trabajo es estar liderando todos los productos que tenemos de inteligencia artificial dentro de TiendaNube. Hoy lo dividimos en dos formatos: por un lado, todo lo que es procesos internos, para ser más eficientes y usar inteligencia artificial en nuestro día a día; y por otro lado, productos que le damos específicamente a nuestros clientes, que tienen como core de su propuesta la inteligencia artificial”.
Desde su perspectiva, el rol no es distinto al de cualquier product manager en términos de objetivos, pero sí en términos de complejidad:
“En el día a día hago lo mismo que hace cualquier product manager que quiere llevar un producto al mercado, adquirir clientes y potenciarlo, pero con una diferencia clave: acá estamos hablando de productos donde el core de la tecnología es inteligencia artificial”.
Esa diferencia cambia por completo la lógica de diseño y control.
Un rol que se aprende haciendo, no estudiando
El puesto de AI Product Manager es también una consecuencia directa del impacto de la inteligencia artificial en el trabajo. Mientras automatiza tareas y redefine funciones existentes, la tecnología crea roles nuevos, todavía sin caminos formales de formación.
Parraquini lo describe desde su propia experiencia: “Hoy la realidad es que hay muy poca experiencia de product managers en inteligencia artificial. Tampoco es que haya una guía o un curso. No hay una capacitación formal. Es más una cuestión de ser curioso, de estar al tanto de lo que pasa en el mercado, de leer mucho. Salen cientos de cosas por día”.
Su recorrido comenzó antes del auge de ChatGPT, con un enfoque más ligado al machine learning, y fue evolucionando con la llegada de la IA generativa:
“Hace tres o cuatro años empecé a trabajar con inteligencia artificial, primero más orientado a machine learning, y después, cuando salió ChatGPT, más orientado a generative AI. Empezamos a trabajar con mi equipo en todo lo relacionado a nuevos productos y nuevos frameworks de inteligencia artificial”.
Ese proceso derivó en la creación de una startup especializada en IA para ecommerce, que luego fue adquirida por TiendaNube: “ Hace más o menos un año, TiendaNube nos adquirió y ahí fue cuando nos sumamos a trabajar en los productos de inteligencia artificial de la compañía”.
El aprendizaje, aclara, no se detiene: “Se aprende todos los días. Todos los días salen cosas nuevas. Lo más difícil es estar todo el tiempo en la vanguardia de lo que va ocurriendo e intentar subirse a las olas que realmente solucionan un problema a nuestros clientes. Más allá de la tecnología, hay que resolver un problema real”.
Herramientas presentes, pero al servicio del trabajo
El trabajo cotidiano del AI Product Manager está atravesado por herramientas de inteligencia artificial, aunque Parraquini insiste en que su valor está en cómo se integran al flujo de trabajo y no en la novedad técnica.
Sobre Granola, señala: “Granola la uso para todo. Es una herramienta para transcribir reuniones, tanto con clientes como internas. Lo interesante es que funciona en la computadora o en el celular, y mientras estás teniendo una conversación —incluso presencial— te va transcribiendo y te deja un punteo de notas”.
En el caso de Whispr Flow, el foco está puesto en la eficiencia comunicacional: “Vos tocás un comando y lo que hables se escribe. En una empresa de más de mil quinientas personas, donde estamos todo el día hablando por Slack y además en tres idiomas distintos, esto te permite ganar tiempo. No es no querer aprender idiomas, es no frenar el pensamiento técnico por la complejidad de escribir o traducir”.
A estas herramientas se suman Notion, y el uso combinado de modelos como ChatGPT, Perplexity y Gemini. La recomendación es clara: “Siempre recomiendo usar más de uno a la vez. No casarse con el primero. Probar lo mismo en distintos LLMs y empezar a construir el camino que uno cree mejor”.
Contexto antes que prompt
Uno de los aprendizajes centrales que deja la entrevista es el cambio de foco a la hora de trabajar con modelos de lenguaje: “Hoy ya nos dimos cuenta de que, más que los prompts, lo importante es el contexto. El contexto está por encima del prompt”.
Esa diferencia se traduce en decisiones concretas sobre cómo organizar el trabajo: “Los custom GPT sirven cuando quiero una tarea puntual, con un output específico y siempre igual. En cambio, cuando tengo que trabajar sobre un proyecto, con distintas tareas y mucho conocimiento acumulado, me conviene trabajar con un proyecto donde ya le doy todo el contexto desde el inicio”.
Agentes de IA y decisiones humanas
En TiendaNube, los agentes de IA ya cumplen funciones críticas. Uno de los casos más claros es la detección temprana de churn -término utilizado para describir el momento en que un cliente deja de usar o pagar un producto-. “Tenemos data que nos permite detectar cuándo potencialmente alguien puede entrar en churn. Cuando se activa ese disparador, enviamos a un agente que analiza todo lo que le pasó a esa tienda en el último mes, dos meses o tres meses”.
El resultado no va directo al cliente: “Ese agente genera un summary que le llega a una persona de customer success, que antes de hablar con el cliente ya sabe qué pasó, qué volumen tuvo, qué problemas tuvo y cómo ayudarlo. La idea es no ir a preguntarle ‘qué te pasó’, sino llegar con información”.
Escala, control y la verdadera barrera competitiva
Para Parraquini, el punto crítico de los productos de IA no es crearlos, sino hacerlos funcionar bien a gran escala:
“Un agente hoy lo puede hacer cualquiera. El problema es cuando lo estás haciendo para millones de usuarios, millones de tiendas a la vez, y necesitás que todas trabajen bajo un estándar alto”.
Ahí aparece lo que define como la verdadera barrera de entrada: “El diferencial hoy está en cómo hacés las evaluaciones, cómo retroalimentás al producto lo más rápido posible y cómo mejorás esos agentes. Porque los agentes se equivocan, alucinan, y eso hay que controlarlo”.
La solución no es eliminar el error: “La gente se va a equivocar. El punto no es que funcione cien por ciento bien, sino corregir siempre los errores más importantes. Como cualquier producto: hay bugs y el rol del product manager es priorizar cuáles arreglar primero”.
Contenido, startups y una incógnita abierta
La experiencia de la hackathon de startups en ocho horas dejó otra señal clara: “Me llamó la atención la cantidad de proyectos de generación de contenido para TikTok y redes. La lógica es producir veinte o treinta videos por día, sabiendo que uno o dos van a funcionar”.
Ese modelo, potenciado por la IA, abre una pregunta más amplia: “La barrera de producir contenido viene bajando cada vez más. Vamos a tener masividad de contenido y va a ser cada vez más difícil diferenciar qué termina funcionando”.
Sobre el futuro, Parraquini evita certezas:
“Va a ser cada vez más difícil diferenciar algo creado con inteligencia artificial de algo creado por una persona. Nadie sabe qué va a pasar”.
Una revolución que se vive en tiempo real
La entrevista cierra con una reflexión que atraviesa todo el diálogo:
“Es un momento genial para estar vivo. Estamos viviendo una revolución. Van a cambiar los trabajos, las formas de hacer las cosas y se van a crear nuevas oportunidades”.
El AI Product Manager es una de las figuras que emergen en ese proceso. Un rol sin manual, pero cada vez más central para transformar inteligencia artificial en productos que funcionen en el mundo real.
Leer más
- El 80% de las empresas apostará por la IA en 2026
- IBM anticipó cinco tendencias tecnológicas que marcarán el rumbo de los negocios en 2026
- Nubax celebra un cierre de año marcado por la IA, la ciberseguridad y su expansión regional
