Ir para o conteúdo
A Matriz CSD e a avaliação de riscos de produtos de Marty Cagan são ferramentas muito importantes no Product Discovery. Mas como transformar tantas informações coletadas nas etapas iniciais, como dores da pessoa usuária, necessidades e hipóteses do produto de forma ágil e padronizada? Para resolver esse problema, pensamos em desenvolver um Agente de IA para Product Discovery com a StackSpot AI.
Com o uso de Gen AI, foi possível auxiliar os times a adotar uma mentalidade de redução de riscos desde o início do processo, organizando melhor as discussões e identificando riscos de forma mais clara e estruturada.
Neste artigo, vamos compartilhar todo o processo de como este Agente de IA para Product Discovery foi criado.
Matriz CSD e avaliação de Riscos de Produtos de Marty Cagan: Ferramentas fundamentais para o Product Discovery
Nos últimos anos, tem sido comum trabalhar em ambientes com diversos times de produto, cada um com diferentes níveis de experiência e maturidade.
Um desafio recorrente nesses contextos, especialmente no início dos ritos de Product Discovery, é a utilização da matriz CSD. Apesar de ser uma ferramenta importante para organizar as discussões, muitas vezes, em vez de centralizar as certezas, suposições e dúvidas do grupo, cada integrante acaba criando sua própria matriz CSD.
Após essas reuniões, a equipe segue para o levantamento dos riscos do produto sem uma visão unificada e clara das informações. As perguntas mais comuns são:
- “Será que isso apresenta riscos para o negócio?”
- “Isso é complexo para desenvolver?”
- “Nossos clientes saberão como usar?”
- “Isso tem valor para o cliente?”
Muitos times levantam questões relacionadas aos riscos durante o processo, mas nem sempre tinham clareza do que precisavam para mitigar esses riscos. Falta alguém que oriente, por exemplo, “Você precisa mitigar o risco de viabilidade” ou “Você precisa saber se seu cliente vai querer usar sua solução”.
Diante disso, utilizar a Gen AI surge como uma solução para apoiar os times de produto na adoção de uma mentalidade voltada para redução de riscos desde o início do Product Discovery.
Gen AI para apoiar Product Discovery
Foi iniciada a geração de resumos a partir da transcrição de reuniões gravadas utilizando a StackSpot AI. Logo depois, continuamos a usar a StackSpot AI para criar uma Matriz CSD (Certezas, Suposições e Dúvidas), relacionando os itens s com os riscos de produtos de Marty Cagan (Valor, Usabilidade, Viabilidade e Negócio).
Embora o uso do prompt já oferecia avanços, ainda não eram suficiente. Os prompts isolados não entregavam as respostas esperadas, como, por exemplo, a identificação de riscos relacionados a produtos conectados à CSD. Dessa maneira, era mais comum ocorrerem alucinações nas respostas.
Outro ponto importante é que o compartilhamento desses prompts com outros times resultava em uma experiência inferior, principalmente quando comparado ao acesso direto a um agente já configurado e pronto para uso.
Além disso, a intenção não era apenas facilitar o trabalho, mas ajudar outros times de forma eficiente. Por meio disso, surgiu a ideia de criar um Agente de IA para Product Discovery.
Passo a passo para criar um Agente de IA para Product Discovery
Para iniciar o projeto, foi definido que esse Agente seria um assistente para começar um Product Discovery.
Criando o prompt do sistema do Agente de IA
O primeiro passo foi aprimorar o prompt que já era usado na StackSpot AI, transformá-lo na base do Agente de IA.
Durante o processo, encontramos uma limitação ao usar apenas o prompt, a falta de conhecimento específico sobre os riscos de produtos descritos por Marty Cagan. Em alguns momentos, a IA apresentava respostas imprecisas, incluindo outros tipos de riscos que não eram esperados. Para resolver esse ponto, foi utilizado o chat padrão da StackSpot AI para melhorar o prompt, explicando o propósito e como as respostas deveriam ser estruturadas. Você pode utilizar o Agente “System Prompter” da StackSpot para te ajudar nesta etapa.
Como trazer mais contexto para as respostas do Agente de IA
Para tornar o Agente mais específico e reduzir as chances de respostas imprecisas, é fundamental incluir boas fontes de informação..
Para isso, a StackSpot AI, oferece o recurso de Knowledge Sources (KS) que permite adicionar fontes de conhecimento para contextualizar e personalizar as respostas da IA.
No caso do Agente de IA para Product Discovery, foram criadas duas Knowledge Sources: uma dedicada à Matriz CSD e outra sobre os Riscos de Produtos de Marty Cagan. O conteúdo dessas fontes foi estruturado com base em conhecimentos consolidados e artigos sobre esses conceitos disponíveis em portais conhecidos como referência sobre Gestão de Produtos.
Quer saber como criar um Knowledge Sources? Então acesse a documentação da StackSpot AI.
Criando o Agente IA
Agora é a hora de criar o Agente de IA.. Para isso, o tutorial na documentação da StackSpot AI orienta todo o processo.
Na seção, “Prompts sugeridos”, é recomendado adicionar exemplos de solicitações que podem ser feitas ao Agente , como:
- “Com base na transcrição de uma reunião de Produto, me ajude a organizar o Product Discovery”
- “Inicie um Product Discovery com base nestas informações”
- “Comece um Product Discovery”
Primeiros testes do Agente de IA para Product Discovery
Durante os primeiros testes com o Agente de IA, as informações retornadas ainda estavam um pouco desorganizadas. No entanto, já apresentava uma melhora significativa em comparação ao uso apenas do prompt no chat da StackSpot, principalmente devido ao direcionamento fornecido pelos Knowledge Sources.
Para aprimorar os resultados, o prompt foi alterado visando uma apresentação de maneira mais clara e estruturada. Além dessas melhorias, foi incluído uma tabela nos resultados, para facilitar a visualização dos dados, em um formato semelhante ao utilizado em uma Matriz CSD.
Com o Agente mais evoluído, ele foi compartilhado com mais pessoas que forneceram feedback positivos, principalmente relacionados à organização e clareza das informações, além de riscos que antes não eram percebidos por Product Managers.
Benefícios do Agente de IA para Product Discovery
A criação de um Agente de IA na StackSpot AI é um processo simples. Após o planejamento e a criação do conteúdo, a configuração pode ser concluída em poucos minutos. Além disso, dependendo do objetivo, a criação do conteúdo também pode ser tranquila.
O principal ponto de atenção está na definição do prompt, mas você pode contar com o apoio da própria StackSpot AI e encontrar sugestões e modelos de engenharia de prompt.
No caso deste Agente, não foi necessário desenvolver um conteúdo complexo para que o Agente atendesse à demanda e solucionasse o problema identificado.
Confira alguns benefícios do Agente:
- Redução do “idea to value”, especialmente na etapa de Product Discovery, mas também com impacto indireto no refinamento e no delivery.
- Maior clareza sobre pontos antes não imaginados, como riscos de valor ou usabilidade.
- Apoio para PMs na organização de seus Product Discoveries.
- Ajuda para PMs mais juniores adotarem uma mentalidade de redução de riscos antes de desenvolver uma solução.
Agente de IA para Product Discovery: agilidade e padronização para a inovação
A contextualização proporcionada pelo Agente resultou em dados mais estruturados e análises direcionadas, facilitando o trabalho das equipes de produto.
Entre os principais benefícios observados estão a redução do tempo entre a geração da ideia e a entrega de valor, além do suporte aos Product Managers na condução e organização do Product Discovery.
E você, já está usando a Gen IA no Product Discovery? Compartilhe suas experiências e opiniões nos comentários.
