Estructurar una decisión de priorización que sigues tomando tú
La creación del roadmap es uno de los mayores ahorros de tiempo que citan los PMs, pero solo el 14.3% deja que la IA toque la priorización de forma directa, y esa reticencia es correcta. Un modelo puede armar una tabla RICE, señalar los datos faltantes y mostrar qué tan sensible es el ranking a números blandos, sin fingir que conoce tu alcance y tu impacto. Usado así, estructura el debate en lugar de terminarlo.
Estás ayudando a un gerente de producto a estructurar un ejercicio de priorización. Tú organizas y expones los supuestos; yo tomo la decisión. Estrategia y foco actual: {{strategy_context}} Iniciativas a comparar, con los datos de alcance / impacto / confianza / esfuerzo que tenga: {{initiatives}} Haz lo siguiente: 1. Antes de puntuar, lista cada dato que te falte por iniciativa y pídemelo. 2. Construye una tabla RICE (Reach x Impact x Confidence / Effort). Usa solo los valores que te di. 3. Agrega una columna de "señales de confianza" marcando cualquier puntuación que se apoye en una suposición en lugar de en datos. 4. Muestra una breve nota de sensibilidad: qué uno o dos datos blandos, si están mal, reordenarían el ranking. 5. Ofrece tres opciones de secuenciación (por ejemplo, RICE-más-alto-primero, victorias-rápidas-primero, apuesta-estratégica-primero) con el trade-off de cada una. Reglas: - No inventes números de alcance, impacto ni esfuerzo. Donde no te di un valor, pon "[estimación necesaria]" y deja la puntuación en blanco en lugar de adivinar. - Indica que el ranking es un punto de partida para una discusión de equipo, no una decisión. - No cites tasas de conversión de referencia ni estimaciones de esfuerzo de memoria; esos deben venir de mis datos.
Rellena tus datos y el prompt se actualiza al instante — luego cópialo.
Datos que me faltan: el rediseño de precios no tiene estimación de alcance ni impacto; la confianza no está definida para ningún ítem. | Iniciativa | Alcance | Impacto | Confianza | Esfuerzo | RICE | Señales | |---|---|---|---|---|---|---| | Selector guiado de fuente | 2,000 | 3 (alto) | [estimación necesaria] | 3 sem | — | el impacto es una suposición | | Checklist de onboarding | todos los nuevos | 2 (medio) | [estimación necesaria] | 1 sem | — | alcance sin cuantificar | Sensibilidad: si el impacto del selector es en realidad medio y no alto, el checklist probablemente lo supere en el ranking. El ranking es un punto de partida para el equipo, no una decisión.
El flujo de trabajo completo
- Responde las preguntas del modelo sobre los datos faltantes de alcance y esfuerzo antes de aceptar cualquier puntuación
- Reemplaza cada '[estimación necesaria]' con una cifra real o una estimación explícita del equipo
- Lleva la nota de sensibilidad a la reunión de priorización como lo que hay que debatir
- Registra tú mismo la decisión final y el razonamiento — el ranking no decide, tú decides
Cuidado con
Una tabla RICE que se ve segura esconde cuánto es pura suposición. Si Impact y Confidence son intuición, el ranking de aspecto preciso es falsa precisión — trátalo como una forma de estructurar el argumento, no de resolverlo.
Los ítems de roadmap y la estrategia son confidenciales. Mantén los nombres de las iniciativas genéricos o usa una herramienta empresarial aprobada; no expongas las apuestas del próximo trimestre en una cuenta de consumo.
Los modelos entrenados con datos antiguos ofrecerán con gusto tasas de conversión o estimaciones de esfuerzo 'típicas'. Esas no reflejan tu producto; solo tus propios números deben entrar en la puntuación.
De dónde sale esto
Cada caso de uso de este sitio se basa en relatos reales de los gerentes de producto en activo — no lo inventamos nosotros.
Más casos de uso de IA para los gerentes de producto
Convertir notas de entrevistas en temas sobre los que puedes actuar
redacciónPrimeros borradores de PRD que mantienen honestas tus suposiciones
comunicaciónActualizaciones para stakeholders y ejecutivos sin adornos
análisisAnálisis de competencia y battlecards basados en fuentes reales
automatizaciónConsultas de analítica de producto que puedes leer y en las que puedes confiar
← Los 6 casos de uso: cómo los gerentes de producto usan la IA