Lisa Huang ha iniziato a costruire l'assistente AI per gli occhiali smart Ray-Ban di Meta nel 2019. Ha dovuto convincere il team che l'assistente AI sarebbe diventato la caratteristica più importante degli occhiali. Non tutti erano d'accordo. Quel processo da zero a uno ha messo in luce vincoli che i PM di software puri non affrontano mai. Peso. Durata della batteria. Privacy. Preoccupazioni dei passanti riguardo a una telecamera sul volto di qualcuno. E il fatto che Luxottica, un'azienda di moda, non opera come un team di ingegneria della Silicon Valley. La quantità di complessità ingegneristica racchiusa in qualcosa che deve comunque sembrare un paio di occhiali da sole è sbalorditiva. La più grande domanda tecnica: elaborazione nel cloud o sul dispositivo? Il cloud è l'impostazione predefinita oggi. Ma Lisa ha fatto una previsione in questo episodio che penso valga la pena considerare. Crede che la stragrande maggioranza dell'AI per la realtà aumentata alla fine funzionerà sul dispositivo. La sua motivazione: una volta che indossi un dispositivo sul viso tutto il giorno, catturando ciò che vedi e senti, le persone vorranno che quei dati rimangano locali. Man mano che i modelli diventano più piccoli ed efficienti, le barriere tecniche continuano a diminuire. Questo si allinea a un modello più ampio che si sta sviluppando nell'hardware AI. Apple sta investendo pesantemente in modelli sul dispositivo. La nuova ondata di telefoni AI sta spingendo più elaborazione verso il bordo. La privacy sta diventando una caratteristica del prodotto, non solo un semplice controllo di conformità. La lezione che Lisa ha tratto per qualsiasi PM che costruisce funzionalità AI, in qualsiasi contesto: comprendere profondamente la tecnologia, ma non innamorarsene. I migliori prodotti vivono all'incrocio tra ciò di cui l'utente ha realmente bisogno e ciò che la tecnologia può fare in modo affidabile oggi. Costruisci in fretta. Osserva cosa fanno gli utenti. Aggiorna le tue assunzioni. Ripeti.

Il collo di bottiglia nascosto negli strumenti di produttività AI è stato il costo di configurazione. Ogni utente di Claude Code incontra lo stesso ostacolo. Lo installi, esegui alcuni prompt, ottieni output generici e torni a fare le cose manualmente. Le risposte sembrano come parlare con uno sconosciuto intelligente che non conosce la tua azienda, il tuo prodotto, le tue metriche o come dovrebbe apparire un buon output. Ho iterato sulla mia configurazione di Claude Code oltre 100 volte prima di trovare il modello che funziona. La chiave sono tre livelli. Il primo livello è la memoria. Claude deve sapere chi sei, cosa stai cercando di realizzare e come lavori. La maggior parte delle persone salta completamente questo passaggio. Compilare un semplice prompt di memoria con i tuoi obiettivi, professione e maggiori ostacoli cambia ogni risposta che ricevi in seguito. Il secondo livello è il file CLAUDE.md. Questo è un contesto persistente che si carica in ogni sessione. Il tuo ruolo e prodotto affinché Claude smetta di chiedere. La struttura del tuo PRD affinché ogni documento segua lo stesso formato. Ruoli di sub-agente in modo da poter dire "rivedi come ingegnere" o "rivedi come scettico" e ottenere prospettive distinte in meno di un minuto. Il terzo livello sono le competenze. Cinque competenze iniziali che funzionano con Claude regolare, Cowork e Claude Code. Scrittore di post su LinkedIn, validatore di idee, ingegnere di prompt, designer di prodotto, scrittore di aggiornamenti di stato. Ognuna di esse codifica un flusso di lavoro specifico in modo che l'output sia coerente, sia che tu lo esegua oggi o sei mesi da ora. Poi Cowork aggiunge il livello di automazione. Attività programmate che si eseguono settimanalmente. Ricerca competitiva basata su browser utilizzando la tua sessione Chrome reale. Generazione di fogli di calcolo da PDF e email disordinati. Elaborazione di trascrizioni di riunioni in 30 secondi. Ho impacchettato l'intera configurazione in una guida con due repository GitHub. Tutto ciò di cui hai bisogno per passare da un avvio a freddo a produttivo in 60 secondi:

"Non pago i PM per scrivere PRD. Li pago per il loro giudizio sul prodotto." Lisa Huang è SVP di Prodotto presso Xero, un'azienda da 18 miliardi di dollari. Ha assunto PM AI provenienti da Apple, Meta, Google e ora Xero. Quando le ho chiesto se l'AI sostituirà i PM, questa è stata la sua risposta. L'AI automatizzerà il livello di esecuzione. Scrivere PRD. Creare mockup. Gestire roadmap. Estrarre dati. Tutto ciò sarà accelerato o gestito da strumenti AI. Il rapporto PM-ingegnere si comprimerà. Meno ingegneri significano meno PM. La struttura sta cambiando genuinamente. Ma il giudizio sul prodotto, guardare segnali ambigui e decidere cosa costruire e cosa eliminare, è la parte che l'AI non può fare. Non c'è una risposta giusta chiara. Ci sono un sacco di dati rumorosi, feedback dei clienti contrastanti, vincoli tecnici e pressione commerciale. Qualcuno deve sintetizzare tutto ciò e prendere una decisione. La previsione di Lisa: il ruolo del PM si evolve in un ibrido. PM che costruiscono anche. Non solo specifiche e passaggio, ma prototipare, progettare, codificare abbastanza per dimostrare cosa intendono. Gli strumenti esistono per farlo proprio ora. Il suo consiglio ai PM che si sentono ansiosi riguardo al mercato: "Ora è un momento di trasformazione e tutti hanno la possibilità di farlo." Impara gli strumenti. Reinventati. Il percorso è aperto per chiunque sia disposto a lavorare sodo. I PM che avranno difficoltà sono quelli il cui valore era interamente nei deliverables. Quelli che prospereranno sono quelli il cui valore è sempre stato nelle decisioni.