Lisa Huang começou a construir o assistente de IA para os óculos inteligentes Meta Ray-Ban em 2019. Ela teve que convencer a equipe de que o assistente de IA se tornaria o recurso mais importante dos óculos. Nem todos concordaram. Esse processo de zero a um revelou restrições que os PMs de software puro nunca enfrentam. Peso. Duração da bateria. Privacidade. Preocupações de transeuntes sobre uma câmera no rosto de alguém. E o fato de que a Luxottica, uma empresa de moda, não opera como uma equipe de engenharia do Vale do Silício. A quantidade de complexidade de engenharia embutida em algo que ainda precisa parecer um par de óculos de sol é impressionante. A maior questão técnica: processamento na nuvem ou no dispositivo? A nuvem é o padrão hoje. Mas Lisa fez uma previsão neste episódio que eu acho que vale a pena prestar atenção. Ela acredita que a vasta maioria da IA para AR acabará rodando no dispositivo. Sua razão: uma vez que você está usando um dispositivo no rosto o dia todo, capturando o que vê e ouve, as pessoas vão querer que esses dados permaneçam locais. À medida que os modelos ficam menores e mais eficientes, as barreiras técnicas continuam a cair. Isso se mapeia para um padrão mais amplo que está se desenrolando em todo o hardware de IA. A Apple está investindo pesadamente em modelos no dispositivo. A nova onda de telefones com IA está empurrando mais processamento para a borda. A privacidade está se tornando uma característica do produto, não apenas uma caixa de verificação de conformidade. A lição que Lisa tirou para qualquer PM que construa recursos de IA, em qualquer contexto: entenda profundamente a tecnologia, mas não se apaixone por ela. Os melhores produtos vivem na interseção do que o usuário realmente precisa e do que a tecnologia pode fazer de forma confiável hoje. Construa rápido. Veja o que os usuários fazem. Atualize suas suposições. Repita.

O gargalo oculto nas ferramentas de produtividade de IA tem sido o custo de configuração. Todo utilizador do Claude Code enfrenta a mesma barreira. Você instala, executa alguns prompts, obtém uma saída genérica e volta a fazer as coisas manualmente. As respostas parecem como conversar com um estranho inteligente que não conhece a sua empresa, o seu produto, as suas métricas ou como é uma boa saída. Eu iterei na minha configuração do Claude Code mais de 100 vezes antes de encontrar o padrão que funciona. A chave são três camadas. A primeira camada é a memória. Claude precisa saber quem você é, o que está tentando alcançar e como você trabalha. A maioria das pessoas ignora isso completamente. Preencher um simples prompt de memória com os seus objetivos, profissão e maiores obstáculos muda todas as respostas que você recebe a partir de agora. A segunda camada é o arquivo CLAUDE.md. Este é um contexto persistente que carrega a cada sessão. O seu papel e produto para que Claude pare de perguntar. A estrutura do seu PRD para que cada documento siga o mesmo formato. Papéis de sub-agente para que você possa dizer "revisar como engenheiro" ou "revisar como cético" e obter perspectivas distintas em menos de um minuto. A terceira camada são as habilidades. Cinco habilidades iniciais que funcionam em Claude regular, Cowork e Claude Code. Escritor de postagens no LinkedIn, validador de ideias, engenheiro de prompts, designer de produtos, escritor de atualizações de status. Cada uma codifica um fluxo de trabalho específico para que a saída seja consistente, quer você a execute hoje ou daqui a seis meses. Então, o Cowork adiciona a camada de automação. Tarefas agendadas que são executadas semanalmente. Pesquisa competitiva baseada em navegador usando a sua sessão real do Chrome. Geração de planilhas a partir de PDFs e e-mails desordenados. Processamento de transcrições de reuniões em 30 segundos. Eu empacotei a configuração completa em um guia com dois repositórios do GitHub. Tudo o que você precisa para passar de um início frio a produtivo em 60 segundos:

"Eu não pago PMs para escrever PRDs. Eu pago-os pelo seu julgamento de produto." Lisa Huang é SVP de Produto na Xero, uma empresa de $18B. Ela contratou PMs de IA em empresas como Apple, Meta, Google e agora na Xero. Quando perguntei a ela se a IA substituirá os PMs, essa foi a sua resposta. A IA vai automatizar a camada de execução. Escrever PRDs. Criar mocks. Gerir roadmaps. Extrair dados. Tudo isso será acelerado ou tratado por ferramentas de IA. A proporção de PMs para engenheiros vai se comprimir. Menos engenheiros significa menos PMs. A estrutura está realmente mudando. Mas o julgamento de produto, olhar para sinais ambíguos e decidir o que construir e o que eliminar, essa é a parte que a IA não consegue fazer. Não há uma resposta certa clara. Há uma série de dados barulhentos, feedbacks de clientes conflitantes, restrições técnicas e pressão de negócios. Alguém tem que sintetizar tudo isso e tomar uma decisão. A previsão de Lisa: o papel do PM evolui para um híbrido. PMs que também constroem. Não apenas especificar e passar adiante, mas prototipar, desenhar, codificar o suficiente para demonstrar o que querem dizer. As ferramentas existem para fazer isso agora. O conselho dela para PMs que se sentem ansiosos sobre o mercado: "Agora é um tempo de transformação e todos têm a capacidade de fazer isso." Aprenda as ferramentas. Reinvente-se. O caminho está aberto para quem estiver disposto a trabalhar. Os PMs que terão dificuldades são aqueles cujo valor inteiro estava nos entregáveis. Aqueles que prosperarão são os cujo valor sempre esteve nas decisões.