A IA está apagando os limites entre as funções de produto
Carl Rivera chegou ao Nubank depois de mais de sete anos na Shopify e, em sua primeira conversa pública como CPO, escolheu uma formulação pouco confortável para falar sobre inteligência artificial: usar IA nunca pode virar terceirização da responsabilidade pelo resultado.
A frase ganha outro peso quando vem de uma empresa com 135 milhões de clientes, mais de US$ 5 bilhões em receita trimestral, operação mexicana no breakeven e um private banker baseado em IA com 15 milhões de usuários ativos por mês. O Nubank já passou da fase em que IA cabe numa demonstração lateral ou num experimento de produtividade. Quando uma decisão chega ao aplicativo, ela pode mexer com crédito, limite, dívida, investimento ou com o dinheiro que alguém pretende usar no fim do mês.
Para o cliente, pouco importa se uma tela foi desenhada por uma pessoa, sugerida por um modelo ou implementada com ajuda de um agente de código. Ele percebe se o limite foi explicado direito, se a transferência chegou, se a cobrança faz sentido e se consegue voltar atrás quando algo deu errado. A autoria pode ser híbrida; a responsabilidade continua tendo endereço.
Essa talvez seja a parte mais útil da fala de Rivera para quem trabalha com produto. Boa parte da discussão sobre IA ainda está presa ao volume de tarefas que uma pessoa consegue produzir. Quantas especificações o PM escreve, quantos protótipos o designer monta, quantos trechos de código o engenheiro gera. O Nubank parece estar olhando para outra unidade: quanto da jornada uma pessoa consegue compreender, alterar e sustentar sem empurrar o problema para a função ao lado.
Rivera descreve uma organização mais plana e fluida, na qual líderes de produto fazem partes do trabalho de design e engenharia, enquanto designers e engenheiros atravessam áreas que antes pareciam pertencer a outras disciplinas. Segundo ele, uma pessoa ou um grupo menor passa a carregar uma jornada mais inteira, o que aumenta a chance de a experiência parecer coerente do começo ao fim.
A UserGuiding é uma plataforma no-code que permite criar tours guiados, checklists de ativação, tooltips contextuais e segmentação por comportamento de usuário, sem depender de engenharia para cada iteração. Você configura o fluxo, define os gatilhos e publica direto em cima do seu produto. Você tem 20% de desconto. Acesse aqui e use o cupom: PRODUCTGURUS.
A divisão entre PM, design e engenharia sempre serviu para organizar o trabalho, mas também para limitar a responsabilidade de cada área. O PM definia o problema, o designer cuidava da experiência e a engenharia respondia pela implementação. Na prática, essas fronteiras nunca foram tão limpas, mas ainda explicavam por que alguma coisa parava na metade. O protótipo não ficou pronto porque design estava ocupado. A hipótese não foi testada porque faltou capacidade de engenharia. O código chegou, mas o problema inicial tinha mudado durante o trimestre.
Claude, Cursor, Figma e ferramentas de prototipação com código reduzem parte desse atrito. Um PM pode sair de uma hipótese para uma interface navegável sem esperar a próxima janela do time de design. Um designer consegue testar regras e estados que antes só apareciam depois do refinamento técnico. Um engenheiro pode explorar a experiência antes que ela chegue embalada numa especificação fechada. Nenhuma dessas pessoas vira excelente nas outras disciplinas por instalar uma ferramenta, mas todas passam a ter menos razões para ignorar o que acontece fora do próprio pedaço.
A especialização permanece, mas os limites da função ficam menos rígidos.
Durante muito tempo, a carreira em produto recompensou profissionais capazes de coordenar a passagem do trabalho entre áreas. Isso fazia sentido quando cada etapa exigia tempo, ferramentas e conhecimentos pouco acessíveis às demais funções. Quando Rivera fala em líderes atravessando design, produto e engenharia, ele aponta para uma mudança no valor dessa coordenação. Se o custo de produzir um protótipo, consultar uma base, gerar uma análise ou testar uma implementação cai, transportar informação entre especialistas perde parte do valor. Responder pelo percurso completo ganha mais.
Um PM pode continuar tendo o mesmo cargo e descobrir que sua função mudou por baixo dele. Escrever uma PRD deixa de ser uma demonstração suficiente de clareza quando o próprio PM poderia ter montado uma primeira versão, observado onde o fluxo quebra e levado para a conversa algo mais concreto do que uma sequência de requisitos. O mesmo acontece com o designer cuja participação termina na entrega da tela e com o engenheiro que trata a consequência para o usuário como um assunto resolvido antes de o código começar.
A IA não transforma todos em generalistas. Ela torna caro demais continuar sabendo apenas onde o próprio trabalho termina.
Essa exigência fica ainda mais visível no Nubank porque Rivera também está pensando em uma plataforma global. Ele traz da Shopify a experiência de áreas como Shop, Shop Pay, Payments e serviços financeiros, produtos que escondem uma infraestrutura extensa atrás de poucos passos para o usuário. No Nubank, a ambição é criar fundações comuns e, sobre elas, produtos adaptados às necessidades de Brasil, México, Colômbia, Estados Unidos e futuros mercados.
Uma plataforma desse tipo depende de abstrações técnicas, mas quebra quando a abstração vira desculpa para ignorar o contexto local. Um fluxo de pagamento pode compartilhar infraestrutura entre países, enquanto a linguagem usada para explicar risco, a relação com crédito, os meios de transferência e a expectativa de suporte mudam bastante. Rivera cita voz como uma oportunidade específica para o Brasil, porque parte relevante dos usuários prefere interagir dessa forma. A camada global reduz o custo de construir; a camada local decide se alguém vai confiar no que foi construído.
Confiança, nesse caso, precisa aparecer em decisões pequenas. Rivera associa confiança ao controle do usuário, à clareza sobre o que acontece quando uma ação é tomada e ao feedback oferecido pela interface. Em um produto financeiro, isso aparece na confirmação antes de transferir, na explicação de uma alteração de limite, na possibilidade de contestar uma cobrança e na diferença visível entre uma sugestão da IA e uma decisão executada pelo banco.
Esse nível de cuidado entra em conflito com a promessa de velocidade que acompanha IA. Um time consegue gerar mais alternativas, colocar mais experimentos no ar e reduzir o tempo entre uma ideia e uma versão utilizável. Rivera insiste que a régua de qualidade permanece a mesma. Eu ainda não sei se as empresas vão conseguir manter essa combinação por muito tempo. A história recente de produto costuma mostrar que, quando a capacidade de produzir aumenta, o volume cresce antes que o julgamento acompanhe.
O risco mais provável está justamente aí. IA pode reduzir o tamanho do time necessário para levar uma jornada adiante, como Rivera sugere, mas também pode multiplicar entregas medianas com uma eficiência que antes seria impossível. Mais código não cria uma experiência coerente. Mais telas não resolvem uma decisão mal enquadrada. Mais testes só aceleram o aprendizado quando alguém sabe qual incerteza está tentando reduzir.
Por isso, a responsabilidade mencionada por Rivera não deveria ser tratada como uma nota ética no fim da conversa. Ela muda a forma de avaliar profissionais. Em vez de perguntar apenas o que cada pessoa produziu, líderes terão de observar se ela percebeu a consequência da própria decisão nas outras partes da jornada, se buscou contexto sem esperar uma cerimônia e se assumiu o problema depois que a ferramenta entregou uma resposta aparentemente pronta.
Essa mudança favorece quem já trabalhava além da descrição do cargo. O PM que prototipava para pensar, o designer que acompanhava métrica depois do lançamento e o engenheiro que discutia comportamento do usuário antes da arquitetura ganharam ferramentas para ampliar esse jeito de trabalhar. Quem construiu a própria relevância em cima da distância entre as funções terá uma adaptação mais difícil, porque parte dessa distância está ficando barata.
A IA reduz a proteção que muita gente encontrou no próprio escopo.
O Nubank ainda precisará provar que uma organização mais fluida produz experiências melhores em escala. A empresa quer combinar 135 milhões de clientes, expansão internacional, personalização individual e uma régua alta de confiança. Cada uma dessas coisas já seria difícil isoladamente. Juntas, criam um ambiente no qual a velocidade oferecida pela IA pode ajudar ou apenas permitir que erros atravessem a organização mais rápido.
Rivera chegou dizendo que a responsabilidade continua humana. O incômodo começa quando essa frase entra na avaliação de desempenho: se produto, design e engenharia conseguem atravessar mais fronteiras com IA, muita gente vai descobrir que o limite da própria função também era o ponto em que deixava de responder pelo resultado.
Experiência global que não aparece como sinal público corre o risco de parecer menor do que realmente é. Faça sua certificação gratuita e descubra qual badge combina com a sua trajetória: https://productgurus.short.gy/pPAeWy