PM excelente não é meio dev: é quem decide melhor e gera impacto real
O post que iniciou o debate é simples: um PM sênior lá da gringa ridiculariza no Reddit descrições de vaga que pedem bibliotecas de prompt, automações e GitHub como se o papel fosse um combo full stack de engenharia. Como por exemplo esse post que viralizou na comunidade de produtos fora do Brasil desse CPO:
Nos comentários no Reddit, a comunidade lá fora compartilhou o incômodo: “meu trabalho é estratégico e centrado no usuário, não vou passar a noite escrevendo scripts para parecer produtivo”. A crítica é válida. E o mercado precisa ouvir.
O que o debate revela
Quando recrutadores passam a tratar prompts como critério, confundem ferramenta com valor.
No fio do Reddit, PMs experientes lembram o óbvio: repositório público não mede senioridade, e usar IA bem não exige coleção de prompts pré-prontos.
O recado por trás é: contratar PM como “meio dev, meio growth, meio automator” empurra para o indivíduo a resolução de problemas organizacionais que deveriam ser responsabilidade da liderança.
O papel do PM continua o mesmo
PMs excelentes garantem valor para cliente e viabilidade para o negócio, em parceria com design e engenharia. Marty Cagan vem repetindo isso há anos: times de produto existem para descobrir e entregar soluções que clientes amam e que funcionam para a empresa. É problema, aprendizado, decisão. Não é cosplay de dev.
IA entrou no fluxo, não no propósito
A adoção de IA generativa explodiu nas empresas. Em 2025, pesquisas indicam que cerca de 71% das empresas já usam IA generativa de forma regular em pelo menos uma função. A adoção mais ampla de IA, somando analítica e generativa, passa de 78%. Isso muda a execução do PM, não o sentido do cargo.
A lição para você é clara: alinhar a ambição de IA com a realidade de dados, riscos e governança. Documente as decisões, tanto humanas quanto de modelo, para ganho de confiança e responsabilização.
Esse aqui te prepara de verdade: Construa uma carreira à prova do futuro, liderando produtos mais inteligentes e eficientes com IA. Acesse aqui. Cupom de 10%: PRODUCTGURUS
Cuidado com o fetiche de agentes
A moda dos agentes veio forte, mas a previsão é menos glamourosa.
Estimativas apontam que mais de 40% dos projetos de agentes de IA devem ser cancelados até 2027 por custo, falta de valor claro e controles de risco imaturos.
Em produto, o que vale é entender o problema, riscos e condições para a IA funcionar. Promessa de automação mágica não paga boleto.
Expectativas realistas para você em 2025
Alfabetização em IA, sem fetiche: Entenda onde IA ajuda, limites do modelo, critérios de qualidade, custos e latência. Saiba registrar decisões híbridas. Contratar por habilidade faz mais sentido do que procurar um colecionador de prompts.
Dados como matéria-prima, governança como condição: Antes de automatizar, formule a pergunta certa e verifique se os dados existem, são acessíveis e confiáveis.
Execução assistida por IA, decisão guiada por contexto: Use IA para síntese de entrevistas, rascunhos de PRD, protótipos de baixa fidelidade e revisão de comunicação. Priorizar e dizer não continuam humanos porque envolvem risco, custo e tempo.
Colaboração técnica sem cosplay de dev: Conhecer APIs, eventos, latência e custos de inferência melhora o diálogo com engenharia e ajuda a desenhar soluções viáveis.
Resultado acima de ritual: Times maduros medem impacto no problema, não a contagem de automações. O que importa é aprendizado com o cliente e efeito na DRE.
IA, na prática, na rotina do PM
Discovery: sumarizar entrevistas longas, agrupar padrões de dor, gerar hipóteses e perguntas de follow-up.
Produto: rascunhar PRDs e casos de uso, sugerir critérios de aceites e cenários extremos para discussão com engenharia e design.
Lançamento e posicionamento: rascunhos de e-mails de teste beta, notas de versão e segmentação inicial para testes.
Análise: checagem rápida de métricas, identificação de pontos fora da curva e explicações para investigar melhor.
Operação: copilotos para documentação e para transformar decisões de reunião em planos acionáveis.
O que é exagero
Exigir repositório de código público como proxy de senioridade.
Tratar coleção de prompts como definição de senioridade e qualidade do PM.
Playbook para contratar e atuar sem cair no hype
Descreva o trabalho pelo problema: dores do cliente, métricas-alvo e restrições reais.
Peça alfabetização em IA e dados, não cosplay técnico: evidências de decisões com IA bem usada valem mais que uma lista de prompts.
Teste a qualidade da decisão: estudo de caso com compensações entre valor, viabilidade, risco e tempo.
Valide fluência técnica prática: APIs, eventos, latência, custos e privacidade, sem pedir commit público.
Pergunte sobre governança: critérios de qualidade, revisão humana e registro de falhas.
Meça impacto: resultado no problema e na DRE, não o tamanho do kit de automações.
Evite agente por agente: comece por fluxos com dados confiáveis e retorno testável.
No fim das contas…
Se o diferencial do candidato é a coleção de prompts, por que contratar a pessoa?
Contrate pela capacidade de tomar decisões que mudam resultado, não pela vitrine de automação. IA é infraestrutura de conhecimento, não identidade do cargo.
O PM que o mercado precisa em 2025 é o mesmo de sempre, agora com ferramentas melhores e riscos novos para gerenciar. O resto é ruído.
Incomoda bastante como algumas pessoas pensam gestão de produtos num mundo de ferramentas de IA. Passando pelos prompts geniais que resolvem tudo enquanto você toma sua água saborizada, até seus múltiplos agentes que fazem tudo enquanto você toma...bem.. água saborizada. Parece uma cópia e cola do PM decorador de framework. Bonito no Linkedisney, bonito no currículo, até bonito na palestra para a comunidade, mas sem qualquer propósito de valor. IA, como qualquer ferramenta, serve para otimizar um trabalho que já é alinhado com a estratégia e o retorno de valor (No fim do dia, pagar boleto). Quando você não sabe o que está fazendo a IA só vai fazer melhor e mais rápido a coisa errada.
Hmm… vou ser meio advogado do diabo aqui. Entendo o problema dele: a busca por sinais de PMs antenados com novas tecnologias, e não presos a processos do passado. E muitas vezes gestores não conseguem avaliar isso.
O risco é confundir evidência superficial com competência real. Quando viram checklist, GitHub ou prompt library deixam de ser sinais e passam a ser barulho, criando até um teatro de IA. Esses artefatos podem mostrar curiosidade ou iniciativa, mas não substituem o que realmente importa.
No fim, é Goodhart’s law em ação: quando a métrica vira alvo, deixa de ser um bom indicador. Se a régua é “ter prompts”, vai chover prompt.