Latest / Product Guru's : Produto | Negócios | Carreira / Os maiores erros que Product Managers cometem e como corrigi-los

Transcript

Os maiores erros que Product Managers cometem e como corrigi-los · Product Guru's : Produto | Negócios | Carreira

0:00
Eu acho que sim. Existe assim múltiplos, muito
0:03
esticados quando a gente pensa em investimento de venture que
0:07
April, que normalmente costumavam investir com um velho
0:11
acion fazendo um múltiplo de 25 × 30 vezes.
0:16
E para essas empresas de IA é estão fazendo, sei lá, múltiplo
0:21
de 80 x é, eu acho que isso sim existe, mas ao mesmo tempo.
0:27
Conforme os times forem aderindo e o mundo foi, foram entendendo
0:32
muito mais. É inteligente artistas, algo no
0:36
geral vai virar uma commodity. Então todo programador que
0:40
antigamente tinha aversão a usar IA e recursos, hoje em dia ele
0:46
IA superar adepto aí eu não acho que é bolha, porque todo mundo
0:51
acaba ficando muito mais produtivo usando IA.
0:54
Você pode ter automação pra responder e mails operacionais.
0:57
É a própria enter serve como 11 copoiloto pro pro advogado.
1:04
Então cheques manuais que ele teria que fazer anteriormente,
1:07
por exemplo, é fraude ou alguma coisa assim é, AIA consegue
1:14
fazer isso de forma muito mais produtizada e poupando um
1:19
esforço humano, que assim o fato de ser um esforço humano não não
1:23
traria mais benefícios do que sendo IA.
1:27
É nesse sentido, eu acho que realmente algo que está aí, que
1:32
chegou e que eu acho até que a gente vê a cada vez mais
1:37
empresas com receitas enormes, super disruptivas, e a gente vai
1:42
ver o time tem 20 pessoas, 30 pessoas.
1:46
Isso seria inimaginável anteriormente.
1:48
Oi, tudo bem com você? Meu nome é Paulo schrodi e sejam
1:51
bem vindos ao prote guru, o podcast que é a voz por trás dos
1:54
produtos. Para quem não te conhece, faça
1:57
uma rápida apresentação para que as pessoas possam saber o quão
2:01
foda é é você. Bom é nasci graça em São Paulo.
2:07
Comecei, na verdade, a fazer engenharia na USP, na Poli, e
2:12
pouquinho tempo depois eu já fui fazer faculdade em Columbia.
2:16
Nova Iorque eu formei em matemática aplicada em economia.
2:19
É acho que um ponto engraçado da minha trajetória acadêmica é que
2:24
eu tranquei um semestre para virar deve.
2:26
Então eu virei realmente programadora antes de terminar
2:30
minha graduação. É, enfim, durante o finzinho da
2:35
minha graduação, eu comecei a ser escaldo de um fundo da
2:39
Califórnia. E foi assim que eu fui
2:41
introduzida de cara, um mundo de startups e.
2:46
Praticamente assim que eu me formei, eu cheguei a trabalhar
2:49
num SAS pequenininho em Nova Iorque, que era.
2:53
Tinha investimento de wycom mineiro e tudo mais.
2:56
Esse pouquíssimo tempo depois, eu já vim para o Brasil e eu sou
3:01
parte do founding time da enter, que putz, é uma legal tech que
3:04
vai super bem, et cetera. E assim foi muito, muito, muito
3:09
legal a jornada. E recentemente, depois de,
3:13
enfim, do time ter 5 pessoas para 30 homens, uma mulher, et
3:18
cetera, e hoje em dia assim já ter sido, já ter sido easy, et
3:22
cetera, eu resolvi sair. É buscando tanto me aprimorar
3:28
tecnicamente quanto outros desafios, mais do zero para um,
3:32
digamos assim. Mas antes eu queria só é para
3:35
que? As pessoas que estão ouvindo a
3:37
gente, estão assistindo a gente. Entenda o significado do
3:41
conceito 01. Legal é bom, zero para um é.
3:47
É um termo assim. No mundo de startups, a gente
3:51
usa segmentações, né? Zero para 11, para 1010 para
3:56
100. Sobre em que estágio a sua
3:59
empresa está? Zero é tipo assim, sem produto
4:02
ou sem product? Market fat, que acho que é um
4:04
termo que as pessoas que ouvem esse podcast conhecem bem, é.
4:08
Sem cliente e tudo mais, EE pro um é um momento de explosão.
4:12
É de achar a tração, de achar o produto certo, de começar a
4:16
construir aquele negócio e às vezes até pivota.
4:19
Mas assim é realmente o momento de putz dar uma explodida, sabe?
4:24
Eu leio bastante sobre sobre isso, porque eu sou um cara do
4:29
de growth, eu gosto, é o qual? Qual é o estágio mais difícil
4:37
antes da gente entrar no nas demais perguntas, qual que é o
4:40
estágio mais difícil na sua, na sua experiência, enfim, vivência
4:45
é o zero para um ou um para 10? Qual que é o estágio que você
4:50
olha? Você fala assim, se eu fizer o
4:53
zero, é mais fácil fazer o zero para um do que o um para 10, é
4:57
isso? É, eu diria que assim eu tenho.
5:02
Sentimentos mistos com relação a qual é mais difícil, porque
5:05
assim eu acho que acertar a mão no zero para um entender o
5:09
produto, entender a dor, seja do cliente, seja do consumidor
5:12
final ou algum produto que vá colar, não necessariamente uma
5:15
dor, mas assim uma vitamina que vai fazer muito sucesso, né não?
5:19
Remédio mais uma vitamina é. Eu acho que isso é muito difícil
5:23
na ideia, mas na parte de execução, talvez o um pro 10
5:27
seja muito mais difícil, porque. Já tem muito aquela pressão, não
5:33
só intrínseca aí do time de acertar, mas já tem pressão de
5:38
algum investidor, talvez já tem pressão de cliente que você não
5:41
pode ter um risco reputacional é, já tem gente meio que
5:46
chamando aquele produto e ao mesmo tempo você está é
5:49
aprendendo como se monta um avião enquanto ele voa, enquanto
5:53
você ensina o seu time a voar. Também é assim?
5:56
É, é muito caótico. Mas eu diria que assim, eles são
6:00
empatados tipo zero para 11, para 10 são igualmente difíceis
6:03
na minha conceção. Você que deu play nesse episódio
6:06
já sabe que teremos um episódio com a tag de aula, né?
6:11
Então você que está ouvindo o período Spotify é podcast,
6:13
clique no botão seguir e deixe suas 5 estrelas.
6:15
Comente e compartilhe. Com as pessoas no LinkedIn, no
6:19
slack, no Teams, no WhatsApp, enfim.
6:22
Então, quais são as outras áreas que AIA tem o poder de aumentar
6:25
a eficiência? Assim, não vou falar todas
6:28
porque acho que é muito generalista.
6:31
Então eu vou segmentar um pouquinho o que eu acho.
6:34
Acho que assim já é um bom começo falar, por exemplo, tech
6:37
produto, talvez até uma parte de coordenação também.
6:41
Então, por exemplo, status e updates automáticos.
6:44
As reuniões com resumo, por exemplo, eu hoje em dia eu não
6:46
levo mais caderninho por acaso. Eu estou com um caderninho aqui,
6:50
mas normalmente eu não levo mais caderninho para reunião.
6:53
Eu sei quando é online, eu sempre deixo granola rodando
6:58
alguma coisa assim. Claro que eu sempre peço é para
7:01
pessoas, para o meu interlocutor, se está tudo bem e
7:03
et cetera, e normalmente eles deixam sem problema nenhum, mas
7:07
eu acho que isso garante que a reunião flua muito mais.
7:11
Então isso até facilita, por exemplo, o processo de decisão
7:14
posteriores. É, é uma documentação mais viva,
7:19
sabe? É.
7:20
Mas pensando, por exemplo, em produto, eu acho que o Discovery
7:24
fica muito mais rápido. É tanto um cluster de feedback,
7:28
uma síntese das próprias entrevistas, também através
7:31
dessas reuniões e desses. É sumários assim.
7:35
Eu acho que análise de alguns eventos, telemetria e até onde
7:41
que o Enem de alguns casos de borda que anteriormente a gente
7:44
não conseguiria acompanhar, hoje em dia a gente consegue muito
7:47
melhor. É e assim pensando na parte de
7:51
tech, né? De desenvolvimento.
7:53
Hoje em dia acho que não existe mais um programador que não use
7:57
é curse. A galera em português fala
7:59
cursora ou o goet up com pilot. Ou lançar um produto assim do
8:04
dia para a noite, usando loveable, que já vem com o front
8:08
assim relativamente desenvolvido seu pode lançar seu site do dia
8:11
para a noite só com um é escrevendo, né?
8:15
Fazendo um prompt. Então eu acho que assim são
8:18
muitos segmentos, tanto na parte mais operacional, quanto na
8:24
parte de execução, quanto na parte de amarrar todas essas
8:29
pontinhas? Para fazer Oo ecossistema rodar
8:32
muito mais rápido, sabe? Você você tocou num num num
8:35
assunto que eu eu estou, eu estou nos últimos, nas últimas
8:39
semanas e meses eu tenho pesquisado bastante, lido
8:41
bastante que é sobre é a bolha, né?
8:48
De já, como que você olha esse Panorama é do mercado de a hoje.
8:56
E se fosse fazer um prognóstico para o para os próximos próximos
9:02
próximos meses, anos, a sua visão de lá de fora, vindo para
9:06
cá, estando muito ligado em startups, muito ligado AA jovens
9:11
também ali, como que você olha o mercado de ar?
9:14
É uma bolha? Não é uma bolha, é uma bolha só
9:18
na questão de negócio, porque está inflado demais.
9:21
É o. Todo mundo dando dinheiro de.
9:23
Mas a tecnologia não é uma bolha.
9:25
Ela fica, ela vai ser para ser. Como que você enxerga isso?
9:30
Eu acho que essa é uma provocação muito interessante.
9:32
Eu acho que é justamente por aí que dá pra gente destrinchar o
9:36
problema. Eu acho que sim.
9:38
Existe assim múltiplos muito esticados quando a gente pensa
9:43
em investimento de venture que April, que normalmente costumava
9:47
investir com um velho ection fazendo um múltiplo de 25 vezes.
9:52
Esses 30 vezes e para essas empresas de IA é estão fazendo,
9:57
sei lá, múltiplo de 80 x, né? É, eu não sei o quanto a
10:02
audiência tem o contexto, mas quando eu falo 80 x, quer dizer
10:08
o múltiplo da receita para fazer a velhoation da empresa.
10:12
É então, por exemplo, multiplicando uma empresa que
10:16
tem faturamento de 1000000 de dólares.
10:19
É, anteriormente, ela valeria 30000000 de dólares.
10:22
Hoje em dia ela pode valer 80000000 de dólares.
10:24
É com a mesma receita. Só pelo fato de IA estar em
10:27
alta, né? É, eu acho que isso sim existe,
10:31
mas ao mesmo tempo, conforme os times forem aderindo e o mundo
10:38
foi for entendendo muito mais, é inteligente, artista, algo no
10:42
geral vai virar uma commodity. Então, por exemplo, todo
10:46
programador. Que antigamente tinha aversão a
10:51
usar IAE recursos, hoje em dia ele é super adepto.
10:54
E aí eu acho que nesse sentido, pensando em desenvolvimento
10:58
tecnológico, em novas empresas e tudo mais, aí eu não acho que é
11:01
bolha, porque todo mundo acaba ficando muito mais produtivo
11:06
usando IA. Você pode ter automação pra
11:08
responder e mails operacionais, é.
11:12
A própria enter serve como 11 coupailoto pro pro advogado,
11:17
então cheques manuais que ele teria que fazer anteriormente,
11:20
por exemplo, é fraude ou alguma coisa assim é, AIA consegue
11:27
fazer isso de forma muito mais produtizada e poupando um
11:32
esforço humano que assim o fato de ser um esforço humano não não
11:37
traria mais benefícios do que sendo IA?
11:40
É nesse sentido. Em alguns casos, e eu acho que a
11:44
gente vai chegar nisso, sim. Eu acho que AO conhecimento
11:49
humano supera e a mas quando a gente pensa em processos
11:52
altamente operacionais, em produtividade coletiva, eu acho
11:58
que não é bolha. Eu acho que realmente algo que
12:01
tá aí, que chegou e que eu acho até que a gente vê cada vez mais
12:06
empresas com receitas enormes. Super disruptivas.
12:12
E a gente vai ver o time tem 20 pessoas, 30 pessoas.
12:16
Isso seria inimaginável anteriormente.
12:18
Então eu acho que nesse sentido, não é bolha, é e eu acho que
12:22
assim, esse mundo um pouco distópico de venture que April
12:26
vai se normalizar conforme o mundo for entendendo o quanto
12:32
realmente acelera crescimento, desenvolvimento, et cetera, e o
12:36
quanto é, ele vai ser commodity pra todo mundo.
12:39
O. E aí pensando aqui, inteligência
12:44
artificial já é um assunto antigo, né?
12:47
O novo é e a generativa, né? Porque a gente tinha machine
12:50
Lane, enfim, é, é, tinha várias outras formas de inteligência
12:56
artificial que a gente já usava, né?
12:58
Então é principalmente o pessoal de fraude já usava inteligência
13:01
artificial, mas aí a generativa ela oferece que nem você falou
13:06
um potencial imenso, né? E Eu Acredito que ela é.
13:10
Tá aí pra sempre, já era, é, mas também tem desafios.
13:16
Quais são os principais? Considerando se a gente levar em
13:19
consideração que um Project manager deve ter ao integrar uma
13:24
iagem nerativa em um produto, quais são os desafios?
13:28
Porque não, não é uma integração comum, né?
13:30
Não é apenas integrar uma API. Existem alguns desafios, tanto
13:34
de modelo, tanto de touca, quanto de segurança, quanto de
13:38
treinamento. Como que você daria esses
13:42
conselhos? Que eu navegaria isso, né?
13:46
É legal. Acho que é uma pergunta que,
13:50
sendo muito sincera, ela tem escotão aberto que nem sei se eu
13:52
sei responder. Mas, por exemplo, com a enter, é
14:00
como a gente assim falando do meu tempo lá, né?
14:04
Eu saí, mas é como. Cuida de processo de dados muito
14:09
sensíveis, às vezes tem segredo de justiça e tudo mais.
14:13
É. Existe assim uma sensibilidade
14:16
muito grande com é costurar modelo e tudo mais pra realmente
14:24
fazer algo que é generativo, né? Digamos assim.
14:28
Então, por exemplo, eu acho que No No tópico de ligações.
14:35
É existe, por exemplo, uma integração super legal que chama
14:39
Eleven labs. Eles estão desenvolvendo cada
14:41
vez mais, porque assim é voz de humano.
14:43
Você tem como interar todos os é tom de voz, se homem ou mulher
14:48
falando a velocidade com que a pessoa fala.
14:52
E aí integrando isso, há um produto que você pode lançar
14:55
internamente. Você consegue talvez tomar as
15:00
primeiras ligações assim só através de inteligência
15:02
artificial. E com e anotando todas as
15:07
informações iniciais mais básicas, tipo uma triagem,
15:09
digamos assim. É.
15:12
Mas voltando pro assunto entre eu acho que quando a gente fala
15:16
de dados sensíveis, dados muito delicados, é muito difícil.
15:23
É você, sei lá, só fazer uma ganguiarrinha e jogar num chá de
15:27
gpt, por exemplo, sabe? É porque no fim do dia aquilo
15:31
vai. Está, de certa forma público.
15:34
É informação privada, LGPD, só que tipo 2, especialmente nas
15:40
empresas grandes, todo esse tipo de segurança de dados importa
15:43
muito. Então não dá para só lançar um
15:46
produto do dia para a noite, é e falar assim, é isso.
15:50
Eu acho que o melhor jeito de encarar tudo isso é realmente
15:56
sentar. Olhar, entender o que que dá
15:59
para ser automatizado, o que que não dá para ser automatizado,
16:02
por exemplo, é uma dor do setor de é saúde, médicos e tudo mais.
16:10
É é responder mensagem, né? Só que chatbot que não usa ya,
16:16
et cetera. Ele é muito, muito, muito mais
16:19
barato do que você colocar uma resposta que bata numa page
16:24
open, AI não pode. É e tenha um custo de lelé muito
16:30
mais elevado. Claro que assim a margem de
16:33
software ainda é muito grande. Mas se a gente está pensando num
16:36
volume muito, muito, muito, é exacerbado, tudo, conta.
16:42
Então eu acho que é algo realmente assim, de mapear o
16:45
workflow, de entender é a dor, tanto internamente quanto
16:49
externamente, todos os riscos possíveis.
16:52
E aí sim, fazer um backcor dance nearing e começar a construir
16:56
seu produto. Daí porque eu acho que é muito
16:58
difícil e eu eu sei que é uma, é algo real.
17:02
De do dia para a noite você vê, e a na TV você fala assim, eu
17:06
quero ir a no meu banco. Para ontem, como você vai usar
17:10
isso? É, é muito difícil.
17:13
Então eu acho que, por exemplo, um bom jeito de fazer um rol out
17:19
de algum produto de Ah, com um risco menor seria pegar os
17:24
usuários que você sabe que são have users do seu banco, da sua
17:27
plataforma e que você já sabe que.
17:31
Assim, existe uma correlação muito grande em quem é have
17:34
user, em quem é normalmente fã é, espalha o seu produto por aí,
17:41
fala no boca a boca e tudo mais. Então é mais fácil.
17:45
É um grupo mais controlado você fazer um roll out de alguma
17:48
feature usando é alguma plataforminha, et cetera, que
17:55
use a é, mas num grupo mais controlado e medindo.
18:00
Os impactos daquilo e analisando o dado e fazendo também
18:05
entrevista com o cliente, está sempre muito próximo do cliente
18:08
para entender se de fato que não faz sentido ou não.
18:11
Você você deu 11 leque de de, de, de, de opções desde custo.
18:18
Isso é real? É muitas.
18:21
Muitas empresas acham que é só integrar com API da open IE já
18:27
sai. Gastando token.
18:29
Aí no fim do do mês eu olho e falo, ih, AI, AI é muito cara,
18:33
sim, claro que é cara, você escolheu logo.
18:35
AAPI da open i é exato, baita, baita resposta é, e aí, pensando
18:44
nisso, tudo, como que se constrói um road map é de
18:48
produto quando essa tecnologia de base, ou seja, os modelos de
18:54
a eles estão evoluindo? Tão rapidamente?
18:58
Boa pergunta e eu vou começar respondendo, na verdade, que
19:01
existem algumas plataformas que elas chamam low code.
19:05
É em que você pode meio que codar, mas usando prompting e
19:11
tudo mais, em que você consegue selecionar o modelo que você
19:15
está usando. Então, por exemplo, se você vai
19:19
gerar vídeo, você consegue usar algumas plataformas.
19:23
De AI generated videos e você consegue selecionar o modelo.
19:28
A mesma coisa serve quando você está desenvolvendo o software
19:31
dentro de casa. E essas lowcode é interfaces que
19:35
a gente chama? É?
19:37
Você pode tanto fazer só com pront ele bate na lelé, quanto
19:42
você pode literalmente escrever alguma coisinha em JavaScript,
19:48
alguma coisa assim light que bata ainda.
19:52
Em ATI que façam HTTP COL, alguma coisa assim mais
19:57
tranquila, mas que você consegue selecionar o tipo de modelo que
20:02
você está está trazendo para ativar aquele lelé naquele
20:06
momento. E aí a pergunta sobre acurácia
20:10
é, eu jogo com uma outra provocação, na verdade, que é,
20:13
às vezes o modelo não varia tanto assim, mas o custo dele,
20:17
conforme ele vai atualizando sim, varia bastante.
20:20
Mas ao mesmo tempo, por exemplo, se você quer que o seu modelo
20:25
analise uma tabela que foi imputada como subsídio, aí
20:30
talvez você prefira um plot. Mas se for só uma análise
20:34
textual tranquila, tipo, Ah, qual é o nome, qual que é a data
20:38
de nascimento, alguma coisa assim?
20:40
Talvez um modelo for pay know? Resolva.
20:43
Hoje a gente está no 5.2 Thinking, et cetera, no universo
20:47
open i. Mas ele vai ficando mais caro e
20:50
o antigo vai ficar mais barato. Então, se for algo de muita
20:55
volumetria, massificado, às vezes vale a pena pensar que
20:59
para as informações pouco assim variáveis, vale a pena você
21:05
optar por um modelo mais tranquilo, que vai ser mais
21:08
barato, porque no fim do dia aquilo ou é margem para você?
21:12
Ou é é preço mais justo para o seu cliente?
21:16
E pensando nisso, qual quais são os maiores erros que as equipes
21:20
de produtos cometem ao desenhar AA experiência do usuário para
21:25
produtos com IA? É o que eu diria assim, nós
21:32
lançando produtos com aplicação de EI, né não EI em si, mas com
21:38
aplicação de EI. Eu acho que um erro muito grande
21:41
das empresas é tentar se reinventar sozinho, sem entender
21:46
de fato a dor do cliente, sabe? É, eu acho que assim, a
21:50
aproximação, a obsessão com o cliente, pensando só no universo
21:56
b To Be Enterprise, que eu acho que é onde os product managers
22:01
mais existem, digamos assim, porque empresas menores
22:03
normalmente nem tem que é muito é ou tanto time de produto
22:08
assim. Exceto o de startups e tech?
22:11
É, eu acho que é um erro muito grande não ter proximidade com o
22:15
cliente. E aí e meio que desenvolvendo a
22:18
tecnologia que você viu e que você teve a visão e você acha
22:22
certo. E lá, lá, lá.
22:23
E aí no fim do dia, o seu cliente não precisava de nada
22:26
daquilo. E aí você está apegado a uma
22:28
tecnologia que você desenvolveu, que você passou meses.
22:31
É escolhendo a cor do botão, o modelo finalmente acertou a
22:37
resposta, lá, lá, lá e seu cliente não vai usar, é então
22:40
assim, eu acho que é algo não tão high tech, mas que Oo óbvio
22:45
que precisa ser dito, sabe? Pô.
22:47
EE, falando em em experiência, é existe o conceito de interação
22:54
humano, computador, certo? Legal, que é central na sua
23:00
formação. Como?
23:02
Como, como que os princípios do da interação humana no
23:05
computador são aplicadas no designer de produtos com e a é
23:11
pra garantir essa experiência de usuário intuitiva, eficaz,
23:17
enfim, porque assim, não acredito que isso não é novo,
23:24
certo? Esse conceito é.
23:30
E como que, se como que se aplicava e teve alguma mudança,
23:34
o ninho que fale mais sobre esse conceito que eu comecei a
23:38
pesquisar mais sobre, fazendo Oo roteiro desse episódio seu.
23:43
Legal é um conceito diferente, inclusive eu.
23:46
Eu até pulei essa parte na introdução, mas eu estou fazendo
23:50
um mestrado em inteligência artificial em reuman, gambleut
23:53
interaction, né? Interação humana, computador em
23:56
George, até que é uma faculdade. Em Atlanta, super subjetiva,
24:01
super assim, em mãos da massa, é, estou super, super feliz,
24:06
paralisando com outros projetos pessoais sempre guildando.
24:11
É um tempo que eu gosto muito de usar, mas assim, eu acho que
24:16
interação humana, computador, ela vem se inventando muito, né?
24:20
Eu acho que a partir do momento do aha moment.
24:24
Da inteligência artificial, em que ela mesma percebeu que ela
24:28
tinha errado, sem o humano ter ter que ir lá interagir e falar,
24:32
você errou. Eu acho que tudo isso vem
24:35
mudando muito, mas eu acho que é sempre importante é bater na
24:40
tecla de transparência útil, não necessariamente explicar o
24:43
modelo, mas explicar porque isso agora, né?
24:45
Sinal, trecho, evidência. Eu acho que isso é importante é
24:49
de alguma forma, trazer sempre também.
24:53
Uns sliers de rigor, de preferências, tipo sempre aquele
24:58
edite antes de enviar ou simular o impacto.
25:03
E são coisas que antigamente a gente não precisava trazer
25:06
tanto, porque nada era escrito sozinho, nada era encontrado
25:11
sozinho, é. Então acho que o ponto principal
25:16
é que antes. Tinha que fazer, escrever,
25:22
executar. E hoje em dia é muito mais um
25:25
conceito de auditar, de editar, do que de somente executar.
25:32
Eu acho que é aí que mora a transição, a partir do momento
25:36
que a inteligência artificial caiu assim, nas mãos de todos.
25:40
Interessante, interessante. A gente AA gente vai trazer a
25:44
Nick em um outro episódio só para abordar sobre.
25:49
Esse tema, porque é muito e é muito interessante, é muito
25:56
interessante porque é me parece que a gente está tão focado no
26:03
ferramental, no buildar, e vamos colocando coisa no ar e vai e
26:08
vamos building public e vamos, que às vezes a gente deixa essas
26:14
partes. Que fazem toda a diferença
26:16
quando a gente sai da nossa bolha para entregar 11 produto
26:19
para 11 pessoa leiga, cá na sim que a gente esquece desses
26:25
conceitos de aplicar eles. Então eu acho que faz sentido.
26:28
Você que está ouvindo esse episódio, já vai lá na Nick,
26:31
manda uma mensagem para ela no LinkedIn perguntando mais sobre
26:33
o conceito, pesquise no Google, jogue no ChatGPT é no g, mnae é,
26:38
pesquise mais e execute, é. Esses conceitos nos seus
26:43
produtos, tanto de a quanto sem a mesmo é EAE aí Nick o olhando
26:50
bastante pra startups em fase de crescimento.
26:56
A gente está nessa nesse momento, né?
26:58
Toda startup está em fase de crescimento.
27:00
Hoje é EE está naquela loucura que a gente tinha antes, né?
27:08
É antes da pandemia ou durante a pandemia?
27:12
Que acelerava muitas coisas, enfim, é captação de recursos.
27:16
A gente até falou, você até explicou sobre os múltiplos,
27:19
enfim, que hoje está muito é inflado, é.
27:24
Mas quais são os principais aprendizados que você pode
27:28
compartilhar sobre uma construção de um de um pitch
27:33
convincente EE que atraia investidores é para produtos.
27:41
É com e a enfim, quais são as dicas?
27:45
Eu super respiro esse ambiente. Eu acabei inclusive neste
27:49
momento eu estou numa imersão de um programa que chama Bering
27:52
Founders. É é a primeira edição do
27:55
programa, é da fundação Bering e eles querem.
28:00
Catalisar super fortemente a cultura empreendedora do Brasil
28:04
e de alguma forma, trazendo várias pessoas do vale do
28:07
Silício, vários empreendedores também no Brasil que são
28:10
referentes. Então assim, eu realmente estou
28:11
respirando esse ambiente, é 24 horas por dia, mas eu acho que
28:18
existem 2 momentos. É de Pit para investidor e eu
28:22
acho também que. Existe uma personalização de
28:25
pitch, dependendo de para quem você faz, se é para investidor,
28:28
se é para cliente, se é para funcionário que está tentando
28:32
contratar, porque de alguma forma é um processo de venda um
28:34
pouco inverso. Mas tem que vender a sua empresa
28:37
para atraí lo é. Mas quando você está pitching
28:41
para um investidor, é. Existem 2 momentos.
28:44
Existe um momento em que você vende seu sonho, sua visão, seu
28:48
time. E isso tem que ser o suficiente
28:52
para o investidor comprar a sua ideia, te dar um dinheiro para
28:55
você, boom, dar combustível para aquele foguete, contratar gente,
28:59
fazer marketing, fazer pior, desenvolver produto.
29:03
É e aquele momento assim de locking total e ver o foguete
29:08
decolar. E aí uma vez foguete decola?
29:11
É, esse é um segundo momento, a gente já tem mais números, já
29:14
tem métrica, é, já tem cliente assinado.
29:19
Então aí sim começa mais uma avaliação numérica do que
29:24
somente a venda do sonho, da visão, da intuição.
29:28
É do investidor para como empreendedor.
29:31
Então eu acho que são 2 momentos e pensando no universo de
29:36
startup, eu acho que nesses 2 momentos ainda vai ser assim, um
29:40
crescimento ultra acelerado. Mas um deles antes de ter um
29:45
produto super consolidado, antes de ter um time super grande,
29:49
antes de ter vários clientes assinados, e o outro já com uma
29:52
atração com um carro mais envolvimento.
29:55
E pensando nisso, no o primeiro é é o famoso investidor, o
30:01
investidor é dá o dinheiro, investe no Jockey e não no
30:08
cavalo, né? Ele não investe.
30:10
No Jockey, e não no cavalo. É o segundo.
30:13
Ele já começa a olhar o cavalo, ele fala, e cavalo, esse cavalo
30:17
aí, um pangaré, hã? Não precisa essa analogia, mas
30:22
achei ótima. É.
30:25
É porque um dia eu fiz um post. É, fiz um post no brinquedinho
30:31
que a galera de vice não gostou muito.
30:35
Eu falei, poxa. Polêmico.
30:38
Depois, depois de tantos anos? É de investimentos malucos.
30:45
O pessoal de VC não aprendeu ainda que deve olhar os números
30:51
ao invés de sair jogando dinheiro né?
30:54
Porque teve a Builder, EI né, que era que levantou valuation
30:59
de 2 bilhões? Aí quando foram ver, era uns
31:01
indianos fazendo os negócios e ele falava que era inteligência
31:05
artificial. Sim, IA indianos anônimos faziam
31:09
os negócios. É a pessoa pode pesquisar, isso
31:13
está na está na descrição, caso alguém queira.
31:16
Eu escrevi sobre você, fazia o prompt como se fosse um logobo.
31:20
Você fazia o prompt do que você queria?
31:23
Esse, aparentemente, pelo que diz a história, esse prompt IA
31:27
para um indiano, esse indiano codava e devolvia, aí você
31:33
falava, pô, é, IA não era IA, era um indiano.
31:37
É fazendo isso. E aí eu fiz o post e o pessoal
31:41
falando não é porque você não entende nada de investimento de
31:45
alto risco, não sei o quê, porque se investe no Jockey e
31:49
não num cavalo. Aí eu falei, então tá errado,
31:52
né? Tem que investir num cavalo,
31:54
porque o cavalo que corre é. Aí gerou um enfim. 11.
32:00
Burburinho. Isso a galera não entende.
32:03
O meu humor é do LinkedIn, mas. Aí, pensando nisso, entendi o
32:11
primeiro.eu OKA gente vai No No lance do WeWork, investe no
32:18
sonho, a da nilma. Ele anda descalço em Nova Iorque
32:22
e é revolucionário. Ele pensa, olha na caixa,
32:27
cabelos ao vento, vamos embora, OK?
32:30
Investir nesse cada sonhador a empresa começa a crescer.
32:35
Quais são os kipias? Mais importantes nessas nessas
32:42
etapas que a gente falou lá no início, né?
32:44
De zero para um, de um para 10, de 10 para 100, tanto para os
32:48
investidores quanto para o negócio mesmo, tanto, enfim,
32:55
independente se se se tiver alguma diferença entre empresas
33:00
com EAE, sem a ok, mas se não tiver, quais são?
33:05
Legal. É assim, acho que pensando muito
33:08
no universo, né? De startup de Hyper girl, que as
33:12
pessoas chamam. É muito raro que a gente não
33:16
veja um modelo em que seja receita recorrente, né?
33:20
Que as pessoas chamam de AR, né? Annel é recoring graven.
33:25
Só que o que muitas pessoas esquecem de olhar para além do
33:29
annel, recoring, gravenil são 2 coisas.
33:32
É a primeira delas, o. O sind reven you?
33:37
Então, tipo, o que você assinou de contrato mínimo, et cetera?
33:42
Que várias empresas, especialmente quando elas
33:44
prestam um serviço pra Enterprise e tudo mais,
33:46
especialmente no mundo de a elas demoram um tempo de
33:50
implementação de terminar todas as integrações com RPS é CRME,
33:55
tudo mais é. E aí elas demoram um tempo até.
34:01
Elas baterem as execuções mínimas, digamos assim.
34:05
Então isso é como se fosse a receita garantida.
34:08
O Science é air que elas vão ter.
34:11
E aí, para além disso, é o que seriam as execuções de enfim,
34:16
todas as vezes que o modelo rodou e tudo mais que é óbvio
34:20
que tem que ser cobrado, porque, enfim, como a gente comentou
34:23
anteriormente, o é o venéia é cara, mas.
34:28
É, existe um outro conceito que eu acho muito interessante que
34:32
muitas pessoas às vezes não olham já num universo mais de
34:35
maturidade, que chama an or, que é NAT recaling grave e na
34:42
verdade, perdão é NAT reven retach, e isso é basicamente o
34:47
quanto você consegue manter ano contra ano e ao mesmo tempo.
34:55
Eu acho que é uma métrica muito importante porque ela mostra de
34:58
alguma forma a retenção líquida da receita.
35:02
É especialmente nos produtos com EAO, que acontece, por exemplo,
35:08
com muitas empresas que a gente vê por aí.
35:10
É que assim, o crescimento é bizarro, mas o turno é muito
35:13
alto também. E quando a gente para para
35:16
analisar não só o air, que pode ter sido explosivo no primeiro
35:21
ano. É, a gente tem que parar para
35:23
olhar o an hour também para ver o quanto, de fato, elas
35:28
mantiveram o ano cantora a ano de toda essa receita milionária
35:32
ou bilionária que elas adquiriram.
35:34
Isso é interessante porque essas médicas a gente não ouve, né?
35:39
A gente ouve mais. O de é receita anual, né?
35:44
É, é interessante, é. E aí vem uma outra pergunta que
35:50
é que deriva dessa, que é. Como que você monetiza é
35:56
features que tem um custo computador nacional variável e
36:00
alto. É, eu acho que essa é uma
36:02
pergunta não só de IA por IA, mas, por exemplo, o que que
36:06
entra na conta quando a gente está lançando um produto de AE
36:10
assim, pensando que as margens dos SAS são grandes?
36:14
É. Legal quer dizer que a gente
36:18
vende um produto por um valor muito acima do que ele custou
36:21
para ser feito, mas acho que vale entender os custos
36:25
primeiro. Então assim, tem o custo com a
36:29
open i, por exemplo, ou alguma outra empresa de quem você puxa
36:33
API de lelé? OK, mas tem, o custo também é de
36:39
nuvem, né? AWS é Oracle e tudo mais.
36:44
Que quando você tem uma empresa grande, com dados muito grandes
36:49
e tudo mais, você tem que ir escalando esses bancos para
36:53
enfim para dar conta. E isso sai caro também.
36:55
E normalmente, inclusive todas as empresas de nuvem,
36:59
arquitetura, elas te dão algumas grandes para você começar a
37:03
entrar nelas, mas eventualmente esses créditos acabam.
37:08
E aí assim, as contas são milhares de dólares mês.
37:13
Então tem que ter tudo muito bem amarrado para conta fechar, né?
37:17
É, acho que além disso, obviamente, eu eu não sei se eu
37:21
mencionei é headcount também, mas obviamente tem o headcount.
37:26
Então o capital humano é os desenvolvedores que você
37:29
contratou, as todas as pessoas de Business Tales, people que
37:37
estão envolvidas no processo, o. O designer que você pagou para
37:42
fazer sua nova lenda in page e tudo isso.
37:45
Então eu acho que tudo isso vai somando sobre como precificar
37:50
uma ferramenta, um produto, um SAS, é por assim dizer.
37:54
E aí eu acho que é muito dosar também o quanto o seu consumidor
38:00
final pagaria. Porque, por exemplo, no caso da
38:02
enter, a gente sabe que de alguma forma tem um comparativo.
38:08
Claro que ele não é de igual para igual, porque enfim, a
38:12
Inter entra com outros pontos mais complementares.
38:15
Mas a gente sabe que paga se muito caro pelo capital humano
38:19
pela hora de um advogado, então é muito fácil e de igual para
38:23
igual é ou enfim, cobrar mais barato, mas ainda um valor muito
38:29
acima daquilo que foi despendido para desenvolver toda essa
38:32
tecnologia. É.
38:35
Mas assim, eu acho que depende muito de caso a caso, de mercado
38:39
a mercado, mas sempre tem que levar em conta todos os custos
38:44
envolvidos no processo. E eu acho que assim, apesar de a
38:48
gente ter falado Ah, openei ícone, escala fica muito caro,
38:51
ou AWS na escala fica muito cara.
38:53
Como? A gente sabe também que as
38:57
pessoas estão dispostas a pagar muito por um software que ainda
39:00
é mais barato do que o capital humano, ou que é um software que
39:03
faz coisas que os humanos não são capazes de fazer neste
39:06
momento. É.
39:08
Eu acho que ainda existe uma margem muito grande pra ir
39:12
cobrando antes que de fato a disputa seja entre um modelo e
39:18
outro. Um preço e outro é.
39:23
Versus capital humano, sabe, eu acho que talvez seja um problema
39:28
para o futuro, mas ainda não é para agora, em que a margem
39:30
ainda é muito esticada. Quando é, é, é essa conta também
39:34
leva em consideração o consumo de token, o Nick, porque tem
39:39
algumas ferramentas que é é cada interação.
39:41
É um token, né? Então, sim, precisa tomar
39:44
cuidado com isso, né? Com certeza, com certeza assim.
39:47
Eu estou falando de uma perspetiva vendendo para a
39:51
Enterprise com margens grandes e tudo mais.
39:53
Mas, por exemplo, esse caso de chat bote versus fazer uma
39:57
resposta mais personalizada com LLME.
40:00
Tudo mais pensando no mundo de saúde, que é um mundo que
40:04
normalmente as empresas não têm tanto dinheiro disponível para
40:07
novas tecnologias e tudo mais. Elas não são tão disruptivas.
40:11
Elas não têm. Tanto capital em giro assim é
40:15
para dispor nisso? É aí sim faz muita diferença
40:21
essa tornização em que as margens elas são pequenininhas e
40:24
normalmente é mais por execução do que por contrato assinado.
40:29
Ela ocupa espaços, é de liderança em tecnologia.
40:35
Ainda pouco acessíveis, né? As mulheres, então é é muito
40:40
legal ver. É uma mulher falando sobre a da
40:44
maneira que ela fala, é, enfim, é muito bacana, é isso.
40:50
Então você que está ouvindo, por favor, você que tem a
40:53
comunidades de mulheres, chamem a Nick pra falar, é sobre a
40:58
enfim, é da voz a mais mulheres. É pra ocupar esses espaços que a
41:04
gente vai abrindo esses espaços. É pra que mais mulheres fale
41:09
sobre. É, quais são o os maiores
41:12
desafios ony que que você enfrentou e quais conselhos
41:17
daria para para mulheres que estão começando ou buscando
41:22
crescer? É na carreira de de produto e a.
41:25
Legal é, eu acho que, na verdade, tudo isso começa atrás.
41:31
Não quer dizer que as pessoas não possam mudar, mas eu acho
41:34
que começa muito já na educação, sabe?
41:38
Eu, por exemplo. Entrei e comecei a fazer
41:41
engenharia. Menos de 10% das da classe era
41:44
mulher. Aí quando fui para a plyd Matt,
41:47
então menos de 5% eram mulheres. Não tinha nenhum brasileiro no
41:52
meu ano fazendo plyd Matt, inclusive é em Columbia.
41:56
Então assim, eu sei que é um lugar que em que poucas mulheres
42:03
estão e, por exemplo, eu sou parte do women in tech.
42:09
Que é uma comunidade super legal, de mulheres que se
42:12
apoiam, se ajudam, divulgam cargos, é.
42:16
Então eu acho que é importante estar nessas comunidades,
42:19
digamos assim. Mas indo para o assunto mais
42:22
prático é, eu acho que existem várias medidas e eu acho que a
42:28
educação, Ela Foi muito democratizada nos últimos anos,
42:31
por exemplo. Tem um curso de Harvard que é
42:34
super famoso para a introdução AA programação.
42:37
Acho que você acho que chama CS fifty, é, se eu não me engano.
42:41
Depois a gente pode checar e eu eu te mando o link e tudo mais.
42:46
Mas assim ele é de graça. Qualquer um pode entrar, tem a
42:50
tradução para português, todo mundo pode entrar e se aventurar
42:54
naquilo. Mas se a Barreira de entrada
42:57
ainda for muito alta, existem outros cursos que também são de
43:01
graça, que também é. Você pode fazer da sua casa, mas
43:04
isso já te dá uma credencial diferente pra ir galgando
43:08
lugares que anteriormente, talvez você não se sentisse
43:11
confortável. É, mas assim, eu sempre me senti
43:17
muito confortável nesses lugares, porque eu sinto que.
43:24
Você estudando muito você é estando sempre a par das
43:28
tecnologias, sempre vão querer te ouvir e te dar espaço de
43:32
alguma forma. Então, nesse sentido, eu sou
43:34
muito grata por todas as oportunidades.
43:36
Mas ao mesmo tempo, eu gosto de disseminar essa mensagem porque
43:41
às vezes é algo muito mais interno do que externo.
43:45
Normalmente, se você estuda, se você lê muito, se você está
43:49
disposto a fazer, se você tem sangue no olho, normalmente tem
43:52
um espaço para você. Então eu acho que é muito uma
43:56
união de usufruir de tudo que está é disponível de graça na
44:01
internet. Democratizado é solto por aí,
44:05
seja a gente descobrindo, via essas comunidades, seja você
44:10
literalmente usando o ChatGPT, usando o Google ou, sei lá,
44:15
fuçando literalmente os catálogos dessas faculdades e os
44:18
cursos de graça. Ou seja você.
44:22
E falando com alguém na sua empresa, pedindo uma ajuda,
44:25
puxando um projeto. E se isso der certo, putz, pode
44:28
te abrir uma porta que antes você não esperaria.
44:31
E você aprende muito no processo.
44:32
Acredito muito nisso, de a gente aprender enquanto a gente
44:35
constrói também. Mensagem poderosa para que a
44:38
gente possa encerrar esse episódio é que foi uma aula a
44:43
aquele. Conecte você que ouviu até aqui,
44:48
não se esqueça. Os links de tudo que a gente
44:51
mencionou no episódio está na descrição, vai ter link além do
44:55
LinkedIn, da da link, vai ter link do do que ela falou, do que
44:59
ela indicou, de coisas que ela queira compartilhar.
45:01
Vai estar aqui na descrição. Então não se esqueça, ouvir pelo
45:05
Spotify é pode que clique no botão seguir, caso você não
45:08
ainda siga. A gente já passamos de mais de
45:10
22000 seguidores no Spotify esse ano quero chegar aos 25000.
45:17
Acho que possível, tá? Beijos, tchau.
45:20
Fui.