Latest / Product Guru's : Produto | Negócios | Carreira / 5 Coisas que a IA Muda no Processo de Discovery

Transcript

5 Coisas que a IA Muda no Processo de Discovery · Product Guru's : Produto | Negócios | Carreira

0:00
Mas no geral, OOO que eu gosto muito.
0:03
Assim não é só sobre AEA, mas em qualquer processo Discovery, a
0:06
confiança é construído com transparência, então você
0:11
explicar, dá acesso para ele utilizar ele, fazer os
0:14
questionamentos, dá uma pequena aula ali de como é que utiliza,
0:18
né? Porque tem gente que pra mim é
0:19
super intuitivo, né? Mas pra muita gente é tipo
0:21
assim, o que é que eu é tantas possibilidades que trata, né?
0:26
É então. Fazer esse é Step by Step e
0:31
explicar do tipo assim, olha, além disso a gente não, a gente
0:36
não pegou só AEA, é EE tomou a decisão, a gente fez uma análise
0:41
de amostragem pra ver se o cara tá fazendo, é mais confiável.
0:44
Olha a análise de amostra que a gente fez.
0:46
Então convidar pra eles fazerem parte do processo.
0:49
Eu entendo que isso vai ajudar muito realmente ali pra
0:53
conseguir é. Auxiliar, né, nessa nessa
0:57
questão da confiança. Oi, tudo bem com você?
1:03
Meu nome é Paulo chioge. Sejam bem vindos ao prédio
1:05
tigoroso o podcast que é a voz por trás dos outros produtos.
1:09
A conversa foi tão boa no episódio anterior que ele está
1:12
aqui de volta no episódio seguinte.
1:15
Olha só, Felipe. BD você está bem?
1:18
Tudo bem? Muito obrigado pelo convite de
1:20
novo e ainda mais para falar de um assunto que eu sou
1:22
completamente apaixonado, então. Vai ser muito divertido.
1:25
A gente vai falar daquele assunto.
1:28
Aquele IA sim, a gente vai falar de IA.
1:32
Mas aquele outro que antes da IA já era muito falado na nossa
1:38
área, que é o Discovery, é Felipão.
1:43
Hoje todo mundo fala, né, de IA. E também a gente continua
1:49
falando muito sobre Discovery. Até mesmo aquelas pessoas, os
1:54
coaches, os os grandes nomes da nossa área de produto que
1:58
vendia. Discovery contínuo.
2:01
Ah, como fazer o melhor Discovery hoje?
2:04
Atualizar todos esses textos colocando AA sigla de IA antes
2:09
ou depois, né? Então é IA Discovery contínuo, é
2:14
IA Discovery Discovery, IA 101, é, enfim.
2:18
Mas pouca gente explica o como, mas aí só requeitam, só fazem,
2:24
só pegam um conteúdo já sobre o Discovery e vai só alterando
2:29
algumas palavras chaves para colocar, não agora você usa o
2:32
lobobo, não, agora você usa isso, não agora para fazer o
2:35
Discovery, você usa OEA. É quando você pensa em Discovery
2:39
de produto com EAO que muda de verdade.
2:44
É o processo, é as pessoas ou o propósito do Discovery?
2:48
Pra mim, tanto o processo quanto pessoas quanto propósito não
2:51
mudam. É, não é processo muda, né?
2:55
É. Mas o na mais ou menos eu vou
2:58
explicar assim, Oo conceito de Discovery de é mitigar riscos,
3:02
entender se você está entregando o produto certo pra pessoa
3:05
certa, continua é EE. Isso diferencia inclusive, se
3:10
você está no exploratório que são pra novas oportunidades, ou
3:13
se você está no específico que é pra definir aquilo.
3:16
OA mudança principal da e a na minha, na minha visão, é na
3:21
capacidade de acelerar o fluxo, porque o que aconteceu muito
3:25
assim, quando a gente fala sobre outras áreas, principalmente com
3:28
stakeholders, é que Oo Discovery virou um buzzward, né?
3:32
E algumas pessoas já ficam indignadas quando a gente fala,
3:35
tem que fazer Discovery. Isso também se deu porque as
3:38
pessoas tratam o produto como se fosse projeto, onde eu tenho que
3:40
aplicar tudo by the booking o tempo todo, né?
3:43
Sendo que o produto tem que ser como tu sabe, né, a caixinha de
3:46
ferramenta e eu uso a partir da minha necessidade.
3:48
Então, por exemplo, digamos, se eu não tenho um produto que eu
3:50
tenho muitos riscos, né? Não vou oferecer muitos riscos
3:53
para o meu usuário, porque é um produto novo, ele não está no
3:55
fluxo crítico, muitas vezes nem vale a pena fazer um Discovery,
3:59
você faz uma proposta, lança, você vai aprender muito mais
4:01
rápido, né? Então é vai muito nesse sentido,
4:06
porque eu entendo que a iaia ela, ela acrescentou muito.
4:09
Na Na a é a possibilidade de análises da de dados
4:13
qualitativos, porque sempre quando a gente IA fazer uma
4:17
síntese de um dado qualitativo, era muito difícil, era muito
4:20
custoso, era a parte mais demorada, essa toda essa parte
4:23
da síntese, né? Então é hoje, com com as
4:26
ferramentas de geral, você consegue acelerar esse processo.
4:29
Significa que toda a síntese, o que ela está saindo ali é a
4:32
verdade. Não, né?
4:34
Oo ponto é tratar como um estagiário tunado e faz com que
4:38
ajude a gente também a mitigar vieses que a gente tinha
4:41
anteriormente, né? Porque porque naturalmente a
4:44
gente é apaixonado pela nossa opinião.
4:45
A gente foi ensinado desde criança ali que se existe uma
4:48
resposta certa e quando a gente essa resposta certa, a gente é a
4:51
pessoa mais incrível do universo, né?
4:52
É. Então, quando eu eu fazia todo
4:56
esse processo de síntese, eu já tinha várias viéses ali,
4:58
principalmente em viés de confirmação.
5:01
Então, quando eu trago um prework feito por uma IAO, meu
5:05
senso crítico de ser humano vai ser muito maior.
5:08
Então não vai ficar a cargo da IA trazer o insight, trazer o
5:12
caminho estratégico, mas vai ficar a cargo dela, a cruzar os
5:15
dados que hoje já existem, qualitativos e quantitativos, de
5:19
uma maneira mais rápida, para você tomar uma decisão mais
5:21
rápida. Então eu entendo que OA maior
5:23
parte do processo foi mudada, é na velocidade e para mim, a
5:27
partir da síntese, é onde tem um maior potencial realmente, né?
5:31
É No No dia a dia. Os outros tem potenciais, mas no
5:34
fim, a síntese é o que eu entendo que você aprendendo a
5:37
fazer de uma de uma maneira boa, é o que acelera.
5:39
Tem outro ponto também, o Felipão.
5:42
Que que eu queria abordar com você, que é a gente tentar dar
5:49
um passo para trás, é porque você falou muito bem sobre o
5:53
Discovery. Hoje tudo é Discovery, tudo,
5:57
tudo. EEAE, parece que quanto maior
6:00
AAA empresa, maior é a perda do conceito, né?
6:04
O conceito ele se perde em algum momento.
6:07
É Discovery é uma ferramenta de mitigação de riscos, basicamente
6:15
é isso é ensinado, né? As mesmas pessoas que falam,
6:19
não, eu li uma arte, cagan o inspirado, não sei o que, não
6:23
sei o que lá. Quando você vai falar de
6:25
Discovery com essas pessoas, essas pessoas?
6:28
Elas falam totalmente o oposto que OA própria o próprio autor
6:31
que ela acabou de falar, que lê, que leu ensino é e é muito, não
6:38
sei. Aí é um papo pessoal aqui, o
6:41
Felipão entre nós 2, ninguém vai ouvir.
6:43
Só 10 pessoas ouvem esse podcast que é assim, ó, você não fica
6:48
meio frustrado muitas das vezes porque você está no flow ali?
6:51
EE, muitas vezes você entra num num numa reunião.
6:55
E a galera começa a falar de conceitos e você olha, você fala
6:58
assim, cara, o conceito está errado, é, você não está sabendo
7:02
o que você está falando, é. E aí começa, não precisamos
7:06
fazer Discovery. Aí você olha assim, fala, não,
7:08
não é Discovery. Isso que a gente precisa fazer,
7:10
a gente só precisa, a gente só precisa abrir um dashboard e ver
7:14
se teve uma queda ou um aumento de alguma coisa.
7:17
É, mas enfim, o que que está quebrando é.
7:23
O que que tá na sua, na sua opinião?
7:25
O que que tá quebrando, né? Só pra gente entender essa visão
7:29
do estado atual do Discovery, porque parece que é eu não sei o
7:34
que acontece, é eu eu fico às vezes muito frustrado em
7:38
conversas em que não é tomada uma decisão de maneira rápida,
7:43
não é comprado riscos apesar de todos os riscos, já todo mundo
7:47
saber e ainda mesmo alguém fala assim, não, a gente precisa
7:50
fazer um Discovery e você ficar. Que.
7:53
É porque o pessoal entende que Discovery é análise, né?
7:56
Então eu vou fazer uma análise, é, o Discovery é EE.
7:59
Além disso entrou outro ponto, né?
8:00
AA, minha visão começou AA deturpar quando as pessoas
8:04
começaram a realmente a querer tratar produto como projeto, e
8:07
aí ao invés de fazer um Discovery, as pessoas faziam um
8:10
levantamento de requisito pra criar um escopo.
8:13
EE toda vez tinha que fazer isso, sabe?
8:16
E aí isso me treme todinho, né? Quando ou ou eu tenho essas
8:19
mesmas impressões que estou. É, por exemplo, tem gente que
8:23
começa Discovery e não sabe nem quais são os riscos que você
8:25
está levantando, não sabe nem qual a priorização desse, qual o
8:27
petite é o risco que a gente está tendo como empresa, é para
8:30
esse caso aqui, qual o petite é o risco que eu tenho sobre isso,
8:33
sabe? É, as pessoas nem levantam isso
8:35
muitas vezes. Por quê?
8:36
Porque estão focadas em levantar requisito e entram no Discovery
8:40
com mentalidade para confirmar o que eu acho, vou confirmar o que
8:43
1111 diretor quer, então assim, às vezes até se o diretor falar
8:48
assim, ó, tem que fazer isso, você vai lá e faz e aprende e
8:50
pós isso, entende? Às vezes é mais é mais fácil do
8:53
que você entrar num processo pra dizer que fez um processo e
8:56
confirmar um ponto de vista de outra pessoa.
8:59
É porque no fim, se você levar um aprendizado, a pessoa vai e
9:02
fala não, mas eu quero que você faça isso.
9:04
Então vai muito ali também de você conseguir entender
9:07
realmente esse cerne. É onde eu acho que se perdeu,
9:09
porque as pessoas acham que vou fazer Discovery, então estou
9:13
fazendo produto EE, não é isso. Gestão de produto é resolver
9:17
problema. Se eu não estou resolvendo
9:18
problema, independente se eu estou usando Discovery, se eu
9:20
estou fazendo experimentação, o importante é, estou resolvendo
9:23
problema, estou aprendendo e estou gerando evolução,
9:26
interação do meu produto. Ponto Discovery é uma ferramenta
9:30
para isso, assim, no dia a dia e as pessoas acham que é
9:32
levantamento, desculpa. Ah, foi o Felipe que falou, aí
9:34
não fui eu. OE, aí a gente vai entrar agora
9:39
na parte da IA, né? Aplicada AA, aud, soul.
9:43
O que te levou, né? A gente é na sua primeira
9:45
resposta, você falou sobre a questão de análise de dados.
9:49
Qualy que a que a que aí ajuda ali.
9:53
Mas o que te levou a usaiar nos seus, no nos Discovery que você
9:59
fez, foi mais uma curiosidade técnica para ver como que AIA
10:04
sairia. Foi uma dor real de negócio ou
10:07
foi algo meio tipo pô? Eu vou Discovery é chato pra
10:11
caceta, eu vou terceirizar pra iar aqui.
10:14
Eu entendo que entra muito ali a junção do curiosidade com a dor
10:19
de negócio, né? É, de nada adianta também ter
10:21
curiosidade se eu não traço nada dor de negócio.
10:24
Até porque assim, todo o processo novo, ele tem uma curva
10:26
de aprendizado e ele pode ser mais lento ou pode dar errado no
10:30
começo que você está gerando um aprendizado, né?
10:32
Então eu comecei com é é curiosidade.
10:35
E aí assim, por sorte a curiosidade eu comecei na vida
10:38
pessoal. Então tem tem alguns produtos, a
10:40
gente conversou no outro podcast, tem o que a gente vai
10:42
lançar agora também é que é esse é do zero, que eu sou
10:46
completamente apaixonado, que foi feito também pela Discovery.
10:48
Cunha, é, mas No No Mercado Livre veio muito da necessidade
10:53
de negócio. A gente está vendo é, eu acho
10:56
que todo mundo como cliente está vendo que os marketplaces estão
10:59
numa corrida louca, né? Tanto por vendedores quanto por
11:03
compradores. E aí sempre fica uma AA
11:05
brincadeira que já me perguntaram assim, quem é que
11:07
está copiando quem aí, né? É porque os conceitos são os
11:11
mesmos, né? Se a gente for parar para ver,
11:14
então veio muito desse ponto que foi assim, olha, é, a gente
11:19
precisa acelerar para poder tomar uma decisão.
11:22
Se você e sempre que tinha muitos riscos associados, por
11:25
exemplo, a gente sabia olhando para a experiência do vendedor,
11:27
certo? Quando eu fazia análise,
11:29
shopping, Amazon e outros players, é, eu sabia é o que é
11:34
que eles tinham, mas eu não sabia o que é que mais estava
11:36
mexendo. Ali No No no ponteiro, né?
11:39
Então o começar a utilizar de Research para começar a pegar a
11:42
opinião de clientes e cruzar com com o feature mapping ajuda
11:47
muito Na Na no seu processo de Discovery, porque você começa
11:51
AAA ver tipo assim, ó, pronto, a iame disse isso, mas ela também
11:54
me trouxe todos, todos os argumentos.
11:56
E o que é que está nas entrevistas é, deixa eu pegar
11:59
uma amostra para ver se o que ela está falando faz sentido,
12:01
né? Então acelera muito nesse nesse
12:04
caminho do do Mercado Livre. É, e aí eu posso dar um
12:07
contexto, né, por exemplo, que é uma dos gaps principais era dos
12:11
meus produtos de métricas, né, que eu sou responsável, que a
12:14
gente dá métricas para o vendedor EE, durante o processo
12:17
é ele não é um fluxo crítico, já já começa assim, então me me dá
12:21
uma Liberdade maior, né, de, de de experimentar, é.
12:24
Então durante esse processo Discovery, a gente utilizou
12:28
muito IAE, começou a ver que, por exemplo, tinha uma da da das
12:31
possibilidades de entrega de produto, de entrega de valor.
12:34
Que era ter um monitor ao vivo com as principais médicas que
12:36
você podia ver em tempo real e et cetera.
12:38
No começo, a nossa hipótese inicial era que os vendedores
12:41
usavam isso. É para em momento de pixels, né?
12:46
Tipo, Ah, Black Friday, Natal, então vou acompanhar aqui em
12:50
tempo real como é que está a minha operação.
12:53
Mas conversando com alguns vendedores, a gente foi atrás de
12:55
alguns deles, fez algumas conversas e a gente pega toda a
12:58
transcrição das entrevistas e vai jogando notebook LM.
13:01
Então hoje a gente tem notebook LM de entrevistas de.
13:04
De tudo que a gente já falou sobre métricas, e aí a gente
13:06
começa a trocar ideia quando o notebook é Leme, pedindo para
13:09
ele ser uma persona. E aí tem.
13:12
E aí ele começa a aferir, né? É algumas respostas, de acordo
13:16
com o que é falado, mas ele traz também o que é que em cada a
13:20
base que ele tá, né? Coletando de cada entrevista, o
13:22
por que que ele tá aferindo aquilo então é fez com que, tipo
13:27
assim, rapidamente a gente tomasse a decisão para ir para
13:29
esse monitor ao vivo, a gente utilizou.
13:32
É o curso para desenvolver esse muito ao vivo.
13:34
Conectou na nossa base de dados rapidamente.
13:37
Em 2 semanas, a gente lançou e aumentou a adoção em 34 por
13:40
cento do nosso produto EE até hoje.
13:43
Tipo assim, a retenção e a frequência de uso é gigantesca
13:46
desse desse produto. É porque a maioria dos produtos
13:49
que a gente tinha eram produtos de baixa frequência de médicos.
13:52
Você não conseguia jogar com os dados ali dentro.
13:54
E a gente começou a ver que nas entrevistas é o que eles
13:56
gostavam. E aí foi legal porque?
13:58
É em paralelo aí nesse processo Discovery, eu eu também uso o
14:02
anywittwin e automações pra gerar gatilho Discovery, né?
14:06
Então eu tenho uma eu tenho um sentinelas que a gente chama,
14:09
que são que um deles pega. Só notícias que saíram é no
14:14
mundo, sobre Amazon Shopping, temor é Mercado Livre, etcetera,
14:20
né? É, e ele compila e traz
14:23
ascendências de mercados, de lançamentos, et cetera.
14:25
O que é que eles estão focando? E o outro é na lista de emoções
14:28
que aí ele pega é alguns, alguns sub Reddit do Reddit, aí isso é
14:32
bem legal, e aí eu boto as palavras chave, Mercado Livre,
14:35
problemas, oportunidades, vender é e isso de cada marketplace
14:39
também. Eu pego do XO, mais difícil foi
14:42
conseguir pegar do reclame aqui automaticamente, porque ele tem
14:45
uma Barreira muito boa para fazer o webs craving, né?
14:47
É, mas é, a gente conseguiu. E aí semanalmente ele traz um
14:51
relatório, tipo assim, olha quais são os pontos mais Fortes,
14:54
o que é que tá se repetindo que a gente botou uma memória, então
14:57
isso tudo já gera um gatilho pra gente ser proativo, entendeu?
15:00
De de conseguir entender, beleza, o mercado tá indo pra
15:02
esse caminho ao invés de chegar de cima um top down falando
15:05
assim, ó, tá tudo pegando fogo, vão fazer um War room, é?
15:09
A gente já começa a se preparar um pouco antes, sabe?
15:11
Então aí ela ajuda muito nesse processo pra acelerar realmente
15:15
em todas essas partes. Eu não sei se eu cheguei a
15:17
responder tua pergunta. Falei muitos temas aqui em
15:19
paralelo, mas. Acho que aí não, você deu uma
15:22
aula agora eu fiquei pensando, pô, depois da gravação eu quero
15:27
todos esses modelos pra poder, pra poder ver se eu consigo usar
15:33
no meu contexto atual, que é de programa de relacionamento.
15:37
É em benefícios aqui. Ô Felipão.
15:41
Aí eu tenho um desafio, porque, né?
15:46
Ninguém mandou acertar o segundo convite, que é a gente teria
15:51
como demonstrar aqui como que você usaria uma IA num processo
15:59
de Discovery. É abrir a ferramenta
16:03
compartilhar com a gente e você vai explicando EEE, mostrando
16:07
aqui pra gente. Boa, eu posso fazer rapidamente.
16:10
Aqui é o benchmark. Mostrar como é que faz um
16:13
benchmark. Acho que pode ser um caminho.
16:15
Deixa eu compartilhar aqui a tela.
16:17
Aí isso aí foi surpresa, viu? Ó, é isso, quem sabe faz alguém.
16:21
Aí então, normalmente, o que eu gosto muito também para acelerar
16:23
o processo, porque às vezes a gente passa muito tempo fazendo
16:26
prompting, né? Então gosta de usar o conceito
16:28
de meta prompting, porque é muito mais fácil a gente
16:31
criticar o prompt já feito do que criar um do zero, né?
16:35
Então eu eu vou explicar assim para AIA assim, ó, OPA, eu gosto
16:40
de ser bem informal. Qual é?
16:41
Porque quando for dominado pela IAA, gente, já é, é, passa.
16:46
É exato. Então eu falo assim, quero fazer
16:52
um benchmarking. É de produtos para vendedores no
16:59
Mercado Livre, do Mercado Livre com outras outros marketplace e
17:12
as principais estratégias? Que estão sendo aplicadas pelos
17:22
concorrentes. Um foque principalmente em
17:30
Shopee, Amazon e temor, por exemplo. 2 quero que faça um
17:41
feature mapping. Dar soluções. 3.
17:50
Quer os dados qualitativos de Twitter, reclame aqui e é
18:00
Reddit. Eu eu gosto de botar o YouTube
18:03
também porque ele consegue pegar as legendas do YouTube.
18:05
Geme que ele está indexado. YouTube e Reddit para entender a
18:13
perspectiva. Dos nossos clientes, 4 é
18:23
sintetize todas essas informações e traga o que acha
18:31
que é prioridade. E aí, dependendo do seu dia a
18:34
dia, você pode utilizar alguma ferramenta de de priorização,
18:37
tá? Às vezes eu peço mais de uma, eu
18:38
peço tipo Moscou, Rice e outro. Né, porque tem muito conteúdo
18:43
sobre todo esse marketplace, porque vira muita divulgação.
18:46
Então a gente sabe quantos vendedores tem, quantos
18:48
vendedores estão sendo atacados. Acho que isso tudo é muito bom.
18:51
E aí agora que vem a mágica do metaprompt, né?
18:54
Quero fazer isso tudo com um deep Research do jamming.
19:02
Por que que normalmente usa o jamming?
19:04
Porque o jaming, como ele tem a Google, indexado por baixo.
19:07
É, ele consegue cruzar muito mais informações do que o
19:09
perplexo EI com com com a opena i apesar se a gente for pra um
19:13
caminho que seja mais reason, às vezes vale pegar a base que foi
19:17
gerada do the Research do gemin e jogar no chat 75.
19:22
É? E aí ele consegue ter um reason
19:24
até melhor então deep Research do jaming, atuando como um PM
19:32
estrategista. Do mercado.
19:38
Aí o que é que ele vai fazer? Ele vai me gerar o prompt, ele
19:44
está aguardando aqui, e aí quando ele gerar o prompt, o que
19:47
é que eu faço? Eu pego a informação e eu vou
19:49
mudando ao meu belprazer, né? E aí ele traz tudo bem
19:53
estruturado, porque quando a gente está falando sobre prompt
19:55
in new e é muito bom, o ideal é alguns momentos, depende muito
20:00
do seu, do que do que você quer, né?
20:01
Mas é dar um pouco de contexto, é.
20:08
Não, ele foi direto. Isso acontece às vezes, tá?
20:13
Então o que eu vou fazer? Vou jogar essa parte lá para
20:16
cima. É isso?
20:17
É, é isso. Isso.
20:19
O os posts e os vídeos do LinkedIn não mostram as
20:23
tentativas e erros que é feito até chegar naquela e resultado
20:28
que é compartilhado nos nos eventos, nos metups.
20:32
Aí, exato. Aí, ó.
20:34
De novo ele não tá indo. Então o que que eu vou fazer?
20:37
É meu objetivo, porque o problema do Jenny é essa
20:44
alucinação que ele tem às vezes, tá?
20:48
É? Eu vou ser mais direto na
20:50
tarefa. Faça um pront para o jam que
21:01
realize, pronto. Às vezes ele precisa ser um
21:07
pouco mais direto, EE aí assim, normalmente vai ser muito aí, ó,
21:12
ele já estava fazendo o prompt, agora pronto.
21:16
Então normalmente você num prompt, bom, é, é o que era
21:18
gaio, porque ele já tem os consentimentos prompt, né?
21:20
Então, contexto, objetivo, tom de voz, output que você quer,
21:25
então tudo isso ele ele vai, então aqui, ó, ó, o tamanho do
21:30
prompt que ele traz e a gente já consegue ver é.
21:35
Realize um benchmark, atue em controle dos menos de seniores
21:38
Mercado Livre omissão de conduzir uma pesquisa realize um
21:41
benchmark completo com temor é shopping Amazon seja
21:45
rigorosamente nas 4 etapas para te tirar a resposta e aí ele
21:49
bota o mapeamento institucionalidades, aí ele já
21:52
traz algumas, né? Porque ele já tem indexado, é
21:55
análise qualitativa e síntese da estratégia, tá, e traz
21:59
recomendações no final, é, e aí o que eu faço?
22:02
Basicamente é. Digamos que eu já alterei tudo
22:05
que eu tô falando aqui, né? E um ponto muito importante da
22:12
iaia gente é que É Ela é uma ferramenta de de probabilidade,
22:18
então o mesmo, o mesmo prompt que eu der Pra Ela e você der
22:21
Pra Ela, vão trazer respostas diferentes.
22:23
EE, com o passar do tempo, ela também vai evoluindo, então
22:26
assim, nem nem necessariamente o que a gente trouxe até aqui vai
22:29
te levar daqui pra diante. Não é só no seu dia a dia, não.
22:32
Então, digamos que eu faço isso, eu ativo um depresearch, aí ele
22:35
vai planejar os passos. Agora com com o depresearch, ele
22:43
demora um pouco. É, mas aí, por exemplo, esse
22:48
espaço que eu estou mostrando aqui para vocês, eu eu fiz
22:50
também. Nesse exemplo que eu dei é do do
22:54
monitor ao vivo, então antes que eu demoraria.
22:58
Semanas, meses para começar a fazer em menos de 3 semanas a
23:03
gente fez Discovery em delivery, então aqui você aí nesse passo
23:08
que você tem que fazer é revisar se esses é passos que ela está
23:11
dizendo fazem sentido, fazem sentido você iniciar a pesquisa
23:16
aí aqui essa pesquisa vai demorar, aqui é um é um século,
23:19
é. O ponto importante aqui também
23:21
do the pressure é que às vezes é super maçante o resultado que
23:25
ele traz, né, ele vai trazer. Contexto, um bocado de coisa.
23:30
Então, normalmente, o que eu faço também para para acelerar o
23:33
processo, para não ter que ficar me aprofundando tanto, às vezes
23:36
eu julgo, eu jogo isso no notebook LM ou até mesmo aqui,
23:40
conversem diretamente com o gemni para ele trazer exatamente
23:43
esses pontos que eu quero. E aí eu começo a falar, tá, mas
23:46
com base no que que você está trazendo isso e aquilo?
23:48
Porque senão você também vai precisar de um tempo para ler e
23:52
você mesmo fazer suas próprias avaliações no que está trazendo
23:55
aqui, né? Então aí aqui ele já vai fazendo
23:59
as contas pesquisadas. Ele vai demorar um pouquinho, se
24:00
quiser, a gente pode continuar a conversa e já já mostra.
24:02
Resultados enquanto tá rodando. Então AA pesquisa, ô Felipão,
24:09
como que muita gente, muita gente usa.
24:14
IA apenas como atalho, né? De produtividade.
24:17
A gente já falou isso no na semana passada.
24:21
É a gente, você já mencionou isso aqui em relação à análise
24:26
quali. É, mas como garantir que ela não
24:30
destrua o senso crítico do PM no durante o Discovery?
24:35
Porque isso é importante, né? É Oo ponto principal assim que
24:39
eu gosto muito de usar. E a nesse, nesse contexto é que
24:43
ela não tem que tomar decisões para você, ela não tem que é
24:47
desenhar estratégia e ela é uma boa ferramenta para mitigação de
24:51
vieses. Então, normalmente, no viés, No
24:53
No Discovery, o maior viés que tem a lenda de conformidade e
24:57
ancoragem que a gente pode falar depois, mas é o viés de
24:59
confirmação, né? A gente vê muito isso também.
25:02
Tipo um exemplo claro, né? Eu vou entrar no assunto
25:04
arriscado aqui, mas é na questão de política, é, por exemplo, os
25:09
2 lados polarizados. Você sempre tende a enaltecer o
25:13
que você quer e quando Oo seu político de estimação faz uma
25:15
merda, você simplesmente ignora ou não fala sobre isso.
25:21
É e nos cobra. Acontece muito, muito assim,
25:24
porque seja por medo, porque algumas empresas não têm uma
25:26
cultura de aprendizado, de questionamento, seja também
25:30
porque a pessoa tem esse perfil e quer estar certo, né, EEA?
25:34
Verdade é que se você quiser arranjar motivos para dizer que
25:39
está certo, você vai conseguir. Não adianta, você vai ter um vai
25:42
vai conseguir, né? Então aí ela ajuda muito nesse
25:45
processo para você fazer uma técnica que é da estatística.
25:50
Que é a hipótese nula, né? Então a sua hipótese mais
25:55
provável é a hipótese nula. Então o que você tem que fazer é
25:57
negar a hipótese mais provável e aí você pode pedir pra IA
26:00
começar a trazer argumentos. É com base nas pesquisas e na
26:04
síntese, o por que que a sua opinião está errada, EE por que
26:09
que e quais são os riscos de seguir com a sua opinião?
26:12
É então isso vai ajudar você a entender se os argumentos são
26:15
válidos ou não. É, e aí essa é a parte mais
26:18
humana, né? Porque aí ela não vai, não vai
26:21
quebrar o papel de uma pessoa de produto, na verdade vai dar é Oo
26:26
com que a pessoa de produto ela saia daquela coisa muito
26:29
automatizada, né, que a gente gosta de chamar dos famosos,
26:32
carinhosos. Corno de hobs é, a gente sai dos
26:35
corno de hobs para conseguir realmente ser mais estratégico e
26:40
fazer o que nós com seres humanos somos melhores e não e
26:44
não coisas algoritimadas, entendeu?
26:46
Então por isso que eu gosto muito também de de falar às
26:49
vezes em em algumas conversas, então não fala Ah, tem que ser
26:51
data drive. Data drive, que é outro
26:53
buzzwords hoje, né? É sendo que que quando você é
26:57
data drive, você está perdendo para uma máquina, porque no fim
27:01
é a máquina vai ser muito melhor que você sendo data drive.
27:04
Não, não é sobre ser data drive, é é sobre ser data guided.
27:07
Você é no processo Discovery, vai entender coisas que a
27:11
máquina não entende ela, a máquina não vai entender numa
27:14
entrevista o que não foi falado. Ela não vai entender o
27:18
sentimento de alguém que está ali, ele falando ali, que se
27:20
hesita em em falar, né? Do ponto de vista por causa
27:24
disso, porque aqui no Brasil a gente tem muito isso, né?
27:25
Quando a gente vai entrevistar alguém, a pessoa tem medo de te
27:27
magoar, que é diferente. Quando a gente olha uma cultura
27:30
da, por exemplo, da Argentina. Eu adoro entrevistar a
27:31
Argentina, porque os argentinos são assim, ó, é isso aqui, é
27:34
isso aqui. Isso é horrível, isso é péssimo.
27:37
EE ajuda muito assim no processo, sabe?
27:39
Então tem tem coisas que é que a gente começa, é, e é aí que eu
27:43
digo, a gente tem que se especializar no fator humano,
27:47
né? É que é exatamente a questão da
27:50
empatia, de entender linguagem não verbal, entender o que é,
27:53
que não foi dito. É tudo isso aí, ela não vai
27:56
conseguir fazer. E é por isso que eu gosto de
27:58
trazer o data guider, né? Porque você é guiado pelos
28:01
dados, mas você também usa a sua intuição como uma forma de dados
28:04
qualitativo, né? Para poder fazer ali a sua
28:08
tomada de decisão. Então, o processo de tomada de
28:10
decisão não tem que ser feito por e a tem que ser feito por um
28:12
ser humano. Então você tem que tratar AEA
28:14
como estagiário tunado, né? Como a gente falou no outro
28:16
podcast, é, e da mesma forma como um estagiário é, é, ele
28:19
pode cometer erros, ele vai cometer erros, AEA vai fazer o
28:22
mesmo. A diferença é que é super
28:25
produtivo e você vai avaliar criticamente para ver o que é
28:29
fácil. E é muito mais fácil a gente ser
28:30
crítico no trabalho dos outros do que a gente começar do zero,
28:32
né? Então isso por isso que a
28:34
acelera muito no nosso dia a dia.
28:36
É isso. Chegou o momento mais esperado
28:39
do ano. Todo ano a Black Friday da PM 3
28:42
é o momento mais esperado por quem vive produto digital.
28:46
Mas esse ano tem uma novidade, deu a louca no Márcio Almeida,
28:51
No No farinasa, no Paulo Silveira, porque tem lista vip
28:55
com acesso antecipado à oferta turbinada e bônus que não.
29:00
Repito, não. Vão aparecer durante a Black
29:03
Friday? Então, se o seu plano é chegar
29:06
em 2026 dominando o produto market, dados e a entre agora na
29:14
lista vip da PM 3 e aproveite enquanto dá tempo.
29:18
O link tá aqui na descrição, vai lá, se inscreva e vamos dominar
29:24
as áreas pra que você possa evoluir na carreira em 2026.
29:29
Agora vou fazer uma pergunta que não é sobre a.
29:33
Mas pode envolver á mas é sobre o Discovery, fundamentalmente.
29:37
E isso daqui é muito pra quem tá entrando na área, quem tá
29:45
começando é. Então a gente andou tudo isso
29:49
pra depois voltar fazer. Agora a gente vai fazer um loop,
29:51
agora vai voltar lá atrás, que é em que momento a gente faz um
30:00
Discovery realmente? E essa pergunta tende a ser
30:04
polêmica para os catedrais do Discovery, que é Discovery tem
30:10
time box? Aí eu vou responder, né?
30:12
Como boa pessoa de produto, é, depende, é tudo, depende do seu
30:18
contexto. Um Discovery rápido ou devagar,
30:21
ele muda muito dependendo do apetite, a tomada de de né, o
30:26
apetite. Há o risco que a empresa está
30:28
disposta. Então, por exemplo, se eu estou
30:30
falando de uma instituição financeira.
30:32
Que ela ela é super regulamentada e um usuário não
30:35
está disposto a ter um problema com dentro na conta, dentro do
30:39
banco, por exemplo. Naturalmente eu tenho muitos
30:42
mais riscos de reputação, de valor, de confiança, né?
30:47
E a gente sabe que no Brasil é especificamente falando assim,
30:51
ele é um país que essa parte da confiança e da indicação é muito
30:54
forte, mesmo que que, por exemplo, Ah, eu sou louco por
30:58
esse banco, me dá dor de cabeça. Tem outro que é melhor, mas eu
31:00
já estou aqui. Eu tenho confiança, eu sei os
31:03
problemas que pode dar e eu prefiro estar assim porque eu
31:05
tenho confiança que ele vai dar um problema aqui em algum
31:07
momento. Então assim é a velocidade do
31:11
Discovery e o time box, ele vai mudar de acordo com o apetite ao
31:16
risco. Então é por isso que é muito
31:17
importante se você classificar os riscos que realmente são
31:21
impeditivos é, são no gol pra um, pra um processo ou que não
31:25
são no gol que você pode só aprender no caminho.
31:28
Então é, é. Na minha opinião é muda de
31:31
contexto pra contexto. Se você estiver no contexto, que
31:34
é uma empresa que tem mais riscos e tem o menor apetite a
31:36
riscos, porque é uma empresa tradicional, o seu Discovery vai
31:39
ser mais demorado. Se é uma empresa que está super
31:42
aberta a apetite, como por exemplo, no caso do iFood, o
31:46
apetite é o risco do iFood era enorme, então a gente conseguia
31:49
rapidamente testar, fazer Discovery e experimentar.
31:53
É ver se funcionou, se não funcionou, o que é que deu
31:55
certo, o que é que deu errado? Mas claro que depende do fluxo,
31:58
né? Que a gente está falando no
32:00
Mercado Livre é a mesma coisa. A gente é muito aberto à
32:04
experimentação, mas como a gente tem muito produto interno,
32:07
normalmente a gente testa internamente para depois testar
32:10
em fora, né? Então a gente faz muito Friends
32:13
em family para acelerar processo Discovery.
32:15
Às vezes a gente antes, até mesmo agora, como a gente tem
32:19
esse notebook LM. Antes mesmo de fazer uma
32:21
entrevista com um usuário sobre um tema específico, como eu
32:24
tenho um histórico das entrevistas, eu tenho notebook
32:26
Lino, que ele é uma persona, eu troco ideia ali com ele, eu crio
32:30
hipótese de problema, eu crio uma possível solução em cima
32:33
disso e eu levo para os usuários a validação de uma solução para
32:36
aprender. Então acelera também o processo
32:39
cobre nesse sentido, porque vira uma entrevista e uma
32:41
experimentação ao mesmo tempo, sabe?
32:44
E a gente já consegue, terá em ser, é, é, manda, é, já IA falar
32:48
isso mesmo. É lança para os Friends em
32:50
family, né, é que muitas vezes é interno ou mesmo tipo, são
32:54
usuários que a gente entrevistou e virou amigo, né?
32:57
E a gente trata como patronos também.
32:59
Às vezes quando a gente quer tirar dúvida é EE lança para
33:02
eles, ele fala assim, ó, dá, usa, aí me diz o que é que você
33:05
achou, né? Então isso muda muito o
33:09
Discovery nesse sentido, assim é Paulinho, e aí eu posso
33:14
aproveitar e aí tu tu me fala se respondi a tua pergunta.
33:18
Mas eu posso compartilhar com ela aqui é ele, ele tá agora
33:21
gerando relatório, mas o que é legal é porque ele também vai
33:24
trazendo todos os passos que que ele tá fazendo pra chegar nisso.
33:28
Ele teve mais de 130 ou 139. É pesquisas feitas antes pra
33:33
gente fazer isso. A gente demorava 100 manos e não
33:35
chegava metade disso aqui. E aí você consegue ver as
33:38
Fontes, é por quê? Porque eu gosto muito de fazer
33:41
uma análise da fonte que ele tá trazendo.
33:44
Então eu faço uma amostragem aleatória aqui ou faço uma
33:47
amostragem sistemática que eu pego de de a cada 5 eu eu leio o
33:53
que é que tá? Ele tá trazendo, ó, ele traz os
33:55
vídeos do YouTube, tá vendo, ó? Então isso é muito legal, porque
33:58
antes você era muito difícil você conseguir ter essa
34:00
informação e analisar isso. Ela ela traz essa é
34:04
potencialidade pra você e o que é legal dela, tá trazendo o
34:07
passo a passo é porque você também pode aprender no seu
34:10
passo a passo interno. Tipo assim, será que a forma
34:13
como eu estou raciocinando faz sentido?
34:15
Eu posso aprender com alguma coisa que a Iara está trazendo
34:17
de processo, sabe? Então isso é bem legal, é?
34:22
E aí, ó, ele já fez tudo isso e já criou o relatório.
34:26
Aí o que eu estou dizendo, ela dá o sambary love dela, né?
34:30
Como como um PM faria também. Ela valoriza o trabalho, certo,
34:34
Felipão? Exatamente, ela tem que
34:36
valorizar o trabalho e aí ela vai trazendo os relatórios, aí
34:40
já começa o mapeamento, né? Aí ela fala assim, ó, eu vou
34:42
começar com o bord de gestão de loja e vocês lembram?
34:45
A gente fez isso aqui em 2 minutos de conversa, tá?
34:48
Imagine se vocês dedicarem um tempo pra criar um prompt bom
34:51
que faz sentido, idas e voltas, porque o ponto principal é a
34:53
experimentação com a aliada. É, então ela traz aqui o que é
34:57
que é dito, e aí aqui embaixo ela já traz as Fontes, ó, e aí o
35:01
que ela traz? Fontes externas do país que você
35:04
tá falando e já traduz é. Aí depois disso, lá embaixo, ele
35:09
vai trazer provavelmente o featuring mapping que eu pedi,
35:11
ó, está vendo? Então ele traz funcionalidade do
35:14
fluxo de cada um delas. Ele vai trazer alguma coisa de,
35:18
de, de ao custo, taxa de assinatura, comissão padrão.
35:23
Então você já começa a comparar várias outras coisas.
35:25
E aqui vem a parte dos dados dos qualitativos, ele vai trazer
35:28
pontos positivos, pontos negativos de cada um deles, ó,
35:31
qualidade e Acessibilidade ao suporte perceção de Roy e
35:33
ferramentas. E aí quando eu entro aqui, ó,
35:36
ele já traz dos dos sub redits, tá vendo?
35:40
É? Então isso tudo acelera muito.
35:43
Aí ele faz a síntese, ó, é, olha o que é que tem de bom de cada
35:46
plataforma. Então, plataforma para marcas
35:48
premium, para crescimento de pequenas e médias empresas,
35:51
canal de outsourcing é fraqueza, então ele já traz uma swot aqui,
35:56
então assim, é um processo que no começo.
36:01
Você vai ter um trabalho ali para para aprender como é que
36:03
você faz, mas você vai aprimorando como qualquer outra
36:05
ferramenta. Eu gosto muito de fazer o
36:07
paralelo, que que aí é o novo Excel, né?
36:11
Então ela não vai lhe substituir.
36:13
Ela é uma ferramenta de expansão e não de substituição, né?
36:18
E aí EE é exatamente aqui onde ela te expande, porque antes
36:22
você tinha tarefas que eram impossíveis, por questões de
36:26
tempo de analisar dados qualitativos e conseguir cruzar
36:29
eles. E ela traz essa possibilidade
36:31
nova. Então eu eu entendo muito que o
36:34
processo do Discovery é expandido com AEA, né?
36:37
É pra tomar melhores decisões. E aí esse é o.se, você não está
36:41
usando hoje, provavelmente já tem outros concorrentes que
36:43
estão usando e que vão tomar decisões mais rápido por causa
36:47
disso e vão experimentar mais rápido e vão até nessa frente.
36:50
Então eu acho que esse é um ponto que eu eu quero trazer
36:53
aqui assim. E pensando nisso, é.
36:58
O que o que muda na forma como os times compartilham esses
37:02
aprendizados, quando parte do Discovery é feita por IAO
37:07
Felipão? Eu eu gosto muito de de de dar a
37:11
possibilidade da abertura desse note bocalime.
37:13
Além de ter esse note bocalime de persona, a gente tem também
37:17
com todos os estudos Desk Research, porque aqui eu entendo
37:21
muito o deep Research como se fosse um Desk Research, né?
37:23
Da parte ali do do. Do de levantamento ali de
37:28
imersão, para depois você fazer a síntese e ela ajuda também na
37:30
síntese, mas aí colocando todas as informações possíveis sobre
37:33
seu produto, objetivo, estratégico.
37:35
Tudo isso no notebook é lindo da empresa.
37:37
Você consegue compartilhar? É para as outras pessoas.
37:42
Então não é mais agora uma questão do que eu estou dizendo,
37:45
quanto que você está dizendo? Você compartilha com muito mais
37:49
facilidade e aí ela já pode gerar relatórios para cada
37:53
estilo de stakeholder. Porque se você já tiver mapeado
37:55
um perfil de um stakeholder, você pode falar, olha, é, é o
37:59
stakeholder XY, ele tem esse perfil, é cria um relatório
38:03
específico para cada um deles, então ajuda muito porque você
38:07
vai falar na língua dele. E aí o que eu gosto muito de
38:10
trazer, que eu sempre falo muito sobre psicologia, né, é é
38:12
utilizar o conceito de disk. Quando você estuda um pouco mais
38:16
sobre o disk, né? É, você consegue entender os
38:19
perfis de comunicação de cada pessoa, EE, você consegue AAA.
38:24
Criar suposições sobre o perfil de comunicação.
38:28
E aí eu falo assim, olha, fulano de tal tem um perfil 100%
38:32
executor, dominante puro. Ele vai querer saber o resultado
38:35
antes para depois dizer o como foi feito, sabe?
38:38
EE, aí utilizar isso ao seu favor.
38:41
Acelera muito, tanto em reuniões, mas estratégicas.
38:45
Quanto também se você for mandar por e-mail, então você pode
38:48
criar automações primeiro, daí tipo assim, ó, resultado,
38:50
Discovery, e aí você só bota o seu, o seu papel como pessoa de
38:54
produto ali que é, acrescentando assim, ó, a estratégia é XYZE,
38:58
aí ela já cria um pré relatório. Como, como sempre ela é uma
39:01
ferramenta de primwork, não de substituição, você adapta o
39:05
relatório ali para ver se faz sentido ou não para aqueles tem
39:08
que correr é e manda e dá e bota o link assim, olha, está aqui
39:12
notebook a linha se você quiser saber mais informação sobre.
39:15
É então ele, ele, ele ajuda muito no processo, assíncrona
39:18
também, né? Para quando chegar numa reunião
39:21
síncrona, as pessoas já sabem mais e os pontos já estão mais
39:24
claros na cabeça de todo mundo para levantar questionamento,
39:28
para levantar essa estratégia. Faz sentido porque você consegue
39:32
trazer a visão geral da pesquisa como um todo e não fica tipo
39:35
assim, eu conversei com os usuários, você não, então eu
39:38
estou certo e você está errado, então ela democratiza mais o
39:41
processo assim, na minha opinião.
39:42
Aí agora eu vou fazer aquela pergunta.
39:45
Que é que tem que ser feito? Por quê?
39:49
Porque você trabalha no Mercado Livre.
39:55
Eu trabalho numa grande empresa também, que é o né?
39:59
Ali, porém, são realidades diferentes.
40:03
É e tem muita gente que nos ouve, que nos acompanha, que
40:07
vivem em contextos diferentes ali, principalmente em em
40:11
relação a acesso às ferramentas de a.
40:17
Quais são as dicas que você dá para que essas pessoas que não
40:21
tem acesso a essas ferramentas de a como o notebook, como o
40:25
geminai é, consiga colocar a IA nesse processo de Discovery de
40:33
uma maneira segura, né, para que a pessoa também não saia
40:39
colocando dados sensíveis? É dados sensíveis na, na, nas
40:44
viagens aleatórias aí. Eu consigo trazer alguns pontos
40:48
assim, se você está fazendo Dead Research, você não está levando
40:52
informações da empresa para para o Gemini, por exemplo, né?
40:58
Você está pegando a informação que tem pública, então esse já é
41:01
um primeiro passo que você pode utilizar.
41:03
Mas olhando assim, tentando organizar a minha mente, que a
41:05
minha mente é uma bagunça, né? E aí sendo um pouco mais
41:08
criterioso, é. Primeiro é não aplicar AIA pela
41:12
IA, já começa assim, então o que eu faria é primeiro, qual é a
41:16
dor principal do seu processo? Discoverde é síntese, é
41:19
levantamento de informação, é ideação, onde é que está o
41:23
problema que você tem? Acho que esse é o primeiro
41:25
ponto, só depois você pensa em ferramentas.
41:29
Então hoje, por exemplo, tem ferramentas, são mais
41:31
acessíveis. Há ferramentas do Google ou da
41:33
Microsoft, né, porque a Microsoft, quando você usa o
41:36
Outlook, ele traz o pacotão junto, né?
41:38
Traz o jeans. Traz o copylote é e o que é
41:43
legal, porque o copylote, basicamente ele é o PNA por
41:45
baixo, né? Então você consegue utilizar é.
41:49
Então pega as ferramentas que você tem a sua disposição e
41:52
começa a testar naquele seu contexto que você tem maior do,
41:57
né? É.
41:58
E aí, por exemplo, o copylote, ele consegue utilizar o perplete
42:01
AAE também para fazer o the present.
42:03
E aí o que é legal é porque, como está nas tech da Microsoft,
42:05
você contrata uma ferramenta corporativamente, em tese.
42:11
Ela não usa os dados que você coloca lá em aprendizado, em
42:14
tese, é. Então esse é um ponto também
42:18
para ponderar, né? É, mas você também, se você
42:21
quiser, você é como uma empresa um pouco mais tradicional.
42:25
Tem muita empresa tradicional que baixa os open source, como o
42:29
lhama da vida é, e usa num num servidor local, né?
42:34
Então isso também auxilia ali no processo, né?
42:38
É. Outras ferramentas também que
42:41
podem ser usadas, né? O eartable, ele ele consegue
42:44
trazer porque ele o eartable, uso muito mais em delivery, né?
42:47
Mas tipo, com a priorização ele consegue criar todo um
42:50
formulário com autenticação, umas coisas assim, animais, né?
42:55
Mas, mas no geral, é o que eu, é o que eu, o que eu faria e por
42:58
último, o que o que eu começaria era criar uma cultura no tipo de
43:03
produtos é. Que eu gosto muito de associar
43:07
ali a terapia cognitivo comportamental.
43:10
Porque porque quando você está num num processo de de análise
43:14
de terapia cognitivo comportamental como psicólogo, o
43:17
psicólogo, ele não quer que você fique com ele para sempre, né?
43:21
Então ele ensina você a como se auto avaliar, a como ser mais
43:25
crítico, entender de onde vem as Fontes, é qual o viés que tá ali
43:28
no meio que gera uma emoção, como essa emoção gera um
43:32
comportamento. Como é que tá sendo esse ciclo?
43:35
Trazendo esse conceito para produto, você aplica isso para
43:38
AIA, tipo assim, como é que AIA chegando esse resultado, porque
43:42
que ela tá dizendo isso faz sentido?
43:44
Qual viés que AIA tá tá trazendo?
43:45
Porque AIA tem, tem alguns vieses, né?
43:47
O principal é de querer lhe agradar.
43:50
Então se você falar assim, o que que você acha?
43:52
Se eu fizer isso, ela vai falar, você é um gênio, você é o novo
43:56
Sócrates, né EEE, aí você vai falar, então tô certo, né?
44:01
É? EE, então é muito importante
44:04
você entender as nuances da IA, é pra pra também não ficar
44:09
utilizando ela é de qualquer maneira.
44:11
Então são esses Três Passos, né? Que que eu digo entendador,
44:15
escolha uma para atacar, depois pega as ferramentas que você tem
44:18
à disposição, se não tiver estuda é é pra conseguir.
44:21
A Google com jam tem alguns algumas aberturas pra empresa,
44:27
descontos, porque ela quer exatamente difundir ali o uso da
44:29
ferramenta. É, e depois você faz todo esse
44:33
esse momento de crítica. E eu faria em conjunto,
44:36
inicialmente, pra gerar um senso em comum de processo, sabe?
44:42
Então é, é basicamente isso, assim que que eu traria pra
44:47
empresa tradicionais. Pra finalizar, a pergunta que
44:51
vale 1000000 é de euros, que é como construir?
44:59
Confiança com stakeholders quando parte da análise vende um
45:04
modelo que eles não entendem. Aqui no mercado é muito fácil,
45:07
né? Porque se você não levar a IA,
45:08
eles vão falar assim, tu usou o IA para fazer isso, aí você não
45:11
volte, entendeu? Seria é diferente, mas no geral,
45:16
OOO, que eu gosto muito. Assim, não é só sobre a IA, mas
45:20
em qualquer processo Discovery, a confiança é construído com
45:23
transparência, então você explicar, dar acesso para ele
45:28
utilizar. Ele fazer os questionamentos, dá
45:31
uma pequena aula ali de como é que eu utilizo, né?
45:33
Porque tem gente que pra mim é super intuitivo, né?
45:35
Mas pra muita gente é tipo assim, o que é que eu é tantas
45:39
possibilidades que trata, né? É então fazer esse é Step by
45:45
Step e explicar do tipo assim, olha, além disso, a gente não, a
45:51
gente não pegou só AEA. É, EE tomou a decisão, a gente
45:56
fez uma análise de amostragem pra ver se o cara tá fazendo é
45:58
mais confiável. Olha a análise de amostrada que
46:00
a gente fez, então convidar pra eles fazerem parte do processo.
46:04
Eu entendo que isso vai ajudar muito.
46:07
Realmente ali pra conseguir é auxiliar, né?
46:12
Nessa, nessa questão da confiança, é no dia a dia.
46:16
Porque que ainda não? O trabalho do PM também é
46:18
consorção de confiança, né? Então, ali no dia a dia.
46:23
Oo Felipão tem algum recado, alguma coisa, alguma ferramenta
46:28
que você criou, usou? É?
46:30
Quer compartilhar com a galera? Agora é a hora, Hein.
46:32
Queria fazer um jabá do de um produto que eu estou lançando
46:35
aqui com o meu melhor amigo. Ele é 111 desenvolvedor
46:39
especialista em a, né? Ele, ele, ele já trabalha com IA
46:43
há muito tempo de a ser moda, então ele era desenvolvedor da
46:46
Alexa lá em Montreal é que é o Ariel Maia, então bota as redes
46:50
offerras dele também, é e. E aí ele vem de uma dor muito
46:55
latente, porque quando ele foi embora eu me senti só em
46:59
questões de amizade. Assim, é de ter uma conexão
47:02
forte com alguém como eu tinha com ele.
47:04
É mesmo a gente conversando quase todo dia.
47:06
EE, eu gosto muito de psicologia, eu gosto muito dele.
47:09
E a gente criou um produto chamado cafezinho, é vou botar
47:15
os o link aqui na descrição é quando esse episódio for
47:18
lançado, ele já vai ter sido lançado, então vocês podem se
47:21
cadastrar. E vocês vão entrar na lista de
47:23
espera, porque ele precisa de um número x de pessoas para poder
47:27
funcionar todo o sistema, né? Mas OA ideia dele é que a gente
47:31
vai entender um pouco mais sobre sua rotina.
47:33
Você manda áudios com algumas perguntas, a gente vai entender
47:36
o que é que você gosta, o que é que você não goste.
47:38
Ambições de vida é culinária favorita, restrições, rotina.
47:43
E aí a gente vai gerar um escore de compatibilidade e toda a
47:47
semana você recebe pessoas para você conversar.
47:51
E a ideia não é que eu te prenda no aplicativo para conversar, a
47:55
ideia é que vai chegar em um momento que além da gente propor
47:58
conversas, é que a gente tá chamando esse momento que pode
48:01
mudar o nome, né? Mas nesse momento é o it's
48:02
coffee time, mas seria basicamente é o nosso Mascote,
48:07
iria entrar em contato com vocês, falar assim, OPA, meu
48:09
amigo, tá na hora de vocês se reunirem, dado, essas é é essas
48:14
preferências. O que vocês conversaram aqui?
48:17
Ele cria todo uma rotina de saída com para vocês.
48:21
É, e aí tem alguns pilares da sua rotina.
48:23
Você pode escolher botar todos ou escolher um específico, mas
48:26
no geral é um entretenimento, uma atividade, e um e 1 e 1,
48:31
algo de comida. Então ele vai, e aí ele usa toda
48:34
a indexação da Google para poder buscar as informações, o que é
48:38
que são falados, de restaurante, de cafeteria e assim por diante,
48:42
né? E indica todo esse passeio para
48:44
vocês, né? É, e aí, em algum momento, a
48:47
ideia é que a gente abra para que você traga os seus melhores
48:49
amigos. Aí se você tem aquele grupo de
48:50
amiginates que não sabe o que fazer, você coloca lá, as
48:54
pessoas se cadastram e você cria também as saídas com eles para
48:57
ser legal para todo mundo. Assim, então é é o que é legal é
49:00
que a gente alia muito o fator humano, que é da psicologia.
49:04
EE alia muito o papel da aya, porque todo esse processo é de
49:09
matching. Ele tem uma parte estatística,
49:11
mas tem uma parte determinística, né, de perfis.
49:15
Que é de análise de dados qualitativos para conseguir
49:17
conectar as pessoas. Então a ideia é a gente
49:18
conseguir fazer conexões reais. EEO próximo passo que a gente
49:23
está estruturando é que você que tem acesso ao app, se você
49:26
entrar agora você vai ter acesso ao premium.
49:28
E no premium a gente tem parcerias com algumas
49:31
cafeterias, é da de de algumas cidades já EE, aí você vai ter
49:37
desconto para ir tomar café nas cafeterias se ela fizer parte do
49:41
seu perfil. Então é por isso que é uma
49:43
cultura bem brasileira, que é o cafezinho.
49:45
Então usem, testem EE com pessoas de produto assim
49:49
critiquem, podem entrar em contato comigo no LinkedIn
49:53
critiquem o máximo possível, porque só assim a gente vai
49:55
aprender. A gente está num momento de
49:56
experimentação, a gente está num momento de produto do market fit
49:59
e como todo o processo Discovery, isso faz parte do
50:00
processo Discovery, não é EE. Eu quero aprendizado, então
50:04
sejam o mais diretos possíveis. É, é na utilização do produto e
50:09
pode me mandar aí todos os feedbacks possíveis do
50:11
cafezinho? Eu eu gosto que o Felipe ele ele
50:15
é uma pessoa boa, em que ele criou um aplicativo para que as
50:21
pessoas se conheçam e vão tomar um cafezinho.
50:25
Crie uma relação. Ele não tá já querendo escalar
50:29
isso para um aplicativo de relacionamento, de namoro,
50:33
porque daria muito certo. Mas é ó.
50:37
Se você está ouvindo, ouvir até agora e copiar esse do Felipão e
50:42
socar no meu aplicativo de namoro, eu vou processar.
50:47
Não quero saber. É por por quê?
50:51
Porque? Porque assim, porque tem uma
50:53
lógica que seria bem interessante também no
50:57
aplicativo de de de relacionamento, não.
51:00
É, a gente pensa em expandir para relacionamento, mas quando
51:03
a gente fala sobre relacionamento amoroso.
51:05
Ele implica algumas coisas, né? Então tem toda a questão de
51:10
regulamentação de idade, apesar da gente botar uma restrição, é,
51:14
os adolescentes vão entrar. Então como é que eu consigo
51:18
proteger as crianças, adolescentes e as informações
51:21
deles? É, tem toda uma questão nesse
51:24
sentido assim de relacionamento, que entra no meandro muito mais
51:27
complexo do que saídas. Então a ideia aqui também é usem
51:32
mais como um mote profissional. Então eu imagino aqui é um
51:36
LinkedIn de personalidade que vai vincular vocês e vão fazer
51:41
vocês aí encontrar mentores AA, trocar ideias sobre negócios.
51:46
Então vamos nesse meandro, nesse momento, quando eu for para
51:49
relacionamento, aí eu eu comunico lá nas relações também.
51:52
E aí é necessidade. Acabei de estragar o barato de
51:57
várias pessoas que usariam isso para relacionamento, mas isso
52:02
que o Felipão falou. Ele acabou de mostrar que
52:06
existiu um processo de Discovery, que é a mitigação de
52:10
riscos, né? Então é com certeza, eles devem
52:12
ter partido por esse nesse ponto de relacionamento.
52:16
E foram mitigando o risco, foram vendo, pô, tem um risco
52:18
regulatório, tem um risco de segurança, tem um risco de
52:21
privacidade, tem o risco de reputação, tem um risco de
52:25
vazamento de dados, enfim, e aí vai indo, vai indo, aí, fala,
52:28
não espera, há uma fatia pra gente validar.
52:32
Tá não sei o quê. Vamos nesse segmento.
52:36
Isso só mostra que aplicativos de relacionamento não pode ser
52:40
feito com vive code. É até Oo sistema de matching que
52:43
a gente tá fazendo. A gente não tá usando uma IA
52:45
pronta, a gente tá construindo é toda essa.
52:49
É por isso que tá demorando um pouco mais.
52:51
Claro que ela não vai ser super inteligente agora, mas Oo tem um
52:54
risco também que a gente levantou, que é é muito da base
52:58
científica do que eu tô trazendo, sabe?
53:01
É, será que eu estou classificando bem ali as pessoas
53:05
por perfil comportamental, arquétipos e et cetera?
53:10
Não sei então o que que a gente começou a fazer como
53:12
experimentação. Isso é uma dica para vocês, tá?
53:14
A gente já mapeou com outras ferramentas que já são
53:17
consolidadas. A gente pagou para isso, né?
53:21
É, EE começou a botar essas mesmas pessoas que fizeram esse
53:24
teste lá para ver OAA classificação nossa EE bateu
53:28
muito próximo o escoro de efetividade.
53:30
Porque é uma ferramenta muito nova, né?
53:32
E é por isso que a gente tem um modelo determinístico para
53:35
garantir a coesão de tudo que a gente tá fazendo, né?
53:39
É, então é, é exatamente isso. A gente teve que levantar esses
53:42
riscos. A gente já fez experimentação de
53:45
Friends em family, é, então tem tudo isso que permeia, né?
53:50
É, esse nosso produto é EEO principal dele nesse momento a
53:56
gente não quer ganhar dinheiro com ele.
53:58
A gente quer fazer um serviço para uma dor nossa, como amigos
54:05
assim, algum momento eu eu entendo na minha vida, eu nunca
54:08
persigo o dinheiro, né? Eu persigo o propósito e aí o
54:11
dinheiro vem como consequência. Claro que a gente não pode
54:13
esquecer o dinheiro, mas a questão é que o dinheiro vem
54:15
como consequência, né? É, eu acho que esse é o ponto EE
54:20
pra mim. É esse produto, é muito nisso.
54:23
Então aproveitem que a gente está nesse momento e a gente
54:26
quer aprender junto com vocês e vão construir realmente uma
54:28
coisa incrível. E aí, aplicativo, namoro, por
54:31
favor, não replique qualquer coisa.
54:34
Se vocês quiserem fazer parceiro, a gente conversa, mas
54:37
não é replique não, pelo amor de Deus e LinkedIn, se você quiser
54:39
também aí. E é com esse com esse recado.
54:43
Então link no cafezinho, tá? Vai tá aqui na descrição, link
54:47
de. Do do Felipão, o LinkedIn dele,
54:49
do amigo dele que participou, é do projeto, vai estar na
54:53
descrição também. Então você vai lá, é se conectar
54:57
com ele e crítica é, é isso, é Felipão, muito obrigado.
55:05
Você volta mais vezes, certo? Por favor, toda vez que chamar
55:07
eu tô por aqui. Felipe já está, já vai virar,
55:11
vai, já vai virar um dos convidados com mais episódios no
55:14
PG aqui, então é isso. Você ouviu até aqui?
55:18
Não se esqueça, deixe seu curtir, deixe suas 5 estrelas,
55:22
compartilha, comenta, é, se inscreva no canal no YouTube e é
55:28
isso. Beijos, tchau.