PM da Anthropic Revela Como as Ferramentas de IA Estão a Remodelar os Ciclos de Desenvolvimento de Produtos

Joerg Hiller 19 de mar. de 2026 22:46

O Diretor de Produto do Claude Code partilha como os modelos de IA em melhoria exponencial estão a forçar as equipas de produto a abandonar os roteiros tradicionais para experimentação rápida.

Cat Wu, Diretor de Produto do Claude Code na Anthropic, revelou como os modelos de IA em rápida melhoria estão fundamentalmente a quebrar as abordagens tradicionais de gestão de produtos. A perceção-chave? O que é tecnologicamente possível no início de um projeto já não prevê o que é possível no final.

Os números confirmam isto. De acordo com a investigação METR citada por Wu, o Opus 4.6 pode agora concluir tarefas de software que levariam humanos quase 12 horas—aproximadamente 41 vezes mais capaz do que o Sonnet 3.5 (novo) era há apenas 16 meses, quando lidava com tarefas de 21 minutos.

O Velho Manual Está Morto

Os gestores de produto tradicionalmente recolhiam requisitos antecipadamente, fixavam um roteiro e depois executavam ao longo de meses. Isso já não funciona quando as limitações do modelo que projetou podem desaparecer a meio do projeto.

"Está a construir sobre terreno que está a elevar-se por baixo de si," escreve Wu. A sua equipa respondeu abandonando completamente os roteiros de longo prazo a favor do que ela chama "missões secundárias"—experiências curtas e autodirigidas onde qualquer pessoa da equipa (engenheiros, designers, PMs) pode criar protótipos de ideias numa tarde.

Várias funcionalidades populares da Anthropic surgiram desta forma: Claude Code no Desktop, a ferramenta AskUserQuestion e listas de tarefas começaram todas como experiências informais em vez de itens de roteiro planeados.

Três Ferramentas, Um Fluxo de Trabalho

O fluxo de trabalho diário de Wu abrange agora três produtos de IA distintos. O Claude.ai lida com pensamento estratégico e respostas rápidas. O Claude Code constrói protótipos e avaliações. O Cowork gere todo o resto—e-mail, listas de tarefas, apresentações de slides, pesquisa no Slack, reserva de viagens.

PMs externos estão a encontrar padrões semelhantes. Bihan Jiang, Diretor de Produto na Decagon, disse a Wu que o que costumava levar semanas de construção para chegar aos clientes agora acontece em "algumas horas." Kai Xin Tai na Datadog descreveu a mudança como passar "de definir certeza antecipadamente para acelerar a descoberta."

Mudanças Práticas para Equipas de Produto

Wu delineou quatro alterações concretas que a sua equipa adotou:

Criar protótipo antes de documentar. Depois de escrever uma especificação, envie-a para o Claude Code e veja o que volta. "Mesmo um protótipo rudimentar altera a conversa," ela nota. Quando um membro da equipa partilhou uma especificação de plugins, o protótipo gerado por IA voltou quase pronto para produção.

Revisitar funcionalidades com cada lançamento de modelo. O Claude Code com Chrome aconteceu porque os utilizadores estavam a copiar manualmente instruções entre ferramentas. O truque funcionou tão bem que se tornou uma funcionalidade integrada.

Otimizar primeiro para capacidade, depois para custos. Use mais tokens do que pensa que precisa durante a criação de protótipos. "Pode sempre reduzir custos mais tarde à medida que modelos mais baratos acompanham."

Manter implementações simples. Soluções complexas para limitações de modelo tornam-se bagagem desnecessária quando o próximo modelo surge. A Anthropic reduziu 20% das suas solicitações de sistema apenas com o Opus 4.6.

O Que Isto Significa para Equipas de Produtos de IA

O contexto industrial mais amplo é importante aqui. A gestão de produtos de IA emergiu como uma disciplina distinta que requer tanto competências tradicionais de PM como compreensão técnica profunda das capacidades dos modelos. Com regulamentos como o GDPR e estruturas emergentes de governança de IA a adicionar camadas de conformidade, o papel tornou-se mais complexo mesmo quando as ferramentas se tornaram mais poderosas.

A mensagem central de Wu para os colegas PMs: acompanhe duas coisas simultaneamente—como a IA altera o seu fluxo de trabalho e como altera o que é possível no seu produto. As equipas que fazem isto bem não serão apanhadas de surpresa quando as capacidades avançarem.

Para equipas de software empresarial a observar custos e cronogramas de desenvolvimento de IA, as implicações são significativas. Se os ciclos de prototipagem se comprimirem de semanas para horas, as vantagens competitivas construídas sobre velocidade de execução podem erodir mais rapidamente do que o esperado.

• anthropic
• desenvolvimento de ia
• gestão de produtos
• claude
• ia empresarial