Para las generaciones de personas que ingresaron al mercado laboral tecnológico, el camino profesional esperado lucía más o menos así: conseguir un trabajo de nivel inicial, aprender un rol específico y abrirse paso hacia arriba. Los ingenieros corregían errores antes de diseñar sistemas. Los diseñadores perfeccionaban experiencias existentes antes de dar forma a nuevas. Los aspirantes a gerentes de producto apoyaban la investigación y analizaban el uso antes de tomar decisiones más importantes.

En el camino, aprendías de personas que llevaban más tiempo haciendo ese trabajo. Un ingeniero senior te explicaba por qué tu corrección crearía otro problema. Un diseñador señalaba una suposición que habías hecho sobre el usuario. Esas asignaciones más pequeñas te daban la oportunidad de desarrollar criterio antes de que las consecuencias de equivocarse se volvieran más grandes.

Ahora la IA está cambiando tanto la disponibilidad de ese trabajo como lo que los recién llegados pueden hacer sin experiencia de nivel inicial.

Los expertos llevan años dando la voz de alarma. El investigador Matthew Beane advirtió en 2024 que la tecnología podría permitir que los trabajadores con experiencia logren más, mientras deja a los colegas junior con menos oportunidades de participar y aprender. Las cifras de contratación más recientes subrayan la presión sobre ese punto de partida: Las publicaciones de empleos de nivel inicial cayeron un 7,5% entre mayo de 2025 y mayo de 2026, mientras que las publicaciones de nivel senior aumentaron un 14,7%. Ese cambio tiene múltiples causas, pero plantea una pregunta urgente sobre dónde consiguen su primer empleo los recién llegados.

La IA le está dando a los recién llegados al producto un punto de partida diferente

Algunos están creando su propio punto de partida. Los jóvenes ya están lanzando negocios con la ayuda de la IA. La tecnología de IA transformadora ha cambiado el cálculo para quienes esperan que un empleador les dé una oportunidad. Con la asistencia de la IA, pueden explorar un problema de un cliente, diseñar una experiencia y construir un producto inicial. El trabajo que antes requería reunir un equipo se convierte en algo que una persona puede comenzar por su cuenta.

También es coherente con un cambio más amplio en el trabajo de producto. Un constructor de productos trabaja en producto, diseño e ingeniería, usando IA para llevar ideas a una forma que la gente pueda probar. Las personas en etapas tempranas de su carrera tienen la oportunidad de desarrollar ese alcance desde el principio, incluso dentro de empresas establecidas.

Comenzar con esa visión más amplia puede ser valioso para el aprendizaje. Un constructor que realiza investigación e implementa los resultados puede ver cómo su interpretación del problema de un cliente se sostiene en la práctica. Puede seguir una decisión hasta sus consecuencias y luego usar lo que aprende para mejorar la siguiente versión.

Por qué el criterio de producto importa más que nunca

La IA permite que quienes están comenzando su carrera en producto asuman responsabilidades de investigación, diseño y desarrollo más pronto, pero navegar esos desafíos con éxito implica desarrollar el criterio de producto más rápido.

Los empleados que están comenzando su carrera necesitan experiencia para decidir qué problemas de los clientes resolver, qué priorizar y cómo medir el éxito. También enfrentan un desafío relacionado: la necesidad de evaluar el trabajo generado por IA mientras pierden oportunidades de desarrollar la experiencia que esa evaluación requiere. Un resultado pulido puede hacer que sea fácil pasar por alto un supuesto que nadie ha puesto a prueba.

Crear para usuarios reales les da a los recién llegados una manera de poner a prueba esos supuestos. Alguien que abandona tu flujo de incorporación o sigue usando una hoja de cálculo en lugar de tu app te da un problema que investigar. Puedes preguntar qué ocurrió, cambiar la experiencia y ver si el cambio ayuda. Cada iteración te da algo concreto de lo que aprender.

La líder de producto Cris Valerio desarrolló su intuición de producto trabajando con pequeñas empresas en soluciones asistidas por IA, aprendiendo de sus limitaciones y de la retroalimentación rápida de sus clientes. Los nuevos creadores pueden vivir experiencias similares para formar parte de un aprendizaje más amplio, con acceso a personas experimentadas que puedan ayudarlos a interpretar los resultados.

Cómo los líderes de producto pueden ayudar a los nuevos creadores a aprender el oficio

Los líderes de producto tienen el poder de crear las condiciones para apoyar mejor a quienes son nuevos en el campo. Dale a un compañero en etapa temprana de su carrera un problema pequeño de clientes para que lo gestione desde el descubrimiento hasta el desarrollo y la iteración. Revisa el razonamiento detrás de sus decisiones. Pregunta qué conversaciones con clientes y qué patrones de uso informaron el siguiente cambio, y explica en qué casos tomarías una decisión diferente.

Dale espacio para que también cambie de opinión. Si la primera versión tiene poco uso, analicen juntos las posibles explicaciones antes de pedir otra funcionalidad. Entender por qué una idea no funcionó y decidir qué probar a continuación le da a alguien nuevo la práctica que necesitará en iniciativas más grandes.

Esa relación puede beneficiar a ambas personas. Katy George, de Microsoft, defiende aprendizajes bidireccionales en los que los colegas con experiencia aportan criterio y contexto, mientras que los empleados en etapas tempranas de su carrera aportan fluidez en IA y enfoques frescos. Los creadores independientes también pueden buscar esa perspectiva externa a través de mentores y comunidades de profesionales.

La próxima generación puede asumir responsabilidades más amplias mucho antes. Ayudarlos a aprender de ello debería ser parte de cómo desarrollamos el talento en producto.

¿Quieres practicar este tipo de decisiones de criterio? Toma el curso gratuito de Product Judgment de Mike Belsito en el Pendo Learning Lab. Aprenderás a combinar señales de clientes, identificar el problema subyacente y elegir lo que importa cuando la información está incompleta.