Product Manager

Tenere il contesto del prodotto - Sai nel dettaglio cosa stiamo costruendo e perché, e lo scrivi dove l'AI e il team possono leggerlo: documenti di prodotto, regole del dominio, decisioni prese e motivi. È quel contesto che permette ad agenti e ingegneri di non sbagliare

Trasformare richieste grezze in decisioni - Le richieste arrivano da commerciale, operations e clienti. Con l'AI analizzi conversazioni, ticket di supporto e dati per capire il bisogno vero. Poi decidi tu: cosa si costruisce, cosa no, cosa succede nei casi limite

Far produrre all'AI spec, mockup e ticket, e rispondere tu di quello che esce - Non parti da una pagina bianca: la prima versione la genera l'AI a partire dal tuo contesto. Tu la rivedi, tagli, correggi e la firmi

Definire "fatto" in modo che si possa verificare - Criteri di accettazione controllabili, esempi concreti di input e risultato atteso, casi di test. Per le funzioni in cui è l'AI a rispondere agli ospiti, anche conversazioni d'esempio e criteri per giudicare se una risposta è buona. È questo che permette a ingegneri e agenti di lavorare senza dover tornare da te

Prototipare invece di spiegare - Un prototipo cliccabile fatto in un pomeriggio con Claude Code, v0 o Lovable chiarisce più di dieci messaggi. Lo usi per validare l'idea con clienti e operations prima che entri in sviluppo

Interrogare i dati da solo - La query te la può scrivere l'AI; sapere se il numero ha senso è compito tuo. Prima del lavoro capisci se una cosa serve, dopo il rilascio verifichi se ha funzionato

Parlare con clienti e operations - L'AI ti aiuta a preparare le call e ad analizzarle dopo, ma la call la fai tu. È lì che capisci come il prodotto viene usato davvero

Provare quello che esce prima dei clienti - Verifichi ogni rilascio contro i criteri che hai scritto tu. Dove si può, il controllo lo fa l'AI e tu guardi i casi che contano

Migliorare il modo in cui lavoriamo con l'AI - Quando l'AI sbaglia sempre nello stesso modo, non correggi solo l'output: sistemi il contesto, il template o le istruzioni, così la volta dopo non succede

01

3-5 anni come Product Manager (o Product Owner con responsabilità reale di prodotto), meglio se in più di un'azienda - vogliamo qualcuno che abbia visto più di un modo di lavorare

02

L'AI è il modo in cui lavori, non un aiuto occasionale - Claude, Claude Code, ChatGPT, v0, Lovable o simili, ogni giorno, per tutto il lavoro: ricerca, spec, mockup, analisi dati. Hai un metodo: come dai contesto all'AI, come verifichi quello che produce, dove non ti fidi. Non "ho provato ChatGPT": ce lo fai vedere

03

Spec generate con l'AI, riviste da te, costruite da altri - porti esempi concreti: cosa ha prodotto l'AI, cosa hai corretto e perché, cosa hai tagliato

04

Ti accorgi quando l'AI sbaglia - su un dominio che conosci, sai distinguere una risposta plausibile da una giusta, e lo dimostri con un caso reale

05

Prototipi in autonomia - non hai bisogno di un designer né di un ingegnere per far vedere come funzionerebbe una schermata

06

Lavoro diretto con gli ingegneri - sai stare in una conversazione tecnica, capire un trade-off, dire "allora facciamo così" senza un intermediario

07

Capacità di leggere i dati - SQL di base, oppure autonomia piena su uno strumento di BI o su un foglio di calcolo, anche facendoti aiutare dall'AI. Sai rispondere da solo a "quanti clienti lo usano?" e sai dire se la risposta è plausibile

08

Comprensione del business - capisci come l'azienda fa i soldi e sai collegare una feature a un numero

09

Italiano e inglese - clienti e team operations sono italiani, la documentazione tecnica è inglese

Chi vuole l'ownership della roadmap - La responsabilità della roadmap resta al Product Lead. Se il tuo obiettivo è possedere la strategia di prodotto, questo ruolo ti starà stretto

Il project manager travestito da PM - Non cerchiamo qualcuno che aggiorni Jira e riporti lo stato: cerchiamo qualcuno che decida cosa si costruisce esattamente

Il passacarte dell'AI - Chi prende quello che ha generato l'AI e lo inoltra senza averlo letto e capito. Generare una spec è facile; rispondere di quello che c'è scritto è il lavoro

Chi scrive tutto a mano per principio - Passare una giornata su ticket che l'AI scriverebbe in dieci minuti toglie tempo al lavoro che conta davvero

Chi ha bisogno di un designer per un mockup

Chi usa l'AI per riscrivere le email - L'AI qui è lo strumento con cui produci il lavoro, non un accessorio

Chi non ha mai parlato con un cliente

Chi non ha mai scritto codice, e ne è a disagio - Non scriverai codice di produzione, ma ti farai costruire prototipi dall'AI e devi saper stare in mezzo a chi il codice lo scrive