Conteúdo programático: AI for Product Owners

1. Fundamentos de IA para Product Owners

• IA generativa e preditiva, redes neurais e modelos de linguagem
• Tokens, janelas de contexto e velocidade de processamento
• RAG, assistentes de IA e IA agêntica
• Seleção de modelos de IA com base em qualidade, velocidade, custos e soberania de dados

2. IA como parte do produto

• Aumento do valor do produto por meio de funcionalidades com IA
• Novas possibilidades para a experiência do usuário: linguagem natural e interações personalizadas
• Conhecimento de integrações MCP e funcionalidades agênticas
• Avaliação de oportunidades, limitações e riscos das funcionalidades de IA

3. Ferramentas de IA e engenharia de prompts

• Uso de IA no dia a dia do Product Owner
• Criação de prompts eficazes e avaliação crítica dos resultados
• Adaptação da IA ao contexto do produto, da equipe e da empresa

4. Product Discovery com IA

• Uso de IA para pesquisa, análise e geração de ideias
• Desenvolvimento de protótipos com apoio de IA
• Uso de usuários sintéticos para explorar ideias e preparar pesquisas com usuários
• Validação de hipóteses e aprendizados com usuários reais

5. Conectando a estratégia de produto ao Product Backlog com IA

• Uso de IA para formular e revisar a estratégia de produto e a proposta de valor
• Análise de valor para usuários e para o negócio
• Conexão entre os objetivos do produto e o Product Backlog
• Uso de IA para ordenar e priorizar itens do backlog

6. Requisitos e refinamento com IA

• Criação, refinamento e divisão de Product Backlog Items e User Stories com IA
• Detalhamento de requisitos com Behavior-Driven Development (BDD) apoiado por IA
• Melhoria da qualidade, clareza e testabilidade dos requisitos
• Exemplos práticos do trabalho de Axel como Product Owner em uma startup de LegalTech

7. IA para equipes Scrum e processos ágeis

• Preparação do Sprint Planning com IA
• Apoio à Sprint Review e à Retrospectiva com IA
• Melhoria da colaboração e do compartilhamento de conhecimento na equipe

8. Dados, análises e previsões com IA

• Análise de dados e identificação de padrões com IA
• Apoio à tomada de decisões e à elaboração de previsões
• Avaliação da confiabilidade, das premissas e dos limites das análises apoiadas por IA

9. Uso responsável da IA

• Proteção de dados, soberania de dados e confidencialidade
• Identificação de vieses, problemas de confiabilidade e possíveis erros
• Controle e responsabilidade humana nas decisões apoiadas por IA