Así acompañamos a Naranja X en su camino a ser una compañía AI First.

El desafío

La IA está redefiniendo cómo se crean los productos, y Naranja X se propuso que sus equipos incorporen una forma de pensar y de trabajar a la altura de ese cambio. El objetivo fue desarrollar capacidades de producto, datos e IA en perfiles muy distintos: desde equipos técnicos hasta los jóvenes profesionales que van a liderar la compañía en el futuro.

Cómo lo hicimos

Junto al equipo de Talent & Learning diseñamos un recorrido de formación a medida, que fue creciendo junto con la compañía:

• AI First Product Team: IA aplicada a la estrategia, el discovery y la medición de productos, con referentes de la industria.
• Product Sense: criterio de producto para convertir ideas en propuestas de valor, del research al prototipo.
• Growth & Analytics: métricas, datos y toma de decisiones para hacer crecer los productos.

Cada programa combinó teoría y práctica sobre desafíos reales del negocio, con una metodología pensada para aplicar lo aprendido en el trabajo de todos los días.

Growth & Analytics: medir lo que importa

El primer programa fue de analítica de producto, en tres ediciones de tres encuentros de dos horas, con unas 74 personas en total. El curso no depende de una herramienta: trabaja los conceptos y después los lleva a Amplitude, Mixpanel o Google Analytics.

• Introducción a Product Analytics: la North Star Metric según el modelo de negocio, B2C o B2B, y las métricas clave de alcance, usuarios activos, activación, engagement y retención.
• User & Business Metrics: métricas por industria y el árbol de métricas, con los casos de un servicio de streaming y de un ecommerce de ropa.
• Herramientas de analytics: buenas prácticas como trabajar con ratios, la comparación entre Amplitude, Mixpanel y GA4, y cómo se definen eventos y propiedades de usuario.

El desafío en vivo fue armar un Key Metric Tree: en salas de grupos, cada equipo eligió un producto digital de la compañía que conoce o lidera y construyó su árbol de métricas, que terminó en la tercera clase con una puesta en común. A este programa se sumó Stakeholder Management, en dos encuentros, para trabajar cómo identificar a los stakeholders clave y cómo comunicarse con ellos en un contexto ágil.

AI First Product Team: producto e IA para el área de Data

Para el área de Data diseñamos un curso a medida de ocho clases de dos horas, con 16 personas entre Data Product Leads, Product Analysts, Data Scientists y la conducción del área. Lo dictaron cuatro instructores, cada uno en su especialidad: estrategia y discovery, stakeholders, IA y fintech.

• Estrategia y discovery: los cuatro riesgos de un producto, output, outcome e impacto, el Business Value Map, entrevistas, encuestas y jobs to be done.
• De la oportunidad a la solución: ideación, storyboard, Value Proposition Canvas, MVP y experimento mínimo viable, hipótesis, tamaño de muestra, landings, fake doors y prototipos.
• Productos de datos: casos reales como el sistema de recomendaciones de Netflix o el scoring alternativo de crédito, y el árbol de oportunidades.
• IA para equipos de producto: cómo cambia el rol del PM con IA en discovery y en delivery, qué hace un AI Product Manager y cómo se evalúa un sistema de IA: evals con código, con un LLM como juez y con etiquetado humano. En clase se usaron Claude, ChatGPT, Gemini, Copilot, Cursor, Lovable y v0.
• Fintech: préstamos, tarjetas, BNPL, pagos, inversiones, seguros, embedded finance y open banking.

El curso sumó un panel en vivo sobre cómo medir la calidad de un agente de IA, con un especialista en medición de modelos como invitado. Cada clase tuvo trabajo en grupos sobre productos de la compañía: el Business Value Map, job stories con sus dimensiones funcional, emocional y social, y un Value Proposition Canvas en 30 minutos. Para stakeholders hicimos un juego de casos reales en el que cada persona elegía cómo seguir.

Product Sense: de la data al impacto

Para los jóvenes profesionales que entraron a la compañía armamos, junto a Talent & Learning, un curso de cinco clases y 13 horas. Eran 11 personas con un mes en la empresa, cada una en un equipo distinto: atención al cliente, datos, riesgo, compliance, negocio, producto, IA generativa y talento. El pedido fue más práctica que teoría, con foco en pasar de los datos al impacto.

• Negocio: tipos de problemas, cómo se desarrolla el criterio de producto y cómo cambia la IA el ciclo de un producto; arquetipos, árbol de oportunidades y Value Proposition Canvas.
• Data: una clase de tres horas con North Star Metric, Key Metric Tree y diseño de dashboards.
• MVP: Lean Startup, matriz de impacto y complejidad, hipótesis y prototipos con vibe coding.
• Lanzamiento: big bang o lanzamiento gradual, funnel, Amplitude, dashboards, storytelling y elevator pitch.

Un mismo caso, una app de educación financiera, atravesó todo el curso. En grupos, cada equipo investigó el mercado con Deep Research de Gemini, escribió un one-pager para el directorio, procesó una encuesta con NotebookLM, completó el Value Proposition Canvas y armó el árbol de métricas del producto. Después cada persona prototipó su MVP en Gemini Canvas en 40 minutos, y el curso cerró con un concurso de elevator pitch: cinco minutos para convencer a un inversor. Entre clases hubo mentoría por Slack.

Resultados

• Más de un año de trabajo conjunto, entre 2024 y 2025.
• Equipos de producto, datos y talento formados en IA, Data y Producto.
• 59 personas certificadas en Product Analytics, en tres ediciones.
• NPS de 60 en los programas de analítica, sin detractores.