Cambiar a Product Manager de IA en 2026: Plan de 90 Días

JobRise Team21 min de lectura

Estás viendo ofertas de “AI Product Manager” con sueldos de €45k, €60k o incluso €80k, y sientes que se te escapan por una mezcla rara de dudas: “¿Necesito saber programar?”, “¿vale mi experiencia?”, “¿cómo demuestro que entiendo IA si nunca he trabajado en un equipo de machine learning?”. Encima, cada oferta pide cosas distintas: LLMs, prompts, métricas, APIs, discovery, stakeholders, compliance, roadmap.

La buena noticia: no necesitas convertirte en data scientist en 90 días. Lo que sí necesitas es ordenar tu perfil, construir señales claras y aprender lo suficiente para hablar con equipos técnicos, tomar decisiones de producto y explicar impacto de negocio.

Este plan está pensado para alguien que ya viene de producto, negocio, operaciones, consultoría, marketing, UX, datos o incluso customer success, y quiere moverse hacia Product Manager de IA en 2026 sin perderse en cursos eternos.

Qué hace realmente un Product Manager de IA#

Un Product Manager de IA no es “la persona que sabe usar ChatGPT”. Ese es el error que veo muchísimo.

Un PM de IA conecta problemas de usuario con soluciones basadas en modelos, datos y automatización. Su trabajo es decidir qué construir, por qué, para quién, con qué riesgos y cómo medir si funcionó.

En una empresa como BBVA, un PM de IA puede trabajar en modelos para detectar fraude, asistentes internos para equipos comerciales o personalización de productos financieros. En Telefónica, puede estar en atención al cliente, predicción de incidencias de red o herramientas para ventas B2B.

En Inditex, la IA puede tocar forecasting de demanda, recomendaciones, gestión de inventario o experiencia de compra. En Cabify o Glovo, puede aparecer en pricing, rutas, matching entre oferta y demanda, soporte automatizado o prevención de abuso.

Tu rol no es entrenar el modelo desde cero. Tu rol es hacer que el modelo resuelva algo que importa.

Responsabilidades típicas

En el día a día, un AI Product Manager suele hacer cosas como:

  1. Identificar casos de uso donde IA tiene sentido.
  2. Priorizar iniciativas según impacto, coste, riesgo y viabilidad.
  3. Trabajar con data scientists, ML engineers, diseñadores y negocio.
  4. Definir métricas de éxito, no solo precisión del modelo.
  5. Diseñar experimentos y pilotos.
  6. Evaluar calidad de outputs generados por IA.
  7. Gestionar riesgos: sesgos, privacidad, errores, seguridad y cumplimiento.
  8. Traducir temas técnicos a lenguaje de negocio.
  9. Decidir cuándo no usar IA.

Ese último punto es clave. En 2026 se valorará mucho a quien diga “esto no necesita IA” cuando sea verdad.

Recibe la próxima guía por email

Guías nuevas y empleos recientes en un email corto. Gratis.

Date de baja con un clic.

Sueldos esperados en 2026#

Los sueldos varían por país, sector y seniority, pero para España y perfiles remotos europeos puedes usar estas referencias aproximadas:

  • Associate Product Manager con foco IA: €35k a €45k.
  • Product Manager de IA mid-level: €45k a €65k.
  • Senior AI Product Manager: €65k a €90k.
  • Principal PM o Lead PM en IA: €90k a €120k, sobre todo en empresas internacionales.
  • Startups con equity: base de €45k a €75k, con variable o participación.

En Madrid y Barcelona, ofertas en scaleups pueden moverse entre €50k y €75k para perfiles sólidos. En empresas grandes como BBVA, Telefónica o Inditex, puede haber más estructura, más procesos y bandas salariales menos flexibles, pero también proyectos con datos reales y escala.

En remoto para Europa, un PM de IA con buen inglés y experiencia puede competir por rangos de €70k a €110k. Ahí tu CV y tus pruebas de experiencia cuentan muchísimo.

Lo que necesitas saber antes de empezar#

No hace falta que domines álgebra lineal, PyTorch o entrenamiento distribuido. Pero sí debes entender los conceptos base para no sonar perdido en entrevistas.

Necesitas manejar cinco bloques:

1. Producto

Si ya vienes de producto, aquí tienes ventaja. Si no, debes aprender lo básico rápido:

  • Discovery con usuarios.
  • Definición de problemas.
  • Roadmaps.
  • Priorización.
  • Métricas.
  • Experimentos.
  • Go-to-market.
  • Gestión de stakeholders.

Un PM de IA sigue siendo PM. La IA no sustituye el criterio de producto.

2. IA aplicada

Debes saber explicar:

  • Qué es machine learning.
  • Qué es IA generativa.
  • Qué son LLMs.
  • Diferencia entre modelo, API, producto y workflow.
  • Qué es RAG.
  • Qué son embeddings.
  • Qué es fine-tuning, y cuándo no hace falta.
  • Qué son hallucinations.
  • Qué es evaluación de calidad en outputs de IA.

No necesitas recitar fórmulas. Necesitas saber preguntar bien.

3. Datos

La IA vive de datos. Si tus datos son malos, el producto será débil.

Aprende lo mínimo para hablar de:

  • Calidad de datos.
  • Fuentes de datos.
  • Etiquetado.
  • Sesgos.
  • Privacidad.
  • Métricas de modelo.
  • Métricas de negocio.
  • Dashboards.
  • A/B testing.

4. UX para productos de IA

Los productos de IA tienen un reto especial: el output no siempre es determinista. Eso cambia la experiencia.

Debes pensar en:

  • Cómo comunica el sistema su nivel de confianza.
  • Cómo corrige el usuario al modelo.
  • Cómo se revisan errores.
  • Cuándo meter humano en el proceso.
  • Cómo evitar que el usuario confíe demasiado.
  • Cómo diseñar feedback loops.

Un chatbot bonito no es suficiente. La experiencia debe manejar incertidumbre.

5. Riesgo, legal y ética

En 2026, esto será todavía más importante. La regulación europea de IA ya empuja a las empresas a documentar, auditar y controlar usos sensibles.

Para entrevistas, debes poder hablar de:

  • Datos personales.
  • Consentimiento.
  • Explicabilidad.
  • Sesgo.
  • Seguridad.
  • Riesgo reputacional.
  • Uso interno vs uso externo.
  • Modelos en decisiones críticas.

Si postulas a banca, salud, seguros o recursos humanos, este bloque pesa mucho.

Plan de 90 días para cambiar a Product Manager de IA#

Vamos al plan práctico. No es una lista infinita de cursos. Es una ruta para construir credibilidad, CV, portfolio y conversación de entrevista.

La idea es que al final de 90 días tengas:

  • Un posicionamiento claro.
  • Un CV adaptado a AI PM.
  • 2 o 3 casos de portfolio.
  • Conocimiento suficiente para entrevistas.
  • Una lista de empresas objetivo.
  • Un sistema semanal de aplicaciones y networking.

Días 1 a 15: entender el rol y elegir tu punto de entrada#

Los primeros 15 días no son para hacer 20 cursos. Son para evitar dispersarte.

Tu objetivo es elegir un tipo de rol de AI PM que encaje con tu experiencia previa. No todos los puestos son iguales.

Elige tu puente más lógico

Si vienes de producto digital, tu puente puede ser:

  • PM de IA generativa para herramientas B2B.
  • PM de automatización interna.
  • PM de search, recomendaciones o personalización.
  • PM de plataformas de datos e IA.

Si vienes de operaciones, puedes mirar:

  • Automatización de procesos.
  • Optimización logística.
  • Soporte con IA.
  • Forecasting.
  • Herramientas internas para equipos.

Si vienes de marketing o growth:

  • Personalización.
  • Generación de contenidos.
  • Lead scoring.
  • CRM inteligente.
  • Experimentación con IA.

Si vienes de UX o research:

  • Conversational UX.
  • Evaluación de outputs.
  • Flujos con humano en el proceso.
  • Diseño de confianza y feedback.

Si vienes de datos o analítica:

  • Data products.
  • ML products.
  • Métricas de modelos.
  • Experimentación.
  • Herramientas para equipos internos.

No intentes venderte como PM de IA para todo. Es mejor decir: “Soy PM con experiencia en operaciones y quiero moverme a productos de IA para automatización y eficiencia en empresas B2B”.

Eso suena concreto.

Analiza 30 ofertas reales

Busca ofertas en LinkedIn, Otta, Wellfound, InfoJobs, Remote OK y páginas de empresas como BBVA, Telefónica, Inditex, Cabify, Glovo, Factorial, Typeform o TravelPerk.

Copia 30 ofertas en una hoja y marca:

  • Título del puesto.
  • Sueldo si aparece.
  • Requisitos repetidos.
  • Herramientas mencionadas.
  • Sector.
  • Nivel de seniority.
  • Idioma.
  • Tipo de producto.
  • Palabras clave.

Verás patrones. Por ejemplo:

  • “LLM”, “GenAI”, “RAG”, “prompt evaluation”.
  • “Product discovery”.
  • “Data-driven”.
  • “Experimentation”.
  • “Stakeholder management”.
  • “APIs”.
  • “Compliance”.
  • “B2B SaaS”.

Estas palabras deben entrar en tu CV si son reales para ti.

Resultado al día 15

Al terminar esta fase, deberías tener:

  1. Un target claro de roles.
  2. Una lista de 30 ofertas analizadas.
  3. Una lista de 20 palabras clave.
  4. Una frase de posicionamiento.

Ejemplo:

“Product Manager con 5 años en B2B SaaS y operaciones, enfocado en productos de IA para automatizar workflows, reducir tiempos manuales y mejorar la experiencia de equipos internos”.

Días 16 a 30: aprender IA aplicada sin caer en teoría infinita#

Ahora toca aprender lo justo para sonar serio y tomar mejores decisiones.

No necesitas estudiar como si fueras a entrenar modelos desde cero. Necesitas entender cómo se construyen productos con IA.

Temas que debes cubrir

Dedica estos 15 días a estos puntos:

  1. Fundamentos de machine learning.
  2. IA generativa y LLMs.
  3. Prompting básico y evaluación.
  4. RAG y bases vectoriales.
  5. APIs de modelos.
  6. Métricas de calidad.
  7. Riesgos y privacidad.
  8. Costes de inferencia.
  9. Limitaciones de modelos.
  10. Diferencia entre demo y producto en producción.

La diferencia entre demo y producto en producción es enorme. Una demo puede funcionar con 20 ejemplos. Un producto real necesita permisos, logs, monitorización, fallback, soporte y control de errores.

Mini glosario que debes dominar

Si te preguntan en entrevista, deberías poder explicar esto sin ponerte técnico de más:

  • LLM: modelo de lenguaje entrenado para procesar y generar texto.
  • Prompt: instrucción que guía la respuesta del modelo.
  • RAG: técnica para dar al modelo información de una base documental antes de responder.
  • Embedding: representación numérica de texto que ayuda a buscar similitudes.
  • Fine-tuning: ajuste de un modelo con datos específicos.
  • Hallucination: respuesta falsa o inventada con apariencia convincente.
  • Inference cost: coste de usar el modelo cada vez que responde.
  • Human in the loop: revisión humana en partes críticas del proceso.
  • Evaluation set: conjunto de ejemplos para medir la calidad del sistema.
  • Latency: tiempo que tarda el sistema en responder.

Ejercicio práctico

Elige una herramienta de IA que uses a diario, por ejemplo ChatGPT, Perplexity, Notion AI o un asistente de atención al cliente.

Analízala como PM:

  • ¿Qué problema resuelve?
  • ¿Quién es el usuario principal?
  • ¿Dónde falla?
  • ¿Qué métricas usarías?
  • ¿Qué riesgos tiene?
  • ¿Cómo mejorarías la experiencia?
  • ¿Qué necesitarías para llevarla a producción en una empresa?

Escribe una página. Eso luego puede convertirse en material de portfolio.

Días 31 a 45: construir tu primer caso de portfolio#

Aquí empieza lo que te separa de otros candidatos. Mucha gente dice “me interesa la IA”. Poca gente muestra pensamiento de producto aplicado a IA.

Tu primer caso no necesita ser una app perfecta. Debe demostrar criterio.

Caso recomendado: asistente interno para soporte

Imagina una empresa tipo Glovo o Cabify con miles de tickets de soporte.

Problema: los agentes tardan demasiado en encontrar respuestas en documentación interna.

Solución propuesta: asistente con IA que consulta una base de conocimiento y sugiere respuestas, con revisión humana antes de enviar.

Este caso permite hablar de IA sin meterte en un producto imposible.

Estructura del caso

Usa esta plantilla:

  1. Contexto

    • Empresa ficticia o inspirada en una real.
    • Tipo de usuario.
    • Problema actual.
    • Impacto en negocio.
  2. Problema

    • Tiempo medio de respuesta alto.
    • Agentes nuevos tardan en aprender.
    • Respuestas inconsistentes.
    • Baja satisfacción del cliente.
  3. Hipótesis

    • Si damos a los agentes un asistente que busca en documentación interna y sugiere respuestas, reduciremos el tiempo de resolución sin bajar calidad.
  4. MVP

    • Buscador semántico sobre documentación.
    • Resumen de políticas internas.
    • Sugerencia de respuesta.
    • Botón de feedback.
    • Revisión humana obligatoria.
  5. Métricas

    • Tiempo medio de primera respuesta.
    • Tiempo medio de resolución.
    • CSAT.
    • Tasa de uso por agente.
    • Porcentaje de respuestas editadas.
    • Tasa de escalado.
    • Errores detectados.
  6. Riesgos

    • Respuestas incorrectas.
    • Datos personales en prompts.
    • Documentación desactualizada.
    • Exceso de confianza del agente.
    • Coste por ticket.
  7. Plan de lanzamiento

    • Piloto con 20 agentes.
    • 2 países o mercados.
    • 4 semanas.
    • Comparación contra grupo control.
    • Revisión semanal de errores.
  8. Decisiones

    • No enviar respuestas automáticamente al cliente.
    • Mostrar fuentes usadas.
    • Registrar feedback.
    • Limitar acceso por permisos.

Este caso ya te da material para entrevista. No estás diciendo “hice un curso”. Estás pensando como PM.

Cómo presentarlo

Puedes hacerlo en Notion, Google Slides, Canva o Figma. Lo importante es que sea claro.

Incluye:

  • Una página resumen.
  • Un flujo simple.
  • Un roadmap de MVP.
  • Métricas.
  • Riesgos.
  • Aprendizajes.

Si quieres construir algo funcional sin programar mucho, puedes usar herramientas no-code o una demo simple con documentos públicos. Pero no te obsesiones con la tecnología. Para PM, el razonamiento pesa más.

Días 46 a 60: adaptar tu CV y LinkedIn a AI Product Manager#

A mitad del plan, ya debes empezar a parecer candidato real. Aquí toca reposicionar tu experiencia.

No inventes experiencia en IA si no la tienes. Traduce tu experiencia previa hacia problemas que los equipos de IA valoran.

Cambia tu titular profesional

Evita titulares genéricos como:

  • “Product Manager buscando nuevos retos”.
  • “Apasionado por la tecnología”.
  • “AI enthusiast”.

Mejor:

  • “Product Manager B2B enfocado en productos de IA, automatización y mejora de workflows”.
  • “PM con experiencia en operaciones, datos y automatización, transición a AI Product Management”.
  • “Product Manager especializado en discovery, métricas y productos con IA generativa”.

Reescribe tu resumen

Tu resumen debe responder tres cosas:

  1. Qué experiencia traes.
  2. Qué tipo de problemas sabes resolver.
  3. Por qué encajas en IA.

Ejemplo:

“Soy Product Manager con 5 años en productos B2B, especializado en mejorar workflows internos, reducir fricción operativa y lanzar MVPs medibles. En los últimos meses he enfocado mi perfil en productos de IA generativa, asistentes internos y automatización con humano en el proceso. Me interesa construir soluciones que reduzcan trabajo manual sin comprometer calidad, privacidad ni confianza del usuario”.

Ajusta tus bullets de experiencia

No escribas solo tareas. Escribe impacto.

Antes:

  • “Gestioné roadmap del producto”.
  • “Trabajé con equipos técnicos”.
  • “Hice análisis de usuarios”.

Después:

  • “Priorizé un roadmap de automatización que redujo tareas manuales del equipo de operaciones en un 22%”.
  • “Coordiné discovery con soporte, ventas e ingeniería para identificar workflows repetitivos y oportunidades de reducción de tiempo”.
  • “Definí métricas de adopción, calidad y eficiencia para medir el impacto de nuevas funcionalidades”.

Si no tienes números exactos, usa aproximaciones honestas o contexto:

  • “Reduje tiempos de revisión en torno a un 15%”.
  • “Mejoré la adopción semanal de una herramienta interna de 40% a 65%”.
  • “Lancé un piloto con 12 usuarios internos antes de escalar a toda el área”.

Palabras clave para ATS

Muchas empresas usan sistemas ATS para filtrar CVs. Si quieres pasar esos filtros, incluye términos reales de las ofertas.

Palabras clave útiles:

  • AI Product Manager.
  • GenAI.
  • LLM.
  • Machine Learning.
  • RAG.
  • Prompt evaluation.
  • Product discovery.
  • Product strategy.
  • Roadmap.
  • Experimentation.
  • A/B testing.
  • Data-driven product.
  • User research.
  • Stakeholder management.
  • Metrics.
  • MVP.
  • API.
  • Privacy.
  • Compliance.
  • Human in the loop.
  • Automation.
  • Workflow optimization.

No metas todas sin sentido. Úsalas donde encajen.

Días 61 a 75: networking y entrevistas informativas#

Aquí mucha gente se esconde detrás de “seguir aprendiendo”. Pero si quieres cambiar de rol, necesitas hablar con personas.

El mercado de Product Manager de IA en 2026 será competitivo. Las referencias y conversaciones directas pueden marcar diferencia.

A quién escribir

Busca perfiles como:

  • AI Product Managers.
  • Product Leads en equipos de IA.
  • Data Product Managers.
  • ML Product Managers.
  • Founders de startups de IA.
  • Recruiters de producto.
  • Hiring managers en empresas B2B SaaS.

Empresas interesantes para mirar:

  • BBVA, por productos financieros y datos.
  • Telefónica, por IA aplicada a red, atención y B2B.
  • Inditex, por supply chain, retail y personalización.
  • Cabify, por movilidad, pricing y operaciones.
  • Glovo, por logística, soporte y marketplace.
  • Factorial, por HR tech.
  • Typeform, por producto SaaS y automatización.
  • TravelPerk, por viajes corporativos y operaciones.

Mensaje simple para LinkedIn

No escribas un testamento. Algo así funciona mejor:

“Hola, Laura. Estoy haciendo una transición de Product Manager B2B hacia AI Product Management, con foco en asistentes internos y automatización de workflows. Vi que trabajas en productos con IA y me encantaría hacerte 3 preguntas rápidas sobre cómo estáis evaluando estos perfiles. ¿Te iría bien una llamada de 15 minutos?”

Si acepta, prepara preguntas concretas.

Preguntas buenas

  • ¿Qué diferencia a un buen PM de IA de un PM tradicional?
  • ¿Qué errores ves en candidatos que quieren entrar en AI PM?
  • ¿Qué conocimientos técnicos son realmente necesarios?
  • ¿Qué tipo de portfolio te parecería creíble?
  • ¿Qué métricas usáis para productos de IA?
  • ¿Cómo gestionáis hallucinations o errores?
  • ¿Qué casos de uso están recibiendo más inversión?
  • ¿Qué consejo darías a alguien con mi experiencia?

No pidas trabajo en la primera conversación. Pide contexto, aprende y deja buena impresión.

Objetivo de esta fase

Entre los días 61 y 75, busca:

  • 20 mensajes enviados.
  • 8 respuestas.
  • 4 llamadas.
  • 2 posibles referidos.
  • 1 mejora clara de tu CV basada en feedback.

Esto es suficiente para empezar a moverte.

Días 76 a 90: aplicar, practicar entrevistas y cerrar brechas#

Última fase. Aquí ya no estás “preparándote”. Estás compitiendo.

Tu meta no es aplicar a 200 ofertas con el mismo CV. Tu meta es aplicar bien a roles donde tu puente sea creíble.

Selecciona 25 ofertas

Divide tus aplicaciones:

  1. 10 roles ideales

    • Encajan con tu experiencia.
    • Piden IA aplicada.
    • Puedes adaptar tu portfolio.
  2. 10 roles puente

    • Product Manager con automatización, datos o plataforma.
    • No necesariamente “AI PM” en el título.
    • Pueden llevarte a IA desde dentro.
  3. 5 roles ambiciosos

    • Mejor sueldo.
    • Empresa internacional.
    • Mayor seniority.
    • Buen aprendizaje aunque no salga.

Roles puente importantes:

  • Product Manager, Automation.
  • Product Manager, Data Products.
  • Product Manager, Internal Tools.
  • Product Manager, Platform.
  • Product Manager, Search.
  • Product Manager, Recommendations.
  • Product Operations Manager con IA.
  • Growth Product Manager con GenAI.

A veces entrar como PM de automatización en una empresa con datos reales es mejor que perseguir un título perfecto.

Prepara respuestas de entrevista

Te van a preguntar cosas como:

“¿Por qué quieres pasar a AI Product Management?”

Respuesta floja:

“Porque la IA es el futuro y me interesa mucho”.

Respuesta mejor:

“Porque he trabajado varios años reduciendo fricción en workflows y veo que muchos equipos ya tienen procesos repetitivos donde la IA puede mejorar velocidad y calidad. Me interesa especialmente construir productos con IA donde el valor no sea solo generar texto, sino reducir tiempo operativo con métricas claras, control de errores y revisión humana cuando sea necesario”.

“¿Qué harías para lanzar un asistente con IA para soporte?”

Estructura:

  1. Entender usuarios y tipos de tickets.
  2. Revisar documentación y calidad de datos.
  3. Definir casos de uso seguros.
  4. Crear MVP con fuentes visibles.
  5. Piloto con agentes.
  6. Medir tiempo, calidad y satisfacción.
  7. Revisar errores antes de escalar.
  8. Controlar privacidad y permisos.

“¿Qué métricas usarías?”

No digas solo “accuracy”. Mezcla métricas de producto, negocio y calidad:

  • Adopción.
  • Retención de uso.
  • Tiempo ahorrado.
  • Tasa de resolución.
  • CSAT.
  • Tasa de edición.
  • Tasa de errores.
  • Coste por interacción.
  • Latencia.
  • Escalados.
  • Quejas o incidentes.

“¿Cuándo no usarías IA?”

Buena respuesta:

“No usaría IA si el problema se resuelve con reglas simples, si no hay datos suficientes, si el coste por uso supera el valor generado, si el riesgo legal es alto o si el usuario necesita una respuesta determinista y auditada. Primero validaría si el problema es real y si una solución más simple puede resolverlo”.

Practica casos de producto con IA

Haz simulaciones de 30 minutos. Usa prompts como:

  • Diseña una herramienta de IA para reducir churn en una empresa SaaS.
  • Lanza un asistente para gestores comerciales en BBVA.
  • Mejora la atención al cliente de Telefónica con IA.
  • Diseña recomendaciones para Inditex online.
  • Reduce tiempo de resolución de incidencias en Cabify.
  • Mejora la asignación de repartidores en Glovo.

En cada caso, sigue la misma estructura:

  1. Clarificar objetivo.
  2. Definir usuarios.
  3. Identificar problema.
  4. Proponer solución.
  5. Explicar datos necesarios.
  6. Medir éxito.
  7. Gestionar riesgos.
  8. Diseñar MVP.
  9. Plan de lanzamiento.

La estructura te salva cuando te pones nervioso.

Qué cursos y recursos sí merecen la pena#

No necesitas coleccionar certificados. Pero algunos recursos te pueden dar base rápida.

Busca cursos o materiales sobre:

  • Product management para IA.
  • Machine learning para perfiles no técnicos.
  • LLMs y aplicaciones con RAG.
  • Experimentación y métricas.
  • UX de productos con IA.
  • Regulación y riesgos de IA.

Plataformas como Coursera, DeepLearning.AI, Reforge, Maven, Product School o incluso documentación de OpenAI, Anthropic y Google pueden ayudarte.

Mi consejo: por cada 3 horas de curso, dedica 2 horas a producir algo visible. Un resumen, una teardown, un caso de portfolio, una mejora de CV o una simulación de entrevista.

Aprender sin producir no cambia tu empleabilidad.

Errores comunes al intentar cambiar a AI Product Manager#

Hay patrones que queman tiempo. Evítalos.

1. Intentar parecer data scientist

No compitas contra personas que llevan años entrenando modelos. Compite desde tu valor: producto, usuarios, negocio, priorización y ejecución.

2. Hablar de IA de forma genérica

“Me interesa la IA” no dice nada. Mejor habla de casos concretos:

  • Automatizar soporte interno.
  • Reducir tiempos de revisión.
  • Mejorar búsqueda documental.
  • Personalizar onboarding.
  • Detectar anomalías.
  • Recomendar acciones a equipos comerciales.

3. No entender riesgos

Si solo hablas de beneficios, pareces junior. Un buen AI PM habla de errores, privacidad, sesgo, coste, confianza y seguridad.

4. Crear un portfolio demasiado técnico

No necesitas clonar ChatGPT. Necesitas mostrar pensamiento de producto: problema, usuario, métricas, trade-offs, MVP, riesgos.

5. Aplicar sin adaptar el CV

Un CV genérico de PM compite mal contra perfiles que ya usan palabras clave de IA. Adapta cada versión según la oferta.

6. Ignorar roles puente

Quizá tu primer paso no sea “Senior AI Product Manager”. Puede ser PM de plataforma, PM de automatización o PM de producto interno en una empresa con iniciativas de IA.

Ese movimiento puede abrirte la puerta en 6 a 12 meses.

Tu checklist final de 90 días#

Si haces esto bien, al final deberías tener:

  • Una frase clara de posicionamiento.
  • 30 ofertas analizadas.
  • 20 palabras clave relevantes.
  • Base sólida en LLMs, RAG, métricas y riesgos.
  • 2 casos de portfolio.
  • CV adaptado a AI PM.
  • LinkedIn reposicionado.
  • 20 contactos nuevos.
  • 4 entrevistas informativas.
  • 25 aplicaciones bien seleccionadas.
  • Respuestas preparadas para preguntas clave.
  • Práctica con 5 casos de producto con IA.

No necesitas tenerlo perfecto. Necesitas tener suficiente tracción para entrar en conversaciones.

Cómo se ve una transición realista#

Una ruta normal podría ser:

  1. Mes 1: aprender fundamentos y enfocar tu perfil.
  2. Mes 2: crear portfolio y actualizar CV.
  3. Mes 3: networking, aplicaciones y entrevistas.
  4. Mes 4 a 6: conseguir rol puente o AI PM junior/mid.
  5. Mes 6 a 12: ganar experiencia real con datos, usuarios y modelos en producción.

Si ya eres PM senior, quizá puedas saltar más rápido. Si vienes de otra función, puede que necesites un rol puente.

Lo importante es no vender humo. Vende criterio, estructura y aprendizaje rápido.

Cierre: tu ventaja no es saberlo todo#

En 2026 habrá muchísima gente diciendo que quiere trabajar en IA. Tu ventaja será demostrar que sabes convertir IA en producto real.

Eso significa entender usuarios, decidir qué no hacer, medir impacto, controlar riesgos y comunicarte bien con equipos técnicos y de negocio.

Si haces el plan de 90 días con disciplina, no serás “una persona curiosa por la IA”. Serás alguien con una narrativa clara, casos concretos y un CV que conecta con lo que buscan las empresas.

Antes de empezar a aplicar, revisa si tu CV está preparado para pasar filtros ATS y sonar relevante para roles de AI Product Manager. Puedes hacerlo gratis aquí: comprueba tu CV con el ATS checker de JobRise.

Envíaselo a quien tenga la entrevista esta semana.