Tiempo de lectura: 7 minutos
Un Product Owner puede delegar hoy en la IA trabajo que hace dos años era impensable: desglosar épicas, redactar criterios, clasificar cientos de comentarios, preparar una release note. Son horas que vuelven a tu semana — y justo por eso conviene tener clarísima la lista contraria: qué no se delega nunca, por muy bueno que sea el borrador.
Vamos con cada una y con el punto exacto donde se cruza la línea, sobre el caso que usamos en formación: GymTonic, una cadena de gimnasios, y GymApp, su app de socios, con Nuria como Product Owner.
1. La decisión final de prioridad
La IA puede prepararte una matriz de valor/esfuerzo, un borrador de WSJF, una lista de trade-offs y hasta un orden sugerido. Eso es trabajo real y te ahorra la parte tediosa de llegar a la reunión con los argumentos ordenados.
Lo que no puede hacer es firmar ese orden. Priorizar no es puntuar: en GymApp, Nuria sabe que el equipo viene de dos sprints duros y no aguanta otra épica de infraestructura, y que Marta —la directora general— tiene una apuesta para el trimestre que aún no está escrita en ningún sitio. Nada de eso está en la matriz.
Nadie acepta "lo decidió el chat" como respuesta cuando se le dice que no a su petición.
Dónde está la línea, en concreto: pedirle "prepárame la matriz de valor/esfuerzo de estas 8 épicas y los trade-offs de cada una" está bien. Pedirle "ordena tú mi backlog del próximo trimestre" y llevar ese orden tal cual, no. Si quieres el marco completo de cómo priorizar con criterio, está en agilidad de negocio: cómo priorizar.
2. La conversación con un stakeholder real
Esta es la que más tentación genera, porque escribir mensajes incómodos cuesta. El equipo de Operaciones de GymTonic insiste en que el aforo de la app refleje los cambios que hacen a mano en recepción, y eso no cabe en la próxima release. La IA te redacta en diez segundos una respuesta impecablemente diplomática.
Pero la conversación no era sobre las palabras: era sobre leer si está molesto de verdad o solo cubriéndose, entender qué presión tiene encima y reconstruir la confianza. Nada de eso pasa en un prompt.
Dónde está la línea: usar la IA para preparar la conversación —ensayar objeciones, ordenar tus argumentos, anticipar preguntas— es excelente. Que la IA tenga la conversación por ti, no. Y ojo con un detalle nada menor: mandar un mensaje generado por IA sin revisarlo, con ese tono neutro reconocible, comunica exactamente lo contrario de lo que pretendías.
3. La visión y la estrategia de producto
Hacia dónde va tu producto es una apuesta que tomas tú, con tu equipo y tu dirección. Un LLM te dará un texto de visión estupendo, pero construido con los patrones de mil productos parecidos, no con lo que tú sabes de tu mercado y de las conversaciones que has tenido este año. Y hay un riesgo silencioso: una visión generada suena tan razonable que cuesta discutirla — y una visión que nadie discute no es una apuesta, es una diapositiva.
Dónde está la línea: que la IA critique tu visión ("¿qué supuestos estoy dando por hechos aquí?", "¿qué le falta a esta visión para ser accionable?") es de los mejores usos que le puedes dar. Que la escriba desde cero, no. Si quieres bajar esa estrategia a objetivos medibles, cómo crear OKR de producto con IA va exactamente de eso.
4. La accountability del valor
Si una funcionalidad se construye y no mueve la aguja, la responsabilidad es tuya. No de la IA que sugirió el desglose, ni del modelo que clasificó el feedback. El nombre al pie del resultado es el tuyo.
Parece obvio, pero se erosiona por acumulación: si el borrador de historias lo hizo la IA, los criterios los propuso la IA y el análisis lo montó la IA, es fácil que nadie —tú incluido— sienta que decidió nada. Ahí aparecen las features que nadie sabe explicar por qué se construyeron.
Si no puedes explicar con tus palabras por qué esta historia entró al sprint, no la has priorizado tú.
Dónde está la línea: delegar una tarea nunca traslada la responsabilidad del resultado. El antídoto práctico: exígete poder defender cada decisión sin mencionar a la IA. Si no puedes, es que no la has tomado. En esa línea, Generar código con IA es fácil; crear impacto, no tanto.
5. Cualquier dato confidencial o personal sin un canal aprobado
La única de las cinco que además tiene consecuencias legales. Pegar en un chat gratuito la ficha de un socio de GymTonic —con su email, su histórico de pagos o cualquier dato de salud del alta— no es una imprudencia menor: es un tratamiento de datos personales, con todo lo que implica el RGPD, y desde 2025 el EU AI Act añade sus propias obligaciones.
Dónde está la línea: anonimiza antes de pegar (quita nombres, emails, identificadores) y usa una herramienta con plan de empresa y contrato de encargo del tratamiento, no la versión gratuita. Tenemos la explicación completa —pirámide de riesgo del EU AI Act incluida— en legalidad de la IA en la empresa: RGPD, EU AI Act y gobernanza, y si tu organización aún no tiene reglas escritas, la plantilla de política de uso de la IA en la empresa es un .docx editable listo para llevar a aprobar.
La tabla que resume la frontera
Casi todas las tareas de un PO tienen una versión delegable y una que no. Es la misma tarea, cambiando quién decide:
| Tarea | Sí se delega (borrador) | No se delega (decisión) |
|---|---|---|
| Priorizar | Matriz valor/esfuerzo, trade-offs, orden sugerido | El orden final y el "no" al stakeholder |
| Stakeholders | Preparar argumentos, ensayar objeciones | Tener la conversación |
| Visión | Criticar supuestos, detectar huecos | La apuesta y su porqué |
| Backlog | Desglosar épicas, redactar criterios | Qué entra, qué se queda fuera |
| Datos de usuarios | Analizar datos anonimizados | Exponer datos personales sin canal aprobado |
Si te fijas, la columna izquierda es siempre producir, y la derecha siempre decidir y responder. Esa es toda la regla.
Cómo se aplica en la práctica
La lista no sirve si hay que pararse a consultarla; la idea es reconocer la línea al vuelo. Ayuda un hábito simple: antes de aceptar un output, pregúntate si estás aceptando un borrador o una decisión. Si es un borrador, revísalo y quédate con lo que sirve. Si es una decisión —un orden de prioridad, un mensaje a una persona, una apuesta—, tómala tú, aunque partas de lo que preparó la IA.
La IA puede escribir el borrador de casi cualquier cosa. Decidir, negociar, apostar y responder por el resultado sigue siendo trabajo de Product Owner.
Y una comprobación honesta: si al aplicar esto ves que la IA apenas te ahorra trabajo, el problema no es la frontera sino el método — empieza por 5 prompts de IA que potencian a un Product Owner o por la biblioteca de prompts para PO, gratis.
Por dónde seguir
Si quieres ubicar en qué parte del rol tienes hoy el hueco más grande, el test ¿qué tipo de PO eres? tarda un par de minutos.
Si buscas certificación oficial de Scrum.org con IA en el temario, los cursos en directo Professional Scrum Product Owner con IA (PSPO-AI) y Professional Scrum Master con IA (PSM-AI) cubren estas fronteras desde el marco de Scrum — próximas fechas en la barra lateral. ¿El reto no es tu backlog sino decidir qué medir? Métricas de producto: del output al outcome.
Recursos relacionados
- Legalidad de la IA en la empresa: RGPD, EU AI Act y gobernanza
- Qué debe saber un Scrum Master sobre legalidad y ética de IA
- 5 prompts de IA que potencian a un Product Owner
- 7 hábitos de Product Owners altamente efectivos
- Generar código con IA es fácil; crear impacto, no tanto
- Plantilla de política de uso de la IA en la empresa — .docx editable
- Biblioteca de prompts para Product Owners — gratis