Как ИИ меняет управление продуктами

Перевод статьи Reforge о том, как ИИ меняет обязанности менеджера по продукту. Работа менеджера над продуктом сводится к трём основным обязанностям: понимать проблемы клиентов, расставлять приоритеты в решении проблем и содействовать их решению. ИИ не меняет эти основные обязанности, но фундаментально меняет способ их выполнения.

Привет! Меня зовут Влад Прошинский, 9 лет запускаю и развиваю ИТ продукты в роли от Product Manager до CPO. Последние 2.5 года изучаю как ИИ и LLM могут быть применимы в продуктах и бизнес-процессах.

1. ИИ расширяет как пространство проблем, так и пространство решений
2. Необходимо рассмотреть проблемы, которые ранее считались неразрешимыми
3. Решения, которые ранее были невозможны, становятся практичными.

Это означает, что ваш подход к пониманию, расстановке приоритетов и содействию должен измениться. И последствия будут колоссальными. Когда продукты и функции ИИ находят отклик у клиентов, они вызывают большой отклик.

Cursor выросла с 1 миллиона долларов до 100 миллионов долларов за 12 месяцев. Это делает их самой быстрорастущей SaaS-компанией всех времен . И хотя это может показаться исключением, за последний год наблюдается тенденция к взрывному росту SaaS-компаний на базе ИИ. Lovable выросла с 0 до 10 миллионов долларов за 60 дней, а Bolt достигла 40 миллионов долларов за пять месяцев. Это совершенно новые компании, но существующие компании, запускающие функции ИИ, пользуются тем же успехом. Figma, Canva и Descript выделяются как компании, быстро растущие благодаря функциям на базе ИИ (по данным Ramp's Economic Lab ).

Ставки на ИИ, похоже, асимметричны: либо впечатляющие результаты, либо ничего. Ваша роль как премьер-министра может иметь решающее значение.

Вычислительные задачи включают задачи, для которых можно запрограммировать правила. Задачи обучения включают задачи, которые сложно выразить в коде, но ИИ может учиться на примерах.

Эта эволюция важна, поскольку каждая эпоха меняла возможности создания продуктов. Сейчас мы живём в эпоху, когда ИИ может решать задачи, которые раньше были невозможны, поскольку для них нельзя было написать чёткие правила.

Как меняются три основные обязанности менеджеров по продукту: проблемы клиентов, определение приоритетности решения проблем и содействие решению этих проблем.

ИИ не просто помогает решать существующие проблемы, он расширяет круг решаемых задач. Это означает, что ваше пространство задач больше не ограничено старыми ограничениями.

В то же время ИИ позволяет менеджерам проектов собирать гораздо больше качественных данных о клиентах с помощью записей звонков, заявок в службу поддержки и разговоров с чат-ботами. Это хорошо, но означает, что вам придётся анализировать огромное количество разрозненных данных.

Многие клиенты не знают, что нужно просить решения, которые они считают невозможными. Часть работы — выявить проблемы, которые они считают неразрешимыми, и определить, делает ли ИИ их жизнеспособными.

Например, функции искусственного интеллекта Canva позволяют любому человеку создавать видео и графику профессионального качества с помощью простых промптов. Препятствие к созданию высококачественного визуального контента не просто снизилось, а фактически исчезло во многих случаях. Клиенты Canva всегда хотели более простые и быстрые способы создания дизайнов, но сколько из них активно просили об этом до запуска Canva? Canva взяла за основу распространённую проблему и предложила мощное решение.

Ожидания ваших клиентов формируются каждым потребительским приложением, которое они используют, а не только корпоративными инструментами B2B. Они нетерпимы к неудобным приложениям, особенно когда постоянно сталкиваются с отличными потребительскими программами. ChatGPT — хороший пример. Он делает ИИ таким простым и доступным и широко используется. Он устанавливает планку простоты использования ИИ во всех остальных продуктах, используемых клиентами.

Кроме того, ожидания клиентов меняются не постепенно, а резко возрастают с появлением новых технологических возможностей.

Вам необходимо отслеживать изменения ожиданий во всех категориях программного обеспечения, а не только в вашем конкурентном наборе. Например, клиент, использующий ИИ-помощь в специализированном инструменте для письма, таком как Lex, начнёт ожидать аналогичных возможностей везде, где он пишет, даже в универсальных инструментах, таких как Notion, Asana и ClickUp.

Большинство компаний до сих пор подходят к исследованиям клиентов так, будто на дворе 2015 год. Ваша команда вручную собирает отзывы клиентов из разных источников ежемесячно или ежеквартально. Кто-то просматривает заявки в службу поддержки, чтобы выявить темы. Кто-то делает то же самое с расшифровками звонков. Каждая команда находит возможности, но это требует много ручной работы.

Такой подход создает четыре основные проблемы:

В результате команды разработчиков получают отложенные, некорректные данные, на основе которых сложно что-либо предпринять. Инструменты ИИ напрямую устраняют каждое из этих ограничений:

Искусственный интеллект отлично справляется со сбором и анализом большого количества разрозненных данных, поэтому используйте его. Это облегчит вам жизнь и откроет множество возможностей для создания большей ценности для ваших пользователей.

Большинство структур приоритизации продуктов рассматривают четыре измерения:

ИИ привносит новые факторы в каждый элемент расстановки приоритетов, что кардинально меняет ваш подход к оценке того, что строить дальше.

Решения, которые когда-то были слишком сложными или технически невозможными, становятся достижимыми. Такие инструменты, как Cursor или Claude Code, делают генерацию сложного кода возможной, меняя подход к определению приоритетности функций. Функции, на которые раньше уходили месяцы, теперь разрабатываются за несколько недель.

Традиционный вопрос «Можем ли мы это построить?» превращается в «Стоит ли нам это строить?». Такой сдвиг означает, что процесс расстановки приоритетов должен учитывать гораздо более широкий набор возможных решений.

Масштабная персонализация ИИ означает, что некоторые проблемы становятся более серьёзными, чем когда-либо прежде. Искусственный интеллект Spotify подбирает музыку под индивидуальные вкусы в режиме реального времени, превращая персонализацию в стратегический приоритет, а не просто приятный бонус.

То же самое относится и к Duolingo, где искусственный интеллект (ИИ) оценивает сложность курсов для каждого пользователя в режиме реального времени. Система может сделать уроки проще, если пользователь испытывает трудности, или сложнее, если ему нужно бросить вызов. Качественное исследование клиентов показало бы, что некоторые пользователи испытывают трудности, когда уроки становятся слишком сложными. Менеджеры по продуктам Duolingo осознали, что распространённую проблему наконец-то можно решить способом, который до недавнего времени был невозможен. В этом случае пользователи даже не поймут, что ИИ её решил. Это просто улучшит их взаимодействие с приложением.

ИИ вносит такие риски, как галлюцинации, предвзятость и дезинформация, которых не существовало в традиционной разработке программного обеспечения. Что произойдёт, если ИИ совершит ошибку? Как вы справитесь с предвзятостью в результатах ИИ? Каковы нормативные последствия использования функций на основе ИИ? Эти риски требуют новых критериев оценки в вашей системе приоритетов.

Вам также следует учитывать, где ваши клиенты действительно хотят использовать ИИ, а где нет. Изображения Canva, сгенерированные ИИ, и улучшенные курсы Duolingo — очевидные преимущества, но каждый из ваших пользователей сталкивался с неудобными функциями ИИ в некоторых продуктах, которые они используют. Опрос ZDNET/Aberdeen показал, что многие пользователи устали от навязывания ИИ в своих продуктах:

Добавление случайных функций ИИ, которые людям не нужны, — это риск. Не стоит подрывать лояльность клиентов, особенно если ваши конкуренты ищут способы создания новой ценности или привлечения новых клиентов с помощью ИИ, а не просто добавляют его к существующему опыту.

ИИ может как увеличивать, так и уменьшать расходы в зависимости от использования модели, масштаба и сложности. Бесплатная функция LinkedIn по созданию описаний вакансий с помощью ИИ очень удобна для пользователей, но она настолько проста в использовании, что без должного контроля может обойтись LinkedIn в целое состояние. Небольшие оптимизации в подсказках или выборе модели могут сократить годовые расходы на миллионы.

В отличие от традиционной разработки, где затраты относительно предсказуемы, затраты на ИИ могут непредсказуемо расти по мере использования. Функция, которая кажется экономически эффективной при небольшом объёме, может стать чрезмерно дорогой при масштабировании.

Джим Барксдейл как-то сказал: «Мне известны только два способа зарабатывать деньги в бизнесе: объединение и разделение». Мы находимся в фазе объединения, и возможности ИИ позволяют компаниям расширяться, охватывая смежные функции.

Покупатели бизнес-услуг всё чаще отдают предпочтение инструментам, объединяющим несколько функций, что сокращает количество взаимоотношений с поставщиками.

Система приоритетов должна включать новые соображения:

Пересмотрите свою текущую дорожную карту, используя эти расширенные критерии в этом месяце. Обновите свою систему приоритетов, включив в неё факторы, связанные с ИИ, при расчёте осуществимости, воздействия, рисков и затрат.

Благодаря значительному смягчению технических ограничений появился новый набор возможностей. Запредельно сложные или дорогостоящие решения можно реализовать одним вызовом API.

Новый вопрос: «Что стоит создавать?» — самое радикальное изменение, которое ИИ вносит в роль менеджера по продукту, и, вероятно, к нему сложнее всего адаптироваться.

ИИ действительно хорош в написании кода, а это значит, что время разработчиков теперь не так ограничено, как раньше. Решение о том, что разрабатывать, всегда было важным, но мысль о «пустой трате» ограниченных ресурсов разработки уже не так актуальна. Можно подумать о том, что нового можно реализовать, когда «узкое место» в разработке станет менее интенсивным.

Некоторые проблемы клиентов было слишком сложно решить, поэтому их так и не решили. Некоторые проблемы были дорогими, поэтому их не создавали. Некоторые проблемы были очевидны, но решения были настолько сложными, что вы не решали их.

Подобно тому, как многие компании «внедряют» ИИ, обеспечивая 10%-ный рост производительности , первая волна функций продуктов на основе ИИ была поверхностной: набор ИИ-помощников с неясным ценностным предложением, подобно Clippy в Microsoft Office 97. Теперь, когда большинство людей осознают преобразующий потенциал ИИ, некоторые компании используют ценность для клиентов как призму для анализа того, что следует развивать.

В каждом случае продукт не просит клиента использовать ИИ, а добавляет новую ценность, опираясь на новые доступные решения.

Так много компаний внедряют новые функции, что у вас, вероятно, появятся новые конкуренты. Запись звонков и создание заметок — хороший пример сферы, которая буквально за одну ночь превратилась из неприметной в опасную.

Fathom, Grain, Otter и несколько других специализированных инструментов помогают людям делать заметки уже пять лет. В то же время появились такие инструменты, как Gong, которые позволяют накладывать контекст и анализ на определённый тип звонков (продаж). Затем каждая CRM-система выпустила функцию записи звонков и создания заметок. Недавно Granola представила новый подход к этой функции. Затем ChatGPT и Notion сделали тоже самое.

Технология превратилась в массовый продукт, но каждая из этих компаний считает запись звонков жизненно важной функцией. Почему? Данные добавляются к растущей «памяти» каждого инструмента, и это один из немногих способов построить ров.

Рынок в хаосе: за одно и то же место в ваших звонках в Zoom конкурируют несколько типов компаний. Это происходит во всех категориях. Инструмент управления проектами добавляет создание контента на основе ИИ, конкурируя с контент-платформами. CRM-система добавляет финансовый анализ на основе ИИ, конкурируя с инструментами бизнес-аналитики. Платформа электронной коммерции добавляет службу поддержки клиентов на основе ИИ, конкурируя с программным обеспечением поддержки..

Все это создает стратегические вопросы для вашей дорожной карты:

Ответ зависит от вашей позиции на рынке. Опытные игроки с прочными отношениями с клиентами могут выиграть от объединения функций ИИ. Новые компании могут добиться успеха, сохраняя специализацию и преуспевая в одном направлении, используя ИИ.

На этой неделе проведите аудит вашего текущего плана развития продукта. Определите функции, которые были «невозможны» 12 месяцев назад, но теперь реализуемы. Сосредоточьтесь на возможностях создания ценности, а не только на повышении эффективности.

Изучайте сами возможности ИИ, а не только продукты, созданные с его помощью. Ищите неисследованные применения существующих возможностей ИИ, которые могут создать новую ценность для клиентов. Создайте процесс регулярного анализа того, что стало возможным благодаря новым возможностям ИИ.

Проведите новый анализ конкурентов, чтобы увидеть, кто может проникнуть на вашу территорию и в чью сферу деятельности вы могли бы расшириться.

Худший сценарий для продакта — неспособность адаптироваться, несёт очевидный риск для карьеры, но также ставит под угрозу и компании, в которых они работают.

GitHub Copilot набрал 15 млн. MAU c 2022, а затем появился Cursor. Практически сразу доля рынка GitHub Copilot пошатнулась. Cursor активно работал с PLG и легко интегрировался в большинство стеков. Пользователи внедряли его с невероятной скоростью. Теория прорывных инноваций Клея Кристенсена воплотилась в жизнь.

В июне 2025 года Ара Харазян, руководитель экономической лаборатории Ramp, написал в X:

Не каждая компания подвержена риску немедленного провала соответствия продукта рынку, но ИИ делает даже самые надёжные продукты с рыночным соответствием немного шаткими. Раньше это происходило достаточно медленно, чтобы можно было заметить и отреагировать. Теперь же технологии и ожидания клиентов меняются так быстро, что некоторые компании застревают на месте.

Некоторые факторы, которые следует оценить, включают:

И следите за этими ранними предупреждающими признаками краха соответствия продукта рынку:

Создавайте возможности ИИ, которые дополняют, а не заменяют ваше основное ценностное предложение. Сосредоточьтесь на использовании ИИ для улучшения результатов для клиентов, а не только для автоматизации существующих процессов.

Проведите аудит уязвимостей в этом месяце. Сопоставьте свои основные функции с вопросом: «Что произойдёт, если пользователи больше не захотят выполнять эту работу самостоятельно?» Найдите проблемы, которые стали решаемыми за последние 12 месяцев, и отдайте приоритет возможностям, создающим новую ценность для клиентов, а не просто повышению эффективности.