Роль PM умирает в эпоху ИИ?
Скорее она расщепляется: крут не тот, кто лучше пишет PRD, а тот, кто умеет быстрее строить, тестировать и принимать решения по реальности, а не по согласованиям.
Из чего складывается скорость в контексте роли PM с ИИ?
1. Data
Есть накопленная и структурированная база, с которой ИИ может работать:
- Инфа о компании, продукте (а не хаос в Confluence)
- БД с логами, куда ИИ может ходить (ему это не запрещено)
- Настроена интеграция с Jira / Linear (ИИ нужна канбан-доска)
- Собрано 90% компонентов в дизайн-системе в Figma/HTML
- Чёткие цели (ИИ умеет достигать целей после релиза /goal)
- И т.п.
2. Прототипы
У вас есть база фреймворков для сборки прототипов / MVP / PoC (GSD, Superpowers и т.п.)
3. MVP
Есть готовые плагины / фреймворки / skills для работы, которые позволяют ускорять каждый участок работы.Можете отдекомпозировать: «каким делать агента / agentic workflow, а что позже?»
4. Спеки
Вам не нужен бизнес-аналитик / системный аналитик / продуктовый аналитик.80% их работы вы уже научились автоматизировать с помощью ИИ:
- Пишет понятную спеку для агента
- Проектирование A/B-тестов
- Написание аналитической записки для рук-ва
- Разбор логов, извлечение данных из БД
- Написание спек / ТЗ / БФТ / PRD
- И т.п.
5. Майндсет продакта
Обновленный майндсет за счет практики и экспериментов за те 2–3 года, которые ИИ уже активно развивается.У вас должно быть сформировано мышление, чтобы вы могли разложить хаос в строимую систему.
6. Коммуникации
ИИ сжимает координацию, письма, статусы и мониторинг почти до нуля.Вы больше не пишите письма, а наговариваете + ИИ стилизация под вас + подход к каждому сотруднику под его психотип / Hogan / MBTI (писал об этом).
7. Процессы
Вы оператор и проектируете рабочие процессы под LLM-driven:
вход → модель → выход → петля обратной связи
И координируете агентов как коллег:назначить → проверить → слить
9. Evals
Вы рассуждаете о задержках, стоимости токенов и качестве как о продуктовых решениях.
10. Экономика
Вы уже знаете, что SLOP не продается, а потому не бежите что-то вайбкодить сломя голову, как 90% спецов сейчас.
11. Жизненный цикл
Вы понимаете, что должно быть на каждом этапе зрелости:прототип → пилот → прод
И что каждый этап имеет свой confidence на успех в метриках.И не стремитесь его перепрыгнуть.
12. Целеполагание
Вы понимаете, как решение встроится в текущий бизнес / бизнес-процесс.
(Сюрприз: 80% не встраиваются (!), хотя решают важную задачу)
Люди должны получать существенно больше пользы в сравнении со старым решением, иначе churn стремится к 0.
13. Безопасность
Проектируя публичные ИИ-решения, вы руководствуетесь:
- DLP-политиками
- Требованиями ФСБ к обработке и хранению PII
Ещё лучше, если понимаете, как выстроить систему guardrails:
- input
- action
- output
Чтобы защититься от:
- jailbreak
- prompt injection
- tool hijacking
13. Стратегия
Так как ты кожаный мешок и можешь много чего забыть / не учесть, ты понимаешь, что ИИ сильно лучше в этом, если имеет достаточно контекста.
ИИ ведёт диалог-интервью с тобой, пока не сгенерирует полный strategy.md.
14. Планирование
Ты не планируешь.Ты управляешь планированием:
co-ideate / co-brainstorm / co-plan
Автоматически генерирует все тикеты и пушит их прямо в Linear.
15. Мониторинг
Ты не смотришь в дашборды, ты реагируешь на изменения:
- По крону в 8 утра автоматически приходит 1-page отчёт о пульсе продукта
- Аномалии в данных помечаются автоматически
Если это начать делать, то PM перестает быть человек-процесс / говорун / выскочка и прочие высказывания, которые я слышал о продактах от коллег, кто «делает реальный результат».