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».