91% продуктовых менеджеров используют ИИ - IT Speaker, новости информационных технологий

91% продуктовых менеджеров используют ИИ

Редакция

10:30 / 09 сентября 2026

ИИ стал частью повседневной работы большинства продуктовых менеджеров: 91% опрошенных применяют его хотя бы несколько раз в неделю. Еще 69% называют ИИ одним из направлений своего профессионального развития. Об этом стало известно из исследования партнеров devcrowd и «Контур». Редакция IT Speaker ознакомилась с результатами. 

Фотография freepik

«ИИ обеспечивает быструю и автономную проверку продуктовых гипотез. Чтобы проверить продуктовую гипотезу, больше не нужно ждать разработчиков, которые напишут лендинг, дизайнеров, которые сделают его привлекательным, аналитиков, которые соберут информацию о лидах, спросе и реакции рынка. Можно самому быстро навайбкодить лендинг продукта, посмотреть на реакцию, и если продукт действительно нужен рынку, то можно тратить на него более существенные ресурсы. Это быстро и не требует ни технических знаний, ни привлечения других специалистов. Дешево, быстро, автономно», – рассказал IT Speaker Александр Лебедев, старший разработчик систем искусственного интеллекта Innostage. 

Несмотря на стремительное развитие и массовость применения ИИ, уровень зрелости использования технологий пока различается. Более половины опрошенных используют ИИ для отдельных задач без единой системы, около трети интегрируют его в рабочие процессы. 

«Точечно – потому что это кратчайший путь к результату. Не нужны бюджет, согласования и отдельный проект: можно открыть чат с моделью, вставить выгрузку отзывов – через полчаса у вас результат, на который раньше уходила неделя аналитика. Эффект виден в тот же день, риск почти нулевой. Так ИИ живет в большинстве команд, как спорткар, на котором ездят только за хлебом в соседний магазин», – прокомментировала руководитель направления «Перспективное ПО» в «Системном софте» Елизавета Колодежанская. 

Эксперт добавила, что внедрение ИИ в процессы компании – это целый проект: сбор и чистка данных, переписывание регламентов, разграничение доступов, расчет бюджета и контроль решений. Барьеры – это почти всегда сырые данные, непрозрачные процессы, требования безопасности, размытая ответственность. 

Алексей Какунин, идеолог продукта «Инкоманд», генеральный директор ЕМДЕВ, отметил, что причина точечного использования ИИ заключается в том, что ИИ не воспринимают как часть продуктового контура. Поэтому, чтобы перейти к системной работе, недостаточно просто купить доступ к модели, нужно перестроить процессы, дать ИИ доступ к данным и научиться встраивать его в принятие решений. При этом главный барьер сегодня – это дефицит не технологий, а продуктовых практик их применения. 

Егор Апрельский, CTO в coMind (архитекторы AI-native), согласился, что технологическая часть сегодня самая простая, и добавил, что существуют еще несколько барьеров, мешающих переходу к системной интеграции: 

  • контекст: чтобы ИИ работал как сотрудник, ему нужен доступ к данным: документам, метрикам, тикетам, обратной связи клиентов. Без этого он – умный собеседник, которого каждый раз приходится вводить в курс дела;

  • безопасность: продакт не может отправлять клиентские данные в публичный чат, а одобренных корпоративных каналов во многих компаниях пока нет;

  • неописанные процессы: делегировать агенту можно только формализованную задачу, а в большинстве команд процессы живут в головах и переписках. 

По мнению Ильи Лысенко, Data Science Product Lead в Hybrid, точечное использование – это не признак незрелости, а нормальная стадия. Продакт получает выгоду там, где сам может оценить результат: черновик описания, конспект интервью, разбор обратной связи. Как только ИИ встраивают в постоянный процесс, появляется вопрос: как отличать хороший результат от плохого, не перепроверяя каждый вручную. 

Богдан Загребельный, основатель и генеральный директор внешнего продуктового офиса devять it, рассказал IT Speaker, что точечное использование ИИ в работе – это лишь другой класс работы. В качестве личного инструмента продакта ИИ почти не требует организационного доверия, так как ошибку видит тот же человек, который получил ответ модели, и цена ошибки обычно остаётся в пределах его черновика. 

Системная интеграция же начинается там, где выход модели попадает в общий рабочий процесс – в бэклог, оценку, аналитику, документ для заказчика. Тут возникают следующие барьеры: кто отвечает за результат, цена проверки, доступы и регламенты. 

Исследование показало, что чаще всего продакты передают ИИ рутинные и аналитические задачи. Например, поиск информации, анализ данных и подготовку требований для разработчиков. Задачи, связанные с ответственностью за людей и решения, специалисты автоматизируют значительно реже. 

Борис Щукин, директор департамента высокотехнологичного производства БФТ-Холдинга, рассказал IT Speaker, что возможность передать задачу ИИ можно оценить по трем критериям: насколько легко проверить результат, можно ли отменить действие и какова цена ошибки. Чем ниже риск и выше проверяемость, тем выше может быть степень автоматизации. При соблюдении корпоративной политики работы с данными ИИ хорошо подходит для подготовительной и аналитической работы. Важно, что даже для таких задач нужно различать открытые и чувствительные данные. Для таких сценариев нужны корпоративные, контролируемые средства работы с ИИ, правила доступа и журналирование. За человеком должны оставаться решения, в которых высока цена ошибки или требуется оценить широкий контекст. 

По словам Елизаветы Колодежанской, продакты могут безопасно передавать ИИ все задачи,  где много исходного материала и мало ответственности за финальное слово. За человеком лучше оставить приоритеты, ценовые решения, чувствительные данные, стратегию. ИИ предложит десять гипотез, но за последствия одиннадцатой отвечает все равно человек.

Исследование также показало, что собственные ИИ-решения создают около 10% специалистов. По словам Алексея Какунина, для создания собственных ИИ-решений продакту будущего не обязательно становиться разработчиком. Ему важнее научиться описывать процессы как систему задач для ИИ, работать с данными, проектировать агентные сценарии и оценивать качество результатов. Уже сегодня no-code/low-code платформы и генерация кода позволяют продакту самостоятельно собрать работающий прототип. 

«Главный навык – декомпозиция и умение сформулировать критерии приемки. По сути, это то же хорошее ТЗ, только исполнитель понимает его буквально и не переспросит. Дальше нужно проверять на примерах, понимать, откуда берутся данные, фиксировать версии. Из инструментов обычно связка сегодня такая: агентные среды вроде Claude Code, конструкторы сценариев вроде n8n для склейки шагов и протокол MCP, чтобы подключить агента к трекеру, CRM и аналитике. Начинать стоит с задачи, которую вы каждую неделю делаете руками», – прокомментировал Илья Лысенко. 

Исследование также показало изменение требований к работодателям. При одинаковой зарплате и задачах 58% продуктовых менеджеров в первую очередь ориентируются на личность руководителя. Далее по значимости идут возможности профессионального роста, формат работы и уровень корпоративной культуры. 

Что касается будущего, то, по словам Егора Апрельского, в профессии продуктового менеджера можно ожидать исчезновения рутины и потери ценности навыков ручной обработки информации. Ценность сместится к тому, что ИИ не заменит: выбор целей, приоритизация в условиях неопределённости, ответственность за решения, лидерство. Продакт станет руководителем смешанной команды из людей и агентов. Выиграют те, кто умеет делегировать ИИ и проверять его работу. При этом вход в профессию станет сложнее: задачи начального уровня агент заберет первыми, поэтому расти в суждениях и ответственности придется быстрее. 

Ранее сообщества AI Talent Hub Университета ИТМО и South HUB  предложили топ-менеджерам крупных российских ИТ-компаний создать прототипы ИИ-ассистентов для помощи в управленческих решениях. Лучшее решение продемонстрировала команда сотрудников из «ПСБ Финанс», «Т-Банка» и WILIX. Эксперимент провели на хакатоне в рамках мероприятия от сообщества South HUB – Snow BASE. 


Поделиться новостью