Продакт-менеджмент больше не профессия. Это "база"
И я реально считаю, что это проблема, если ты продакт, особенно старый.
Все, чему мы с вами научились– RICE, дабл даймонды, работа с роадмипами и тд уже давно перестало быть конкурентным преимуществом вас как спеца и стало просто гигиеной. Марти Кейган называет большую часть PM-работы в крупных компаниях "product management theatre": продакты фактически делают работу project manager и AI тулы обострили это противоречие.
Сегодня иишки отлично закрывают задачи миддла: пишут стори, синтезируют фидбек, анализируют метрики, строят варианты приоритизации. То, на что у меня когда то уходил день,а то и два (пойди разберись во всех сигналах!), теперь занимает минут 15.
Сюда же отлично стреляет текущий рыночек: где нет роста, там и продакт не нужен. Фокус на эффективности, руководство забирает стратегию "наверх" (все чаще и чаще слышу от менти про директивное управление), а продакт становится исполнителем спущенного. Нет RnD, не нужен и продакт.
Так о чем я тут, не страха же нагнать?
Я вижу, что роль меняется, и "продакты которые умеют все" уже не так нужны, так как это все... Или не нужно бизнесу, или легко зменяется.
Я активно поковырял линкед и вакансии, и вот что вижу по "новым типам продакта":
1 Builder-pm – AI-native, сам прототипирует и шипит, граница с инженером намеренно размыта. LinkedIn убрал программу Associate PM и заменил ее треком "Product Builder" с ротацией между продуктом, дизайном и кодом.
2 Integrator-pm – кросс-функциональный, работает в сложных прдуктах на стыке нескольких "джобов", где выравнивание команд по-прежнему остается человеческой задачей. И это все больше похоже на РММ (если это запуск на новые рынки, например), или на проджекта (ага).
И вроде все, бросаем "флаги и профессию", но, имхо, остается одно, что не автоматизировать и это остается ключевым скиллом: judgment.
Это не просто "насмотренность", это конкретная способность принимать решения на неполных данных, мутных приоритетах и новых рынках. Если вы спрашиваете у AI "что делать?" и внимательно втыкаете в ответы, у меня плохая новость. Если вы синтезируете контекст, сами делаете вывод и задаетесь вопросом "какие здесь риски, которые я не вижу?", то дела наши хороши. Потому что AI это не решение, ну пока, а еще один фактор анализа. Имхо.
Для меня judgment, как скилл, состоит из трех частей:
Оценочная – сказать "это хорошо" или "плохо" до того, как есть данные. В иностранной тусовке это называется product sense: способность формировать видение и принимать решения там, где метрика еще молчит (чуйка, ага). Качается это тысячей кейсов и сочетанием насмотренности с пониманием рынка и трендов.
Контекстная – понимать, почему этот рынок, эта команда, этот пользователь ведут себя именно так. AI умножает экспертизу, но не производит ее, и без доменного знания проверить AI-вывод в неопределенности не выйдет, как и дать оценку.
Стратегический – видеть, что важно через 12–18 месяцев, когда данные этого еще не показывают и делать ставки на неочевидное. Или уметь сказать "нет" хорошей идее в плохой момент (а это вообще страшный "баг" многих продактов).
Из забавного HBR тут недавно написал, что AI забрал повторяющуюся работу, на которой раньше строился judgment у джунов. Они лишились возможности учиться на ошибках неправильной приоритизации, плохих исследований, и последствий, и понимания, почему так вышло. А без этого цикла откуда возмутся синиоры?..
7 июля в 19:00 проведу открытый эфир совместно с Центром «Пуск» МФТИ «Как AI меняет карьеру продактов, разработчиков и специалистов по работе с данными (Data Science)».
Проходить будет для студентов и абитуриентов (у МФТИ есть онлайн-магистратура «Науки о данных» для тех, кто хочет глубже разобраться в DS/ML, работать с реальными задачами и при желании сделать стартап, корпоративный проект или исследование как диплом).
А еще я вас зову, если вам интересно! Обсудим в деталях все написанное сверху.
Встреча открытая, приходите послушать!
Регистрация: https://t.me/mipt_events_bot?start=dl-1782383568273
И я реально считаю, что это проблема, если ты продакт, особенно старый.
Все, чему мы с вами научились– RICE, дабл даймонды, работа с роадмипами и тд уже давно перестало быть конкурентным преимуществом вас как спеца и стало просто гигиеной. Марти Кейган называет большую часть PM-работы в крупных компаниях "product management theatre": продакты фактически делают работу project manager и AI тулы обострили это противоречие.
Сегодня иишки отлично закрывают задачи миддла: пишут стори, синтезируют фидбек, анализируют метрики, строят варианты приоритизации. То, на что у меня когда то уходил день,а то и два (пойди разберись во всех сигналах!), теперь занимает минут 15.
Сюда же отлично стреляет текущий рыночек: где нет роста, там и продакт не нужен. Фокус на эффективности, руководство забирает стратегию "наверх" (все чаще и чаще слышу от менти про директивное управление), а продакт становится исполнителем спущенного. Нет RnD, не нужен и продакт.
Так о чем я тут, не страха же нагнать?
Я вижу, что роль меняется, и "продакты которые умеют все" уже не так нужны, так как это все... Или не нужно бизнесу, или легко зменяется.
Я активно поковырял линкед и вакансии, и вот что вижу по "новым типам продакта":
1 Builder-pm – AI-native, сам прототипирует и шипит, граница с инженером намеренно размыта. LinkedIn убрал программу Associate PM и заменил ее треком "Product Builder" с ротацией между продуктом, дизайном и кодом.
2 Integrator-pm – кросс-функциональный, работает в сложных прдуктах на стыке нескольких "джобов", где выравнивание команд по-прежнему остается человеческой задачей. И это все больше похоже на РММ (если это запуск на новые рынки, например), или на проджекта (ага).
И вроде все, бросаем "флаги и профессию", но, имхо, остается одно, что не автоматизировать и это остается ключевым скиллом: judgment.
Это не просто "насмотренность", это конкретная способность принимать решения на неполных данных, мутных приоритетах и новых рынках. Если вы спрашиваете у AI "что делать?" и внимательно втыкаете в ответы, у меня плохая новость. Если вы синтезируете контекст, сами делаете вывод и задаетесь вопросом "какие здесь риски, которые я не вижу?", то дела наши хороши. Потому что AI это не решение, ну пока, а еще один фактор анализа. Имхо.
Для меня judgment, как скилл, состоит из трех частей:
Оценочная – сказать "это хорошо" или "плохо" до того, как есть данные. В иностранной тусовке это называется product sense: способность формировать видение и принимать решения там, где метрика еще молчит (чуйка, ага). Качается это тысячей кейсов и сочетанием насмотренности с пониманием рынка и трендов.
Контекстная – понимать, почему этот рынок, эта команда, этот пользователь ведут себя именно так. AI умножает экспертизу, но не производит ее, и без доменного знания проверить AI-вывод в неопределенности не выйдет, как и дать оценку.
Стратегический – видеть, что важно через 12–18 месяцев, когда данные этого еще не показывают и делать ставки на неочевидное. Или уметь сказать "нет" хорошей идее в плохой момент (а это вообще страшный "баг" многих продактов).
Из забавного HBR тут недавно написал, что AI забрал повторяющуюся работу, на которой раньше строился judgment у джунов. Они лишились возможности учиться на ошибках неправильной приоритизации, плохих исследований, и последствий, и понимания, почему так вышло. А без этого цикла откуда возмутся синиоры?..
7 июля в 19:00 проведу открытый эфир совместно с Центром «Пуск» МФТИ «Как AI меняет карьеру продактов, разработчиков и специалистов по работе с данными (Data Science)».
Проходить будет для студентов и абитуриентов (у МФТИ есть онлайн-магистратура «Науки о данных» для тех, кто хочет глубже разобраться в DS/ML, работать с реальными задачами и при желании сделать стартап, корпоративный проект или исследование как диплом).
А еще я вас зову, если вам интересно! Обсудим в деталях все написанное сверху.
Встреча открытая, приходите послушать!
Регистрация: https://t.me/mipt_events_bot?start=dl-1782383568273