Топ новых книг для продактов и продуктовой функции
Также напоминаем, что все возможности от редакции есть тут, а в Клубе разборов программа на июль, подключайтесь на наши курсы.
1. Reimagined: Building Products with Generative AI. Shyvee Shi, Caitlin Cai & Yiwen Rong (2024)
- Продукты с генеративным ИИ требуют новой логики UX — пользователь ≠ оператор, а соавтор.
- Вместо “feature delivery” → подход "prompt-to-value": как пользователь взаимодействует через команды, вопросы, контекст.
- Главное — data loops: продукт должен учиться на действиях пользователей и адаптироваться.
- Книга учит мыслить не интерфейсами, а сценариями коллаборации человека и ИИ.
2. Transformed: Moving to the Product Operating Model. Marty Cagan, SVPG (2024)
- Компании говорят “мы продуктовые”, но живут по проектному принципу — это разрушает ценность.
- Трансформация — это не про внедрение agile, а смену культуры власти и ответственности.
- Главный переход — от delivery к outcome-based ownership: продуктовые команды отвечают за результат, а не задачи.
- C-level должен убрать барьеры, а не писать вижн за продакта.
- Чтение для продактов и лидеров, кто хочет уйти от “сделайте кнопку” к системному мышлению и владению результатом.
3. The AI Product Manager’s Handbook. Irene Bratsis (2024)
- Не обязательно быть ML-инженером: PM должен быть "AI translator" между бизнесом и техниками.
- Главное — навык постановки задачи для ИИ: четко сформулированные проблемы и критерии успеха.
- Важны фреймворки оценки качества моделей: precision / recall / fairness / explainability.
- Работа с ИИ = постоянный feedback loop + данные как главный продукт.
- Помогает убрать страхи перед ИИ и дает язык для уверенного управления AI-продуктом.
4. The Unaccountability Machine. Dan Davies (2024)
- В больших организациях создаются "машины без ответственности" — где никто не виноват, но всё ломается.
- Продакты часто попадают в ловушку: влияние без власти, задачи без ресурсов, ожидания без полномочий. Книга показывает, как создавать цепочки принятия решений с понятной ответственностью.
- Для тех, кто работает в корпорациях и хочет реально пробивать продуктовые решения, а не тонуть в согласованиях.
5. Venture Meets Mission. Arun Gupta et al. (2024)
- Миссия и венчур могут сосуществовать: "impact-first" продукты становятся новыми единорогами.
- Книга дает карту: как выявлять социальную ценность, измерять её и связывать с экономикой.
- Появился термин "mission-product fit" — продукт не просто полезен, а решает системную проблему (например, доступ к образованию, борьба с климатом).
- Инвесторы все чаще ищут продактов с миссией, а не только ростом.
Также напоминаем, что все возможности от редакции есть тут, а в Клубе разборов программа на июль, подключайтесь на наши курсы.
Также напоминаем, что все возможности от редакции есть тут, а в Клубе разборов программа на июль, подключайтесь на наши курсы.
1. Reimagined: Building Products with Generative AI. Shyvee Shi, Caitlin Cai & Yiwen Rong (2024)
- Продукты с генеративным ИИ требуют новой логики UX — пользователь ≠ оператор, а соавтор.
- Вместо “feature delivery” → подход "prompt-to-value": как пользователь взаимодействует через команды, вопросы, контекст.
- Главное — data loops: продукт должен учиться на действиях пользователей и адаптироваться.
- Книга учит мыслить не интерфейсами, а сценариями коллаборации человека и ИИ.
2. Transformed: Moving to the Product Operating Model. Marty Cagan, SVPG (2024)
- Компании говорят “мы продуктовые”, но живут по проектному принципу — это разрушает ценность.
- Трансформация — это не про внедрение agile, а смену культуры власти и ответственности.
- Главный переход — от delivery к outcome-based ownership: продуктовые команды отвечают за результат, а не задачи.
- C-level должен убрать барьеры, а не писать вижн за продакта.
- Чтение для продактов и лидеров, кто хочет уйти от “сделайте кнопку” к системному мышлению и владению результатом.
3. The AI Product Manager’s Handbook. Irene Bratsis (2024)
- Не обязательно быть ML-инженером: PM должен быть "AI translator" между бизнесом и техниками.
- Главное — навык постановки задачи для ИИ: четко сформулированные проблемы и критерии успеха.
- Важны фреймворки оценки качества моделей: precision / recall / fairness / explainability.
- Работа с ИИ = постоянный feedback loop + данные как главный продукт.
- Помогает убрать страхи перед ИИ и дает язык для уверенного управления AI-продуктом.
4. The Unaccountability Machine. Dan Davies (2024)
- В больших организациях создаются "машины без ответственности" — где никто не виноват, но всё ломается.
- Продакты часто попадают в ловушку: влияние без власти, задачи без ресурсов, ожидания без полномочий. Книга показывает, как создавать цепочки принятия решений с понятной ответственностью.
- Для тех, кто работает в корпорациях и хочет реально пробивать продуктовые решения, а не тонуть в согласованиях.
5. Venture Meets Mission. Arun Gupta et al. (2024)
- Миссия и венчур могут сосуществовать: "impact-first" продукты становятся новыми единорогами.
- Книга дает карту: как выявлять социальную ценность, измерять её и связывать с экономикой.
- Появился термин "mission-product fit" — продукт не просто полезен, а решает системную проблему (например, доступ к образованию, борьба с климатом).
- Инвесторы все чаще ищут продактов с миссией, а не только ростом.
Также напоминаем, что все возможности от редакции есть тут, а в Клубе разборов программа на июль, подключайтесь на наши курсы.