Как задачи продакт-менеджера меняются в эпоху LLM?

Недавно посмотрела лекцию от лектора Stanford: The AI Leadership Series: Building and Scaling Solutions, которая очень сильно откликнулась. Кто хочет подробнее разобраться в этой теме, советую посмотреть. И вот почему. Я последние полгода провожу встречи с продактами из разных компаний, которые внедряют LLM в свои продукты. Одно интересное наблюдение: многие начинают с “a давайте добавим AI" вместо "какую бизнес-проблему мы решаем?”.

Это называется "AI confused" — когда команды пытаются обратно спроектировать решение под технологию, а не наоборот.

Как меняется PM в мире LLM?

В классическом продакт-менеджменте все было относительно понятно: PM фокусировался на болях пользователей, метриках и ROI, а технические детали оставлял разработчикам. Спрашивал: "Сколько это займет времени?" и "Когда будет готово?".

Сейчас роль PM имеет три уровня:

🟣 "AI Aware" — такой PM, по сути, работает почти как традиционный продакт. Он знает о существовании AI/ML, может отличить чат-бота от рекомендательной системы, но глубоко в технологию не погружается. Его основной вопрос: "Может ли AI решить эту проблему?" Он мыслит бизнес-метриками и пользовательскими сценариями.

🟣 "AI Enabler" — этот PM уже понимает, что для AI нужны данные и какие именно. Он может оперировать терминами вроде "модель", "обучение", "точность" и способен сформулировать задачу для дата-сайентистов. Его вопросы: "Какие данные нам нужны?" и "Насколько точный результат нам нужен?"

🟣 "AI Expert PM" — принципиально новая роль. Этот PM не просто ставит задачу и ждет решения — он активно участвует в создании этого решения. Он понимает архитектуру моделей, различия между подходами, может оценить компромиссы между скоростью, стоимостью и точностью. Он задает вопросы вроде: "Как сбалансировать latency и inference cost?" или "Какой эффект даст файнтюнинг против RAG в нашем случае?”. Особенно убедилась в этом в своем последнем интервью с LinkedIn, где мы обсуждали рекоммендации видео, и они явно сказали, что ждут от продакта умение сравнивать и обучать модели, и с уже с более менее протестированной гипотезей планировать задачу на команду.

Компании стремятся превратить обычных продакт-менеджеров в PM AI Expert. И это логично — конкуренция усиливается, время выхода на рынок сокращается, а количество доступных моделей растет экспоненциально.

Какие новые навыки нужны PM:

🟣Prompt Engineering — умение формулировать эффективные промпты, понимание концепций few-shot learning, chain-of-thought и других техник получения качественных результатов от LLM

🟣 Оценка и выбор моделей — способность сравнивать разные модели (open source vs проприетарные) по критериям производительности, стоимости, этичности и масштабируемости

🟣 MLOps basics — понимание, как модели деплоятся, масштабируются и мониторятся в продакшене

🟣 Evaluation frameworks — умение создавать систематические подходы к оценке качества LLM-ответов в различных сценариях

🟣 Multimodal thinking — способность видеть, как различные модальности (текст, изображения, аудио) могут дополнять друг друга

🟣 AI UX patterns — знание эффективных паттернов взаимодействия в AI-продуктах, включая дизайн диалогов, обработку ошибок и управление ожиданиями пользователя

И главное помнить, что технология — это 20% успеха, остальные 80% — правильная постановка бизнес-задачи и выстраивание процессов.

Давайте обсудим в комментах, как изменилась ваша роль продакт-менеджера с появлением LLM?