Atlassian: как AI возвращает продакт-менеджерам роль строителей

Статья, опубликованная Atlassian в январе 2026 года при участии Акаша Гупты (автора newsletter Product Growth), утверждает: PM, которые сами строят AI-инструменты, развивают более глубокое понимание технологии, чем те, кто наблюдает со стороны. Центральный тезис: экспертиза приходит через практику, и у этой практики есть естественная прогрессия.

Atlassian делит освоение AI для продакт-менеджеров на три этапа. Первый — прототипы: быстрые эксперименты, направленные на решение конкретной проблемы. PM замечает, что сводка обратной связи от клиентов занимает три часа в неделю, и собирает простой агент-суммаризатор с помощью no-code инструмента. Цель — обучение, а не готовый продукт. Если прототип работает, он переходит на второй этап — рабочих процессов. Здесь проверенные эксперименты превращаются в воспроизводимые процессы с чёткими входами, выходами и достаточным уровнем надёжности, чтобы ими могли пользоваться другие члены команды. Третий этап — код: рабочий процесс превращается в долговечную систему, иногда через реальную разработку, иногда через более тесную интеграцию между инструментами.

Статья перечисляет 15 конкретных AI-сценариев для разных стадий продуктового жизненного цикла. На этапе discovery: мониторинг обратной связи в социальных сетях, синтез тикетов из Zendesk, анализ звонков из Gong, извлечение инсайтов из сообществ и генерация аналитических сигналов. На этапе delivery: создание гайдов для интервью, написание PRD, оценка объёма фич, создание прототипов с помощью V0 или Bolt и реализация продакшн-функций с использованием RAG-архитектуры. Список ценен именно конкретностью — он похож на практический чеклист, а не на концептуальный манифест.

В подтверждение тезиса — внутренние данные Atlassian. Более 90% из 450+ PM компании используют AI-инструменты каждую неделю. Около 70% регулярно работают с Rovo Chat и агентами, экономя в среднем 40 минут в день. Эти данные приводятся как одна из опорных точек, а не как центральный аргумент, что не позволяет статье превратиться в рекламу Rovo.

Материал полезен для двух аудиторий. Для индивидуальных PM — это конкретная лестница роста: начать с прототипа, который решает реальную проблему, выработать привычку автоматизации, а затем двигаться к коду, когда процесс доказал свою ценность. Для продуктовых лидеров — это модель распространения AI-грамотности внутри команды: не через обучающие воркшопы, а через среду, в которой строить небольшие вещи безопасно и поощряется.

Одна оговорка: статья опирается на контекст Atlassian, и конкретные инструменты — Rovo, Jira Product Discovery, агенты Confluence — нативны для их стека. PM, работающие в других экосистемах, транспонируют фреймворк, а не применяют его напрямую.