Atlassian: как выглядит AI-нативное продуктовое мышление на практике

Статья написана Тимом Лелеком, старшим менеджером по продуктовым операциям Atlassian, и опубликована в мае 2026 года. Лелек непосредственно работает с более чем 450 product manager’ами компании и пишет на основе наблюдений, а не теорий. Центральный аргумент статьи — контринтуитивный для организаций, ориентированных на рост индивидуальной продуктивности: наиболее значимая ценность от AI в product management создаётся не за счёт ускорения работы отдельных людей, а за счёт изменения того, как команды работают вместе.

Контекст этого аргумента — разрыв в измерениях, на который натыкается большинство инициатив по внедрению AI. Лелек приводит данные: 89% руководителей сообщают, что AI ускорил рабочие процессы, тогда как лишь 6% могут указать на конкретный ROI от AI в масштабах всей организации. Его объяснение: скорость сама по себе производит больше того же самого результата, но не лучшие продуктовые решения. Организации, закрывающие этот разрыв, — это те, кто спросил, что должны делать люди иначе после того, как AI берёт на себя исполнение, а не просто задался вопросом, какие задачи можно передать AI.

Лелек описывает три наблюдаемых сдвига в командах Atlassian, которые перешли от индивидуального освоения инструментов к реальной трансформации. Первый — замена документов со спецификациями работающими прототипами. Когда PM может самостоятельно создать функционирующий прототип вместо того, чтобы писать документ с описанием того, что должна сделать инженерная команда, цикл обратной связи сжимается с дней до часов, а предположения всплывают раньше. Второй — переход от плановых исследований к непрерывному пониманию клиентов. Лелек приводит конкретный пример: команда PM в Atlassian заменила двухнедельный цикл исследования агентом, который синтезирует данные поддержки, NPS-фидбек и данные о поведении внутри продукта, получая сопоставимые инсайты за несколько часов. Третий сдвиг — от PM как узкого места к PM как катализатору: роль смещается в сторону устранения блокирующих ограничений для инженеров, а не нахождения в центре каждого решения.

Подтверждающий data point из внутренней AI Builders Week Atlassian: активные пользователи показали рост использования AI-инструментов на 147%, а ежедневное использование Rovo Dev увеличилось в 15–20 раз за этот период. Лелек представляет это не как метрику успеха внедрения, а как свидетельство того, что потолок AI-производительности значительно выше, чем показывают средние цифры — и достижение этого потолка требует структурных изменений в работе команды, а не просто более умных промптов или доступа к большему числу инструментов.

Статья написана в контексте конкретной компании, и упоминаемые инструменты — Rovo, Jira Product Discovery, Confluence agents — являются частью стека Atlassian. Product manager’ам, работающим в других средах, потребуется адаптировать фреймворк, а не применять его напрямую. Тем не менее структурные наблюдения переносятся поверх конкретных инструментов: прототип вместо спецификации, непрерывное вместо планового, помощник вместо координатора. Это решения о самой роли PM, а не о предпочтениях в выборе продуктов.

Наиболее полезна для старших PM’ов и продуктовых руководителей, которые прошли ранний этап освоения AI и пытаются понять, как выглядит трансформация на уровне команды на практике — в отличие от постепенной экономии времени на индивидуальном уровне.