Product Management with Mani: Как стать AI-продакт-менеджером в 2026 году

Апрельское руководство Мани Гривала в Substack написано для продакт-менеджеров, которые понимают основы PM, но ещё не запускали AI-функции и не работали с LLM-продуктами. Руководство не предполагает навыков программирования и построено как 90-дневная дорожная карта с конкретным результатом на выходе.

Центральная идея: контекстная инженерия — а не написание промптов — это то, где настоящие навыки AI PM и живут. Гривал утверждает, что большинство PM тратят слишком много времени на доработку отдельных промптов и недостаточно — на создание переиспользуемых контекстных структур, которые делают AI-результаты стабильными внутри команды. Рекомендуемый подход — создавать короткие Markdown-файлы контекста, каждый до 2000 токенов, которые фиксируют цели продукта, персоны пользователей, терминологию и ограничения. Эти файлы служат постоянной базой знаний модели и загружаются в начале любого рабочего процесса.

Структура 90 дней выглядит так. В первый месяц автор рекомендует пройти бесплатные курсы Anthropic Academy — Claude 101 и AI Fluency Framework, которые объясняют принципы работы LLM без технической глубины. Второй месяц — практика контекстной инженерии: взять одну существующую продуктовую функцию и перестроить её рабочий процесс вокруг контекстных файлов и системных промптов. Третий месяц — запуск: собрать и задокументировать небольшой AI-проект для портфолио.

До написания первого промпта для LLM Гривал описывает пять шагов, которые должны быть уже завершены: определение критериев успеха для AI-вывода, инвентаризация данных и контекста, необходимых модели, написание контекстных файлов, разработка системного промпта и план оценки результатов. Эта последовательность воспроизводит работу над спецификацией для обычных фич — навыки переносятся, даже если терминология новая.

7-дневный практический проект из руководства — создание персонального AI-ассистента PM: минималистичная настройка в Claude Projects или ChatGPT Projects, которая синтезирует заметки встреч, исследовательские входные данные и конкурентные сигналы в стабильные продуктовые артефакты. Достаточно скромный, чтобы завершить без инженерной поддержки, и достаточно конкретный, чтобы быть по-настоящему полезным в работе.

Руководство наиболее полезно для PM среднего уровня в SaaS-компаниях, от которых ждут работы с AI-фичами, но у которых нет структурированной отправной точки. Это не глубокий технический справочник и не детальное руководство по проектированию системы оценки. Для PM, которые уже понимают контекстную инженерию и запустили хотя бы одну AI-фичу, материал покажется вводным. Для тех, кто экспериментировал с AI-инструментами неформально и ищет структурированный фреймворк для углубления — предлагает разумный путь.