Medium: 6 AI-воркфлоу, которые должен использовать каждый product manager

О чём статья

Написанная Blaine Joubert и опубликованная на Medium в феврале 2026 года, статья описывает шесть AI-воркфлоу, которые автор внедрил в ежедневную работу product manager’а. Это не обзор инструментов, а личный отчёт о том, что реально изменило ситуацию: что пробовалось, каким был результат, где появились реальные ограничения. Центральная идея: основная ценность AI — снижение стоимости итерации, то есть возможность дешевле и быстрее проверять гипотезы перед серьёзными вложениями.

Контекст

Joubert работает в сфере развлечений и технологий, что определяет часть примеров (метаданные видео, проверка инфлюенсеров, демо на основе HeyGen). Воркфлоу в целом применимы широко, хотя несколько из них требуют знакомства с Google Apps Script или Databricks.

Шесть воркфлоу

Сначала прототип, потом документация. Вместо написания PRD на основе предположений автор использует AI для создания рабочих HTML-прототипов, делится ими со стейкхолдерами через Google Sites, собирает реальную обратную связь и только затем просит AI сгенерировать PRD и пользовательские истории, основанные на валидированном фидбэке. Суть: документация, написанная до тестирования, описывает воображаемое поведение, тогда как написанная после — реальные реакции людей.

Строить внутренние MVP, пока ресурсы не доступны. Когда инженерная пропускная способность занята, Joubert использует AI совместно с Google Sheets и Apps Script для создания грубых внутренних инструментов — автоматических скраперов метаданных, AI-систем проверки инфлюенсеров, — которые разблокируют команду и выявляют ограничения ещё до начала формальной разработки. Эти решения никогда не выходят в production без ревью.

AI для структурирования стратегических презентаций. Использование AI как партнёра по мышлению для нарративной структуры: передача бизнес-целей, проблем пользователей и ограничений, а затем вопросы о том, какой угол выбрать и какие возражения могут возникнуть у руководства. Это помогает удерживать стратегический уровень и избегать избыточных операционных деталей.

Сокращение цикла отладки данных. Передача SQL-запросов и определений метрик в AI для проверки перед обращением к команде данных. Модель надёжно находит распространённые ошибки — неправильные джойны, двойной счёт, ошибки фильтрации, — что делает дальнейшие разговоры с аналитиками более предметными.

Превращать демо в привлекательный контент. Использование HeyGen, ChatGPT и Suno для преобразования рутинных демонстраций продукта в качественные презентации с кастомным озвучиванием и музыкой. Барьер для полированных демо значительно снизился без дополнительного бюджета.

Применять AI в продуктах осознанно. Вместо добавления LLM к существующим процессам применять AI к конкретным ограниченным задачам. Пример — система модерации контента, где AI предоставляет контекст и аргументацию для поддержки модераторов-людей, снижая ложные срабатывания без исключения человека из процесса.

Для кого полезна

Product manager’ам, которые уже знают основы и ищут конкретные применения AI за пределами помощи с написанием текстов. Статья предполагает знакомство с PRD, MVP и согласованием со стейкхолдерами. Особенно полезна PM в условиях ограниченных инженерных ресурсов: несколько воркфлоу специально разработаны, чтобы сделать это ограничение менее блокирующим.