Product SideQuest: практическая типология AI PM-ролей и как готовиться к каждой из них

Диего Гранадос руководил AI-продуктовым опытом в Google — включая Data Science Agent для корпоративных пользователей — и создавал ML-модели в Microsoft. Его руководство по переходу в AI product management, опубликованное в марте 2026 года, примечательно тем, чего в нём нет: оно избегает расхожего совета «изучите основы ML» и вместо этого различает три роли, которые носят одно и то же название AI PM, но требуют принципиально разных навыков и подготовки.

Первый тип — AI Experiences PM. Эта роль занимается разработкой пользовательских продуктов на базе AI: чат-ассистентов, рекомендательных систем, инструментов для работы с документами — и её главная задача — доверие и удобство использования, а не конструирование моделей. Experiences PM решает, как продукт коммуницирует неопределённость, что происходит с интерфейсом при сбое модели и правильно ли дизайн управляет ожиданиями пользователей. Гранадос вводит понятие «AI product sense» — выработанное чутьё, позволяющее понять, когда вероятностный вывод достаточно хорош для релиза, а когда режимы сбоев делают его неприемлемым для конкретного пользовательского контекста. Это наиболее обсуждаемая в статьях об AI PM роль — и одновременно наиболее неправильно понятая, поскольку до встречи со специфическими AI-режимами сбоев она выглядит как традиционный product management.

Второй тип — AI Builder PM. Эта роль управляет платформами, инфраструктурой и моделями, которые используют внутренние инженерные команды: пайплайн дообучения, фреймворк оценки качества, инфраструктура эмбеддингов. Builder PM работает значительно ближе к инженерии и требует более глубокой технической грамотности — понимания метрик оценки моделей, дизайна экспериментов для ML-систем и компромиссов между латентностью, стоимостью и точностью. Гранадос проводит чёткую границу: Experiences и Builder роли почти не пересекаются на уровне повседневных навыков, несмотря на то что относятся к одной категории должностей.

Третий тип — AI Enhanced PM. Это не конечная цель, а базовая компетенция: использование AI-инструментов для ускорения работы PM — написание PRD с помощью LLM, резюмирование клиентских интервью, создание конкурентного анализа. Гранадос утверждает, что эта компетенция теперь требуется во всех PM-ролях и её не следует путать со специализацией в создании AI-продуктов. Это гигиенический минимум, а не конкурентное преимущество.

Руководство опирается на реальные вакансии от Airbnb, Meta, Bumble, Spotify и Stripe с данными о вознаграждении ($155K–$280K+ для старших позиций) и конкретными техническими требованиями. Эта опора на рыночные данные — одна из наиболее ценных особенностей статьи: вместо описания идеализированной будущей роли она описывает то, что компании активно ищут прямо сейчас.

Практический совет по карьерному переходу сводится к тому, чтобы создать и публично запустить реальный продукт — с использованием инструментов вроде Lovable или Claude Code — как наиболее надёжный способ одновременно развить как доверие рекрутёров, так и собственную профессиональную интуицию. Гранадос скептически относится к сертификационным программам как основному пути подготовки: по его мнению, непосредственный опыт работы с AI-системами — это то, что реально отличает кандидатов на собеседованиях.

Наиболее полезна для product manager’ов, оценивающих, в каком направлении двигаться при переходе в AI-ориентированные роли, и для тех, кто хочет понять, чем конкретные типы AI PM-работы отличаются друг от друга на практике.