Productboard: как PM в Amplitude и Productboard ведут AI-дискавери

В этой статье два практикующих специалиста — Фрэнк Ли, Principal PM в Amplitude, и Крис Пэттон, Principal PM в Productboard — описывают конкретные AI-рабочие процессы, которые каждый из них встроил в свою еженедельную работу по продуктовому дискавери. Опубликованная в мае 2026 года, она отражает переход от AI-как-эксперимента к AI-как-стандартной-практике в продуктовых командах, работающих с этими инструментами уже более года.

Статья построена вокруг пяти рабочих процессов, возникших из реальной практики, а не из теории.

Автоматизированный еженедельный продуктовый брифинг. Команда Фрэнка Ли использует агентов, которые каждую неделю сканируют дашборды и аналитические инструменты, выявляют тенденции, требующие внимания, и формируют брифинг для команды перед утренней синхронизацией в понедельник. Брифинг заменяет ручной сбор данных, который раньше занимал два-три часа PM-времени.

Анализ первопричин. При неожиданном изменении метрики агент выявляет корреляции между источниками данных и формирует гипотезы. Ли описывает это как сжатие первого часа расследования — от ручных SQL-запросов к структурированной отправной точке. PM по-прежнему проверяет и расширяет анализ, но точка входа стала острее.

Анализ записей сессий. Агенты фильтруют поведенческие данные сессий, чтобы выявить кластеры трений и паттерны намерений пользователей. Это позволяет PM находить наиболее информативные сессии, не просматривая часы записей.

Обнаружение возможностей. Вместо периодических пересмотров роадмапа непрерывный мониторинг выявляет ранжированные проблемы с рекомендованными действиями. Цикл дискавери становится более плотным и менее зависимым от того, оказался ли PM на нужном совещании в нужное время.

Интегрированный количественный и качественный анализ. Работа Криса Пэттона в Productboard сосредоточена на Productboard Spark — решении, объединяющем количественные метрики с качественной обратной связью от клиентов для генерации приоритизированных рекомендаций. Интеграция важна, потому что большинство инструментов синтеза обратной связи работают либо с числами, либо с текстом — редко с обоими в рамках одного рабочего процесса.

Оба специалиста осторожны в оценке ограничений подхода. Статья завершается прямой цитатой одного из них: «То, что мы можем, не означает, что должны. Оставайтесь в контакте с реальной обратной связью от клиентов». Рабочие процессы не являются автономными — они выявляют и синтезируют, но решение принимает PM.

Подходит командам, которые ведут непрерывное дискавери, работают с большими объёмами обратной связи от клиентов или тратят значительное время на ручной сбор данных перед принятием стратегических решений.