ProductTank AMS: как Бен Стейн из Miro перешёл к подходу prototype-first с помощью AI

Бен Стейн — Senior Product Manager в Miro, платформе для визуальной совместной работы. В сессии, опубликованной ProductTank AMS в мае 2026 года, он описал сдвиг в своём подходе к продуктовой работе: отход от традиционного мышления «сначала спецификация» в сторону подхода «сначала прототип», основанного практически целиком на AI-инструментах.

Контекст имеет значение. Miro создаёт инструменты для продуктовых команд, поэтому Стейн работает в среде, которая одновременно является AI-нативной и необычно близка к дискуссиям о продуктовой методологии. То, что он описывает, — не пилот и не эксперимент, а то, как он реально ведёт повседневную продуктовую работу в 2026 году.

От спецификаций к рабочим прототипам

Главный элемент этого сдвига — использование AI для прямого перехода от грубой идеи к функциональному интерактивному прототипу без написания кода. Стейн построил прототип Miro Engage — функцию для структурированного взаимодействия — почти целиком через AI-ассистированные процессы. Итоговый прототип оказался достаточно пригодным для обратной связи от стейкхолдеров без дизайнерской полировки или привлечения разработчиков.

Практическое следствие этого подхода в том, что вопрос «что строить?» становится разрешимым с меньшими предварительными вложениями. Поскольку разработка стала дешевле, команды могут проверять больше гипотез, прежде чем брать обязательства. Аргумент Стейна: это меняет, какие навыки PM важны больше всего — способность быстро отказываться от идей и определять, какие прототипы дают настоящий сигнал, становится ценнее умения писать детальные спецификации.

Автоматизация рутинного слоя

Параллельно со стороны прототипирования Стейн построил процесс еженедельных отчётов, связав Jira, GitHub, Slack и транскрипты встреч. Процесс собирает активность из этих источников и готовит summary для публикации. Задача, которая раньше занимала от 30 до 60 минут ручного сбора данных, теперь занимает несколько минут проверки и редактуры.

Это характерный паттерн, который прослеживается в множестве кейсов 2026 года: AI-автоматизация с наибольшей ценностью направлена именно на координационную и синтезирующую работу, которая происходит между значимыми решениями. Написать summary о том, что произошло, — не суждение, а агрегация. Снять эту задачу с плеч PM не снижает его ценность, а перенаправляет внимание туда, где суждение действительно нужно.

Что требует этот сдвиг

Статья честно говорит о том, что меняется, когда прототипирование и синтез становятся быстрее. Возрастает значение выбора задачи. Решение о том, какую гипотезу тестировать, какой прототип показывать стейкхолдерам, на какую обратную связь реагировать, — всё это приобретает больший вес, когда цена действия снижается. Формулировка Стейна: «Когда строить становится легче, главная суперспособность — это решать, что не строить».

Больше всего выигрывают от этого паттерна команды с чёткими продуктовыми принципами, достаточным прямым доступом к пользователям для быстрой оценки прототипов и готовностью выбрасывать работу раньше, чем она становится обязательством. Команды без этих условий рискуют строить больше вещей быстрее — но не обязательно лучше.

Для кого этот материал

PM из средних B2B- или SaaS-компаний, особенно занятые внутренними инструментами или ПО для совместной работы, найдут описание Стейна напрямую применимым. Менеджеры в крупных компаниях, где ожидания к качеству прототипов выше, возможно, потребуют адаптации подхода, но принципы автоматизации процессов переносятся широко.