Vin Vashishta: что вакансии AI PM раскрывают о разрывах в найме

О чём статья

Опубликованная 27 февраля 2026 года в рассылке Vin Vashishta «High ROI AI» на Substack, эта статья анализирует 49 вакансий из 13 ведущих AI-компаний и дополняет их данными 22 интервью с недавно нанятыми AI PM. Исследование выявляет повторяющийся разрыв: то, что компании пишут в вакансиях, не соответствует тому, что оценивают интервьюеры, и тем навыкам, которые реально влияют на финансовую отдачу AI-продуктов.

Контекст

Анализ опирается на тревожный фон. Vashishta приводит данные: более 80% AI-инициатив не приносят значимых финансовых результатов, а 75% компаний отмечают трудности с извлечением реальной ценности из AI-инвестиций. Аргумент: найм является одной из причинных переменных — если описание вакансии отбирает не те навыки, нанятые специалисты не смогут закрыть разрыв между возможностями AI и AI-доходностью.

Ключевые выводы

Вакансии концентрируются вокруг двух требований: глубокая техническая экспертиза и кросс-функциональное лидерство. Это реальные части роли, но Vashishta считает их недостаточными. Навыки, отсутствующие в большинстве вакансий, — и присутствующие у успешных AI PM, — следующие:

Монетизационная стратегия — понимание того, как преобразовывать возможности AI в модели доходности и ценовые решения. Это отличается от традиционной продуктовой стратегии: требуется мышление о структуре затрат AI и о том, как сделать возможности финансово устойчивыми в масштабе.

Экономика инференса — способность рассуждать о стоимости запуска модели в production и о том, как эта стоимость взаимодействует с целевой маржой и ценообразованием. PM’ы, не обладающие этим навыком, склонны проектировать функции, технически состоятельные, но экономически нежизнеспособные.

Вероятностное проектирование — создание продуктов, хорошо работающих при неопределённых или вариативных выходных данных, а не трактующих ответы модели как детерминированные. Это требует иных паттернов взаимодействия, обработки ошибок и управления ожиданиями пользователей, чем большинство PM обучены применять.

Vashishta также отмечает: письменные описания вакансий выглядят оторванными от того, что реально оценивают интервьюеры, — то есть компании фактически отсеивают кандидатов с нужными навыками на этапе отбора резюме.

Для кого полезна

PM, оценивающим соответствие своих компетенций требованиям AI-ролей. HR и руководителям, переосмысляющим описания вакансий для AI PM. Директорам по продукту, выявляющим пробелы в командных компетенциях. Трёхэлементный фреймворк — монетизационная стратегия, экономика инференса, вероятностное проектирование — служит инструментом диагностики конкретных областей развития, а не обобщённой AI-грамотности.