HelloPM: AI-нативный менеджер продукта — мастер-класс, день 1

Это первый день бесплатного мастер-класса HelloPM «AI-нативный менеджер продукта», записанного в мае 2026 года. Сессию ведёт Анкит Шукла, основатель HelloPM, который разрабатывает программы обучения AI PM и публикует практические материалы по управлению продуктом. День 1 отвечает на фундаментальный вопрос: что значит быть AI-нативным PM в отличие от PM, который просто добавил AI-инструменты к своему привычному рабочему процессу.

Для кого это

PM, которые чувствуют неопределённость в вопросе о том, где AI реально меняет работу, а где инструментарий в основном автоматизирует те же задачи, что и раньше. Сессия не предполагает глубоких технических знаний. Она также подходит PM, готовящимся к собеседованиям в компаниях, где опыт работы с AI-продуктами всё чаще является требованием, или тем, кто ищет структурированный способ оценить собственную AI-грамотность.

Ключевые выводы

Различие между AI-нативной и AI-ассистированной работой PM — это вопрос дизайна процессов, а не выбора инструментов. AI-нативный PM строит процессы, изначально предполагающие AI-возможности. AI-ассистированный PM использует AI-инструменты для ускорения процессов, первоначально спроектированных для ручной работы. Шукла утверждает, что второй подход имеет более низкий потолок, поскольку не меняет ни того, какие решения принимаются, ни скорости цикла обратной связи.
Фреймворк POWER структурирует работу AI-нативного PM: Possibilities (картирование того, что AI уже умеет в данном домене), Opportunities (определение, какие возможности соответствуют реальным проблемам пользователей или бизнеса), Workflow (переосмысление движения команды от discovery к поставке с учётом AI-возможностей), Engineering (достаточное понимание того, как работают модели, API и архитектура, для принятия обоснованных решений по scope и реализуемости), Reflection (внедрение практик оценки для выявления сбоев моделей и дрейфа). Фреймворк разработан для применения в разных продуктовых категориях, а не только в AI-first продуктах.
Понимание того, как строятся AI-продукты, меняет то, как PM их специфицирует. Шукла рассматривает ключевые слои: слой LLM, архитектуру приложения поверх него и слой пользовательского опыта. PM, понимающие, что промпты, системы поиска и фреймворки оценки — это отдельные инженерные проблемы, могут писать более чёткие требования и вести более продуктивные разговоры с ML-инженерами.
Большинство AI-связанных ошибок PM допускают на этапе выявления возможностей, а не на этапе исполнения. Команды создают AI-функции, которые технически работают, но не решают чётко определённую проблему пользователей — или решают проблему, которую пользователи не ощущают достаточно остро, чтобы изменить поведение. Шукла формулирует это как ключевое суждение PM в AI-продуктовой работе: какие AI-возможности являются решениями в поисках проблем, а какие закрывают реальный пробел.
К мастер-классу прилагаются шаблоны, библиотеки промптов и материалы по рабочим процессам, доступные участникам после сессии.

Стоит смотреть, если

Вы пытаетесь объяснить, что значит «AI-нативный PM» за пределами строки в резюме, или ваша команда создаёт AI-функции и вам нужен структурированный словарь для продуктовых разговоров с инженерами. Сессия проходит в быстром темпе и предполагает, что зрители ищут практические фреймворки, а не концептуальный бэкграунд.