Amy Mitchell: Zašto AI inicijative lome uobičajene instinkte product managera
Amy Mitchell je praktičar product managementa koji piše o AI transformaciji na nivou produktnih timova. Ovaj post na Substacku iz jula 2026. nastao je iz njenog direktnog učešća u projektu određivanja prioriteta: koji PM radni tokovi su pogodni za AI agente, počev od pisanja PRD-ova.
Neočekivano proširenje opsega
Mitchell opisuje kako je dobila uski, jasno definisan zadatak: proceniti kako AI agenti mogu preuzeti izradu PRD-ova. U praksi, opseg se odmah proširio. Rad je zahtevao donošenje odluka o tome šta predstavlja poslovnu vrednost u kontekstu izlaza agenta, ko je odgovoran za upravljanje kada PRD agenta odudara od očekivanja zainteresovanih strana, i kako meriti da li agent zapravo donosi vrednost. Ono što je počelo kao pitanje dizajna radnog toka pretvorilo se u nešto što liči na vlasništvo nad samom transformacijom proizvoda.
Ovo proširenje, tvrdi ona, nije propust u definisanju opsega. To je strukturalno. AI inicijative su sistemske promene, a ne dodavanje funkcija, i one pokreću pitanja za koja uobičajeni PM okviri nisu bili dizajnirani. Pokušaj da se opseg strogo ograniči na jedan radni tok bez rešavanja ovih upstream pitanja znači da će se ona ponovo pojaviti na svakoj narednoj tački donošenja odluka.
Drugačiji način rada
Centralni argument je da AI inicijative zahtevaju suštinski drugačiji način rada od standardnog product managementa. U tradicionalnom PM radu, podrazumevana orijentacija je operativna stabilnost: pouzdano isporučivati, smanjivati rizike i iterirati na osnovu povratnih informacija unutar definisanih parametara. U kontekstu AI transformacije, prava podrazumevana orijentacija je učenje. Timovi koji pristupaju AI inicijativama s mentalitetom operativne stabilnosti skloni su preteranoj specifikaciji u ranoj fazi, ulaganju u rešenja pre razumevanja problema i merenju uspeha na načine koji prikrivaju da li AI sistem zapravo donosi pravu vrednost.
Predložena alternativa gradi se oko kontrolisanih eksperimenata: sprovodite male probe, posmatrajte svaku kao događaj učenja i donosite postepene odluke o proširenju na osnovu onoga što te probe otkrivaju. To nije isto što i tretirati inicijativu kao istraživački projekat — cilj je i dalje produkcijsko raspoređivanje — ali redosled je važan. Učenje prethodi skaliranju.
Pronalaženje šava u postojećim procesima
Praktične preporuke ostaju bliske primeru PRD-a. Umesto da se ceo proces pisanja dokumentacije redefiniše oko AI agenta, treba identifikovati jedan konkretan radni tok unutar tog procesa — na primer, prvi nacrt opisa problema — i testirati da li agent može da generiše nešto korisno u tako uskom opsegu. Mitchell to opisuje kao pronalaženje šava u postojećem procesu, a ne zamenu celog procesa.
Post je najkorisniji za product managere koji se po prvi put uvlače u projekat AI transformacije i otkrivaju da im uobičajeni instinkti ne daju rezultate. Okvir kroz PRD čini argument konkretnim, ali osnovna logika važi za većinu PM radnih tokova koje organizacija može hteti da automatizuje: počnite s jednim šavom, učite iz toga i odatle se širite.