Atlassian: kako AI-nativni produktni zanat izgleda u praksi

Tekst je napisao Tim Lelek, viši product operations manager Atlassian-a, i objavljen je u maju 2026. Lelek direktno radi sa više od 450 product managera u kompaniji i piše iz posmatranja, a ne teorije. Centralni argument je kontraintuitivan za organizacije fokusirane na rast individualne produktivnosti: najznačajnija vrednost od AI-a u product managementu ne dolazi od ubrzavanja rada pojedinaca, već od promene načina na koji timovi rade zajedno.

Kontekst ovog argumenta je jaz u merenju na koji nailazi većina inicijativa za uvođenje AI-a. Lelek citira podatak da 89% rukovodilaca izveštava da je AI ubrzao rad, dok samo 6% može da ukaže na konkretan ROI od AI-a na nivou cile organizacije. Njegovo objašnjenje: brzina sama po sebi proizvodi više istog, a ne bolje produktne odluke. Organizacije koje zatvaraju taj jaz su one koje su pitale šta ljudi treba da rade drugačije kada AI preuzme izvršavanje, umesto da pitaju samo koje zadatke mogu da prenesu AI-u.

Lelek opisuje tri uočljive promene u timovima u Atlassian-u koji su prešli od individualnog usvajanja alata do prave transformacije. Prva je zamena specifikacionih dokumenata funkcionalnim prototipovima. Kada PM može samostalno da napravi funkcionalni prototip umesto da piše dokument koji opisuje šta inženjerski tim treba da napravi, povratna petlja se skuplja sa dana na sate, a pretpostavke izlaze na površinu ranije. Druga je prelaz sa planiranih istraživanja na kontinuirano razumevanje korisnika. Lelek daje konkretan primer: PM tim u Atlassian-u je zamenio dvonedelji istraživački ciklus agentom koji sintetiše podatke podrške, NPS feedback i podatke o ponašanju unutar proizvoda, dobijajući uporedive uvide za nekoliko sati. Treća promena je prelaz sa PM-kao-uskog-grla na PM-kao-katalizatora: uloga se pomera ka uklanjanju blokirajućih ograničenja za inženjere, a ne sedenju u centru svake odluke.

Prateća podatkovna tačka iz interne AI Builders Week Atlassian-a: napredni korisnici su pokazali porast upotrebe AI alata od 147%, sa 15–20x povećanjem dnevne upotrebe Rovo Dev-a u tom periodu. Lelek ovo ne prikazuje kao metriku uspeha usvajanja, već kao dokaz da je plafon AI-pojačanih rezultata daleko viši nego što pokazuju prosečni podaci o usvajanju — i da dostizanje tog plafona zahteva strukturne promene u načinu rada tima, a ne samo bolje prompte ili pristup većem broju alata.

Tekst je napisan u kontekstu jedne kompanije, a pomenuti alati — Rovo, Jira Product Discovery, Confluence agenti — deo su Atlassian steka. Product manageri koji rade u drugim okruženjima moraće da prilagode okvir, a ne da ga primene direktno. Strukturna zapažanja, međutim, prenose se povrh konkretnih alata: prototip umesto specifikacije, kontinuirano umesto planiranog, omogućavanje umesto koordinacije. Ovo su odluke o samoj PM ulozi, a ne o preferencijama u izboru proizvoda.

Najkorisnije za starije PM-ove i produktne rukovodioce koji su prošli ranu fazu usvajanja AI-a i pokušavaju da razumeju kako transformacija na nivou tima izgleda u praksi, za razliku od postepenih ušteda vremena za pojedince.