Medium: 6 AI workflows koje bi svaki product manager trebao koristiti
O čemu govori članak
Napisao ga je Blaine Joubert, objavljen na Mediumu u februaru 2026. godine. Opisuje šest AI workflowa koje je autor uveo u svakodnevni product management rad. Nije to pregled alata već lični izvještaj o tome šta je zapravo napravilo razliku: šta je isprobano, kakvi su rezultati bili i gdje su se pojavila realna ograničenja. Centralna ideja je da je osnovna vrijednost AI-a snižavanje cijene iteracije — brže i jeftinije testiranje pretpostavki prije većih ulaganja.
Kontekst
Joubert radi u sektoru zabave i tehnologije, što određuje dio primjera (video metapodaci, provjera influencera, HeyGen demo produkcija). Workflowi su u principu primjenjivi šire, mada neki zahtijevaju poznavanje Google Apps Scripta ili Databricksa.
Šest workflowa
Prvo prototip, pa dokumentacija. Umjesto pisanja PRD-ova na osnovu pretpostavki, autor koristi AI za izradu funkcionalnih HTML prototipova, dijeli ih s dionicima putem Google Sitesa, prikuplja realne reakcije i tek onda koristi AI za generisanje PRD-ova i korisničkih priča utemeljenih na validiranom feedbacku. Pointa je da dokumentacija napisana prije testiranja opisuje zamišljeno ponašanje, dok dokumentacija napisana nakon odražava ono na šta su ljudi zapravo reagovali.
Graditi interne MVP-ove dok resursi nisu dostupni. Kad je inžinjerski kapacitet zauzet, Joubert koristi AI uz Google Sheets i Apps Script za izradu grubih internih alata — automatizovanih scrapera metapodataka, AI sistema za provjeru influencera — koji deblokuju tim i otkrivaju ograničenja još prije formalne izrade. Ova sandbox rješenja nikad ne idu u produkciju bez pregleda.
AI za oblikovanje strateških prezentacija. Korišćenje AI-a kao partnera u razmišljanju za narativnu strukturu: predaja poslovnih ciljeva, korisničkih problema i ograničenja, a zatim postavljanje pitanja o tome koji ugao odabrati i koja pitanja bi rukovodstvo moglo postaviti. Pomaže zadržati strateški nivo i izbjeći prekomjerne operativne detalje.
Skraćivanje ciklusa debugiranja podataka. Predaja SQL upita i definicija metrika AI-u na provjeru prije eskaliranja prema data timu. Model pouzdano prepoznaje česte greške — pogrešne joinove, dvostruko brojanje, greške filtriranja — što razgovore s analitičarima čini informovanijim od samog početka.
Pretvaranje dema u privlačna iskustva. Korišćenjem HeyGena, ChatGPT-a i Suno-a za pretvaranje rutinskih prikaza proizvoda u produkcijski dovršene prezentacije s prilagođenim glasovnim komentarom i muzikom. Barijera za poliran demo značajno je pala bez dodatnog budžeta.
Koristiti AI u proizvodima promišljeno. Umjesto dodavanja LLM-a na postojeće procese, primijeniti ga na specifičan, ograničen problem. Primjer je sistem moderacije sadržaja gdje AI pruža kontekst i argumente kako bi podržao moderatore ljude, smanjujući lažno pozitivne bez ukljanjanja ljudske procjene iz procesa.
Za koga je korisno
Product managerima koji već poznaju osnove i traže konkretne primjene AI-a izvan pomoći pri pisanju. Članak pretpostavlja poznavanje PRD-ova, MVP-ova i usklađivanja s dionicima. Posebno je koristan PM-ovima koji rade u uvjetima ograničenih inžinjerskih resursa, jer su neki workflowi osmišljeni upravo da učine to ograničenje manje blokirajućim.