Medium: pisanje PRD-a za AI proizvode — okvir za probabilistične sisteme

O čemu se radi u tekstu

Nima Torabi — product i strategy lider sa iskustvom u kompanijama Samsung i Rogers Media — objavio je na Mediumu u aprilu 2026. godine detaljan vodič koji popunjava praktičan jaz: tradicionalni PRD-ovi polaze od pretpostavke da je kod deterministički, podaci stabilni, a krug stakeholdera uzak. AI sistemi funkcionišu pod drugačijim uslovima — daju probabilističke rezultate, zahtevaju stalno upravljanje podacima i uvlače pravni tim, tim za bezbednost i poverenje i stručnjake za podatke kao aktivne učesnike u procesu specifikacije. Članak nudi sedmodelni okvir za pisanje PRD-ova koji odgovaraju stvarnom ponašanju AI proizvoda.

Kontekst i struktura

Vodič je organizovan u sedam delova: konceptualni prelaz od tradicionalnih ka AI-svesnim zahtevima; strateška definicija — usklađenost rešenja sa problemom i opis „zlatnih” slučajeva upotrebe; strategija podataka — poreklo, zahtevi za svežinom i nasleđivanje pristupnih prava; ponašanje modela — budžet latencije, strategije evaluacije i obrada grešaka; UX i dizajn interakcije — kako komunicirati nesigurnost AI-a i upravljati latencijom u interfejsu; bezbednost i rizici — specifikacije odbijanja, red teaming i protokoli uključivanja čoveka u proces; te saradnja i životni ciklus — razvoj s prioritetom evaluacije i praćenje nakon lansiranja.

Ključni zaključci

Najkorisniji doprinos teksta je prelaz od PRD-a kao dokumenta predaje ka PRD-u kao operativnom ugovoru koji se razvija tokom celog života proizvoda. Torabi identifikuje nekoliko zahteva koje tradicionalni šabloni potpuno zanemaruju. Tabela zahteva za svežinom treba da beleži prihvatljivo vreme starosti podataka za svaki izvor u sistemu — bez nje, inženjeri će pogađati i ili prekomerno investirati u sinhronizaciju u realnom vremenu ili isporučiti model koji rasuđuje na osnovu zastarelih ulaznih podataka. Sistemske persone — opisi kako AI treba da se ponaša u pogledu tona, obrazaca odbijanja i izražavanja nesigurnosti — treba da budu primarni artefakt specifikacije, a ne naknadna dopuna od strane dizajnera. Kriterijumi prihvatanja treba da budu mašinski proverljivi i probabilistički, a ne vaga pojmova poput „intuitivno” ili „brzo”.

Pitanja bezbednosti dobijaju sopstveni deo, a ne pasus u prilogu. Torabi tvrdi da su specifikacije odbijanja, pragovi tolerancije na halucinacije i putevi eskalacije do ručne provere — produktne, a ne inžinjerske odluke, i da bi trebalo da se nalaze u PRD-u ravnopravno sa funkcionalnostima.

Deo o token ekonomiji adresira uobičajeni jaz u fazi otkrivanja: razumevanje troška pri predviđenim obimima upita važno je pre donošenja arhitektonske odluke, pa produktni zahtevi treba da uključuju ciljeve troškova ravnopravno sa ciljevima performansi.

Kome je tekst koristan

PM-ovima koji su isporučivali tradicionalni softver i sada su odgovorni za AI funkcionalnost koja je bila loše specifikovana u ranijim iteracijama. Korisno je i liderima pravnih timova i timova za bezbednost koji žele da razumeju čime se AI zahtevi razlikuju od zahteva za softver i gde njihovo učešće oblikuje produktne odluke. Sedmodelna struktura omogućava delimičnu primenu — tim može primeniti delove o strategiji podataka i ponašanju modela bez prepisivanja celog šablona PRD-a.