Product SideQuest: praktična tipologija AI PM uloga i kako se pripremiti za svaku

Diego Granados je vodio AI produktna iskustva u Google-u — uključujući Data Science Agent za korporativne korisnike — i gradio ML modele u Microsoft-u. Njegov vodič za prelazak u AI product management, objavljen u martu 2026, primetan je po onome čega nema: izbegava uobičajeni savet «naučite osnove ML-a» i umesto toga pravi razliku između tri uloge koje dele naziv AI PM, ali zahtevaju suštinski različite veštine i pripremu.

Prvi tip je AI Experiences PM. Ova uloga dizajnira korisničke proizvode pokretane AI-em — čet asistente, sisteme preporuka, alate za obradu dokumenata — a njen ključni izazov je poverenje i upotrebljivost, a ne konstrukcija modela. Experiences PM odlučuje kako proizvod komunicira nesigurnost, šta se dešava sa interfejsom kada model zakaže i da li dizajn pravilno kalibriše očekivanja korisnika. Granados uvodi koncept «AI product sense» — izgrađena intuicija koja omogućava da se prepozna kada je probabilistički izlaz dovoljno dobar za lansiranje, a kada ga obrasci grešaka čine neprihvatljivim za određeni korisnički kontekst. Ovo je uloga o kojoj se najčešće piše u tekstovima o AI PM-u — i istovremeno najpogrešnije shvaćena, jer izgleda kao tradicionalni product management sve dok se ne naiđe na njene AI-specifične oblike grešaka.

Drugi tip je AI Builder PM. Ova uloga upravlja platformama, infrastrukturom i modelima koje koriste interni inženjerski timovi: pipeline za fino podešavanje, okvir za evaluaciju, infrastruktura embeddinga. Builder PM radi daleko bliže inženjeringu i zahteva dublje tehničko poznavanje — razumevanje metrika evaluacije modela, dizajna eksperimenata za ML sisteme i kompromisa između latentnosti, troška i tačnosti. Granados povlači jasnu liniju: Experiences i Builder uloga dele gotovo nijednu svakodnevnu veštinu, uprkos tome što se svrstavaju u istu kategoriju naziva radnih mesta.

Treći tip je AI Enhanced PM — ne krajnji cilj, već osnovna kompetencija. To je korišćenje AI alata za ubrzanje PM rada: pisanje PRD-ova uz pomoć LLM-a, rezimiranje korisničkih intervjua, generisanje konkurentske analize. Granados tvrdi da je ova kompetencija sada neophodna u svim PM ulogama i ne treba je mešati sa specijalizacijom u izgradnji AI proizvoda. To je higijenski minimum, ne diferencijator.

Vodič se oslanja na stvarne oglase sa Airbnb-a, Meta-e, Bumble-a, Spotify-a i Stripe-a sa podacima o kompenzaciji ($155K–$280K+ za starije pozicije) i konkretnim tehničkim zahtevima. Ovo oslanjanje na tržišne podatke je jedna od vrednijih karakteristika teksta: umesto opisa idealizovane buduće uloge, opisuje se šta kompanije aktivno traže upravo sada.

Praktični savet za karijerni prelaz svodi se na izgradnju i javno lansiranje stvarnog proizvoda — koristeći alate poput Lovable-a ili Claude Code-a — kao najpouzadniji način da se istovremeno razviju i kredibilitet i intuicija. Granados je skeptičan prema sertifikacionim programima kao primarnom putu pripreme: po njegovom mišljenju, direktno iskustvo rada sa AI sistemima je ono što zaista razlikuje kandidate na razgovorima za posao.

Najkorisnije za product managere koji procenjuju u kom pravcu da se kreću pri prelasku u AI-fokusirane uloge i za one koji žele da razumeju po čemu se konkretni tipovi AI PM rada razlikuju u praksi.