HelloPM: AI-nativni product manager — masterklasa, dan 1

Ovo je dan 1 besplatne HelloPM masterklase “AI-nativni product manager”, snimljene u maju 2026. Sesiju vodi Ankit Shukla, osnivač HelloPM-a, koji razvija programe obuke za AI PM-ove i objavljuje praktične materijale o upravljanju proizvodima. Dan 1 odgovara na temeljno pitanje: šta zapravo znači biti AI-nativni PM, za razliku od PM-a koji je jednostavno dodao AI alate svom postojećem toku rada.

Za koga je ovo

PM-ovi koji osećaju nesigurnost u pogledu toga gde AI zaista menja posao, a gde alati uglavnom automatizuju iste zadatke koje su već obavljali. Sesija ne pretpostavlja duboko tehničko znanje. Takođe odgovara PM-ovima koji se pripremaju za intervjue u kompanijama gde se iskustvo s AI proizvodima sve češće zahteva, ili onima koji traže strukturiran način da procene sopstvenu AI pismenost.

Ključni zaključci

1. Razlika između AI-nativnog i AI-asistovanog PM rada tiče se dizajna radnih tokova, a ne izbora alata. AI-nativni PM gradi procese koji od početka pretpostavljaju AI mogućnosti. AI-asistovani PM koristi AI alate za ubrzanje procesa koji su prvobitno dizajnirani za ručni rad. Shukla tvrdi da drugi pristup ima niži plafon jer ne menja ni koje odluke se donose ni koliko brzo se odvija povratna sprega.

2. POWER okvir strukturiše kako AI-nativni PM pristupa svom radu: Possibilities (mapiranje šta AI već može u datom domenu), Opportunities (identifikacija koje mogućnosti odgovaraju stvarnim problemima korisnika ili biznisa), Workflow (redizajn načina na koji tim prelazi od discovery-ja do isporuke s obzirom na AI mogućnosti), Engineering (dovoljno razumevanje kako modeli, API-ji i arhitektura funkcionišu za donošenje informisanih odluka o scopeu i izvodljivosti), Reflection (uvođenje praksi evaluacije za otkrivanje grešaka modela i drifta). Okvir je dizajniran za primenu u različitim produktnim kategorijama, a ne samo u AI-first proizvodima.

3. Razumevanje kako se grade AI proizvodi menja kako ih PM specifikuje. Shukla prolazi kroz ključne slojeve: LLM sloj, arhitekturu aplikacije iznad njega i sloj korisničkog iskustva. PM-ovi koji razumeju da su promptovi, sistemi za pretragu i okviri za evaluaciju posebni inženjerski problemi mogu pisati bolje zahteve i voditi produktivnije razgovore s ML inženjerima.

4. Većina AI-vezanih grešaka PM-ova dešava se u fazi identifikacije mogućnosti, a ne u fazi izvršavanja. Timovi grade AI funkcionalnosti koje su tehnički funkcionalne, ali ne adresiraju jasno definisan korisnički problem — ili adresiraju problem koji korisnici ne osećaju dovoljno hitnim da promene ponašanje. Shukla formuliše ovo kao ključnu PM prosudbu u AI produktnom radu: koje AI mogućnosti su rešenja koja traže problem, a koje zatvaraju stvaran jaz.

5. Masterklasi su priloženi šabloni, biblioteke promptova i materijali o radnim tokovima kojima učesnici mogu pristupiti nakon sesije.

Vredi pogledati ako

Pokušavate da objasnite šta “AI-nativni PM” znači van stavke u biografiji, ili vaš tim gradi AI funkcionalnosti i želite strukturisan vokabular za produktne razgovore s inženjerima. Sesija se odvija brzim tempom i pretpostavlja da gledaoci traže praktične okvire, a ne konceptualnu pozadinu.