Lean Product Meetup: kako AI menja product menadžment

Ovaj fireside chat snimljen je na Lean Product Meetupu 16. jula 2026. U razgovoru učestvuju Marty Cagan — autor knjiga „Inspired” i „Empowered” i osnivač Silicon Valley Product Group — i Dan Olsen, autor knjige „The Lean Product Playbook”. Ovo je deseta godina zaredom kada Cagan govori na Lean Product Meetupu, a sesija koristi taj jubilej da sumira promene u product menadžmentu tokom decenije — sa posebnim fokusom na ono što je AI zaista promenio i šta nije.

Za koga je video

PM-ovi svih nivoa, posebno oni koji se nose sa organizacionim pitanjima — o strukturi tima, metodologiji discoveryja i gde ljudska procena ostaje nezamenljiva dok AI preuzima sve više izvršnog rada. Dvojica govornika predstavljaju različite, ali komplementarne tradicije — Caganovo usmerenje na produktnu organizaciju i timove sa stvarnim ovlašćenjem za donošenje odluka, Olsenovo usmerenje na lean discovery i usklađenost proizvoda sa tržištem — što njihovo slaganje i neslaganje o uticaju AI-a čini informativnim.

Ključni zaključci

1. Metodologija discoveryja se nije promenila; promenila se brzina prototipiranja. Olsen tvrdi da lean product proces ostaje netaknut: definisati ciljnog korisnika, identifikovati nezadovoljene potrebe, definisati vrednosnu propoziciju, napraviti prototip, testirati ga, iterirati. Ono što se promenilo — prototipiranje je sada dramatično brže. Ono što je nekada zahtevalo nedelje dizajnerskog vremena sada može da se uradi za sate, što kompresuje ciklus discoveryja, ali ne eliminiše potrebu za stvarnim razumevanjem problema.

2. Usko grlo pomerilo se ka definiciji problema. Kako kodiranje i dizajn prestaju da budu ograničavajući faktori, kvalitet formulacije problema postaje primarna varijabla. Tim sa precizno formulisanim problemom korisnika i pristupom savremenim AI alatima sada može da nadmaši veći tim sa resursima, ali neodređenom formulacijom problema. Cagan to formuliše kao povratak osnovima: fundamentalni principi dobrog product menadžmenta su važniji, a ne manje važni, kada padaju barijere izvođenja.

3. Timovima sa stvarnom autonomijom teže je odgovoriti. Kada AI dramatično smanjuje cenu realizacije loše ideje, slučaj za bolji discovery unapred i stvarnu autonomiju tima postaje jači. Feature factory — timovi koji realizuju unapred definisane funkcionalnosti uz malo razumevanja korisnika — sada mogu da greše brže i jeftinije, ali i dalje greše. Disciplina rada od rezultata unazad, za koju se oba govornika zalažu godinama, postaje relevantnija, a ne manje važna.

4. Uloga dizajnera se raslojava. Olsen opisuje rastuću podelu između dizajnera koji mogu da pređu na nivo produkcije koristeći AI-potpomognute alate i onih koji ostaju u tokovima predaje zadataka. Za PM-ove koji upravljaju procesom od dizajna do razvoja, razumevanje ove podele važno je za strukturiranje tima i predviđanje gde će se koncentrisati tenzije.

5. LLM-simulirani korisnici nisu zamena za stvarne. Cagan i Olsen su obojica oprezni u pitanju sintetičkih istraživanja kao zamene za stvarni kontakt sa korisnicima. AI alati pomažu u obradi velikih količina povratnih informacija i identifikovanju obrazaca u postojećim podacima, ali nisu pouzdan proksi za ono što stvarni korisnici rade pri prvom susretu sa proizvodom.

Vredi pogledati ako

Upravljate product timom koji se prestruktuira u skladu sa AI mogućnostima i tražite odmeren razgovor o tome šta se stvarno promenilo naspram onoga što ostaje isto. Format je konverzacijski, a ne predavački, što ga čini korisnim za pokretanje timske diskusije, a ne za njenu zamenu.