PMCurve: product management i AI u 2026. godini

Video je objavljen u decembru 2025. godine. Autor je Deepak Singh, osnivač PMCurve — platforme usmerene na edukaciju iz oblasti tehničkog product managementa. Singh vodi program Advanced AI Product Management na Mavenu i godinama pomaže iskusnim inženjerima i PM-ovima da razviju veštine potrebne za vođenje AI produktnog rada. Video je samostalan materijal, a ne modul kursa, i namenjen je PM-ovima koji već imaju osnovno iskustvo sa AI alatima i sada žele da o tome razmišljaju sistematičnije.

Za koga je namenjen

Video se obraća PM-ovima koji su prešli uvodni nivo — koji već koriste AI alate ili grade AI funkcionalnosti — i sada se suočavaju sa složenijim pitanjima procene, upravljanja i masovnog uvođenja. Fokus je na strateškom razmišljanju, a ne na osnovama alata, što materijal čini relevantnijim za PM-ove srednjeg i višeg nivoa.

Ključne poruke

1. Procena AI mogućnosti zahteva drugačiji pristup. Standardni okviri za prioritizaciju ne prenose se direktno na AI funkcionalnosti, jer je strana „napora” slabo definisana kada su performanse modela promenljive i nastavljaju da se poboljšavaju. Singh argumentuje potrebu za eksplicitnim kriterijumima evaluacije specifičnim za AI mogućnosti.

2. Upravljanje postaje produktna briga, a ne samo pravna. Kako AI funkcionalnosti prelaze sa internih alata na korisničke, pitanja o tome kako se donose AI odluke i kako se mogu pregledati ili poništiti postaju deo površine proizvoda. Singh ovo tretira kao problem dizajna i specifikacije za PM.

3. Projektovanje za poverenje nije isto što i projektovanje za upotrebljivost. AI funkcionalnosti često prolaze testiranje upotrebljivosti, ali zapnu u fazi usvajanja jer korisnici ne veruju dovoljno rezultatima da bi se oslonili na njih u važnim situacijama. Singh pokazuje da projektovanje za poverenje znači tumačivost AI rezultata i pružanje korisnicima smislenih načina za proveru ili korekciju.

4. Discovery za AI proizvode mora da uključuje istraživanje načina otkazivanja modela. Faza discovery za AI funkcionalnost treba da uključi eksplicitno istraživanje mesta gde model trenutno zakazuje — ne samo šta korisnici žele. Graditi uzimajući u obzir poznate načine otkazivanja pre lansiranja efikasnije je od otkrivanja istih u produkciji.

5. Problem 2026. je koordinacija, a ne samo sposobnosti. Singova procena: individualni AI alati su već dovoljno dobri za mnoge PM zadatke, a teži problem je koordinisanje AI rada unutar produktnog tima — dosledne prompovanje prakse, zajednički kontekst i jasno vlasništvo nad AI rezultatima. Ovo je jednako pitanje timskog i procesnog dizajna kao i izbora alata.

Vredi pogledati ako

Ovaj video je najkorisniji za PM u produktnim organizacijama koji počinju da posmatraju AI ne kao alat za individualnu produktivnost, već kao timsku kompetenciju koja zahteva strukturu i upravljanje. Okvir sa 10 pitanja koji Singh predstavlja dobar je polazišni punkt za timsku sesiju planiranja, reviziju roadmape ili internu analizu načina na koji se AI trenutno koristi unutar produktne funkcije.