↓

Роль PM умирает в эпоху ИИ?

Скорее она расщепляется: крут не тот, кто лучше пишет PRD, а тот, кто умеет быстрее строить, тестировать и принимать решения по реальности, а не по согласованиям.

==

из чего складывается скорость в контексте роли РМ с ИИ?

1. data: Есть накопленная И структурированная база, с которой ИИ может работать:
- инфа о компании, продукте (а не хаос в конфлюенс)
- БД с логами куда ИИ может ходить (ему это не запрещено)
- настроена интеграция с Jira / Linear (ИИ нужна канбан доска)
- собрано 90% компонентов в дизайн системе в Figma/HTML
- четкие цели (ИИ умеет достигать целей после релиза /goal)
и т.п.

2. прототипы: У вас есть база фреймворков для сборки прототипов/MVP/PoC (GSD, Superpowers и т.п.)

3. MVP: Есть готовые плагины / фреймворки / Skills для работы, которые позволяют ускорять каждый участок работы. Можете отдекомпозировать «Каким делать Агента/agentic workfliw, а что позже?»

4. спеки. Вам не нужен бизнес-аналитик / системный аналитик / продуктовый аналитик. 80% их работы вы уже научились автоматизировать с помощью ИИ:
- Пишет понятную спеку для агента
- проектирование А/B-тестов
- написание аналитической записки для рук-ва
- разбор логов, извлечение данных из БД
- написание спек/ТЗ/БФТ/PRD
и т.п.

5. майндсет продакта Обновленный майндсет за счет практики и экспериментов за те 2-3 года, которые ИИ уже активно развивается. У вас должно быть сформировано Мышление чтобы вы могли разложить хаос в строимую систему.

6. коммуникации: ИИ сжимает координацию, письма, статусы и мониторинг почти до нуля. Вы больше не пишите письма, а наговариваете + ИИ стилизация под вас + подход к каждому сотруднику под его психотип/Хоган/MBTI (писал об этом).

7. процессы: вы оператор, и проектируете рабочие процессы под LLM-driven (вход → модель → выход → петля обратной связи) и координируете агентов как коллег (назначить → проверить → слить)

9. evals: вы рассуждаете о задержках, стоимости токенов и качестве как о продуктовых решениях

10. экономика: вы уже знаете что SLOP не продается, а потому не бежите что-то вайбкодить сломя голову, как 90% спецов сейчас.

11. жизненный цикл: вы понимаете что должно быть на каждом этапе зрелости: прототип → пилот → прод. и что каждый этап имеет свой confidence на успех в метриках. И не стремитесь его перепрыгнуть.

12. целеполагание: вы понимаете как решение встроится в текущий бизнес/бизнес-процесс (сюрприз: 80% не встраиваются (!), хотя решают важную задачу, люди должны получать существенно больше пользы в сравнении со старым решением, иначе churn стремится к 0)

13. безопасность: проектируя публичные ИИ решения, вы руководствуетесь DLP политиками, требованиями ФСБ к обработке и хранению PII. Ещё лучше, если понимаете как выстроить систему guardrails на input, action, output чтобы защититься от jailbreak, prompt injection, tool hijacking

13. стратегия. так, как ты кожаный мешок, и можешь много чего забыть/не учесть, то понимаешь что ИИ, сильно лучше в этом, если имеет достаточно контекста. ИИ ведёт диалог-интервью с тобой, пока не сгенерирует полный strategy.md.

14. планирование: ты не планируешь. ты управляешь планированием /co-ideate /co-brainstorm /co-plan, автоматически генерирует все тикеты и пушит их прямо в Linear.

15. мониторинг: ты не смотришь в дашборды, ты реагируешь на изменения: по крону в 8 утра автоматически приходит 1page отчёт о пульсе продукта, аномалии в данных помечаются автоматически.

==

Если это начать делать, то PM перестает быть человек-процесс / говорун / выскочка и прочие высказывания которые я слышал о продактах от коллег кто "делает реальный результат".

Не знаете тех, кто хотел раскатить ИИ в компании, но всё ещё не сделал это?

Это нужно не сотрудникам, а компании, которая несет риски.

выгоды:
- в 8,5 раз дешевле чем каждому покупать подписку
- на РФ сервере
- с интерфейсом как у ChatGPT
- с контролем прав, аналитикой трат и токенов
- можно локально на своем железе (опен-сорс Gemma / QWEN / DeepSeek и т.)

За успешную рекомендацию = вам 30% (50 тыс.)

Есть преза, там план работ, стоимость и ответы на FAQ

Пишите в ЛС @asmadeyi


== Зачем нужен корп. ИИ? ==

я не понимаю зачем это компаниям?
Если реально например у штатного сотрудника и так есть и ChatGPT и Claude?

↓↓↓
1. Сотрудники сливают корп. и перс. данные (когда работают с таблицами / договорами)
- сотруднику слившему с рабочего ПК — лишение свободы до 6 лет + штраф до 1 млн руб. по ст. 272.1 УК РФ
- юр.лицу — штраф до 6 млн руб. по ч. 8 ст. 13.11 КоАП РФ
- ген. диру — уголовка по ст. 272.1 УК РФ (до 6 лет + штраф до 1 млн руб.)

2. РКН запрещает использовать западные сервисы для передачи ПД по ч. 8 ст. 13.11 КоАП РФ. Физику ничего, а компании — штраф до 6 млн руб.

3. Не у всех компаний есть стабильный и рабочий VPN, который тем более куплен на всех в штате.

4. ИИ использует ~10-20% всех сотрудников. В век ИИ в интересах же компании, чтобы 95% использовали ИИ. Компания от этого выигрывает.

5. Результат работы с ИИ принадлежит компании. Уходит сотрудник — уходит процесс (к конкуренту?), в рамках которого был достигнут результат

6. Без корп. ИИ каждый сотрудник делает работу по своему → разное качество. С корп. ИИ: единые шаблоны для работы, единая база знаний о компании, клиентах, целях, показателях. У личного ИИ этого нет.

Защита от Prompt Injection и слива PII

У ИИ агентов просматривающих веб-страницы, есть проблема: они читают всё — баннеры с уведомлениями о файлах cookie, скрытые инструкции, теневые паттерны — и не могут отличить настоящий контент от ловушки.

Agent Browser Shield находится между агентом и вебом, удаляя промпт инъекции, маскируя перс. данные, устраняя теневые паттерны и фильтруя информационный шум, который расходует токены.

Бесплатно, исходный код доступен, работает с Browser-use и Browserbase.

ИИ меняет способы оплаты труда консультантов

Несмотря на все апокалиптические прогнозы о том, что ИИ сделает управленческих консультантов ненужными, СЕО BCG отвечает так: посмотрите на бизнес.

Выручка BCG выросла на 7% и достигла 14,4 млрд долларов в последнем финансовом году, а численность сотрудников увеличивается, поскольку компания стремится удовлетворить почти «бесконечный спрос» со стороны бизнеса на помощь во внедрении ИИ

Переориентация BCG вокруг ИИ сейчас является ключевым приоритетом

В крупнейших ИИ-проектах BCG меняет модель оплаты: всё больше работы зависит от достижения конкретных результатов для клиента, таких как снижение затрат или рост выручки. Эта модель, основанная на ценности, несёт для BCG риски, но также даёт больший потенциал роста.

В июне 33 500 сотрудников компании начнут проходить четырёхэтапную программу сертификации по ИИ, разработанную внутри компании, чтобы сотрудники оставались компетентными в этой технологии.

Куда движется консалтинг в эпоху ИИ?

отрасль движется в сторону моделей оплаты, основанных на результате.

Как выглядит найм на начальные позиции?

Мы завершили 2025 год с большим числом сотрудников, чем начинали; мы продолжаем нанимать

Anthropic сделал ко-лаб с Blackstone для продажи ИИ бизнесу. Это угроза?

Существует огромный спрос на масштабное внедрение ИИ, и при этом сильно не хватает людей, способных это поддерживать. Поэтому, на наш взгляд, для OpenAI, Anthropic и других — это очень разумный шаг: наращивать и закреплять возможности внедрения, чтобы ускорить распространение технологий и увеличить использование токенов.

Spec-Driven Development

Щас изучаю программирование через spec-kit , спека детализирует what/why, plan — how/context, tasks — пошаговая реализация разработки кароч

Пока всю пользу которую вынес, это то что Workflow (spec → plan → tasks → implement) каждый шаг генерирует артефакты (spec.md, plan.json, tasks.md), которые можно править вручную и пересобрать. Система генерирует acceptance checklist и отмечает требования, которые «need clarification», с возможностью авто‑догадок LLM (чеклист важен для review).

Также Spec Kit поддерживает переключение агентов и моделей (Copilot, Cloud Sonnet, GPT5 и др.), что позволяет переписывать артефакты под другой моделью без потери спек.

Tasks шаг разбивает работу на TDD‑ориентированные задачи (tests first) и умеет ставить Lighthouse/QA шаги

Как используют ИИ на работе в 2026 году


Принятие решений big job сценарием на рабочем месте (28%), что указывает на его роль как партнера по мышлению.

ИИ все чаще используется для анализа и суждений, а не только для автоматизации, при этом сбор информации, документация и анализ данных остаются основными задачами.

Agent Browser Shield для ИИ агентов


Нашел новый интересный проект — Agent Browser Shield из 35+ правил для Hermes, чтобы тот не заинжектил лишнего из интернета (а то часто читаю нытье, что «ИИ мне всё удалил на сервере»).

Что делает:
- экономит токены: убирает лишние элементы с web-страницы (нижние колонтитулы, баннеры с уведомлениями о файлах cookie, виджеты чата, спонсорский контент)
- масикурует PII: маскировка учетных и перс. данных, а также подавление скрытого текста, HTML-комментариев и пользовательского контента, которые могут содержать вредоносные ПО
- защита от Prompt Injections: блокировка манипулятивных скрытых шаблонов и скрытых команд

Пример работы:

✅ Countdown timer — скрыт
✅ Scarcity warnings (3 шт.) — скрыты  
✅ Sponsored content (3 типа) — скрыты
✅ Prompt injection — скрыт
✅ Footer — скрыт
✅ Editor's Pick cloaked → human variant
✅ Cookie dialog — скрыт
✅ Chat widget — скрыт

Архитектура:

systemd hermes-chrome-abs.service
  └─ xvfb-run (виртуальный дисплей)
       └─ Playwright Chromium 148 (Chrome for Testing)
            ├─ --load-extension=~/agent-browser-shield/extension-dist/
            └─ --remote-debugging-port=9222
                 ↑
          agent-browser CLI --cdp ws://...
                 ↑
          Hermes browser_navigate (cdp_url из config.yaml)

Внедрение Agentic AI в b2b секторе Дубая

В рамках нового плана, Дубай окажет поддержку 295 000 компаниям, внедрив Agentic AI.
Также цель создать в ОАЭ 50 новых AI-компаний за 2 года

Цель программы трансформации Agentic AI заключается в следующем:
- Оказание поддержки 295 000 компаниям в Дубае
- Разработать и внедрить 100 специализированных ИИ-помощников в течение следующих двух лет.
- Поддержите создание 50 компаний, занимающихся разработкой агентного искусственного интеллекта.

Дубай стремится занять лидирующие позиции в области агентного ИИ, а значит сюда нужны будут ИИ продакты, проджекты, интеграторы, консультанты.

Дубай будет №1 столицей ИИ.
Дубайский акселератор запустил 32 новых мобильных ИИ-приложения.

Ещё полезные ресурсы:

Dubai AI Seal certification — помощь компаниям в получении сертификата для доступа к гос-контрактам и доверию. Высокая (стандарт trusted AI, глобальный интерес). К участию в инициативе приглашаются все местные, региональные и международные компании, имеющие лицензию на деятельность в Дубае и предлагающие продукты и услуги на основе искусственного интеллекта или интегрирующие ИИ в свои предложения. Участие бесплатное, заявки можно подать через dub.ai/ai-seal.

Создание бизнеса на ИИ в ОАЭ: руководство 2026 года — от получения лицензии до открытия счета. Если делаете продукт с ИИ, то вам нужен DIFC кластер. Или IFZA для обычной ИИ / ИТ консалтинга.

Dubai Founders HQ: За девять месяцев с момента запуска Dubai Founders HQ привлекла более 1100 участников и 500 стартапов.

Платформа Ignyte: 36 000 пользователей и предоставляет доступ к официальной стартап-экосистеме Дубая, связанной с DIFC, от первого дня до стадии роста, включая более 3000 специализированных сессий наставничества.

Dubai Ecosystem Navigator — главный источник данных об инновационном ландшафте Дубая.

Бесплатные онлайн-курсы по предпринимательству через Учебный центр для малых и средних компаний , доступным на английском

Как искать работу в компаниях Dubai AI Campus
- LinkedIn Jobs
- Glassdoor 558 AI jobs
- Indeed UAE 65 вакансий
- AIJobsUAE
- Startup.jobs

В Китае отменили больше (!) 12 тыс. специальностей в университетах из-за ИИ.

«Сокращены» будущие журналисты, философы, менеджеры, маркетологи, учителя английского языка и так далее.

Вместо них запустили обучение на профессии, связанные с ИИ: роботехника, инженеры, ИИ-промтинг и прочие.

@investingcorp

Как ИИ трансформировал мою роль Product Lead

На практическом уровне:
1. Переход к ИИ-native — вся работа переехала в один интерфейс (Claude), где ИИ стал центральным слоем управления
2. Коннекторы (MCP/CLI/REST API) — основа моей системы
3. Мои знания о компании, клиентах, ICP, контексте — теперь это claude.md / user.md
4. Мои «коллеги» сегодня — Soul1.md , Soul2.md и наши отношения с ними теперь это heartbeat1.md , heartbeat2.md моих агентов
5. Мой уровень владения Hard Skill определяется качеством составленного SKILL.md
6. Рост продуктивности не снижает нагрузку — если я делал работу в 10 раз быстрее, то система требует в 10 раз больше результата
7. Сдвиг ценности от исполнения к принятию решений — ключевыми стали вкус, приоритизация, judgment и оркестрация, а не выполнение задач
8. Learning loop через GitHub — все эксперименты и инсайты сохраняются в репозитории как единый source of truth для команды и ИИ
9. Коллективная память теперь в GitHub, а не в Confluence. Гит превратился в базу знаний, где фиксируются результаты тестов и решения

На ментальном уровне:
1. Главная проблема — скорость изменений: даже профессионалы вроде меня, не успевают адаптироваться, постоянное ощущение «отставания» (писал тут)
2. Возникает иллюзия, что «все уже разобрались»: люди демонстрируют уверенность, скрывая неопределённость, что мешает открытому обмену знаниями
3. Происходит обесценивание накопленных навыков: области вроде маркетинга, продукта и продаж теряют «ремесленную» ценность, так как ИИ снижает порог входа
4. ИИ уравнивает грейд — менее опытные специалисты могут быстро создавать «достаточно хорошие» результаты, что размывает разницу в опыте
5. Меняется структура карьер и иерархий — традиционные признаки seniority ослабевают, опыт остаётся важен, но уже не даёт линейного преимущества
6. Новые навыки сложнее формализовать — decision-making и вкус нельзя легко масштабировать через курсы и playbooks
7. Прошлый сетап из инструментов перестал работать (CLI убрал переключение между инструментами, ускорил цикл тестирования и принятия решений)

Подал заявку в OpenAI

Они запускают партнерскую сеть для ускорения внедрения ИИ в компаниях перед IPO

По плану обучить 300 000 сертифицированных консультантов

OpenAI создает партнерскую сеть для организаций, которые помогают клиентам внедрять, развертывать и развивать продукты OpenAI.

Есть 3 грейда: Select, Advanced и Elite, каждый из которых имеет высокие требования к показателям продаж, техническим возможностям, участию в совместных продажах и опыту деплоя.

Почему вам не нужна ИИ автоматизация

80% запросов от бизнеса в духе “давайте внедрим ИИ” — мимо.

Потому что чаще всего это не запрос на эффективность.
Это попытка сбежать от скучной управленческой работы.

Почему?
Просто потому, что это новый способ прокрастинации (как Claude Code у вайбкодеров), эдакий мнимый святой Грааль, который спасет от рутины, с которым вы обгоните всех. (ну, а если вы слышали про AI-native организации, где 80% работы делают ИИ агенты, то забудьте. Ибо вам придется уволить всех, оставить 0-3 чел. и с 0 строить AI-native, agent-driven компанию, которая способна сама себя улучшать. Вы на это не способны).

Ну а если серьезно, то давайте с базы:
1. Если у вас <100 сотрудников в штате — ваш роскошный максимум: купить обучение сотрудникам. Серьезно. Это лучшая инвестиция, т.к. ваши бизнес-процессы либо вообще не регламентированы, либо их никто не выполняет по регламенту (нет контроля, ибо что такое контроль? это 1я ступень менеджмента = проектный/операционный менеджмент, должен быть «жандарм», который бдит что процесс исполняется, в т.ч. с применением ИИ. Вы, как собственник, не будет заниматься этим контролем. Это просто ваше желание, а не рабочий процесс)

2. CRM хотя бы есть? Не в том смысле, что у вас есть такой инструмент как Битрикс24, AmoCRM и т.д., и вы в нем ведете клиентов по воронке от лида до сделки, а в том смысле, что вы УПРАВЛЯЕТЕ отношениями с клиентами (CRM = customer relationship management), в этом случае CRM в контексте ИИ автоматизации для вас это способ собирать данные о клиентах, их проблемах И у вас есть культура системно это делать.

3. Данные организованы? Процессы работают?
- цели есть? OKR вниз до сотрудников?
- регламенты описаны? исполняются?
- метрики трекаете? дашборды есть хотя в Data Lense?
- должностные инструкции работают?
- бизнес-процессы описаны?
- данные, они где? хотя бы одна SQL база есть?

Если этого нет, ИИ не ускоряет бизнес, а только размазывает его слабые места (Amazon об это же и споткнулся, ИИ часть кода удалил в продукте AWS).

4. Процесс привлечения клиентов управляемый? У вас несколько каналов откуда к вам приходят клиенты, и для вас это управляемый процесс (есть ответственный за каждый канал: SMM, РРС, SEO, Email, наружка, партнеры и т.п.) и вы «data informed», т.е. принимаете решение опираясь на данные (в бизнесе эту задачу обычно решает система сквозной аналитики, Roistat / CallTouch).

В этом случае тоже ещё рано думать про внедрение ИИ. Почему?
Потому что у вас дай бог 1 спец. на каждое направление, что вы там будете автоматизировать? Максимум часть какой-то рутинной работы специалиста, но это опять же на уровне KPI (квартальная фокус задача самого сотрудника купить себе подписки на ИИ-сервисы, и начать их применять)

4. Вы понимаете где вы теряете ПРИБЫЛЬ?
или проще: финансовый директор есть в организации?
Если нет — вам не нужен ИИ. Он съест вашу маржу на токены.

Сначала нужна не автоматизация, а нормальная диагностика:
- где теряется выручка → отв. финсист
- где ломается воронка → отв. директор
- где теряется время, качество → отв. сотрудник

Но при чем тут финансист?
Он должен показать вам СКОЛЬКО вы теряете, сколько должен переезд бизнес-процесса на AI (опытные спецы не будут заходить на проект дешевле $10 тыс., поэтому такие инвестиции должны окупиться. Я считаю срок окупаемости = 10 мес.).

Вряд ли вы как владелец, будете сидеть высчитывать по каждому БП срок окупаемости, закладывать поправочные коэфициенты, затраты на токены, на обучение, стоимость observability и т.п.).

Поэтому, если делать по уму, то делаем по PlayBook'у компаний из BigTech-а:
- садимся и считаем экономику расхода на токены
- стоимость обучения (если не вытесняем людей из цепочки на 100%)
- стоимость поддержки
- стоимость железа (если не хотим отдавать свои данные провайдерам)

И вводим метрику "интеллект за доллар". Так делает Microsoft, они оценивают LLM-модели по стоимости достижения производительности.

===

Многие компании хотят ИИ не потому, что понимают задачу, а потому что хотят отложить настоящую работу — регламенты, контроль, аналитику, ответственность и перепрыгнуть через ступеньку.

И вопрос не в том, нужен ли ИИ вообще.
Вопрос — есть ли система, к которой его можно подключить?

Забудьте о парсерах


Tabstack — это API для веб-данных и автоматизации, обеспечивающий надежный структурированный вывод. Передайте URL и схему, и получите JSON, который всегда соответствует запросу.

Один API предоставляет вашему коду все необходимое из веб-среды: структурированный JSON, чистый Markdown, ссылки на исследования и автоматизацию браузера. Вам не нужно запускать браузер, LLM или конвейер обработки данных. Используйте его из инструментов, с которыми вы уже работаете: MCP-сервер, CLI, расширение Raycast или в качестве скилла для агента.