Появляется все больше и больше позиций AI продакт менеджеров. И я решил немного порассуждать на тему "Основные отличия работы продакт менеджера в AI от классического PM" (сочинение "Как я провел лето") 1️⃣ Вероятности вместо определённости В классических продуктах действие пользователя даёт чёткий результат. Пользователь жмякнул на кнопочку и получил такую-то цифирку или перешел на следующий экран (если, конечно, никто не наговнокодил 😂) В AI - только вероятность, ты не всегда знаешь, какой результат получит пользователь по итогу ("80% того, что пользователь попадет в этот сценарий/получит такой ответ"). Black box. PM теперь должен уметь принимать решения в условиях этой неопределённости и объяснять их стейкхолдерам. Вот это самое интересное и одновременно сложное)) Почему? Как-то в одной компании я потратил полгода нонстопом на то, чтобы попытаться объяснить бизнесу, что такое AB тесты и как они работают. Непрерывно проходил один и тот же цикл: объяснил -> объяснил еще раз -> поняли -> забыли... А тут целый AI!! 2️⃣ Борьба с предвзятостью и получение "чистых данных" - в том числе продуктовая задача В AI ошибки и перекосы могут возникать из-за исторически искажённых данных, выбросов и тд Это не только задача дата-сатанистов - PM должен закладывать справедливость, инклюзивность, очистку данных на этапе дизайна продукта. Иначе, без этого понимания и этой работы продукт пойдет по ... ну вы поняли. 3️⃣ Пока еще "новый" технологический стек Вместо условной простоты "код + база данных" (да-да, я спецом упростил) теперь: модели, пайплайны данных, переобучение, версии моделей, непрерывная обратная связь. PM не обязан быть дата-сатанистом, но должен понимать, как работает эта инфра. 4️⃣ Самое важное: четкое понимание, что "не каждую проблему стоит решать через AI")) И умение обосновать, что AI тут, как собаке пятая нога. А если и решать с помощью AI, то сложная часть - превратить размытое "надо помочь пользователю" в чёткую задачу для DS.