Роль менеджера продукта в эпоху ИИ

Недавно друг скинул ссылку на НЕшуточный отчет, в котором на основании моего профиля LinkedIn было определено, что 82% всей моей работы можно спокойно агентизировать. С одной стороны, сколько я ни занимаюсь Product Architecture Framework, всегда говорил, что деятельность менеджера продукта можно автоматизировать. С другой стороны совершенно по-другому себя ощущаешь, получив «справку о выходе на пенсию», которая говорит только об одном — мир окончательно изменился и больше никогда не будет прежним.

Одно из самых обстоятельных исследований в области влияния ИИ на профессии в 2025 году сделали в OpenAI, представив метрику GDPval, как оценку того, насколько хорошо разные модели выполняют экономически значимые реальные задачи. Для этого они выбрали 44 профессий из Справочника Бюро Статистики Труда США, чьи задачи на 60%+ являются цифровыми. Затем они наняли специалистов их этих областей, которые составили 1320 задач с описанием запроса и ожидаемым результатом на выходе. Задачи были переданы на выполнение ИИ моделям и, параллельно, другим живым специалистам. Результаты выполнения задач оценивались вслепую несколькими отраслевыми экспертами и изначальными авторами. Было выявлено, что последние версии ИИ моделей очень близко подошли к качеству, выдаваемому специалистами. 

Схожую картину рисует исследование от Anthropic. Они использовали базу O*NET с перечнем задач, связанных примерно с 800 уникальными профессиями в США. Для каждой задачи они определили два показателя: теоретические возможности ИИ и фактическое на текущий момент использование Claude для решения этих задач. Теоретический показатель базируется на предложенной командой исследователей из OpenAI и Пенсильванского университета метрике β, которая оценивает задачу по простой шкале:

• 1 — если скорость выполнения задачи может быть удвоена с помощью одной лишь LLM;
• 0,5 — если для этого требуется дополнительные инструменты или специализированное ПО на базе LLM;
• 0 — в противном случае.

Наиболее комплементарные области к менеджменту продуктов это Management и Business & finance — они обладают максимальным показателем потенциала ускорения (по сути автоматизируемости). Важно, что этот постоянный исследование-индекс от Anthropic связан с влиянием на рынок труда, т. е. по-другому его можно трактовать как «какие профессии находятся в зоне риска». В настоящее время как минимум четверть задач, выполняемых работниками в США, доступны для искусственного интеллекта — и это 49% рабочих мест. Что на 36% больше, чем год назад.

С начала 2025 года я исследую эффект от применимости ИИ в различных задачах менеджеров продуктов, трассируя их на разных кейсах, индустриях, внутренних и внешних продуктах и т. д. В одно время я натолкнулся на платформу https://jobforagent.com/, которая предлагает найти ИИ агента для выполнения отдельной задачи или более крупной работы. На площадке есть интересный сервис, который рассчитывает AI Score автоматизации по job description, куда я закинул описание вакансии, когда искал менеджера продукта себе в команду Яндекс Практикума. Получилось, что 45% данной позиции может быть автоматизировано. 

С наименьшим скором оказались два класса задач. 

• Во-первых, это задачи, связанные со стратегическим уровнем. Среди них можно выделить два типа: целеполагание и задачи, требующие понимание системных моделей. С целеполаганием очевидно, т.к. это находится вне зоны полномочий агентов, как исполнителей. Они инструменты, но не акторы. Второй тип — это сложные задачи вроде «как сократить COGS», т.к. они требуют построения моделей предметной области и значимого объема контекстных данных. Плюс в таких задачах риск неуспеха велик, а, как мы понимаем, ответственность на агента не перекинешь.
• Во-вторых, это задачи, требующие человеческого взаимодействия и сильных коммуникационных навыков. Это как проведение глубинных интервью, так и взаимодействие по проектам с командой разработки.

Отмечу, что алгоритм выдал куда меньший скор по разным задачам, чем выдал бы ему я по результатам моих исследований, т. е. уровень автоматизации думаю намного выше. Думаю не 45%, а ближе к 60−70%. Например, низкие показатели получились в задачах анализа рынка (анализ трендов, поиск точек дифференциации), хотя на самом деле ИИ при правильной методике и вводных данных очень хорошо с этим справляется.

Возможно, вы до сих пор хватаетесь за голову и вопрошаете как же такое могло произойти, где мы повернули не туда. Но на самом деле мы всегда были там. Менеджеры продуктов никогда не работали с самим продуктом. Они всегда работали с моделью продукта, заставляя других поверить в неё и воплотить в реальность. Код продукта писали разработчики, интерфейсы — дизайнеры, привлекали в продукт маркетологи. Именно этот нюанс всегда и отличал хороших менеджеров продуктов от плохих. Хорошие менеджеры выстраивают модель продукта, его цифровой двойник, изучают как с ним работают пользователи, как меняются показатели, строят симуляции при помощи системы актуальных количественных и качественных артефактов, максимально полно описывающих контекст продукта. Плохие менеджеры просто решают одиночные задачи.

Роберт Г. Купер, который разработал концепцию Stage-Gate процесса для решения задачи New Product Development, определяет этот процесс как «просто набор задач, предназначенных для сбора информации с целью снижения неопределенности и, следовательно, управления рисками». В 2024 он написал статью «The AI transformation of product innovation», в котором привёл огромное количество кейсов и отсылок на разные исследования и мнения экспертов по решению отдельных задач управления продуктами с помощью ИИ. Более того, в своей статье про опыт «Китайской скорости» он говорит, что использование агентов ещё и позволит сократить количество этапов этого процесса.

Модель продукта — это информационная система, а кто лучше умеет работать с информацией, чем умная машина? Человеческий интеллект ограничен в умении работать с информацией. Мы ленивы. Мы держим в голове лишь ограниченное число объектов. Мы плохо ищем закономерности. Мы плохо фокусируемся. Медленно читаем. Переоцениваем малые риски и недооцениваем большие. Наши способности и способности искусственного интеллекта несопоставимы. Нужно это наконец-то принять.

ИИ не только снесло все фигуры с доски — оно снесло и саму доску и правила. Мы находимся в точке, в которой придётся себя переосмыслить и переизобрести. Шаг первый на этом пути — перестать бежать, остановиться и оглянуться назад.

Прежде чем перейти к разговору об изменении роли менеджера, давайте посмотрим, что уже было доказано различными исследованиями как эффект от применения ИИ в управлении продуктами или комплементарных областях.

Сразу отмечу несколько важных ограничений:

• В старых исследованиях участвовали старые версии ИИ, которые обладали более низким качеством, чем сейчас. Это значит, что если подобные эксперименты повторить с современными моделями, мы увидим ещё более значимые результаты.
• Большая часть исследований проводилась в качестве полевых экспериментов с ограниченным временем, т. е. без оценки долгосрочных последствий.
• Эксперименты проводились внутри одних организаций, то есть не были смешанными. Не знаю, насколько их можно считать репрезентативными.
• В большинстве случаев испытуемые либо вообще не обладали навыками использования ИИ, либо прошли только краткий интенсив по промптингу (опять же с учётом уровня технологий на тот момент).

Ниже помимо основных результатов исследований, маркером я выделил интересные дополнительные выводы, на которые стоит обратить внимание.

В 2025 году учеными из Berkeley HaaS School of Business было проведено исследование технологической компании со штатом около 200 человек. В течение 8 месяцев они наблюдали и за сотрудниками, отслеживали коммуникацию по внутренним каналам и провели более 40 глубинных интервью с представителями разных отделов (разработка, продукт, дизайн, исследования, операционка).

В результате которого было обнаружено, что ИИ не снижало объем работы, а, наоборот, увеличило её интенсивность. Эффективность компании выросла, но это же и повысило нагрузку и когнитивное напряжение сотрудников:

• Сотрудники стали чаще брать на себя обязанности других, например, продакты и дизайнеры писать код. По всей организации сотрудники теперь пытались выполнять задачи, которые раньше отдавали на аутсорс или вообще избегали. Негативным следствием стало то, что “замещаемым” ролям пришлось тратить больше времени на проверку работы других (например, разработчику на то, что накодил менеджер).
• Сотрудники стали использовать ИИ даже в перерывах или после основного рабочего времени, потому что ИИ создавало для них внутренний стимул мотивации на фоне успешных результатов их работы с ним. Это размыло границы между работой и не-работой.
• Сотрудники стали работать быстрее просто потому, что ИИ переключило их в режим мультизадачности: ты сам работаешь и параллельно ставишь ИИ задачи на выполнение. С одной стороны это автоматизировало работу сотрудников, но с другой стороны они стали испытывать больше давления из-за увеличения количество начатых, но не завершенных задач. Когнитивная нагрузка выросла, т.к. приходилось постоянно переключать внимание с одной задачи на другую.

В 2025 году группа ученых провела полевой эксперимент влияния ИИ на креативность. В исследовании участвовали 250 сотрудников технологической консалтинговой компании из Китая. Часть из них получили доступ к ИИ инструментам, контрольная группа — нет. 

Через неделю провели оценку сотрудников по двум показателям: креативность и метакогнитивные способности (метапознание, metacognition). Креативность измерялась двумя независимыми способами: оценкой руководителей и оценкой двух внешних экспертов по новизне и полезности ответов сотрудников на специальной креативной задаче. Метапознание измерялось с помощью шкалы самоотчёта. Исследователи также учитывали другие личностные характеристики, вроде мотивации к обучению, но фокус оставался на метапознании.

В результате исследования было обнаружено, что у сотрудников с сильными метакогнитивными способностями использование ИИ привело к значимому росту креативности — их идеи оценивались как более новые и полезные. У сотрудников со слабым метапознанием использование ИИ не дало практически никакого эффекта по сравнению с контрольной группой. 

Цепочка рассуждений, к которой исследователи пришли в результате эксперимента, следующая:

• Сотрудники генерят более креативные идеи, когда у них достаточно когнитивных ресурсов для работы. Эти ресурсы включают два элемента:
• информацию и знания (поскольку креативность включает в себя их рекомбинацию и синтез новыми полезными способами);
• возможность корректировать методы и задачи работы (например, переключаться между сложными и простыми задачами и делать перерывы для отдыха, чтобы восполнить ресурсы).

Использование ИИ помогало увеличить эти когнитивные ресурсы на рабочем месте двумя способами:

• за счет расширения информации и знаний, которые предоставляет практически из любой области за секунды;
• за счет освобождения ментальной ёмкости путём делегирования ИИ когнитивно затратных задач, тем самым освобождая ресурсы сотрудника на более сложное принятие решений.

ИИ не является автоматическим усилителем креативности — он становится эффективным только в руках тех, кто умеет активно отслеживать своё мышление. Сотрудники с сильным метапознанием планируют этапы задачи, отслеживают эффективность своего подхода и вовремя вносят коррективы. Они осознают пробелы в своих знаниях и понимают, когда нужно сменить тактику или сделать перерыв. Сотрудники со слабым метапознанием склонны принимать первый же ответ ИИ, полагаться на стандартные результаты и не проверять точность или актуальность предложений системы.

Ну и конечно же нельзя не отметить ежегодное исследование рынка менеджеров продуктов от Product Sense, которое показывает интересную картину для российского рынка. В ходе опроса более тысячи сотрудников компании стало понятно, что:

• 97% менеджеров продуктов использовали искусственный интеллект в рабочих и личных задачах: 54% точечно и 43% на постоянной основе. Причем среди респондентов CPO использование отмечают абсолютно все, среди них 68% на постоянной основе. Самый наименьший показатель — среди Junior-специалистов и Head of Product.
• Положительное влияние отметили 72% менеджеров: 51% экономят до 2 часов в день, 21% более 2 часов. В то же время 28% не наблюдают ускорения в задачах или даже отмечают замедление работы из-за использования ИИ.
• 77% респондентов пока не видят никакого эффекта в метриках продукта от использования ИИ. А 3% даже столкнулись с новыми проблемами. Для 10% респондентов прирост составил до 20%, для оставшихся 10% - более 20%.

Интересен ответ респондентов на вопрос «С каким уровнем специалиста вы бы сравнили ИИ по скорости и качеству?». 37% не смогли на него ответить. 28% отметили, что скорость у ИИ выше, но качество ниже, что соответствует уровню Junior с ошибками. 18% оценили более позитивно, отметив что и качество на уровне Junior, а 13% даже сравнили с Middle-специалистом. 

Деятельность менеджера продукта практически полностью можно оптимизировать при помощи современных технологий искусственного интеллекта. Эта оптимизация лежит в трёх направлениях:

1. Оптимизация как автоматизация, то есть значительное сокращение срока выполнения продуктовых задач.
2. Оптимизация как аугментация или расширение возможностей, то есть значительное увеличение качества выполнения продуктовых задач. Это реализуется за счет того, что при принятии решений ИИ помогают:

• получить альтернативную точку зрения на проблему / процесс / решение;
• челенджить предлагаемые менеджером идеи, подсвечивая и оценивая их риски;
• предлагать углубленную экспертизу даже там, где у менеджера нет никаких знаний;
• обучать менеджера в процессе самого взаимодействия с ИИ по аналогии с наставником

3. Оптимизация как агентизация, то есть полное или частичное делегирование ИИ решаемых задач.

Однако, улучшение качества происходит только тогда, когда у специалиста достаточно метакогнитивных способностей и компетенций, чтобы валидировать результат. Во всех исследованиях с junior ИИ не давало роста качества — не хватало компетенций и опыта. Только в одном случае работает обратное для позиций junior: если им дана простая задача с понятным результатом и если они в целом понимают методологию решения (без ИИ). С другой стороны, исследование Гарварда и BCG хорошо показало обратное: что даже если специалист будет компетентен, но забьёт на верификацию, просто принимая ответы ИИ, то получит убедительные, но неверные результаты. 

В конечном итоге ИИ для менеджера продукта заметно усиливает его profitability — способность создавать больше [монетизируемой] ценности за единицу времени. Для большей наглядности я обновил свою «Карту навыков и ролей в Product Management», на которой теперь отображается степень влияния ИИ на задачи менеджера. Оценки проставлены на основании исследований, мнений экспертов и собственных экспериментов.

Для того, чтобы ответить на этот вопрос, необходимы какие-то предиктивные модели. Так как мы работаем не с цифрами, а с категориями, то я буду использовать законы системной динамики, чтобы представить как изменится состояние менеджеров продуктов (которое мы пытаемся предугадать) при изменении других частей уравнения, от которых он зависит и которые мы точно знаем.

Ускорение запуска новых продуктовых инициатив (с одной стороны за счет ускорения этапа discovery, с другой стороны за счет ускорения самой разработки продукта), что всегда было ключевым бутылочным горлышком работы с цифровыми продуктами и что пытались оптимизировать последние 30 лет различные методологии, приведёт к смещению бутылочного горлышка на этап дистрибуции этих самых инициатив (последняя миля до клиента). Камнем преткновения станет масштабирование и скорость восприятия потребителем такого потока изменений. Здесь выделю два фактора: фактор cashflow и внутренний фактор изменяемости компании.

Если представить организацию как микросхему, то её скорость работы будет ограничена пропускной способностью каналов связи, которые обеспечивают проходимость транзакций между элементами и внешним миром. Это значит, что даже если мы станем создавать продукты как не в себя, то всё равно уткнёмся:

• Либо способностью компании получать деньги от клиентов для реинвестирования их обратно в деятельность компании. Довольно большая доля современных продуктов живут на схеме монетизации «подписка», что привязывает организацию к месячным платежам. Для того, чтобы отвязаться от таких каденций, придётся переходить на какие-то новые способы монетизации, например, действия клиента внутри продукта (и здесь я даже не только про ИИ составляющие внутри продуктов, где нужно учитывать экономику токенов).
• Либо способностью компании самой проводить внутренние изменения. Любая компания — это организация людей. Любая новая инициатива требует калибровки этой организации: обучения, выделение полномочий, назначение ответственности за показатели, сопровождение и т. д. Теперь представим, что фичи выпускаются раз в две недели — хватит ли у компании собственного потенциала для того, чтобы проводить такое количество изменений внутри?

Другим следствием ускорения прохождения этапа Discovery является то, что при текущих синхронных процессах (к которым, например, относятся scrum и SAFe), менеджер продукта, выполнив свою часть задач будет «простаивать». Точно так же, как менеджер продукта простаивает сейчас в ожидании команды разработки. Это не гипотетическая ситуация, потому что эффективность ИИ в задачах менеджмента действительно очень высока: там, где я раньше тратил две недели на исследование рынка, теперь трачу пару дней. Однако, простои нам не нужны, поэтому будут несколько вариантов:

• Для компаний с несколькими продуктами, один менеджер будет управлять портфелем без потери эффективности управления каждым. 
• Следствием этого пути станет то, что менеджер продукта изменит свой объект управления на портфель или экосистему, тем самым выходя за рамки мышления одиночным продуктом. То есть его функций будет не максимизация монетизируемой ценности продукта, а всего портфеля, поэтому он будет в большей степени думать в инвестиционной логике: какому продукту дать приоритеты с учетом его влияния на весь портфель.
• Фокус менеджера продукта сместится с операционного менеджмента продуктов на стратегический менеджмент и целеполагание. Именно фактор бесконечной операционки не позволяет менеджерам продуктов практически любого уровня, выделять достаточное количество времени, чтобы отвечать на вопрос «зачем», а не «как»: как будем дифференцироваться от конкурентов, каким образом повысить LTV, где наши драйверы роста и т. д.
• Для компаний с небольшим количеством ресурсов менеджер продукта расширит свою роль, взяв на себя чужие функции: дизайн, разработка, тестирование и т. д. Тем самым получится команда куда меньшего размера, чем классическая скрамовская, но с той же эффективностью. 

Марти Каган, основатель Silicon Valley Product Group, автор книг Inspired, Empowered, Transformed считает, что компании масштаба 15−20 команд сократятся до 3−5 команд с тем же результатом. Потому что каждый член команды будет обладать comb-shaped специализацией (в противовес t-shaped). Такие плоские малые автономные группы названы «подами» (pods), в которых ИИ помогает заместить все недостающие компетенции.

В контексте современной разработки ПО ресурсом является «когнитивный труд» разработчиков и менеджеров. Использование И И для написания кода и генерации документации по продукту (например, PRD из PAF) снижает удельную стоимость запуска новой инициативы. Согласно парадоксу Джевонса, это не приведет к сокращению штата, но может вызвать рост спроса на новые, более сложные продукты и эксперименты, которые ранее были экономически нецелесообразны. ИИ способен сменить коннотацию фразы «опять космолёт придумали» с негативной на позитивную. Вполне возможно, что нас ждёт эпоха космолётов.

Отдельно отмечу фразу из абзаца выше про документацию по продукту. Я считаю, что фактор ИИ будет ключевой поворотной точкой операционной модели управления менеджера. Не только потому, что большее число продуктовых команд будут создавать более качественные артефакты, а потому что меняется сам смысл понятие «подготовить документ по продукту». Он исчезнет. Вместо документации по продукту менеджеры будут создавать «цифровой профиль продукта», представляющую собой совокупность количественных (метрики из систем аналитики) и качественных артефактов (тот же PRD). Это единая точка информации о продукте, сквозная для всей компании и исключающая разные точки зрения разных отделов. Максимальный уровень централизации и прозрачности информации. Взаимодействовать с этим профилем менеджеры (и скорее всего другие роли) будут скорее автоматически через систему агентов, чем вручную. Фактически, это аналоги claude. md как для продукта, так и для процессов работы с ним. 

Пока одни предрекают закат продактам, я, наоборот, вижу здесь рассвет. Фокус менеджеров перейдет именно на уровень выше, окончательно сбросив оковы product development наследия, которое подмочило репутацию менеджеров продуктов скрамом.

Это станет фундаментом новой операционной модели компании, которая будет единственным способом конкуренции в эпоху, когда скорость, с которой можно догнать продукт конкурента, становится мгновенной. То есть компании на самом деле будут конкурировать не продуктами даже, а контекстом и моделями управления им. У кого лучше собран контекст его продукта и реализована ИИзация работы с ним, тот и будет лидером на рынке. Этот же тезис озвучен в статье Ральфа Йохама, одного из пионеров Scrum, которого я хаял в прошлом абзаце.

Во время чтения модуля по продуктам на MBA в ДВФУ, я привожу фразу, что скорость развития бизнеса ограничено скоростью развития его руководителя. Цифровой профиль убирает это бутылочное горлышко.

Сами технологии ИИ, если отбросить фактор влияния на эффективность менеджера, также привнесут две новых компоненты в работу с продуктами. Во-первых, уже появился новый класс потребителя — интеллектуальный агент с собственным поведением и потребностями, которые придётся учитывать при проектировании продукта. То есть в дополнении к потребителю (владелец потребности), покупателю (принимающему решение о покупке и владельцу бюджета) и пользователю (кто непосредственно взаимодействует с продуктом), добавится роль, которую можно назвать «секретарь» или «адъютант». Логика работы с ней точно такая же, как с классическим потребителем, но добавляется новая сущность «поручения», т. е. правила, которые потребитель задал агенту при делегировании ему задач, и которые напрямую будут влиять на взаимодействие агента с продуктом. В конечном итоге — с самим клиентом.

Во-вторых, внедрение ИИ в продукты это не просто автоматизация тех же самых функций, которые были раньше — появились новые метафоры взаимодействия пользователя с продуктом, которых просто не существовало в классическом ПО.

Мы с Никитой Ефимовым в рамках проекта Переменки немного исследовали этот вопрос и сформировали перечень таких метафор взаимодействия пользователя с ИИ продуктом.

Сейчас ходят несколько разных терминов для обозначения в том числе тех ролей, о которых я пишу, поэтому я где-то укажу сразу несколько вариантов. Однако, в большей степени нужно смотреть на смысл роли, его функцию и задачи, чем на предложенное название.

Это кардинальный переход от текущей позиции менеджеров «видение у меня в голове» и «пользуюсь ИИ от случая к случаю» к управлению системой «ИИ + люди», четко сформированным stage-gate процессам и формализму, который раньше считался бюрократией. У меня это ассоциируется с оператором атомной станции, где менеджер сидит перед большим экраном с разными дашбордами, изучает показатели, ИИ определяет причины проблем и формирует автоматически гипотезы их решения. 

При этом, такая позиция не отменяет его потенциальности фуллстечности: он может дополнительно выполнять отсутствующие функции дизайнера, аналитика, маркетолога или разработчика как член продуктовой команды. С другой стороны, есть мнение, что как раз по этим причинам заменяемости должность менеджера продукта точно так же станет всего лишь функцией внутри компании, которую будут заменять другие роли, но я с этим склонен не согласиться по причине того, что ответственность всегда будет оставаться на человеке. А все попытки создавать стратегию развития продукта большим коллективом авторов всегда связаны с провалом.

Кому следует рассмотреть: менеджерам продуктов, дизайнерам.

Еще одним отличием этой позиции от простого менеджера продукта является характер решений: он имеет возможности закрыть продукт и перевести бюджет на создание другого продукта. Менеджер портфеля думает в инвестиционной логике: он понимает, что может параллельно запустить несколько продуктовых команд и посмотреть, какие из них достигнут успеха, чтобы потом одних закрыть, а другим дать больше инвестиций для развития. Он занимается синхронизаций отдельных продуктовых направлений, формирование общей стратегии портфеля и определений целей.

Функция управления продуктами эволюционирует в направлении «управление бизнес-юнитами». Это значит, что для этой позиции придётся отчитываться напрямую перед высшим руководством и нести личную ответственность за финансовые показатели портфеля.

Кому следует рассмотреть: менеджерам продуктов, CPO.

KPI для технических менеджеров продуктов станут точность, прецизионность, полнота и производительность моделей, непрерывное обучения и влияние на бизнес.

Кому следует рассмотреть: менеджерам продуктов, менеджерам проектов, тех лидам.

По сути Product Ops должен двигать продуктовые команды вперед по модели зрелости AI Product Operations. Например, такой, что ниже:

Если честно, у меня сейчас нет ответа на этот вопрос. С одной стороны исследования показывают, что эффективность джуниоров не увеличивается по причине низких компетенций и отсутствия опыта. Это напрямую отражается в результатах внедрения ИИ – для большинства компаний они неудовлетворительные именно по этой причине.

С другой стороны порог входа практически в любую цифровую деятельность никогда не был ниже – при правильном использовании ИИ можно очень быстро обучиться и овладеть выполнением разных задач, потому что ты становишься оператором. При наличии достаточных метакогнитивных способностей. Именно по этой причине, скорее всего, мы НЕ увидим предрекаемого роста конкуренции на рынке, потому что метапознание не тренируется так быстро, как пресс в спортзале, а требует определенного склада ума и осознанности.

Однако, если мы настроим модель продукта, определим правила игры с помощью ИИ агентов и поставим для них крепкого наставника, то у джуниоров есть шанс.

С эффектами FOBO и FOMO очень просто вывести себя из равновесия и побежать в неправильную сторону. Согласен, это очень тревожит и отчасти даже пугает. Но конец жизненного цикла любого объекта наступает куда позже, чем стартует какой-то новый жизненный цикл, замещающий текущий.

В этой большой статье я попытался собрать результаты всех текущих исследований и мнений экспертов на позицию менеджера продукта и сделать собственные выводы по поводу новой ролевой модели. Ключевой вывод – у нас ещё много работы. Не расслабляйтесь.