# Новые требования к product manager в 2026 году: что действительно важно

В этой статье разбираем, как ИИ меняет роль Product Manager в 2026 году и какие новые требования формируются к специалистам, которые отвечают за развитие продукта и принятие ключевых решений в команде.

По данным отчета [State of Teams 2026](<https://www.atlassian.com/blog/state-of-teams-2026>), 89% руководителей говорят, что ИИ ускорил рабочие процессы. При этом лишь 6% уверены, что могут указать на конкретный измеримый результат от ИИ в масштабах всей организации.

Скорость без правильных решений — это просто более быстрое строительство не того, что нужно.

**Что изменил ИИ в работе Product Manager**

Выделяют три фундаментальных сдвига в работе product managers.

**Экспертиза остается главным преимуществом.** Победят не те PM, кто использует ИИ больше всех, а те, кто использует его с более острым суждением. Команды, которые относятся к ИИ как к общему партнеру, а не личному инструменту продуктивности, получают в два раза больший результат от ИИ-инструментов. Разница не в частоте использования, а в том, где применять ИИ и когда его игнорировать.

**ИИ сокращает путь от идеи до доказательства.** Раньше нужно было заказать исследование, ждать результатов, согласовать макеты, выпустить и надеяться на лучшее. Теперь PM может самостоятельно прототипировать идеи, запрашивать данные о пользователях и тестировать гипотезы напрямую. Не для того, чтобы стать дизайнером или инженером, а чтобы приблизиться к реальной работе. Чем ближе PM к работе, тем острее его экспертиза.

**Главная задача PM — это скорость команды, а не его личная.** Узкое место большинства команд уже не в исполнении. Это скорость, с которой команда может учиться, решать и действовать вместе. Когда каждый использует ИИ для ускорения своей работы, координация становится сложнее. AI-native PM не стоит в центре каждого решения. Он создает условия для того, чтобы команда работала самостоятельно.

**Три модели поведения PM**

**PM, который становится инженером.** Его основная ценность смещается в написание кода. Реальная PM-работа при этом остается несделанной: контекст о пользователях теряется, стратегические разговоры прекращаются, команда лишается навигатора.

**PM, который использует ИИ как инструмент продуктивности.** Он работает быстрее, но не меняет способ принятия решений. ИИ суммирует встречи и пишет документацию. Полезно, но не трансформационно. Ключевой вопрос: изменил ли ИИ решения, а не только рутину.

**AI-native PM.** Его команда принимает правильные решения быстрее, потому что PM изменил то, как движется информация внутри команды. Он строит, чтобы учиться, и так же быстро останавливает работу, как начинает. Главный показатель его работы — скорость, с которой команда может учиться, решать и действовать.

**Как это работает на практике**

**Понимание пользователей становится непрерывным.** Раньше его нужно было заказывать отдельно под каждое решение. Теперь можно выстроить систему, которая генерирует его постоянно. Одна из PM-команд выстроила агента, который синтезирует данные поддержки, NPS и поведение в продукте и выдает инсайты того же качества за один день вместо двух недель

**Прототип заменяет документ как отправную точку.** Прототип отвечает на вопрос «стоит ли это строить?» быстрее, чем любой спецификационный документ. Ключевой вопрос теперь не «делать ли прототип», а «сколько идей мы отсеяли на раннем этапе, потому что прототип показал неверное направление».

**Качество определяется до начала разработки.** У AI-функций нет четкой границы «работает или нет» — они работают на уровне качества. PM должен определить, что значит «достаточно хорошо», до начала спринта, проверить это перед релизом и следить за этим после запуска. Без таких критериев команда узнает, где оказалась, только когда пользователи сообщают об ошибках.

**Что показывает практика**

Команды, которые менялись быстрее всего, не просто проходили тренинги. В них PM запускал эксперимент, делился результатом с командой, и на следующий день кто-то другой повторял это. Команды, где руководители сами демонстрируют использование ИИ, показывают в три раза более высокий уровень его стратегического применения.

Суммировать встречи быстрее — полезно. Заменить двухнедельный исследовательский цикл непрерывным потоком данных о пользователях — это уже другой уровень. Разница между ними не в инструментах. Она в мышлении.

Источник: [atlassian.com](<https://www.atlassian.com/blog/how-we-build/the-future-of-product-craft>)
