Ответственность за ставку
88Кто-то должен нести ответственность, если дорогостоящее решение о продукте оказывается неправильным: модель может предложить вариант, но не может владеть последствиями его выбора.
Менеджер по продукту · Решает, что компания должна построить дальше и почему, превращая потребности клиентов, бизнес-цели и технические ограничения в один общий план, которым никто больше не владеет.
Чем темнее клетка, тем выше балл по этому показателю.
МеньшеБольше
Последняя проверка Источники и титрыМедиа-кредитыМетодология
Гораздо меньше зданий, чем предполагает название. Обычный день включает в себя анализ данных об использовании, обсуждение с клиентами или отделами продаж того, что им нужно, написание или уточнение спецификации для инженеров, а также участие в совещаниях по планированию, чтобы решить, что будет построено дальше, а что будет сокращено. Очень небольшая часть дня связана с написанием кода, рисованием экрана или отправкой чего-либо лично.
Нет, хотя это помогает в задачах, требующих большого количества программного обеспечения. Многие менеджеры по продуктам приходят из инженерных специальностей, но многие вместо этого приходят из дизайна, маркетинга, консалтинга или поддержки клиентов. Что важнее, чем конкретная степень, так это способность читать данные, четко писать и держаться в комнате с инженерами без необходимости писать код самостоятельно.
Нет, несмотря на похожее название. Менеджер проекта отслеживает, соответствует ли работа графику и бюджету, координируя сроки всей команды. Менеджер по продукту решает, что следует создавать в первую очередь и почему, владея базовым бизнесом и соображениями клиентов. Многие компании на практике размывают эти две роли, особенно в небольших организациях, но основной вопрос, на который каждая из них отвечает, разный.
Нет. У менеджеров по продукту почти никогда нет инженеров, дизайнеров или кого-либо еще, подчиняющегося им напрямую — эта работа часто описывается как руководство через влияние, а не авторитет. Менеджер по продукту устанавливает приоритеты и их обоснование, а инженер-менеджер или руководитель группы обычно решает, как на самом деле будет выполняться работа и кем.
Это сильно варьируется в зависимости от страны и компании. В Соединенных Штатах общая сумма вознаграждения в крупной технологической компании обычно исчисляется шестизначными цифрами, если включить в нее бонусы и акции, в то время как в Индии или большей части Латинской Америки эквивалентная должность приносит лишь небольшую часть этой суммы. Базовая зарплата без учета акций обычно ближе к зарплате старшего инженера в той же компании.
Части работы, связанные с обобщением данных, составлением первой версии спецификации или синтезом отзывов клиентов, уже выполняются быстрее с помощью инструментов искусственного интеллекта. Что по-прежнему сложно автоматизировать, так это принятие решения, какую идею вообще стоит развивать, согласование компромиссов между людьми, которые не согласны, и ответственность, когда ставка не окупается — модель не может нести ответственность за суждения.
Управление продуктом необычайно подвержено автоматизации языковой модели для работы, основанной на суждениях, а не на техническом исполнении, поскольку большая часть его ежедневной продукции — это текст: спецификации, обзоры исследований, обновления дорожных карт и электронные письма, по которым ведутся переговоры между командами. Инструменты, которые составляют, обобщают и анализируют этот текст, уже являются частью ежедневного рабочего процесса многих менеджеров по продуктам.
Это не означает, что стратегическое ядро работы можно автоматизировать. В разделах ниже отделяются части работы, которые уже преобразуются с помощью инструментов ИИ, от частей, которые до сих пор оказалось гораздо сложнее передать модели.
Значительная часть написания и анализа менеджером по продукту — первые черновики спецификаций, резюме интервью с пользователями, рутинные исследования конкурентов — теперь выполняется сравнительно быстро для инструмента искусственного интеллекта. Что по-прежнему сложно автоматизировать, так это принятие решения о том, какую проблему вообще стоит решать, согласование компромиссов между людьми, которые не согласны, и ответственность, когда ставка не окупается.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Кто-то должен нести ответственность, если дорогостоящее решение о продукте оказывается неправильным: модель может предложить вариант, но не может владеть последствиями его выбора.
Взвешивание того, какая из десятков правдоподобных идей действительно стоит команды в следующем квартале, требует суждения о стратегии и выборе времени, и модель не заинтересована в том, чтобы она была правильной.
Убедить инженеров, продавцов и недовольного руководителя прийти к единому мнению по поводу одного плана — это политическое и межличностное умение, а не задача по созданию текста.
Замечение колебаний, замешательства или обходного пути во время сеанса исследования пользователей в реальном времени по-прежнему зависит от человеческого внимания, и стенограмма сама по себе не может полностью уловить это.
Знание того, что метрика используется, выборка необъективна или результат эксперимента противоречит здравому смыслу, требует контекстуального суждения, и модель применяется менее надежно.
Инструменты искусственного интеллекта теперь могут за считанные минуты превратить грубое описание проблемы в структурированный первоначальный документ с требованиями, позволяя человеку исправлять и уточнять его, а не начинать с пустой страницы.
Объединение десятков стенограмм интервью или ответов на опросы в повторяющиеся темы, которые раньше занимали часы ручной работы, теперь являются тем, что инструмент ИИ делает за долю времени.
Получение первого анализа того, что предлагают, оценивают и заявляют конкуренты, все чаще становится быстрой задачей с помощью искусственного интеллекта, а не многодневным исследовательским проектом.
Чтобы ответить на простой вопрос о том, как меняется показатель, больше не нужно ждать аналитика, поскольку инструменты искусственного интеллекта запрашивают информационные панели и напрямую суммируют результат.
Растущая доля писательской работы менеджера по продукту заключается в проверке и исправлении спецификации, составленной с помощью ИИ, а не в составлении спецификации с пустой страницы.
Команды, которым когда-то требовался преданный своему делу исследователь или аналитик, все чаще ожидают, что менеджер по продукту будет использовать инструменты искусственного интеллекта, чтобы напрямую восполнить этот пробел.
Поскольку составление черновиков и подведение итогов становится все дешевле, выделяются менеджеры по продуктам, чьи решения о том, что создавать, чаще оказываются верными.
Прототипирование и анализ с помощью искусственного интеллекта позволяют командам тестировать больше идей в квартал, что повышает ожидания того, что менеджер по продукту сможет генерировать и оценивать больше вариантов, а не меньше.
Специализируется на продуктах, основанных на непредсказуемом поведении модели машинного обучения, где показатели успеха и ожидания пользователей отличаются от традиционного программного обеспечения.
Специализируется на показателях привлечения, удержания и монетизации посредством быстрого экспериментирования. Эта специализация выросла из общего управления продуктами в 2010-х годах.
Новая дисциплина, которая создает процессы, конвейеры данных и инструменты, которые позволяют продуктовой организации бесперебойно работать в масштабе, освобождая менеджеров по продуктам сосредоточиться на стратегии.
Проектирует, как функция на основе искусственного интеллекта извлекает информацию и получает инструкции. Эта специализация практически не существовала до начала 2020-х годов и часто близка к управлению продуктами.
Tri obratimye linzy: usilit, zamenit srez ili otkryt nishu. Uchebnye metki, ne prognoz.
Rol sokhranyaetsya; AI uskorayet chernoviki ili issledovanie; suzhdenie ostaetsya chelovecheskim.
Uzkiy paket zadach mozhet szhatsya snachala, poka smezhnoye masterstvo rastet.
Mogut poyavitsya nadzor i integratsiya, gde vyvod AI dolzhen byt dostovernym.
Управление продуктами, вероятно, останется востребованным в течение следующего десятилетия, но версия работы начального уровня уже меняется: меньше должностей будет существовать исключительно для написания спецификаций или обобщения исследований, и все больше будет ожидать, что младший менеджер по продукту будет руководить инструментами искусственного интеллекта и почти сразу же возьмет на себя ответственность за их результаты.
Преимущество все больше будет принадлежать менеджерам по продуктам, которые смогут сформулировать правильную проблему, сделать оправданную ставку в условиях реальной неопределенности и склонить несогласных заинтересованных сторон к одному решению — суждению, которое имело значение до того, как появились инструменты искусственного интеллекта, а теперь просто применяется с более быстрыми и дешевыми проектами.
Находит закономерности и строит прогнозные модели на основе данных — должность 2008 года, основанная на трех столетиях подсчета, тестирования и визуализации доказательств.
AI-resistant 38 🔎Изучает, как люди используют продукты, превращая наблюдаемое поведение, потребности и разочарования в доказательства, которые команды могут использовать.
AI-resistant 69 📣Профессионал, который создает спрос — от расписных стен Помпеи и рекламной записки P&G 1931 года до аукционных лент цифровой эпохи.
AI-resistant 38 🎮Архитектор игры — человек, который решает, чего игра требует от своих игроков, от древней доски Сенета до Тетриса и сегодняшней индустрии с тремя миллиардами игроков.
AI-resistant 65 🧾Хранитель книг: наследник ремесла, настолько древнего, что оно изобрело само письмо, и теперь ведет переговоры с программным обеспечением, созданным для его автоматизации.
AI-resistant 35 💻Пишет, тестирует и поддерживает код, который управляет современной жизнью, и является одной из первых профессий, наблюдающих, как ИИ автоматизирует свою повседневную работу.
AI-resistant 35Человек, который основывает компанию — выявляет пробелы, несет риски и отвечает за заработную плату, от ассирийских финансистов караванов до основателей, финансируемых венчурным капиталом.
AI-resistant 88 💹Менеджер по сделкам, который оценивает компании и перемещает капитал — торговля, проходящая от Медичи во Флоренции до сегодняшних площадок, платит за доверие, когда миллиарды переходят из рук в руки.
AI-resistant 42 🧾Хранитель книг: наследник ремесла, настолько древнего, что оно изобрело само письмо, и теперь ведет переговоры с программным обеспечением, созданным для его автоматизации.
AI-resistant 35 📣Профессионал, который создает спрос — от расписных стен Помпеи и рекламной записки P&G 1931 года до аукционных лент цифровой эпохи.
AI-resistant 38 💱Исследователи дефицита — от булавочной фабрики Адама Смита до комнаты принятия решений в центральном банке — по-прежнему просили предсказать то, что ни одна модель не отражает в полной мере.
AI-resistant 62 🌿Руководит стратегией, измерениями и отчетностью, которые помогают организациям снизить экологический и социальный ущерб при выполнении деловых обязательств.
AI-resistant 66