Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

Нейросети для продакт-менеджера: кастдев, PRD, прототип MVP и проверка ИИ-фичи

Нейросети в работе продакт-менеджера — это чат-модели и ИИ-конструкторы, которым продакт поручает черновую часть работы: разложить расшифровки кастдев-интервью и отзывы по темам, набросать PRD и user stories, собрать кликабельный прототип для проверки идеи, сформулировать гипотезы для A/B-теста. Решения о том, какую проблему решать и что выпускать, остаются за продактом. Навык складывается из умения поставить модели задачу, привычки сверять каждый вывод с исходными данными и понимания, какие сведения компании нельзя отправлять во внешний сервис. Отдельная часть — проверка ИИ-функции в собственном продукте.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: Нейросети для продакт-менеджера: кастдев, PRD, прототип MVP и проверка ИИ-фичи

Самое соблазнительное применение — спросить модель вместо пользователей: «Представь, что ты мама двоих детей и ищешь секцию плавания. Что тебя раздражает?» Ответ получится связным и правдоподобным, и в этом проблема. Модель воспроизводит усреднённое представление о таких людях, а кастдев нужен, чтобы найти то, чего продакт не ожидал. Поэтому дальше нейросеть везде работает с реальными данными — записями интервью, отзывами, выгрузками метрик, — а не вместо них.

Что отдать модели, а что оставить себе

Модели отдают то, что можно быстро проверить по исходнику: черновик PRD сверяется с заметками, разметка отзывов — по выборке, прототип — показом пяти пользователям. Выводы вроде «пользователи хотят X» без цитат и цифр — догадка в хорошей упаковке. За продактом остаются выбор сегмента, приоритеты бэклога, договорённости с разработкой и ответственность за метрики: модель не знает, сколько стоит команде каждая фича и что уже обещано крупному клиенту.

Кастдев: разбор интервью и соблазн синтетических респондентов

Насколько опасно подменять людей моделью, показали политологи Джеймс Бисби, Джошуа Клинтон и соавторы в статье «Synthetic Replacements for Human Survey Data? The Perils of Large Language Models» (Political Analysis, 2024, DOI 10.1017/pan.2024.5). Они дали ChatGPT персоны реальных участников американского опроса ANES 2016 и 2020 годов и попросили оценить общественные группы по шкале симпатии. Средние оценки оказались близки к человеческим, но разброс заметно уже: по показателю поляризации стандартное отклонение у модели — 16,1, у людей — 31,4. В регрессиях на синтетических данных 48 % коэффициентов статистически значимо отличались от полученных на ответах людей, и среди них в 32 % случаев эффект менял знак. Тот же запрос, повторённый в апреле и июле 2023 года, дал разные распределения.

Для продакта вывод прямой. Синтетический респондент угадывает «среднее мнение», но сглаживает различия между сегментами, а именно они решают, для кого делать продукт. До интервью нейросеть полезна иначе: найти в сценарии наводящие вопросы и переписать вопросы о будущем («купили бы вы…») в вопросы о прошлом опыте.

После интервью просите таблицу «тема — дословная цитата — номер интервью — отметка времени» и проверяйте каждую цитату поиском по расшифровке: модель склеивает слова двух респондентов и «улучшает» формулировки. Число людей, упомянувших тему, считайте сами. Отдельным запросом попросите выписать свидетельства против главной гипотезы, иначе модель подтвердит то, что продакт заложил в вопрос.

Отзывы, метрики и гипотезы для A/B-теста

С отзывами работает разделение труда. Модель на выборке из 100–200 отзывов предлагает темы, продакт сводит их к закрытому перечню из 8–12 категорий с определениями, затем модель размечает весь массив по этому перечню, а доли считает таблица. Разметку проверяют вручную на случайных 50 отзывах.

С метриками модель помогает написать SQL-запрос к таблице событий и предложить, где искать причину падения конверсии, но цифры из чата пересчитывают в аналитической системе. Для A/B-теста она сформулирует гипотезу «если изменить X, то метрика Y вырастет, потому что Z» и подскажет защитные метрики; размер выборки и срок определяют калькулятор и аналитик.

Учебный пример: абонементы в бассейн

Учебная ситуация. Продакт сервиса записи в бассейны провёл 12 интервью с родителями и выгрузил 1 400 отзывов. Модель назвала главной темой онлайн-оплату абонемента. Проверка цитат показала: об оплате говорили двое, а семеро — о том, что тренер отменяет занятие в последний момент и посещение сгорает. В разметке отзывов отмены оказались второй по частоте темой.

В черновике PRD для функции переноса занятия модель поставила цель «снизить отток на 20 %» — число придумано, его заменили пометкой «базовый уровень уточнить в аналитике». Прототип из трёх экранов показали пятерым родителям, двое не нашли кнопку переноса.

PRD: черновик, а не документ

Черновик PRD модель собирает быстро, если дать ей структуру: проблема и свидетельства, сценарии, цель и метрика успеха, что не входит в объём, требования, риски, открытые вопросы. Её типичная ошибка — правдоподобные числа без источника: проценты, размер рынка, сроки. Просите помечать допущения и перечислить вопросы, на которые по входным материалам ответить нельзя. Полезно также попросить раскритиковать PRD с позиции техлида, дизайнера и поддержки: так находятся пропущенные состояния ошибки. Оформление user stories подробно разобрано в соседней статье о нейросетях для системного аналитика.

Прототип и MVP без разработчиков

ИИ-конструкторы и инструменты вайб-кодинга собирают по описанию кликабельный прототип или простое веб-приложение. Прототип нужен, чтобы увидеть, где пользователи застревают; MVP — для дымового теста, например оставят ли люди заявку. Риск начинается, когда учебная сборка получает регистрацию, оплату и телефоны клиентов: сгенерированный код редко проверяют на безопасность. Решите заранее, что после проверки гипотезы сборку выбрасывают, а функцию делает команда.

Когда ИИ появляется внутри продукта

Если в продукте появляется ИИ-функция — ассистент поддержки, описания товаров, поиск по смыслу, — продакт отвечает за то, как понять, что она работает. Соберите 50–100 реальных обращений с ожидаемым ответом и прогоняйте их при каждой смене модели или промпта, отдельно считая критические ошибки: выдуманную цену, неверное условие возврата. Экономику считают от стоимости запроса — цена токенов, средняя длина диалога, число обращений на пользователя — и сравнивают с выручкой на пользователя. Опишите и поведение при сбое: что видит человек и как он попадает к сотруднику.

Какие данные не отправлять в чат

Неопубликованная дорожная карта, финансовые показатели и база клиентов — сведения компании, а в записях интервью звучат имена и голоса, то есть персональные данные. Узнайте, какие ИИ-сервисы разрешены в компании, и проверьте условия: в потребительских версиях переписка может идти на обучение моделей, если это не отключено. Заменяйте имена респондентов кодами, убирайте название компании, переводите выручку в индексы.

С чего начать и в каком порядке осваивать

Порядок построен так, чтобы сначала ловить ошибки модели на материале, где правильный ответ уже известен, и лишь потом браться за задачи без эталона. Если начать с прототипов, будет трудно отличить слабость идеи от слабости запроса.

  1. Возьмите три старых интервью с готовыми выводами, попросите модель сделать сводку с цитатами и сравните со своей.
  2. Разметьте 300 отзывов по закрытому перечню категорий и проверьте 50 вручную.
  3. Напишите с моделью PRD для уже вышедшей функции и сравните с тем, что сделали на самом деле.
  4. Соберите прототип одного сценария и покажите его пяти людям.
  5. Составьте проверочный набор из 50 случаев для любой ИИ-функции.

Пройти продуктовый цикл целиком и освоить ИИ-ассистентов можно на онлайн-курсе Русской школы управления «Продакт-менеджер»: им отведён пятый модуль из шести — DeepSeek, презентации в Gamma, основы n8n, лендинг нового продукта с помощью ИИ. Остальное — JTBD-интервью, MVP и бэклог, два блока юнит-экономики, переговоры; 40 академических часов, удостоверение о повышении квалификации. Продуктовой аналитики и A/B-тестов в описании программы нет.

Открыть курс «Продакт-менеджер»

Типичные ошибки

Самая частая ошибка — загрузить все расшифровки разом и спросить «какие инсайты»: ответ будет гладким, а связь с людьми потеряется. Вторая — принимать числа из черновика PRD за данные. Третья — показывать прототип коллегам вместо пользователей. Проверка простая: попросите коллегу найти в расшифровках три цитаты из вашей сводки наугад. Если одна не находится дословно, проверку нужно ужесточить.

Чему учат на курсах

Отдельных программ «нейросети для продакта» немного: чаще ИИ входит в программу по профессии или его изучают через создание продукта. Тем, кому важнее прототип и MVP, подойдёт онлайн-курс Нетологии «Нейросети для создания сайтов и приложений»: первый модуль посвящён разработке сайтов и приложений с ИИ, тестовой версии и запуску продукта, дальше идут UX-тексты и UX-исследования, заявлены шесть заданий и итоговые проекты. Какие сервисы разбирают, на странице не названо, а срок указан по-разному — 10,5 и 6 месяцев, поэтому программу уточните у школы.

Открыть курс

При выборе любой программы смотрите, учат ли проверять результат модели: сверять цитаты с расшифровкой, размечать отзывы по закрытому перечню, строить проверочный набор. Генерацию текстов по шаблону легко освоить самостоятельно.

Как навык влияет на доход

Отдельной надбавки за работу с нейросетями у продактов в открытых данных нет. Влияние косвенное: освободившееся время уходит на решения и пользователей, а ИИ-функции добавляют к роли задачи по качеству и экономике моделей. Ориентир по уровню — калькулятор зарплат Хабр Карьеры: для менеджера продукта уровня Middle по России в октябре 2026 года он показывает 230 000 ₽ в месяц по 320 анкетам. Сервис считает медиану за скользящие шесть месяцев по данным самих специалистов, а не по вакансиям; цифра отражает опыт, а не владение ИИ.

Как выбрать обучение

Работающему продакту полная программа нужна редко. Курс оправдан, когда не хватает продуктовой базы или нужна обратная связь наставника. Тем, кто переходит в продукт, подойдёт онлайн-курс Skillbox «Продакт-менеджмент»: три месяца, исследования рынка и пользователей с CustDev и CJM, гипотезы и MVP, метрики и юнит-экономика. ИИ там вынесен в бонусный вебинар и модуль о генерации идей и сборке прототипов, а расширенные модули по AI-инструментам зависят от тарифа.

Открыть курс «Продакт-менеджмент»

Просите у школы пример задания из ИИ-блока: если в нём нужно проверить результат модели по исходным данным, блок полезен.

Сравнить онлайн-школы по цене и формату поможет широкий рейтинг онлайн-школ по нейросетям для работы и бизнеса — он охватывает всё направление, а не только продакт-менеджмент. Перед записью сделайте с моделью сводку по трём своим интервью и посчитайте, сколько цитат не нашлось в расшифровках: это покажет, чему учиться в первую очередь.