State of Product 2027 Всем кто «запутался» — читать отчет от Atlassian среди 1000 продактов Ключевые поинты: 1️⃣ 80% PM говорят, что AI помогает шипить быстрее, но клиенты не получают ценность раньше. 2️⃣ 61% отмечают рост тех.долга от AI, при этом мало команд выделяют время на его погашение. 3️⃣ 67% согласны, что сложно чётко определить свою роль — границы с Engineering и Design размылись 4️⃣ 76% обеспокоены тем, что их продукт не добьется успеха на рынке 5️⃣ 89% обеспокоены конкуренцией со стороны компаний, изначально разрабатывающих ИИ 6️⃣ 99% продуктовых команд полностью интегрировали ИИ хотя бы в один рабочий процесс, а 96% утверждают, что как минимум в одной области он работает на уровне человека или лучше. 7️⃣ 77% считают что интуиция руководителей регулярно перевешивает данные 8️⃣ 33% продакт-менеджеров используют ИИ для приоритизации 9️⃣ 82% говорят, что участники команд регулярно создают с помощью ИИ работу низкого качества, не прикладывая особых усилий, а затем дорабатывают её по обратной связи. Примерно 50% тратят время на проверку результатов работы агентов и на то, чтобы удерживать их в рамках задачи === classic 🚬

Понравилась мысль Кагана из свежего эссе. Он, как и многие, ждал, что AI станет уравнителем и обесценит преимущество компаний с сильными инженерами и продуктовой культурой. Но вышло наоборот — они увеличили отрыв. Преимущество сильных никогда не сидело в скорости производства. Оно сидело в способности выбрать, что производить: культура, стратегия, discovery. AI кратно ускорил первое и не тронул второе, то есть работает мультипликатором, а не уравнителем. По факту команды используют AI, чтобы быстрее производить артефакты проектной модели (бизнес-кейсы, роадмапы, PRD, код). Проблема проектной модели в том, что модель заточена на output, а не на outcome. Ускорение output при неизменном качестве суждения, что строить, даёт ровно ноль. Отсюда расслоение вместо уравнивания. По итогу строить стало так легко, что теперь легко бежать не туда в десять раз быстрее. У Atlassian в исследовании 89% руководителей говорят, что AI ускорил работу, и только 6% уверены, что могут показать конкретный ROI в масштабе организации. Скорость есть, результата нет. Правда, есть два нюанса. Первый — лаг. Ещё в 1987-м умные люди заметили, что компьютерный век виден везде, кроме цифр производительности, или моторы, которые были доступны с 1880-х, но прирост производительности пошёл только к 1920-м, когда заводы наконец перестали навешивать эти самые моторы на старую схему и перестроили цеха. Второй: если AI ускоряет всех симметрично, преимущества не получает никто, а выигрыш утекает к потребителю. Оба варианта дают то же самое «работаем быстрее, а метрики стоят». svpg.com/the-ai-productivity-paradox