AI не просто ускоряет разработку. Он меняет саму работу продакта
Сегодня посмотрел
доклад Андрея Попова про AI-продуктивность в Яндексе. Зашел он тем, что был не разговор в сотый раз о том, как «нейросети помогают писать код», а то, как вместе с AI меняется сама организация работы.
«Нам нужно двигаться из DX в AgentX. То есть в первую очередь смотреть, как мы автоматизируем, как мы упрощаем жизнь для агентов, а потом уже жизнь для людей».
Это важный сдвиг и для продактов. Сегодня мы проектируем продукт под человека: интерфейсы, кнопки, сценарии, навигацию. Но если часть работы начинает выполнять агент, ему нужны уже не красивые экраны, а доступ к данным, API, понятные действия, права, контекст и возможность самостоятельно пройти сценарий. Поэтому к UX постепенно добавляется AX — Agent Experience. Например, вместо «открой аналитику → найди сегмент → сравни показатели» можно будет поставить агенту задачу: «найди причину падения конверсии и подготовь гипотезы». Продукту придётся быть готовым именно к такому взаимодействию.
В компании, по словам спикера, уже около 60% инженеров фактически перестали писать код руками, а активные пользователи AI получают кратный прирост продуктивности — в отдельных измерениях 3–5 раз и больше. При этом к концу 2026 года Яндекс планирует, что не менее 75% разработчиков будут регулярно использовать AI, он будет участвовать как минимум в 75% изменений, а в каждом из них генерировать не менее 75% кода. Но самое интересное здесь не в экономии времени. Если код становится условным «новым ассемблером», то ценность человека смещается выше: декомпозировать задачу, разобраться в новом контексте, поставить правильные ограничения, проверить результат и понять, решает ли он продуктовую задачу. То есть именно туда, где продакт работает каждый день.
Есть ещё более показательная цифра: 30–40% кодовых задач — это рутина, а около 70% такой рутины, по оценке компании, потенциально можно полностью автоматизировать. Это означает, что AI постепенно убирает не только отдельные операции, но и целые куски workflow. И здесь продактам стоит перестать спрашивать «какую нашу задачу можно отдать AI?» и начать спрашивать «какой процесс меньше всего требует включения человека». Это уже другой уровень автоматизации.
А дальше возникает интересный переход: человек задаёт требования → агент решает задачу целиком → система проверяет результат → следующий агент улучшает процесс. В такой модели продакт становится не просто заказчиком фичей, а проектировщиком системы, которая сама умеет исследовать, анализировать, создавать и проверять решения. Поэтому один из главных навыков продакта в ближайшие годы — не prompt engineering, а умение хорошо формализовать проблему и критерий успеха, после чего делегировать исполнение агентам.
И здесь, пожалуй, главный вывод из доклада: AI будет сильнее всего усиливать не тех, кто быстрее всех научится пользоваться конкретным инструментом, а тех, у кого хорошо устроена сама работа. Если процесс хаотичный, данные недоступны, метрики не определены, задачи плохо декомпозированы — AI просто масштабирует хаос. Поэтому для продакта сейчас важнее не добавить ещё один AI-инструмент в свой стек, а пересобрать собственный workflow: что я делаю сам, что делегирую агенту, что должен проверять лично и какие решения вообще не должны проходить через меня.
