«Product — це менеджер зі зв’язків з реальністю»: Ніка Тамайо Флорес про впровадження AI, необхідні фічі та інсайти професії
Як не загубити користувача в гонитві за інноваціями
Ми поговорили з Нікою Тамайо Флорес — Product Lead у Railsware, колишньою продакт-менеджеркою AI-продуктів в Ajax Systems, випускницею IE Business School у Мадриді — про трансформацію ролі Product Manager’а (PM) в сучасному світі.
Як змінюється професія, чому продактам потрібні навички сценаристів, чим відрізняється використання AI від гугління і чому не варто намагатися впроваджувати ШІ в компанії, де все тримається на Google-таблицях. А ще — чому найефективніше AI працює не в гучних фічах, а в закритті базових «операційок».
Вийшло чесне, сміливе й дуже практичне інтерв’ю — з великою любов’ю до професії.
Хто такий продакт-менеджер, якщо коротко?
Product Manager — це підприємець на зарплаті. Його роль охоплює все: від задуму, визначення того, що і для кого робить команда, до реалізації та випуску в світ. Він повинен не лише керувати процесами, а й дбати про те, як продукт знайде свого споживача і коли гроші почнуть надходити від реалізації. Це справжній комплекс завдань, де важливо бути стратегом і лідером одночасно.
Продакт-менеджер має генерувати прибуток для компанії, інакше в його діяльності немає особливого сенсу.
Ви маєте величезний досвід у продакт-менеджменті. Як змінилася ця професія за останні 10 років?
За останні десять років професія справді сильно змінилася — технології не стоять на місці та впливають майже на кожен етап роботи продуктового менеджера. Зараз у нас є потужні інструменти майже для всього, безліч платформ і курсів, які допомагають розвиватися в професії. Є курси від сучасних експертів — людей, які створювали найуспішніші продукти. Інформації стало настільки багато, що іноді з нею важко впоратися. І, звісно, штучний інтелект за останні рік-два має потенціал докорінно змінити нашу професію.
Яка найбільш недооцінена навичка у продакт-менеджера? Те, про що мало хто говорить, але без цього неможливо робити круті продукти.
Це зв’язок з реальністю. Продакт-менеджери часом втрачають його через те, що занадто глибоко занурюються в якісь нюанси або мають викривлені уявлення про те, хто насправді їхній ринок, спілкуючись з AI, а не зі своїми користувачами. Камон, ChatGPT ніколи не заплатить вам гроші (сміється). Треба йти до реальних користувачів.
Product — це менеджер зі зв’язку з реальністю для команди розробки.
Який найпоширеніший міф про продакт-менеджмент, що варто розвінчати?
Одним із поширених міфів є те, що робота продакт-менеджера проста і можна чилити на океані з коктейльчиком. Поки фічі робляться — ви просто «менеджите» беклог… та на практиці все набагато складніше. Продакт-менеджер повинен бути T-shaped professional і мати дуже широку загальну ерудицію: від психології та маркетингу до дизайну й особливостей процесу розробки. І це лише базовий рівень — часто потрібно розуміти й специфічні технології, й особливості конкретної сфери чи домену, з яким працюєш. Це дійсно різноманітна і комплексна робота.
Не думаю, що продакт-менеджером може стати людина, яка щойно закінчила університет, — потрібно хоча б декілька років досвіду.
Ще один із міфів: продакт-менеджер — це людина, яка завжди знає, що робити. Насправді — не обов’язково. Це скоріше людина, яка знає, як ухвалювати рішення, і готова взяти на себе відповідальність. Правильних відповідей майже ніколи немає — усе залежить. І це «depends» — від дуже багатьох факторів. Дані — лише один з них, хоч і часто ключовий.
Ухвалювати рішення в умовах невизначеності — це окремий дуже цікавий скіл. Іноді доводиться покладатися на інтуїцію — і це не завжди data-driven, але здебільшого рішення ґрунтується на сценаріях: якщо так — тоді так, якщо інакше — інше. Фактично, це побудова дерева рішень. І саме через нього й приходиш до варіанту дій. А «єдиної правильної відповіді», здається, ніколи й не існувало.
Яка ключова відмінність між продакт-менеджером у стартапі та у великій компанії?
Найбільша відмінність, мабуть, у тому, що в стартапі продакт займається всім: і фічі деліверить, і за метриками стежить, і з пошуком product-market fit допомагає. Тут доводиться носити багато «шапочок» одночасно — такий собі jack-of-all-trades. У великій компанії все, навпаки, дуже розділено: є продуктові менеджери, які займаються лише фічами, інші — лише конкретними метриками. І все стає дуже-дуже вузьким, я б сказала. В умовному Facebook є продакт-менеджер, який відповідає винятково за кнопку «лайк» і реакції на неї. Тобто все суперсильно сфокусовано. Я, чесно кажучи, не дуже уявляю, чим саме вони займаються, але кажуть, що така роль існує. Тож головна відмінність — у вузькості функцій.
Всі говорять про «роботу з даними». Але що означає бути data-driven на практиці?
Бути data-driven на практиці — це, по-перше, розуміти, які саме дані вам потрібні. По-друге — вміти їх зібрати. По-третє — проаналізувати. І, зрештою, використати цей аналіз для ухвалення рішень. Межа між аналізом і паралічем від надлишку інформації насправді дуже тонка. І ось це вміння ухвалювати рішення попри все — одна з ключових навичок продакта.
Описати цю межу складно. Основний момент у тому, що даних майже ніколи не буває «саме стільки, скільки треба» — їх або забагато, або замало. Тому дуже важливо навчитися ставити часові рамки на ухвалення рішень — інакше можна застрягнути в нескінченному аналізі.
Чи є у вас внутрішній алгоритм ухвалення рішень? Що допомагає розставити пріоритети, коли все здається однаково важливим?
Мій внутрішній алгоритм ухвалення рішень, як мені здається, досить простий. Все починається з того, щоб зрозуміти, що саме мені потрібно для ухвалення цього рішення — які саме дані, яка інформація. Потім я дивлюся, чи вони вже є, і якщо чогось бракує — збираю, обробляю. Часто це охоплює розмови з колегами — розробниками, дизайнером, менеджментом — залежно від масштабу рішення.
Далі ставлю собі дедлайн, до якого маю це рішення ухвалити. І вже на підставі всього зібраного ухвалюю його. Якщо це складне, велике рішення — корисно ще й задокументувати, чому саме його ухвалено саме так. Якщо менш важливе — іноді достатньо вирішити на ходу.
Коли все здається однаково важливим — це насправді велика ілюзія. На кожному етапі розвитку продукту фокус має бути на різному. На старті — зрозуміти, хто ваш клієнт і як знайти product-market fit. Далі — все залежить від стратегії компанії.
Наприклад, зараз один з продуктів нашої компанії (прим. ред. — Railsware) — Coupler.io — фокусується на розширенні користувацької бази та активнішій комунікації з різними цільовими аудиторіями. Ми працюємо над зростанням конкретних метрик, і це визначає наші пріоритети.
Довгий час не існувало множини для слова «пріоритет», бо ж він може бути тільки один. Це вже потім зʼявилася множина, багатозадачність і намагання збалансувати все на світі. Але завжди важливо в голові тримати одну ключову думку та орієнтуватися на неї.
Що ви зрозуміли про користувачів лише після багатьох років роботи?
Можливо, це звучить неочікувано, бо начебто очевидно. Але для мене це стало дуже важливим відкриттям. Я, для контексту, працюю в B2B. І найголовніше, що я зрозуміла, — люди купують у людей.
Навіть якщо здається, що перед вами якась «безлика компанія», — це не так. Усі рішення все одно ухвалюють люди. І користувачі — це теж люди зі своїми цілями й завданнями. Вони не хочуть просто «купити мій продукт» — вони хочуть розв’язати якусь свою проблему. Або досягти чогось, або навпаки — уникнути.
Для мене це стало справді ключовим: пам’ятати, що по той бік завжди людина. І саме тому треба будувати з нею стосунки, ставитися з повагою й увагою — не як до гаманця, а як до особистості.
Зараз багато говорять про AI-first продукти. Що це означає з погляду продакт-менеджера?
AI-продукти — це ті, в яких ключові фічі, функції або переваги безпосередньо пов’язані з використанням технологій машинного навчання чи штучного інтелекту. І для продакта це означає, що потрібно дуже добре орієнтуватися в технічній частині або принаймні мати змогу швидко розібратися.
Іноді це означає, що треба прочитати технічну статтю, зрозуміти якісь математичні формули чи логіку моделі — все залежить від складності продукту. Але так само важливо вміти потім пояснити це простими словами: що саме відбувається, як це працює і, головне, які з цього вигоди.
Бо сам факт того, що «ми застосовуємо штучний інтелект», — не перевага. Користувачам байдуже, AI це чи не AI. Їм важливо, щоб їхнє завдання було розв’язано: в адекватний спосіб, за розумний час і прийнятну ціну. А як саме це реалізовано — через одну модель чи через тисячу людей, які клікають щось десь, — їм, чесно кажучи, однаково.
Чи правда, що AI — більше маркетинговий тренд, ніж реальна революція у продуктах?
Я, чесно, дуже вдячна за це запитання, бо воно з тих, на яких, як то кажуть, «списи ламаються». Чи штучний інтелект — це більше маркетинговий тренд, ніж справжня революція? І так, і ні. Як це часто буває: що є ліками в малій дозі, у великій стає отрутою.
Користувачу, як я вже казала раніше, байдуже, чи це штучний інтелект, чи ні. Важливо не те, якою саме технологією ви послуговуєтеся, а те, як вона допомагає: спрощує життя, пришвидшує ухвалення рішень або робить щось інше корисне.
Тому якщо єдина причина впроваджувати AI — це сам факт, що «в нас AI», то це просто маркетинговий трюк. Але якщо за його допомогою вдається суттєво змінити те, як працює продукт або як користувачі розв’язують свої завдання, тоді це вже справжня революція.
Як AI змінює саме вашу роботу?
На роботі я щодня застосовую генеративний штучний інтелект — і насправді для розв’язання дуже різних завдань. У мене є власний AI-продакт-менеджер-асистент, який допомагає з купою всього: від написання вимог до аналізу користувацьких інтерв’ю, від добору назв для статей чи функцій — до створення чернеток імейлів.
Тобто AI щодня змінює мою роботу — просто тому, що я регулярно делегую йому частину своїх завдань. Але завжди перечитую все, що він створює, — ніколи не використовую результат «як є».
І тут важливий момент: чи допомагає AI ухвалювати рішення? Ні. Але він допомагає швидше зібрати інформацію, яка потрібна, щоб це рішення ухвалити.
Яких типових помилок припускаються компанії, коли впроваджують AI?
Думаю, одна з найтиповіших помилок — це впроваджувати AI заради самого AI, без розуміння, яку реальну вигоду отримають користувачі та як компанія підтримуватиме цю інтеграцію. AI потрібен далеко не всім. І навіть машинне навчання — теж не завжди must-have. Воно вимагає дуже великої попередньої роботи.
Ви не зможете ефективно впровадити AI у компанії, де основна документація — в Google-таблицях чи документах, де операційні процеси неформалізовані, а засадничі принципи існують лише «на словах». Спочатку потрібно зробити «домашку», яка стосується саме даних. Штучний інтелект ніколи не працюватиме добре, якщо дані, на яких він навчається, «так собі».
Так, ви можете легко підключати генеративні моделі через API — OpenAI, Anthropic, китайські (їх зараз просто море). Але завжди потрібно зважати на коректність, релевантність, безпеку. І найголовніше — мати базове розуміння того, що таке дані, якими вони мають бути, як ними управляти. Без створення фундаментального аналітичного шару всі ці AI-інтеграції не матимуть сенсу.
Якщо продакт-менеджер працює з AI, які запитання він має собі ставити перед запуском нової фічі?
Перед запуском будь-якої фічі продакт-менеджер має поставити собі запитання:
як саме ця фіча допоможе? Вона повинна або підвищити лояльність користувачів, або принести більше ревеню, або іміджево підкреслити продукт, або ще щось. І найголовніше: як ця фіча співвідноситься зі стратегією? Це — головне запитання на цьому етапі.
Які нові скіли потрібні продактам, щоб працювати з AI?
Сценарні навички. Ви не можете спілкуватися з генеративними моделями, як із «Вікіпедією» або Google. Це не про «загуглити» — це про створення ролі як сценарист. Ви не просто кажете: «Напиши мені три факти про науку». Ви формулюєте запит інакше: «Уяви, що ти — науковий керівник, PhD з математики, фізики чи хімії. Ти публікуєшся в топових наукових журналах, твій індекс Гірша — 9. Ти автор багатьох монографій та тривалих досліджень, які отримали схвальні відгуки рецензентів. Твоя аудиторія — підліток, який не цікавиться наукою. Які три факти ти йому наведеш, щоб довести, що наука — це круто?».
Тобто потрібно дуже добре розуміти, який саме експерт (або його образ) зможе відповісти на ваше запитання. Це перше. Друге — потрібно принаймні дещо розумітися на сучасних технологіях, включно з генеративним ШІ. І третє — технічні навички. Не обов’язково мати магістерку з прикладної математики, але бажано розуміти, як працює штучний інтелект — хоча б на рівні вище середнього.
Що в роботі продакта AI може зробити краще, ніж людина?
Я б сказала, що йдеться не стільки про «краще», скільки про «швидше», «ефективніше» або «глибше». Власне, це стосується будь-яких завдань, де моделі або комп’ютери в принципі мають перевагу. Комп’ютери краще рахують, краще працюють з великими обсягами даних — і це не новина. Люди не створені для того, щоб шукати дрібні відмінності у цифрах на сотнях тисяч рядків Excel-таблиці. Наш зір еволюційно налаштований знаходити лева в савані, а не відхилення в дашборді.
Тому все, що стосується аналізу інформації, роботи з даними, математичних операцій, створення структурованих документів, AI точно може робити ефективніше. Не завжди краще, але швидше й ефективніше майже гарантовано. І якщо дати достатньо якісних інпутів, то навіть продуктові стратегії він може сформулювати.
Тож річ не в тому, що AI замінює продакт-менеджерів. Річ у тому, що він змінює спосіб, яким ми виконуємо свою роботу.
Чи можуть AI-асистенти, типу ChatGPT, стати повноцінними продакт-менеджерами в майбутньому?
Я не думаю, що штучний інтелект наразі може повністю замінити хоча б одну професію в розробці. Навіть із тими агентами, які вже вміють клікати, писати, комбінувати різні дії — я не бачу прикладу, де це працює повністю автономно. З простої причини: люди купують у людей. І для цього досі потрібен той самий human touch. Його можна імітувати, але в довгостроковій перспективі — ніщо не замінить живий, людський підхід.
Тому ні, я не думаю, що AI-асистенти на поточному рівні здатні замінити продактів. Що буде далі — подивимося. Але важливо памʼятати: AI не має ані волі, ані бачення. Він не ініціює нічого самостійно. Він просто виконує те, що ви йому сказали.
Якщо ви вмієте грамотно з ним «гратись» у ролі, писати правильні промпти, підлаштовувати завдання — ви зможете створити собі AI-продакт-асистента. І він працюватиме непогано. Але десь на рівні дуже розумного, швидкого джуна.
Яка AI-технологія або тренд зараз недооцінена, але може сильно змінити ринок через кілька років?
Моя думка — ми традиційно недооцінюємо класичні технології машинного навчання. Можна розв’язати величезну кількість завдань набагато простішими методами. Не обов’язково одразу йти в трансформери, генеративні моделі, вишукану нейромережеву архітектуру. Банальні регресійні моделі, дерева рішень — ці речі досі чудово працюють. Особливо в операційних задачах.
Бо що ми робимо? Ми пішли розв’язувати складні кейси: як допомогти копірайтерам, як оптимізувати дизайн-процеси, як писати код швидше... А база? Базу ми не закрили. Фінанси, оперейшнс, адміністративні штуки — там досі море ручної, рутинної роботи, яку можна було б автоматизувати простими ML-рішеннями.
На мою думку, саме там і криється справжній потенціал ефективного впровадження AI. Не в тому, щоб «о, згенеруймо юзеру картинку», а в тому, щоб забрати в людей марудну роботу і залишити їм цікаву.
Чи зміниться роль продакт-менеджера за 5–10 років? Що треба вчити тим, хто хоче займатися цим у майбутньому?
Роль будь-якого спеціаліста змінюється і змінюватиметься ще стрімкіше найближчі 5–10 років. З’являться нові професії, старі трансформуються або взагалі зникнуть. Тому дуже важливо мати надивленість: розуміти, як працюють різні підходи, індустрії.
Що точно знадобиться кожному продакт-менеджеру — це навички комунікації. Уміння говорити з дуже різними людьми, розуміти відмінності робочих культур, бути гнучким у культурному менеджменті.
Звісно, ШІ допомагає. Він може й код на Python накинути, і SQL-запит, і структуру для нового проєкту запропонувати. Але! Ви будете значно ефективнішими, якщо водночас самі розумієте, як працює Python. Як працює SQL. Що таке Model Context Protocol і чому він зараз так стрімко поширюється.
І ось це поєднання глибокого розуміння, культурної надивленості й технічної бази робить вас не просто спеціалістом, а тим, хто не загубиться в наступному десятилітті.
І на завершення: яку одну пораду ви могли б дати собі на старті кар’єри?
Моя порада собі — не боятися і пробувати. Пробувати різне. Це, можливо, звучить банально, але це найважливіше.
Завжди буде недостатньо знань. Завжди буде недостатньо часу. Завжди буде щось «не так». Але це не причина нічого не робити. Боїшся? Робиш — але зляканим. І це нормально. Так ростуть, так змінюються, так знаходять нове.
