В 2025‑м часть классических продуктовых навыков стали балластом, а не преимуществом. Исследования по трендам и отчёты про рынок труда показывают, что роль всё больше смещается в сторону работы с ИИ, данными и системным мышлением, а не ручного менеджерства и бесконечных созвонов.

Что устарело еще в 2025 ❌Культ интуитивного продакта Когда-то чуйка и умение чувствовать рынок считалось сильной стороной. Даже базовые AI-инструменты уже дают дешёвую аналитику, решения на интуиции без проверки данных это пипец какой риск. Интуиция по‑прежнему важна, но если за ней нет внятной гипотезы и цифр - это какое-то гадание

❌Микроменеджмент Ручное составление списков задач, проталкивание тикетов и созвоны, где продакт пересказывает что кто делает легко замешаются ИИ-ассистентами и нормальным процессом. AI уже умеют разбирать фидбек, предлагать приоритизацию, подсказывать узкие места в воронке. Продакт, который всё ещё живёт в режиме ручного управления проигрывает в производительности

❌Фокус только на фичах Подход типа: мы сделали фичу, потому что конкуренты так делают - устарел. Компании, умеющие работать с ИИ и данными, чаще достигают финансовых целей и не из‑за колва релизов, а из‑за качества решений и связи с метриками выручки и эффективности. Если продакт мыслит фичами, а не влиянием на LTV, маржу, операционные издержки в 2026 это будет уже ред флаг

❌Нулевой ИИ-скилл Растёт спрос на продактов, которые понимают, что могут и чего не может ИИ, как его встроить в продукт и процессы. Игнорировать ИИ и оставаться в позиции это не моя область тупиковый путь, ребят

Что качать в 2026 ✅ИИ, пусть не вайбкодить, но ставить задачи Исследования сходятся: критичны не навыки разработки моделей, а умение формулировать задачи, понимать ограничения ИИ, строить фреймворки принятия решений и этические рамки. Что качать: - постановка задач для ИИ и проверка качества результатов - понимание, где ИИ даёт реальную пользу, а где только тратит бюджет - базовая архитектура AI-фич: данные, модели, решения, метрики

**✅**Data-driven 2.0 От смотреть в отчёт к продуктовой аналитике, ведь данные стали не просто ещё одним отчётом, а центральным слоем для работы продакта: сегментация, поведение, предиктивные модели. Что качать: - умение формулировать вопросы к данным, а не просто просить сделать дашборд - работа с инструментами, которые используют ИИ для поиска инсайтов, а не только SQL

✅Стратегическое мышление Растет спрос на продактов, которые могут связать ИИ, продукт и бизнес-стратегию, увидеть, как одна продуктовая фича поменяет экономику направления, а не только локальную конверсию. Что качать: - формулировку продуктовых целей и сценариев, а не списка отдельных фич - оценку эффекта в деньги, риск, стоимость задержки - умение говорить с руководством на языке прибыли, рисков и портфеля инициатив

✅Навыки работы в человеко-ИИ командах AI-системы берут на себя рутину, но не забирают ответственность. Продуктовые команды становятся гибридными, когда часть работы делает ИИ, часть - люди. Что качать: - распределение ролей: что делегируем ИИ, а где нужен человек - процессы проверки качества решений ИИ - коммуникацию: объяснять команде, пользователям и стейкхолдерам, зачем и как вы используете ИИ

✅Этика и ответственное принятие решений С проникновением ИИ растут и требования к ответственному использованию данных, прозрачности алгоритмов и управлению рисками. Что качать: - понимание рисков (bias, конфиденциальность, надёжность) - насмотренность: что мы точно не автоматизируем и где нам нужен человек в цикле - умение объяснить пользователю, почему продукт принимает то или иное решение

Качаем навыки, что не остаться в хвосте. Тот факт, что рынок сжимается - очевиден, искать работу все сложнее, поэтому советую выходить на пределы своей ответственности, брать на себя новые обязанности, если они качают что-то из этого списка

Что почитать по теме 💬EICTA Consortium. Product Management in 2026: How to Upskill 💬The Future of Product Management: Skills and Trends

Ciao💚

@alice_product #практика