Коллеги, привет! Делюсь саммари воркшопа AI Builder Week (Product School) на тему - как AI меняет стратегии вывода продуктов на рынок.

На воркшопе Axel Sooriah рассказал, как современные AI-инструменты трансформируют Go-To-Market процессы в проектных командах, смещая фокус Product Management в сторону стратегий вывода продукта. AI значительно снижает стоимость создания продуктов и ключевым вызовом для команд становится не разработка, а дистрибуция и заметность на рынке.

Переход от Product Management к GTM AI-native workflows меняют повседневные практики управления проектами. Вместо традиционного фокуса на менеджменте фичей команды концентрируются на Distribution и GTM-стратегиях. AI становится не просто вспомогательным инструментом, а основой для автоматизации рутинных задач и ускорения принятия решений.

Персональная продуктивность: Ideogram и Skills Одним из практических примеров стала платформа Ideogram. Её функция Morning Briefing ежедневно собирает данные из Slack, Confluence и Jira и формирует персональный фокус дня.

Особое внимание лектор уделил понятию Skills - наборам инструкций, которые позволяют агенту выполнять действия напрямую в браузере (например, готовить тезисы встречи на основе контекста).

Rovo и Jira Product Discovery Фундаментом экосистемы Atlassian выступает Teamwork Graph - слой данных, объединяющий весь контекст бизнеса, связи между задачами и командами. На его базе работает Jira Product Discovery (JPD) - инструмент для приоритизации идей.

В JPD доступны Custom Formulas, позволяющие рассчитывать такие метрики, как Risk Score или Impact. Примером практического применения стала «Bet board» - доска, где гипотезы (bets) связываются с конкретными тактиками и ожидаемыми результатами.

Автоматизация GTM через Rovo Studio Rovo Studio представляет собой Agentic Platform, где агентов можно создавать с помощью естественного языка. Платформа позволяет настраивать workflow-автоматизации при смене статуса задачи в Jira. Пример: при перемещении задачи из статуса «Alignment» в «Production» агент автоматически генерирует бриф для лендинга вебинара, используя дизайн-систему и контекст прошлых итераций, а затем публикует документ в Confluence.

Аналитика с помощью Cassa и MCP Для анализа GTM-результатов лектор продемонстрировал инструмент Cassa. Он объединяет данные из Databricks, Salesforce и Jira без ручного сбора.

Через MCP (Model Context Protocol) Teamwork Graph подключается к внешним агентам. Простой запрос в Slack «Show me the impact of webinars in FY26» выдаёт агрегированные данные по регистрациям и эффективности за минуты вместо недель подготовки.

PS. Саммари сделала для себя, но вдруг кому-то будет тоже интересно, как продакт может настроить под себя Jira Discovery и не только )