AI для product-менеджеров: roadmap, спецификации, аналитика

Продакт-менеджер 2026 года тратит 60% времени на коммуникацию и 40% на документы и данные. AI режет именно вторую половину: PRD, user stories, приоритизация, разбор фидбэка. По нашим опросам в чатах ProductSense, 7 из 10 PM в России активно используют ChatGPT, Claude и Notion AI на ежедневной основе. Ниже — семь сценариев, которые дают самый большой return.

1. Roadmap из бэклога

Roadmap — это не список фич. Это рассказ о том, какую проблему компания решает в ближайшие 3, 6, 12 месяцев. PM собирает 40–80 идей из CustDev, бэклога, фидбэка — и должен сложить связную картину. AI хорошо группирует и выявляет темы.

Дано: 56 элементов бэклога (приложу списком — id, заголовок, описание 1–2 предложения, источник: customer/team/data).

Сделай:
1) Кластеризуй в 5–7 тематических групп. Каждой группе дай название-проблему (не «фичи», а «что мы решаем»).
2) Под каждой группой — 3 элемента с максимальным impact (рассуждай вслух).
3) Предложи структуру roadmap на 3 квартала: Q1 — что, Q2 — что, Q3 — что. Логика: что разблокирует что.
4) Найди 5 элементов, которые стоит убрать или передвинуть в Backlog 2027.

Claude Opus 4.7 с контекстом 1M токенов берёт 80 элементов разом и держит логику. GPT-5.5 справляется до 30–40, дальше теряет связи.

2. Спецификация фичи (PRD) из brief

Классический PRD — 4–8 страниц: проблема, метрики успеха, пользовательские сценарии, требования, риски. Раньше уходило 3–4 часа. С AI — 45–60 минут.

Бриф фичи (от стейкхолдера, 1 абзац): «Хотим, чтобы пользователи могли восстановить пароль через Telegram, потому что SMS-восстановление падает на 18% попыток».

Сделай PRD по структуре:
1) Problem statement (с цифрой из брифа).
2) Success metrics (3 метрики — primary, secondary, guardrail).
3) Non-goals (что мы НЕ делаем).
4) User stories (5 штук в формате «As a … I want to … so that …»).
5) Functional requirements (нумерованный список).
6) Edge cases (8–10 пунктов).
7) Risks and mitigations (4 риска).
8) Open questions (5 вопросов).

Будь дотошен на edge cases: что если пользователь сменил Telegram, что если бот заблокирован, что если у пользователя несколько Telegram.

PRD после такого промпта — рабочий черновик, который PM правит за 20 минут, а не пишет с нуля. Дальше — на ревью к команде. Подробнее про создание корпоративных промпт-шаблонов — в материале про кастомные GPTs для бизнеса.

3. User stories из CustDev-интервью

После 6–10 CustDev-интервью у вас лежит 100+ страниц расшифровок. AI группирует и формулирует user stories.

Вот расшифровки 8 интервью с пользователями (вставлю одним блоком).
Найди повторяющиеся боли (минимум 3 упоминания у разных людей).
Сформулируй 10 user stories по формату INVEST: independent, negotiable, valuable, estimable, small, testable.
Под каждой — цитата из интервью (дословно, в кавычках).
Если боль упомянута 1 раз — игнорируй, не сочиняй паттерн из единичного случая.

Последнее правило важно: модели любят «галлюцинировать паттерны» там, где их нет. См. соседний материал про AI evaluation и измерение качества.

4. Приоритизация по RICE/ICE

RICE = Reach × Impact × Confidence / Effort. PM считает руками в таблицах. AI помогает не с арифметикой (она тривиальна), а с обоснованием каждого фактора.

Фактор	Что спросить у AI	Где AI ошибается
Reach	«Сколько пользователей затронет, исходя из данных X?»	Если дать только описание, выдумает цифру
Impact	«По шкале 0.25/0.5/1/2/3 — обоснуй»	Завышает Impact для «инновационных» фич
Confidence	«Какие данные подтверждают, чего не хватает?»	Не различает уровни Confidence без явных критериев
Effort	«Сколько спринтов команды из 4 человек?»	Игнорирует tech debt и зависимости

Промпт: «Возьми 12 фич (список ниже). Для каждой посчитай RICE с учётом наших данных — DAU 24 000, средний impact крупной фичи последние 3 квартала был +6% retention. По низкому Confidence — пометь и предложи как уменьшить риск».

5. Анализ обратной связи

Тикеты поддержки, отзывы в магазинах приложений, NPS-комментарии — это сотни сообщений в неделю. AI классифицирует и считает.

Дано: 380 отзывов из RuStore и AppGallery за апрель 2026.
1) Классифицируй по темам (10–12 тем максимум). Не плоди мелкие категории.
2) Под каждой темой — количество, доля от общего, тональность (positive/neutral/negative).
3) Найди 5 самых частых конкретных жалоб с примерами (дословно).
4) Выдели 3 темы, которых не было в марте 2026 (выложу прошлый разбор).
5) Предложи 3 гипотезы, что вызвало эти новые темы.

Время разбора фидбэка падает с 8 часов в неделю до 90 минут.

6. SQL и BI-запросы без инженера

PM не пишет prod-код, но регулярно нужно выгрузить когорту или посчитать конверсию. AI пишет SQL по описанию.

Схема: таблицы users (id, created_at, country), events (user_id, event_name, ts, properties_json).

Напиши SQL для PostgreSQL:
1) Когорта пользователей, зарегистрировавшихся в марте 2026 в России.
2) Среди них — сколько совершили событие checkout_complete в течение 14 дней с регистрации.
3) Сравни с когортой января 2026.
4) Дай результат: % конверсии и абсолютные числа.

Не используй CTE, если можно проще. Запрос должен работать на 8M событий, не положив БД.

Дальше PM открывает Redash или Metabase, вставляет запрос. Если он не запускается — кидает обратно в Claude с ошибкой, модель исправит.

7. Конкурентный анализ

Раз в квартал PM делает competitive review. AI помогает структурировать.

Сделай competitive review нашего сервиса (B2B SaaS для управления складом малого e-com).
Конкуренты: МойСклад, КУБ24, Ozon Логистика для продавцов.

По каждому конкуренту:
1) Позиционирование в 1 предложении.
2) ICP (для кого).
3) Тарифы (актуальные на 2026, проверь через web search).
4) Сильные стороны (3 пункта).
5) Слабые стороны (3 пункта).
6) Чего у них нет, а у нас есть.
7) Чего у них есть, а у нас нет — приоритет высокий/средний/низкий.

В конце — таблица 4 колонки: наш продукт, МойСклад, КУБ24, Ozon. 12 факторов сравнения.

Промпт работает лучше всего в Claude или Perplexity с включённым веб-поиском, чтобы тарифы были актуальными, а не из 2023.

Notion AI vs ClickUp AI для PM-документации

Если команда живёт в Notion или ClickUp, встроенный AI бьёт даже ChatGPT по удобству — он внутри документа, без копипаста.

Параметр	Notion AI	ClickUp AI
Цена	$10/user/мес доп	Включён в Business+
Сильно в	Длинные PRD, базы знаний	Задачи, статусы, отчёты
Слабо в	Сложные таблицы	Длинный нарратив
Российская оплата	Сложно	Сложно
Замена	YandexGPT в Я.Доках	TeamForge AI в РФ

Если оба сервиса заблокированы — связка Я.Документы + YandexGPT 5 покрывает 80% задач. Хороший разбор инструментов — на Habr.

Кейс: PRD за 45 минут вместо 4 часов

PM в b2b-сервисе (ниша — управление командой курьеров, ~300 клиентов, MRR 3.8M ₽) перешёл на связку Claude Opus 4.7 + Notion в январе 2026. До этого один PRD занимал 3.5–4 часа: писал, переписывал, добавлял edge cases. Связка: бриф от стейкхолдера → шаблон промпта в Claude → черновик за 12 минут → правка в Notion 30 минут. Итог: 45 минут на PRD, при этом качество (по оценке тимлида разработки) выросло — больше edge cases, чем PM ловил вручную. За квартал PM выпустил 22 PRD против 9 в прошлом квартале. Освободившееся время ушло на CustDev и приоритизацию.

Для руководителей продукта, которые ставят такие практики в команде, есть отдельный материал — AI-ассистент для руководителя.

Частые вопросы

Какая модель оптимальна для PM-задач?

Claude Opus 4.7 с контекстом 1M — главный рабочий инструмент для длинных PRD, разбора фидбэка, roadmap. GPT-5.5 — для быстрых задач (заголовки, формулировки, ICE). YandexGPT 5 — если работодатель закрыл доступ к зарубежным моделям.

Можно ли скармливать модели данные пользователей?

Только обезличенные. Имена, e-mail, телефоны — заменяете на «User-A», «email@example.com». Часть компаний (особенно финтех) требует, чтобы PM использовал только on-premise модели — тогда YandexGPT через Yandex Cloud или GigaChat через SberCloud.

AI заменит PM?

Нет. PM-работа на 60% — это коммуникация, выравнивание стейкхолдеров, продуктовая интуиция. AI снимает рутину документов и анализа, но не принимает решений. Хороший PM с AI делает в 2–3 раза больше; плохой PM с AI становится только заметно бесполезнее.

Как написать промпт для PRD один раз и использовать всегда?

Сделайте кастомный GPT или Claude Project с описанием своего продукта, ICP, метрик, стиля PRD. Дальше каждый новый PRD — просто бриф фичи, остальное в системном промпте. См. гайд по кастомным GPTs.

Что делать, если RICE-оценка от AI расходится с командной?

AI не знает контекст вашей команды и продукта так, как знаете вы. Используйте AI-оценку как «нулевую гипотезу», а финальную RICE — собирайте на сессии с командой. Если расхождение большое, ищите, чего AI не знал.

Стоит ли использовать ChatGPT Enterprise или Team?

Если в команде 3+ PM — да. Расшариваемые промпты, кастомные GPTs, нулевая отправка данных в обучение. Цена 30 $/user/мес окупается экономией 8–10 часов на каждого PM в месяц.

Что насчёт безопасности коммерческой тайны?

Используйте корпоративные тарифы (Enterprise, Team), которые не используют ваши данные для обучения. Без этого — обезличивайте всё, что отправляете. Лучше — обсудите с InfoSec до интеграции AI в процесс.

Итог

• AI снимает 30–50% документной нагрузки PM: PRD, user stories, разбор фидбэка, SQL.
• Claude Opus 4.7 — для длинных артефактов, GPT-5.5 — для скорости, YandexGPT — если зарубежные модели закрыты.
• Reach считает AI, Confidence — только вы. Не доверяйте RICE-оценкам полностью.
• Сделайте кастомный GPT под свой продукт — один раз настроили, дальше каждый промпт короче.
• PM с AI делает в 2–3 раза больше, но решения и приоритизация — всё ещё человеческая работа.