Зачем продакту AI-агент: заниматься продуктом, а не операционкой

Пока одни спорят, заменит ли AI продакта, на рынке успела вырасти новая профессия — AI-продакт, со средней зарплатой около $133 тысяч, а у сеньоров и до $200 тысяч. А того, кто работать с AI так и не научился, всё чаще называют быстро устаревающим. Но самое интересное в другом. «Пользоваться AI» и по-настоящему перестроить свою работу это сегодня две очень разные вещи, и вторую освоили пока единицы.

Работа продакта по идее про то, чтобы думать над продуктом, а на деле большую часть недели съедает совсем другое — сбор статуса по проектам, апдейты стейкхолдерам, превращение идей в тикеты, вечное сведение того, кто что сделал и что где застряло. Чат под рукой есть у каждого. Попросить набросать PRD, причесать апдейт, переформулировать мысль. Вот только он подсказывает текст, а сходить в трекер, поднять переписку, собрать статус и разложить идею на задачи ты по-прежнему делаешь руками.

А тот, кто перешёл от чата к агенту, который сам ходит по твоим системам и закрывает эту рутину целиком, возвращает себе часы, а то и целые дни в неделю. И тратит их на сам продукт — ведёт больше направлений, быстрее доводит идеи до дела и берётся за более сложное и интересное. В этом материале разберём, куда движется профессия по данным крупных исследований, что вообще такое агент и чем он отличается от обычного чата, и какие конкретные задачи продакта он уже умеет закрывать.

Куда движется рынок

Обзоры продуктовой профессии за 2026 год сходятся в одном. AI из приятного бонуса стал базовым требованием, и продакт без него быстро отстаёт. Казалось бы, раз так, все давно перестроились и поезд ушёл. Но самое интересное, что освоить чат и по-настоящему изменить свою работу это совсем не одно и то же. И вперёд вырываются не самые бойкие в новых инструментах, а те, кто не растерял собственное продуктовое суждение и усиливает его с помощью AI.

Дело в том, что «пользоваться AI» сейчас означает две очень разные вещи, и разница между ними огромная. Первый формат разговорный. Ты открываешь чат, вставляешь кусок PRD, описание фичи или тред из переписки, объясняешь контекст, получаешь ответ и руками переносишь его обратно к себе, в документ, в тикет, в апдейт для команды. Второй формат агентный. Ты просто ставишь задачу, а система сама идёт в твой трекер, в базу знаний, в Slack и в аналитику, поднимает нужные тикеты и решения, собирает черновик спеки или статуса по твоим шаблонам и отдаёт готовый результат, который тебе остаётся проверить. Первый это чуть более умный поисковик под рукой, он почти не меняет твою реальную скорость, потому что всё сведение и переключение между системами ты по-прежнему делаешь сам. Второй меняет её кардинально. Сбор статуса, который съедал первую половину дня, начинает занимать минуты. И вот тут становится видна настоящая картина рынка.

Свежее большое исследование, которое провели лучшие американские университеты вместе с OpenAI, «The Shift to Agentic AI: Evidence from Codex» (июнь 2026), показывает, куда всё идёт. Агенты уже вышли за пределы разработки в обычную продуктовую работу, в планирование и коммуникацию, и берут на себя всё более длинные задачи. За полгода доля тех, кто доверяет агенту хотя бы одну задачу в час человеческой работы и больше, выросла почти вдвое, примерно с 35 до 70%. Проще говоря, агентам стали отдавать не мелкие подсказки, а куски работы целиком, ровно те, что обычно и висят на продакте. Но пока это удел немногих. Большинство тех, кто говорит «я давно пользуюсь AI», всё ещё сидят в переписке с чатом. Перестали гуглить и спрашивают то же самое у ChatGPT, просят набросать саммари встречи или черновик письма, и почти не получают выигрыша. А по-настоящему выигрывают те единицы, кто перешёл к агентам. У специалистов, которые внутри того же OpenAI перешли на агентов в исследовательской и продуктовой работе, объём сделанного за месяц вырос многократно против того, что было полугодом раньше, причём при том же затраченном времени. А это значит, что можно вести больше направлений, браться за более сложные и амбициозные задачи и быстрее расти, и в уровне работы, и в деньгах.

Работодатели этот сдвиг уже закладывают. Умение работать с AI всё чаще стоит в требованиях к продакту прямо на входе. При этом по-настоящему, на уровне агента, а не переписки с чатом, этому научились пока немногие. И вот в этом зазоре и лежит возможность. Разобраться сейчас значит и обезопасить себя на будущее, когда это станет нормой для всех, и уже сегодня получить преимущество в скорости, в числе направлений, которые успеваешь вести, и в деньгах.

Получается простая вещь. Рынку уже нужны продакты, которые умеют не просто спросить у чата, а поручить агенту рутину и настроить его под себя. Пока таких мало. Кто научится, тот перестаёт отдавать полнедели координации и сбору статуса и возвращает это время в саму работу над продуктом, а заодно тянет больше направлений. Так что весь вопрос в том, кто перейдёт в этот лагерь первым. И хорошая новость в том, что попасть туда куда проще, чем кажется. Как именно, разберём дальше.

Что вообще такое агент и чем он отличается от ChatGPT

Если убрать сложные слова, агент это программа, которая не отвечает на вопрос, а выполняет задачу. Разница примерно как между консультантом и исполнителем. Консультант говорит, что надо сделать, а делаешь всё равно ты сам. Исполнитель берёт и делает, а ты проверяешь.

Обычный чат ждёт, пока ты сам принесёшь ему весь контекст. Ты копируешь тикеты и тред обсуждения, объясняешь, что за фича и на какой стадии проект, а потом руками переносишь ответ обратно к себе. Агенту доступ к нужным инструментам дают один раз, и дальше он сам заходит в трекер, в базу знаний и в переписку, поднимает историю по проекту, готовит черновик спеки или статуса и, если нужно, заводит тикеты. Тебе остаётся проверить и подтвердить.

Устроено это довольно просто. Агент работает по кругу. Получил задачу, определил, что делать первым шагом, скажем поднять тикеты по эпику или прочитать тред с принятым решением, сделал, посмотрел на результат, перешёл к следующему шагу, и так пока задача не закрыта. Вникать в это не нужно ровно так же, как не нужно понимать устройство почтового сервера, чтобы отправить письмо.

Есть один важный момент, и он проще, чем кажется. Чтобы агент работал не наугад, а по правилам именно твоей команды и продукта, его не нужно вручную обучать и всё расписывать текстом. Настройка это скорее совместная работа. Ты отдаёшь ему свои шаблоны спек, примеры прошлых PRD, структуру проектов, то, как у вас принято резать задачи на тикеты и как ты обычно готовишь апдейты под разные аудитории, а он сам в этом разбирается и собирает набор правил, которым будет следовать дальше. Ты это проверяешь и поправляешь, где нужно. Дальше эти правила переиспользуются в каждой задаче, и любой запрос отрабатывается одинаково ровно, хоть ты сам его запустил, хоть коллега, который тебя подменяет.

Какие задачи это уже закрывает

Если посмотреть, что такие агенты реально делают для продактов уже сегодня, вырисовывается несколько типовых сценариев. Ниже самые распространённые, просто как примеры, чтобы было понятно, о чём речь. На деле так можно автоматизировать почти любой повторяющийся кусок работы, эти взяты для наглядности.

Самая частая история это сбор статуса по проектам. Чтобы понять, что сдвинулось, а что застряло, продакт обычно вручную обходит трекер, читает Slack, вспоминает, о чём договорились на созвонах, и сводит всё это в голове или в очередной табличке. Агент, у которого есть доступ к трекеру, переписке и кодовой базе, собирает такую сводку сам. Один менеджер настроил себе это так. Каждое утро, ещё до офиса, агент присылает ему в Slack две короткие сводки. Первая, что команда сделала за сутки, по тикетам и открытым пул-реквестам, с одной строкой по каждому. Вторая, трекер релиза, где помечено, что залипло в ревью или тестировании. Агент сам ходит в системы, читает и при необходимости двигает тикеты, а раз в неделю отдаёт сводку по скорости команды и дефектам. Тот же человек честно оговаривает, что иногда сводка начинает сама ранжировать команду и делает странные допущения, поэтому такие места он читает со скепсисом, а риски релиза обычно дописывает сам. И это правильная рамка. Агент собирает картину, а выводы по ней остаются за тобой.

Второй знакомый сценарий это превратить идею в спеку и в тикеты. Обычно это отдельная возня. Собрать связанные тикеты, поднять прошлые спеки по теме, вспомнить принятые решения, оформить всё по своему шаблону и разложить на задачи для команды. Агент берёт этот кусок на себя. Ты описываешь, что хочешь сделать, а он собирает под это весь контекст, до которого обычно не доходят руки. Поднимает связанные тикеты и прошлые задачи из трекера, похожие спеки из вашей базы, находит, что по этой теме обсуждали на созвонах и в чатах, выцепляет близкие обращения в саппорте и обсуждения из конспектов встреч с клиентами. Всё это он сводит вместе и собирает черновик по твоей структуре, уже обогащённый реальным контекстом, а не написанный в вакууме, и предлагает разбивку на эпик и задачи. Тут важна одна деталь, которую отмечают практики. Разница между «просто попроси чат написать PRD» и настроенным сценарием в том, что во втором случае это не разовый текст из одного запроса, а твой собственный процесс, зашитый в правила. Те же разделы, тот же уровень детализации и та же логика декомпозиции, что ты закладываешь сам. Ты проверяешь черновик, правишь и запускаешь тикеты в работу.

Третий сценарий это апдейты для стейкхолдеров и release notes под разные аудитории. Одно и то же по сути надо рассказать по-разному. Инженерам подробно, руководству крупными мазками, с акцентом на риски и сроки, соседней команде только то, что их касается. Обычно продакт пишет это руками, каждый раз заново прикидывая, что и куда. Агент поднимает прогресс из трекера и решения из тредов и готовит черновик под нужную аудиторию, в нужном тоне и на нужном уровне детализации. Причём дело не только в тексте. Готовые release notes он может собрать и оформить сразу под публикацию, на сайт или в рассылку, а не просто отдать черновик, который ты потом верстаешь сам. Ты правишь и отправляешь. То, на что раньше уходил час перекладывания одного и того же в трёх форматах, превращается в короткую проверку.

И четвёртый сценарий, самый показательный, это когда агент собирает тебе, по сути, младшего продакта под твою продуктовую зону. Он держит в памяти все твои проекты и берёт на себя подготовительную часть, на которую обычно не хватает рук. К утру готовит статус и риски, к еженедельному синку собирает, что двигалось за неделю, а к ревью метрик сам ходит в подключённые источники данных, собирает дашборд и отдаёт готовые наблюдения по цифрам, закрывая часть продуктовой аналитики, которую обычно ждёшь от аналитика. Но ярче всего тут другое. Продакт из одной компании описал, как пишет PRD обычным текстом, а через двадцать минут получает от агента рабочий кликабельный прототип, по сути готовый MVP. Его можно покликать, а можно и попросить пройти по основному сценарию, записать короткое видео и кинуть команде в чат. И вместо того чтобы неделю гонять правки по документу, который каждый прочитал по-своему, команда сразу обсуждает живой прототип, который все видят одинаково. Так помощник закрывает не одну задачу, а целый повторяющийся пласт подготовки, а тебе оставляет время на саму работу над продуктом.

И самое ценное, что эти сценарии со временем только становятся лучше, по мере того как у агента накапливается контекст твоих проектов. Один раз настроил сценарий, и дальше это, по сути, записанный регламент твоей работы, который переиспользуется каждый раз и который можно постепенно улучшать. Твой способ писать спеки, резать задачи и собирать статус перестаёт жить в голове одного человека. Тот же сценарий можно передать всей команде, и новый продакт с первого дня готовит апдейты и раскладывает идеи на тикеты ровно так, как это принято у вас, а не нащупывает это месяцами. Один раз разобрался, как ты ведёшь продукт, и дальше это работает на тебя постоянно.

Какие есть ограничения

Тут нужны две честные оговорки. Первая в том, что AI иногда ошибается, причём уверенно. Может неверно понять статус, притянуть не тот тикет или, когда коннектор к трекеру отвалился, подставить правдоподобный, но выдуманный вывод, лишь бы закрыть запрос. Поэтому агент это исполнитель первого прохода, а не последняя инстанция. Рутину и черновики он берёт на себя, но приоритеты, риски и решение, что строить, остаются за тобой, а тикеты и апдейты уходят через твоё подтверждение. При настройке ему прямо задают правило опираться только на реальные данные и ничего не додумывать.

Вторая оговорка это конфиденциальность. Продуктовые планы, метрики и внутренняя переписка не должны утекать в чужое облако, поэтому файлы и доступы разумнее держать у себя. Так ты получаешь скорость агента и сам контролируешь, где лежат данные.

Держишь в голове эти два правила, человек проверяет и решает, а данные остаются у тебя, и агент перестаёт быть риском. Он просто более быстрый способ делать ту же работу с прежней ответственностью за результат.

Как начать таким пользоваться

Собрать такого помощника можно и самому. Но дело не только в том, чтобы потратить вечер на установку. Надо ещё разобраться, как всё это устроено, что и куда подключать, как описывать сценарии, какие заложить базовые правила, попробовать, где-то ошибиться и переделать. На это уходит время, и не у каждого продакта есть желание в это погружаться, тем более что своих задач и созвонов и так хватает.

Поэтому есть путь проще, взять уже готовое, преднастроенное решение. Есть решения вроде kvelo.dev, которые уже работают как агенты и собирают под тебя персональное рабочее пространство, где всё нужное, в том числе типовые сценарии продакта, уже заложены и настраиваются автоматически, без долгой ручной возни. Заодно это сводит воедино тот зоопарк из трекера, базы знаний, переписки и аналитики, между которыми обычно и скачешь весь день. Дальше ты просто работаешь. Сложные задачи делаешь за компьютером, а простые вопросы решаешь прямо из мессенджера. Написал в Telegram или WhatsApp «собери статус по проекту к завтрашнему синку», и агент сходил в трекер и переписку, поднял, что сдвинулось и что залипло, и прислал готовую сводку. По сути ты общаешься с ним как с коллегой.

Рынок, по большому счёту, уже определился, что работа с AI в продукте это новая норма. Разница между теми, кто останется в переписке с чатом, и теми, кто научится делегировать агентам, скоро будет видна по скорости, по числу направлений, которые человек тянет, и по тому, кто в команде успевает думать над продуктом, а кто тонет в сборе статуса и переписывании апдейтов. Поэтому разбираться в этом стоит начинать уже сейчас. Время ещё есть, и шанс оказаться среди первых пока большой. А чтобы разобраться максимально просто и сразу встроить это в работу, можно начать с готового решения вроде Kvelo и просто попробовать.