AI меняет не только процессы, но и профессии. Полгода назад для того, чтобы запустить MVP продукта, нужен был не только product owner, но и команда разработчиков. Сегодня прототип может сделать один человек без команды, используя только AI. Вы все еще относитесь к этому со скепсисом, но это уже так.
Меня зовут Сергей Спиренков, я евангелист в KODE и CEO собственных проектов. Последние месяцы я провел внутри этой трансформации — собирая продукты в одиночку, без строчек кода руками, с помощью AI и нового подхода к разработке. В статье поделюсь мнением, как изменится профессия product owner и что ждет разработчиков. И главное: расскажу про AI-инструменты, с помощью которых сам делаю MVP продуктов.
Интро
Каждую неделю появляются новые генеративные модели, платформы, кастомные решения. Вокруг — активные обсуждения, эксперименты, интеграции с Discord, Twitter, обученные локально LLM и CP-серверы, на которых собирают нейросети в собственные пайплайны. Все это напоминает начало нового технологического цикла.
Но есть одна проблема: за внешним блеском и скоростью не всегда видно суть. Если открыть Hype Cycle от Gartner, видно: мы в точке пика по развитию AI-технологий. Дальше будет охлаждение. И вот на этом «плато трезвости» начнется самое интересное: останутся только те компании, которые сумели встроить AI в повседневную практику. Поэтому остается несколько вопросов — какую проблему решают нейросети? Где настоящая польза? Где сценарии, которые действительно работают — не в демо, а в жизни?
Реальные кейсы с генеративным AI: а есть ли они
В пользовательском опыте таких кейсов все еще катастрофически мало. Один из немногих позитивных примеров — Авито. Они внедряют AI, который помогает пользователю с генерацией описаний и фотографий для объявлений. Это не просто модная фича, а ощутимое упрощение рутины, которое усиливает базовую ценность сервиса — быструю и удобную публикацию.
Но если пойти глубже, особенно в сферу EdTech, становится очевидно: там все еще нет AI-агентов, которые сопровождали бы пользователя, помогали достигать целей, действовали бы как персональные наставники. Многие решения незрелы или ограничены шаблонными ответами. Складывается ощущение, что индустрия боится доверить AI хоть сколько-нибудь критически важную роль.
Пример из реального сектора: нейросеть, обученная на 300 инструкциях к ЧПУ-станкам, проектирует детали. Это уже не демонстрация, а функциональный прототип, который потенциально может заменить целое инженерное звено. Но такие истории единичны. Их ценность огромна — именно потому, что они редки.
И проблема не в технологиях. Они уже здесь. Проблема в том, что бизнес пока не умеет ставить перед ними правильные задачи — и боится отпустить контроль. И именно эту ситуацию нам предстоит переломить.
Реальная ценность для пользователя — быстрая генерация продукта
Пользователь ценит не только сам продукт, но и скорость, с которой он появляется. Чем быстрее идея превращается в рабочий прототип, тем выше шанс протестировать гипотезу на рынке, собрать фидбек, и — если все пошло по плану — запустить. Это и есть новая реальная ценность, которую мы можем дать с помощью AI: быструю генерацию продукта.
Раньше продукт запускался долго: сначала собирали команду, потом недели или месяцы обсуждали, писали, тестировали. Быстро сделать MVP — почти невозможно. Все шло через product owner, который смотрел на метрики, принимал решения, ставил задачи. На практике многое упиралось в ресурсы: чтобы проверить одну гипотезу, нужен дизайнер, верстальщик, бэкендеры, фронтендеры, аналитики. Это дорого, долго и не всегда оправдано.
Профессия product owner исчезнет, на смену придет product engineer
С появлением AI все идет к фундаментальному сдвигу: через 5–10 лет product owner как профессия может исчезнуть. Ее место займет product engineer — универсальный специалист, который умеет строить продукт сам, при минимальной зависимости от технических команд. AI-инструменты и станут его «командой».
В итоге product engineer сможет сам собирать прототип, связывать интерфейс с базой, деплоить проекты и быстро их обкатывать. Без команды. Он не заменит всех специалистов разом — он просто сможет использовать AI-инструменты, которые уже умеют делать многое сами.
Как итог: влияние классических IT-команд на продукт будет снижаться. Роль разработчиков сместится к поддержке, отладке и обучению моделей. Команда будет писать шаблоны для AI, анализировать AI-код и поддерживать сами модели. Всю остальную работу разработчика будут выполнять vibe-кодеры. А драйвером компании станет product engineer.
Про инструменты product engineer
В какой-то момент я решил заняться vibe-кодингом и решил изучить AI-инструменты. В итоге получилось собрать несколько лендингов и написать смарт-контракт для Solana. Довольно быстро мой стек стал более амбициозным, и я понял, что эти инструменты реально поменяют подход к запуску MVP. Чем пользуюсь я:
V0 от Vercel — визуальный редактор, который умеет делать приятные на вид интерфейсы. Отлично работает с анимациями, подходит для быстрой сборки лендингов и прототипов. Но с логикой и базами данных пока слабо. У каждого пользователя — своя сессия, серверной части нет, поэтому сложные аппки на V0 не построишь. Зато он прекрасно заменяет дизайнера и фронтендера на этапе первого шага.
Cursor IDE — мой главный рабочий инструмент. Это полноценная AI-IDE, которая понимает контекст, подсказывает код и умеет помогать, как опытный тимлид. Тут я впервые почувствовал, что могу писать «большое» — например, смарт-контракт на Rust для Solana. Не зная ни Rust, ни API Solana, я справился с задачей с помощью одной лишь IDE.
Vercel — облачный хостинг с авто CI/CD. Максимально дружественный: все разворачивается за пару кликов через GitHub, сразу подключается CI/CD. Идеален для хостинга React/Next.js-проектов, но отлично работает и с другими фреймворками.
Supabase и Neon — облачные базы данных. Supabase мне показался чуть более дружелюбным на старте, но обе платформы прекрасно решают задачу хранения и обращения к данным. Их легко подключать, можно строить простейшие CRUD-интерфейсы, и все это без бэкенд-команды.
Сейчас я, например, собираю пет-проект — платформу в духе PolyMarket — ставки на реальные события (вроде «станет ли Трамп президентом»). Есть админка, есть интеграция с внешними API, есть агент, который генерирует события. А до этого делали генератор барбификации — натренировали нейросеть, обернули в API, прикрутили фронт. Все это — без командной разработки.
Я продолжаю ресерчить разные AI-инструменты и не знаю, насколько более крутую модель я найду завтра. И каждый раз, когда нахожу, все больше убеждаюсь в том, что мой представление нового подхода к разработке MVP имеет право на существование.
Три вывода
Вывод 1. Профессия product owner в текущем виде перестанет существовать. На смену придет product engineer, который сам будет собирать MVP без команды разработки, используя только AI-инструменты.
Вывод 2. Разработчиков никто не заменит, но им придется задуматься о качестве хард скиллов. Не получится остаться вне изменений. Если у вас широкий технический бэкграунд и вы можете видеть архитектуру целиком, у вас всегда будет место на рынке. Если нет — у меня для вас плохие новости.
Вывод 3. Стажерам в IT станет сложнее найти работу. Простые задачи закроет AI, останутся более специфические задачи, которые потребуют глубокого погружения в технику. Требования ко входу в профессию в очередной раз вырастут.
