Продакт-инженер: карьера, которая открылась для всех

Идея для внутреннего инструмента, который сэкономит команде часы каждую неделю. Понимание, как он должен работать, потому что проблема знакома изнутри. Раньше путь был один: ТЗ, задача разработчикам, два месяца в очереди. Сейчас можно открыть Cursor, описать задачу словами, и через пару вечеров получить работающий прототип. Показать коллегам, собрать обратную связь, доработать. Через неделю инструмент уже используют.

Люди, которые так работают, появляются всё чаще. Аналитик, который сам собирает дашборды. Маркетолог, который за вечер делает лендинг и запускает A/B тест. Менеджер проекта, который автоматизирует сбор метрик из Jira. Их объединяет одно: они видят проблему, понимают контекст и создают решение сами, с помощью AI. Для этого подхода есть название, которое набирает популярность: продакт-инженер.

Почему именно сейчас

Ещё в 2024 году, чтобы собрать работающий прототип, нужно было уметь программировать. Можно было обойтись no-code конструкторами, но их возможности были ограничены. В 2025 году Андрей Карпатый описал подход, при котором код пишет AI, а человек направляет процесс, и назвал это вайбкодингом. За год подход превратился из эксперимента в рабочий инструмент, которым пользуются десятки тысяч людей.

Что это меняет на практике: барьер между “я знаю, что нужно сделать” и “я могу это сделать” стал гораздо ниже. Достаточно понимать задачу и уметь внятно её сформулировать, а AI поможет с реализацией. Глубокие знания Python или JavaScript для этого необязательны.

Какие навыки становятся ключевыми

Допустим, прототип собран за вечер. Дальше возникают вопросы, на которые AI ответить не может. Ту ли проблему решаем? Для кого именно этот инструмент? Как понять, что он действительно полезен? Как приоритизировать доработки, когда обратная связь от коллег противоречива? Стоит ли масштабировать решение или лучше переделать с нуля?

Это вопросы продуктового мышления. И именно оно отличает человека, который “поигрался с AI” и забросил, от того, кто создаёт реально работающие решения.

Продуктовое мышление. Формулировать гипотезы, разговаривать с пользователями, приоритизировать по impact, принимать решения на основе данных. Без этого AI-инструменты превращаются в генератор случайных прототипов.

Итеративная работа. Собрал, показал, получил обратную связь, скорректировал. Звучит просто, но на практике многие застревают: или пытаются сразу сделать идеально, или, наоборот, бесконечно переделывают без системы. Agile-подходы дают структуру для этого цикла: как планировать итерации, как проводить ретроспективы, когда остановиться и выпустить.

Техническая грамотность. Писать код с нуля необязательно, но понимать базовые вещи нужно: как работает веб, что такое API, как устроены базы данных. Это помогает эффективнее работать с AI и понимать, что реалистично, а что потребует помощи разработчика.

Умение работать с AI. Формулировать промпты, проверять результаты, итеративно уточнять. Это навык, который развивается с практикой, и он заметно влияет на качество того, что получается на выходе.

От “войти в IT” к “расширить свои возможности”

Несколько лет подряд самым популярным запросом в карьерном обучении было “войти в IT”. Люди шли на курсы Python, учили алгоритмы, готовились к собеседованиям на джуниорские позиции. Некоторым это удавалось, многим нет.

Продакт-инженерный подход предлагает другую логику. Не становиться разработчиком, а взять экспертизу, которая уже есть, добавить продуктовые навыки и AI-инструменты, и начать создавать решения в своей области. Аналитик остаётся аналитиком, но теперь может сам собрать инструмент для анализа. Маркетолог остаётся маркетологом, но с возможностью быстро проверять идеи без очереди к разработчикам.

Это другая точка входа. Доменная экспертиза, понимание специфики отрасли, знание болей пользователей и есть самое ценное. AI закрывает техническую часть. Продуктовые навыки помогают превращать экспертизу в работающие решения.

С чего начать

Для тех, кто хочет двигаться в эту сторону, есть смысл развивать навыки параллельно.

AI-инструменты можно осваивать самостоятельно. Cursor, Claude, Bolt, Lovable, десятки YouTube-туториалов и бесплатных ресурсов. Начните с маленькой задачи, которая отнимает у вас время на работе, и попробуйте решить её с помощью AI.

Продуктовое мышление и agile-подходы самостоятельно освоить сложнее, потому что это навыки работы с людьми и процессами. Программа Certified Agile Professional даёт фундамент: Scrum, Kanban, работа в команде, AI-инструменты в agile-контексте. Программа Advanced Product Ownership углубляет продуктовую часть: приоритизация, работа с данными, управление беклогом.

Для компаний, которые хотят развить продакт-инженерные навыки у нескольких команд сразу, есть формат коротких корпоративных сессий: сфокусированные воркшопы под конкретные задачи с практикой между сессиями.

Комбинация продуктового мышления, agile-практик и AI-инструментов открывает возможности, которых пять лет назад просто не существовало. И что особенно приятно, воспользоваться ими может практически любой человек с экспертизой в своей области.