Кажется, продуктовые команды начинают пересобираться. Разбираемся, что об этом уже известно.
Продакт может сам собрать страницу под гипотезу. Аналитик может быстрее подготовить код. Разработчик может передать агенту часть рутины. Дальше хочется понять: команда успевает больше, меньше нанимает или тратит выигранное время на проверку?
Здесь собраны опросы, исследования вакансий, кейсы компаний и комментарии практиков. Можно прочитать основные выводы или сразу перейти к источникам.
С выводом «половина команды больше не нужна» пока рано. В собранных материалах нет надёжной оценки среднего сокращения российских продуктовых команд именно из-за ИИ. Есть данные об использовании, отдельные кейсы ускорения и изменения требований к людям.
В опросе 1 101 продакта 91% используют ИИ несколько раз в неделю или чаще. Но больше половины пока применяют его для отдельных задач без единого процесса.
DevCrowd и Контур, 2026В кейсах остаются калибровка, ревью и человеческий контроль. Чтобы оценить выигрыш команды, нужно учитывать путь до проверенного результата, качество и все затраты.
Кейс Яндекс ДоставкиОпыт разработчикаСамая полезная единица разбора сейчас: конкретная задача и ответственность за её результат. Ниже синтез собранных материалов, а не рейтинг профессий.
ИИ помогаетСобрать информацию, подготовить требования и первый прототип. Источник
Ответственность человекаВыбрать проблему, проверить гипотезу и принять решение.
ИИ помогаетПодготовить SQL, код и визуализацию, разобраться в ошибках. Источник
Ответственность человекаПроверить данные, метод расчёта и корректность вывода.
ИИ помогаетБыстрее перебрать варианты и собрать прототип. Источник
Ответственность человекаОценить сценарий, качество решения и пригодность для продукта.
ИИ помогаетСнять часть рутины, написать черновик кода, найти нужное в проекте. Источник
Ответственность человекаПроверить код, интеграции и работоспособность системы.
ИИ помогаетРаботать с контентом и вариантами материалов. Источник
Ответственность человекаПонимать контекст бизнеса, оценивать креатив и финальное качество.
Доля вакансий с ИИ-навыками в выборке Практикума и getmatch:
Всего в исследовании 1 906 вакансий. ИИ-навыки включают ML и LLM-инструменты. Требование в вакансии не показывает, сколько времени команда реально экономит. Методология и ограничения
Три разных результата, которые легко смешать: прототип, цикл разработки и охват операционной проверки.
Прототип за три недели
В Яндекс Лавке описан пример, где человек самостоятельно дошёл до работающего прототипа. Для ранней проверки идеи это меняет объём работы, который можно сделать небольшим составом.
Это корпоративный кейс. Он не сообщает, сколько занял бы полный промышленный запуск с теми же требованиями. Подробнее
Цикл короче на 40%, по данным компании
Компания описывает две команды с ядром из менеджера проекта, аналитика и разработчика. Агенты берут часть работы с интерфейсами, тестированием и рутинной аналитикой.
Не раскрыты сопоставимость задач и количественные показатели качества. Делать из этого вывод о 40% лишних сотрудников нельзя. Подробнее
Охват контроля с 5% до 100%
CPO Стас Заботин описывает рост охвата без дополнительного найма. Но до этого команда полгода калибровала модель, а ручная проверка осталась частью процесса.
Показатель относится к отфильтрованным звонкам. Это контроль коммуникаций, а не QA программного продукта. Подробнее
Выигрыш в отдельной задаче стоит проверять на всём пути до результата.
Это аналитический вывод обзора. В найденных материалах нет единого замера, который одновременно сравнивает скорость, качество и полную стоимость российских продуктовых команд.
В разговоре про «ИИ заменил людей» часто оказываются четыре разных изменения:
По собранным материалам нельзя посчитать долю каждого сценария. Кейс Андаты показывает изменение штата ещё в 2025 году и несколько причин одновременно. Данные SuperJob описывают охлаждение найма во всей экономике. Ни один источник не даёт среднего процента замещения российских продуктовых команд ИИ. Андата · SuperJob
Про то, куда массово переходят продакты, аналитики и дизайнеры после внедрения ИИ, данных здесь тоже недостаточно. Это отдельный вопрос для следующего исследования.
В одном месте собраны все материалы обзора. Публикации об одном опросе объединены. У каждой записи есть результат, ограничения и ссылка на оригинал.
DevCrowd и Контур · 1 101 участник
91% участников используют ИИ несколько раз в неделю или чаще. При этом, по пересказу результатов в IT Speaker, больше половины решают отдельные задачи без единого процесса, около трети интегрируют ИИ в рабочие процессы.
Зачем читать. Опрос показывает разницу между частым личным использованием и изменением работы всей команды. Полезен как отправная точка для разговора с PM и CPO.
Ограничения. 90% участников имеют уровень Middle или выше. Это русскоязычная профессиональная выборка, её нельзя считать срезом всех продуктовых команд России. Три ссылки ниже относятся к одному опросу.
Данные и проверка. Сбор ответов: 3 июля по 2 августа 2026. Выборка проверена по индексируемому описанию исследования; результаты также сверены по сообщению организатора и публикации от 9 сентября. Полная интерактивная страница при проверке не загрузилась. Ссылка Контура ведёт в ленту компании.
Lamoda Tech · 115 аналитиков
В опросе и интервью обсуждаются код, SQL, графики, поиск информации и обучение. Практики отдельно отмечают задачи, в которых проверка ответа слишком сложна или быстрее сделать работу самостоятельно.
Зачем читать. Помогает разложить профессию на задачи с разной ценой ошибки. Например, ускорение черновика SQL ещё не означает, что вывод по эксперименту можно принять без проверки.
Ограничения. Период сбора ответов не указан. Проценты категорий задач без исходной анкеты нельзя уверенно трактовать как доли всех аналитиков. Интервью не являются экспериментом производительности.
Данные и проверка. Публикация объединяет опрос специалистов из разных отраслей и интервью с аналитиками и руководителями Lamoda, Лемана Тех, Сетки и Яндекс Практикума.
Яндекс Практикум и getmatch · 1 906 вакансий
Между периодами декабрь-февраль и март-май доля вакансий с ИИ-навыками выросла в продуктовой аналитике с 36,4% до 48,5%, в продуктовом дизайне с 30% до 41,2%. Для продакт-менеджеров показатель почти не изменился: с 28% до 28,2%.
Зачем читать. Позволяет обсуждать изменение требований по конкретным ролям. У аналитиков и дизайнеров в этой выборке изменение заметнее, чем у PM.
Ограничения. Методология охватывает декабрь 2025 по май 2026. В классификацию входят широкий ИИ/ML и LLM-инструменты. Это не только умение пользоваться чат-ботом. Связь навыков с зарплатой не доказывает причинную надбавку.
Данные и проверка. Русскоязычные вакансии с удалением дублей по компании, позиции и специализации. Для обзора использованы строки таблицы отдельных ролей; общие проценты с неоднозначным знаменателем не объединялись.
Мысли как дизайнер · 386 ответов
Регулярное использование ИИ указали 37% респондентов из UX/UI. В разрезе места работы показатель составляет 46% в продуктовых компаниях и 74% в агентствах. Это разные разрезы, их нельзя складывать.
Зачем читать. Показывает, почему «дизайнеры уже всё делают с ИИ» слишком широкое обобщение. Сценарии, ограничения и ожидания клиентов отличаются по среде работы.
Ограничения. Точная дата публикации, полевой период, рамка выборки и размеры всех подгрупп не раскрыты. Связь тревоги с практикой использования не доказывает, что одно вызывает другое.
Данные и проверка. В источнике география обозначена как Россия. Кроме количественных ответов есть свободные комментарии о прототипах, качестве и ожидании результата в один клик.
DNATIVE и ВЕТКА · 177 анкет в доступном срезе
В доступной версии результатов 52% участников сообщили о росте дохода за год. Средняя тревога по поводу изменений профессии составляет 2,6 из 5. Опрос затрагивает доходы, занятость и работу с нейросетями.
Зачем читать. Добавляет взгляд смежных ролей: маркетологов и специалистов по контенту. Изменение ожиданий клиентов и цены отдельных задач может происходить раньше, чем изменение названий должностей.
Ограничения. Анонимные ответы аудитории DNATIVE и ВЕТКА, а не репрезентативная выборка всего маркетинга. Анкету можно продолжать заполнять, поэтому число ответов меняется. Рост дохода не измеряет эффект ИИ и не исключает сокращений в отдельных компаниях.
Данные и проверка. На странице результатов при проверке указаны 177 анкет. В ранней публикации автора от 1 июня было 166. В обзор взят доступный срез страницы результатов, без смешивания двух версий.
Fork-Tech · Две команды
Компания описывает ядро из менеджера проекта, аналитика и разработчика. Часть задач интерфейсов, тестирования и рутинной аналитики передана агентам. По внутренним замерам длительность цикла сократилась на 40%.
Зачем читать. Один из конкретных примеров изменения распределения работы внутри команды. Ценность кейса в описании процесса, общей базы знаний и координации агентов.
Ограничения. Не раскрыты исходный штат, период сравнения, сопоставимость задач и количественные показатели качества. Минус 40% времени цикла не означает минус 40% сотрудников.
Данные и проверка. Корпоративный пресс-релиз о клиентском проекте и модуле PWS. Заявленный эффект не проверен независимым экспериментом.
Яндекс · Корпоративные данные
По данным компании, 73% разработчиков регулярно используют ИИ. В Лавке один сотрудник собрал прототип кабинета франчайзи за три недели. Для отдельных проектов и спринтов компания приводит собственные оценки ускорения.
Зачем читать. Показывает, как отдельный сотрудник может пройти больше этапов до первого результата. Внутренние агенты также используются в аналитике, маркетинге и других функциях.
Ограничения. Прототип не равен промышленному запуску. Сопоставимость объёма работ и контрольная группа не раскрыты. Программа 75/75/75 является целью на конец 2026 года, а не уже достигнутым итогом.
Данные и проверка. Первичный корпоративный материал с примерами Лавки, Еды и Браузера. Его цифры нельзя переносить на среднюю российскую продуктовую команду.
Сбер и участники отраслевой дискуссии · Обзор выступлений
В материале обсуждаются внедрение ассистентов, обучение, внутренние инструменты и измерение продуктивности. Представитель Т-Технологий предлагает смотреть на сроки, концентрацию, нагрузку и обратную связь о качестве.
Зачем читать. Полезен для понимания управленческих вопросов: кто проверяет результат, как обучать команду и какие метрики выбирать. Рост числа коммитов или PR сам по себе не отвечает на вопрос о пользе продукта.
Ограничения. Корпоративный обзор, помеченный как мнение. В одном тексте смешаны ретроспектива 2024 и 2025 годов, текущие заявления и будущие ориентиры. Это не единый эксперимент.
Данные и проверка. Взгляды представителей Сбера, Яндекса, Т-Технологий и red_mad_robot. Числовые заявления разных участников относятся к разным задачам и периодам.
Стас Заботин, CPO Яндекс Доставки · Контроль коммуникаций
Автор описывает расширение охвата проверки звонков с 5% до 100% без дополнительного найма. Подготовка включала ручную разметку и полгода калибровки модели; человеческий контроль сохраняется.
Зачем читать. Пример роста объёма работы без пропорционального расширения команды. Одновременно показывает, что запуск автоматизации требует времени на настройку и проверку.
Ограничения. 100% относится к звонкам, проходящим фильтры процесса. Это операционный контроль коммуникаций, а не тестирование ПО и не численность продуктового отдела. Влияние на конверсию ещё планировали проверять A/B-тестами.
Данные и проверка. Личный разбор руководителя продукта. Полезен для изучения внедрения и контроля ошибок, но не для расчёта среднего эффекта на штат.
Паша Сухов, Яндекс Доставка · Личный опыт разработчика
Автор разбирает ошибки генерации, затраты на ревью и задачи, в которых ассистенты полезны. После накопления опыта он субъективно оценивает рост числа закрываемых задач примерно вдвое.
Зачем читать. Помогает увидеть оба направления эффекта: ранние неудачи и последующую пользу. Результат зависит от класса задач и способности человека оценить предложенное решение.
Ограничения. Самооценка одного специалиста. Не измерение скорости всей команды, не контрольный эксперимент и не гарантия такого же результата для другого разработчика.
Данные и проверка. Развёрнутый личный разбор «Я не умею вайбкодить». Не следует цитировать только провалы, игнорируя итоговую положительную оценку автора.
SuperJob · Данные на 1 марта
В обзоре российского рынка труда число вакансий ниже на 20% год к году, число резюме выше на 34%. Это фон, на котором компании принимают решения о найме.
Зачем читать. Напоминает, что изменение численности команды происходит в экономическом контексте. Сокращение вакансий нельзя автоматически объяснить внедрением ИИ.
Ограничения. Рынок труда в целом, а не только IT или продуктовые команды. Показатели не измеряют число увольнений из-за нейросетей.
Данные и проверка. Данные прочитаны по индексируемому тексту публикации; прямая страница при проверке возвращала CAPTCHA.
Коммерсантъ о результатах опроса ЦБ · 14,7 тыс. организаций
Издание сообщает, что среди опрошенных нефинансовых организаций ИИ использует примерно каждая седьмая, а каждая пятая планирует внедрение.
Зачем читать. Помогает не переносить высокое использование ИИ в профессиональном сообществе продактов на всю экономику.
Ограничения. Вторичный источник, первичный отчёт не найден. База расчёта отдельных показателей эффекта раскрыта недостаточно ясно. Эти проценты не использованы для оценки сокращений продуктовых команд.
Данные и проверка. Опрос компаний имеет другую единицу наблюдения, чем опрос отдельных специалистов. Сопоставлять их показатели как одну воронку нельзя.
CNews: Андата и комментарии рынка · Изменения относятся к 2025 году
В публикации описано изменение численности Андаты с 52 до 41 человека. Среди факторов основатель называет ИИ, выручку, налоговую нагрузку и изменение продуктовой модели.
Зачем читать. Пример того, почему важно разбирать несколько причин одновременно. В комментариях рынка также обсуждаются точечный найм и потребность в экспертизе.
Ограничения. Само сокращение произошло в 2025 году. Нельзя представлять его как результат 2026 года или чистый причинный эффект ИИ.
Данные и проверка. Журналистский материал с прямыми комментариями участников. Заявления об ускорении отдельных направлений не сопровождаются контролируемым сравнением.
ИСИЭЗ НИУ ВШЭ · Более 500 организаций
Разработчики ИИ ожидают изменения спроса на профессиональные компетенции: роста значимости стратегии и лидерства, снижения роли части рутинной работы с информацией. Ожидания по программированию неоднородны.
Зачем читать. Контекст для разговора о будущей структуре задач и развитии сотрудников. Полезнее обсуждать конкретные навыки, чем исчезновение профессии целиком.
Ограничения. Опрос проводился в 2025 году, прогнозный горизонт до 2027 года. Это ожидания организаций, разрабатывающих ИИ, а не наблюдение фактических изменений штата в 2026 году.
Данные и проверка. Исследование профессиональных компетенций. Дата публикации не совпадает с датой сбора ответов.
ФРИИ · Отчёт пока не найден
В исследовании предусмотрены темы ИИ, команд, найма и результативности. На проверенной странице опубликованы приглашение и ссылки на материалы 2025 года.
Зачем читать. Источник для следующего обновления обзора после появления итогового отчёта.
Ограничения. Финальные результаты за 2026 год на дату среза не найдены. Анонс не является доказательством каких-либо изменений на рынке.
Данные и проверка. Проверена страница исследования. Данные прошлого года не выдаются за новые результаты.
СКОЛКОВО · Запись дискуссии
Разговор с Владимиром Волковым, руководителем продукта в автономном транспорте Яндекса, и Дмитрием Борисовым, директором по продукту СберОС и офисного ПО.
Зачем читать. Дополнительный материал для тех, кто хочет послушать руководителей продуктов и глубже изучить управленческую сторону темы.
Ограничения. Проверены описание и состав участников. Полная запись не разобрана, поэтому конкретные позиции и результаты команд спикерам здесь не приписываются.
Данные и проверка. Видеоматериал оставлен в библиотеке как рекомендация для самостоятельного просмотра, без использования как доказательства выводов обзора.
Roots · Обзор и исходные ссылки
Подборка направлений изменения продуктовой работы и источников для дальнейшего изучения.
Зачем читать. Удобна как карта тем: изменение ролей, способы работы с ИИ и организация разработки.
Ограничения. В обзоре смешаны российские и международные данные, прогнозы и авторские интерпретации. Он не подтверждает среднее ускорение российских PM в несколько раз.
Данные и проверка. Включён как дополнительное чтение, а не самостоятельное количественное исследование рынка.
Для этого сочетания пока нет материалов.
Фокус: применение генеративного ИИ и агентов в работе российских и русскоязычных продуктовых команд. Включены материалы, опубликованные в 2026 году и доступные на 22 сентября. Смежные роли и общий рынок труда отмечены отдельно.
19 материалов сгруппированы в 17 записей. Это не 19 независимых исследований: три публикации относятся к одному опросу DevCrowd и Контура. Подборка не является систематическим обзором всей научной литературы или репрезентативным исследованием рынка.
Опрос описывает ответы своей выборки. Корпоративный кейс показывает заявленный опыт конкретной компании. Мнение помогает понять ход мысли специалиста. Эти типы свидетельств отвечают на разные вопросы.
Дата публикации может отличаться от периода сбора данных. Прогноз до 2027 года не описывает уже состоявшиеся изменения. Проценты из разных опросов нельзя складывать или читать как общую воронку внедрения.
Не найдена репрезентативная панель российских продуктовых команд с данными до и после внедрения, сопоставимой контрольной группой, разбивкой по ролям и одновременной оценкой скорости, качества и бизнес-результата.
Часть страниц проверена по доступному индексируемому тексту. Такие случаи, а также неразобранная видеозапись и ожидаемый отчёт ФРИИ, отмечены в деталях источников.
Про продукты, гипотезы и работу команд. Больше разборов и обсуждение в моём Telegram-канале.
Перейти в канал ProductVC