Lisa Huang zaczęła budować asystenta AI dla inteligentnych okularów Meta Ray-Ban w 2019 roku. Musiała przekonać zespół, że asystent AI stanie się najważniejszą funkcją okularów. Nie wszyscy się z tym zgadzali. Ten proces od zera do jednego ujawnił ograniczenia, z którymi nie spotykają się czysto programowi menedżerowie produktów. Waga. Czas pracy na baterii. Prywatność. Obawy osób postronnych dotyczące kamery na czyjejś twarzy. I fakt, że Luxottica, firma modowa, nie działa jak zespół inżynieryjny z Doliny Krzemowej. Ilość złożoności inżynieryjnej zawartej w czymś, co wciąż musi wyglądać jak para okularów przeciwsłonecznych, jest oszałamiająca. Największe pytanie techniczne: przetwarzanie w chmurze czy na urządzeniu? Chmura jest dzisiaj domyślnym rozwiązaniem. Ale Lisa w tym odcinku postawiła prognozę, na którą warto zwrócić uwagę. Wierzy, że zdecydowana większość AI dla AR ostatecznie będzie działać na urządzeniu. Jej rozumowanie: gdy nosisz urządzenie na twarzy przez cały dzień, rejestrując to, co widzisz i słyszysz, ludzie będą chcieli, aby te dane pozostały lokalne. W miarę jak modele stają się mniejsze i bardziej wydajne, techniczne bariery wciąż maleją. To wpisuje się w szerszy wzór, który rozgrywa się w sprzęcie AI. Apple intensywnie inwestuje w modele działające na urządzeniu. Nowa fala telefonów AI przenosi więcej przetwarzania na krawędź. Prywatność staje się cechą produktu, a nie tylko polem do zaznaczenia w zgodności. Lekcja, którą Lisa wyciągnęła dla każdego menedżera produktu budującego funkcje AI w jakimkolwiek kontekście: głęboko zrozum technologię, ale nie zakochuj się w niej. Najlepsze produkty żyją na przecięciu tego, czego użytkownik naprawdę potrzebuje, a tego, co technologia może niezawodnie zrobić dzisiaj. Buduj szybko. Obserwuj, co robią użytkownicy. Aktualizuj swoje założenia. Powtarzaj.

Ukrytym wąskim gardłem w narzędziach produktywności AI były koszty konfiguracji. Każdy użytkownik Claude Code napotyka tę samą przeszkodę. Instalujesz go, uruchamiasz kilka poleceń, otrzymujesz ogólne wyniki i wracasz do robienia rzeczy ręcznie. Odpowiedzi wydają się jak rozmowa z inteligentnym obcym, który nie zna twojej firmy, twojego produktu, twoich wskaźników ani tego, jak wygląda dobra odpowiedź. Pracowałem nad moją konfiguracją Claude Code ponad 100 razy, zanim znalazłem wzór, który działa. Kluczem są trzy warstwy. Pierwsza warstwa to pamięć. Claude musi wiedzieć, kim jesteś, co próbujesz osiągnąć i jak pracujesz. Większość ludzi całkowicie to pomija. Wypełnienie prostego polecenia pamięci swoimi celami, zawodem i największymi przeszkodami zmienia każdą odpowiedź, którą otrzymujesz w przyszłości. Druga warstwa to plik CLAUDE.md. To trwały kontekst, który ładowany jest w każdej sesji. Twoja rola i produkt, aby Claude przestał pytać. Struktura twojego PRD, aby każdy dokument miał ten sam format. Role sub-agentów, abyś mógł powiedzieć "przeglądaj jako inżynier" lub "przeglądaj jako sceptyk" i uzyskać różne perspektywy w mniej niż minutę. Trzecia warstwa to umiejętności. Pięć podstawowych umiejętności, które działają w regularnym Claude, Cowork i Claude Code. Autor postów na LinkedIn, walidator pomysłów, inżynier poleceń, projektant produktu, autor aktualizacji statusu. Każda z nich koduje konkretny przepływ pracy, więc wyniki są spójne, niezależnie od tego, czy uruchomisz je dzisiaj, czy za sześć miesięcy. Następnie Cowork dodaje warstwę automatyzacji. Zaplanowane zadania, które odbywają się co tydzień. Badania konkurencji w przeglądarce przy użyciu twojej rzeczywistej sesji Chrome. Generowanie arkuszy kalkulacyjnych z chaotycznych plików PDF i e-maili. Przetwarzanie transkrypcji spotkań w 30 sekund.

"Nie płacę PM-om za pisanie PRD-ów. Płacę im za ich osąd dotyczący produktu." Lisa Huang jest SVP ds. Produktu w Xero, firmie o wartości 18 miliardów dolarów. Zatrudniła PM-ów AI w Apple, Meta, Google, a teraz w Xero. Kiedy zapytałem ją, czy AI zastąpi PM-ów, to była jej odpowiedź. AI zautomatyzuje warstwę wykonawczą. Pisanie PRD-ów. Tworzenie makiet. Zarządzanie mapami drogowymi. Pobieranie danych. Wszystko to będzie przyspieszone lub obsługiwane przez narzędzia AI. Stosunek PM-ów do inżynierów się skurczy. Mniej inżynierów oznacza mniej PM-ów. Struktura naprawdę się zmienia. Ale osąd dotyczący produktu, patrzenie na niejednoznaczne sygnały i decydowanie, co zbudować, a co zabić, to ta część, której AI nie potrafi zrobić. Nie ma jednoznacznej odpowiedzi. Jest mnóstwo hałaśliwych danych, sprzecznych opinii klientów, ograniczeń technicznych i presji biznesowej. Ktoś musi to wszystko zsyntetyzować i podjąć decyzję. Przewidywanie Lisy: rola PM-a ewoluuje w hybrydę. PM-owie, którzy również budują. Nie tylko specyfikują i przekazują, ale prototypują, projektują, kodują wystarczająco, aby pokazać, co mają na myśli. Narzędzia istnieją, aby to zrobić już teraz. Jej rada dla PM-ów czujących niepokój na rynku: "Teraz jest czas transformacji i każdy ma możliwość, aby to zrobić." Uczcie się narzędzi. Przekształćcie się. Ścieżka jest otwarta dla każdego, kto jest gotów włożyć w to pracę. PM-owie, którzy będą mieli trudności, to ci, których cała wartość tkwiła w dostarczanych produktach. Ci, którzy będą się rozwijać, to ci, których wartość zawsze tkwiła w decyzjach.