Product Engineer: supermani, nebo falešná efektivita?

Stále více firem propouští produktové týmy a sází na jednu roli, která to zvládne celé sama. Product Engineer je člověk, který vymyslí produkt, implementuje ho a vyhodnotí výsledky. S ekosystémem AI agentů místo kolegů. Efektivita? Na první pohled určitě. Ale je rozdíl mezi tím dodávat víc a rychleji a skutečně být efektivní. Tenhle rozdíl firmy zatím moc neřeší.
Nálepky:
Před pár týdny mi jedna ze společností, kam jsem se ucházel, navrhla zajímavou pozici. Právě rozpustila čtyřčlenný tým a hledala někoho, kdo celý vývoj části produktu zvládne sám. Vymyslí produkt, naplánuje, implementuje, otestuje a vyhodnotí. Říkali tomu Product Engineer. Vzal jsem to jako zajímavý signál, ne jako ojedinělý případ.
A skutečně. Productboard nedávno propustil 30 % lidí s odvoláním na AI. Není to výjimka. Trend je jasný: firmy hledají lidi, kteří E2E zvládnou víc věcí najednou, a snaží se tím eliminovat komunikační šum a zdlouhavé iterace mezi týmy. Efektivita na první pohled? Určitě. Ale čím víc o tom přemýšlím, tím víc mi to vrtá hlavou.
Jak si představuju, že to v praxi funguje
Product Engineer je technicky zdatný člověk s produktovým myšlením. Na základě strategie a vize vymýšlí featury, diskutuje s marketingem a BI, určuje priority, implementuje, testuje a vyhodnocuje. Vlastně hromada práce pro jednoho člověka. Přirozeně se nabízí, že si vybuduje ekosystém AI agentů: architekt, designér, vývojář, tester. Automatický MR, ruční review, release. Zní to skoro jako sci-fi, ale už v téhle realitě žijem.
Jenže s tím přichází i to, co se přirozeně začne zanedbávat.
První věc, která mě napadne, je technický dluh. Proč? Protože Product Engineer bude obklopen převážně business lidmi — stakeholdery, marketingem, BI, dalšími produkťáky. A ti ho budou tlačit do nových features, do integrací, A/B testů, analytiky. Technický dluh není sexy, nikdo za něj nedá pochvalu. A pokud nemáš silného CTO, který tě v tomhle kryje, prostě se odkládá a hromadí. Ať píše kód člověk nebo AI, technický dluh roste. Jen v tomhle modelu není nikdo, kdo by se mu aktivně věnoval, takže roste rychleji a tišeji.
Druhá věc je kreativita a kritický pohled. Ze zkušenosti vím, že tlak na delivery je vždycky a všude. Product Engineer sesbírá výstupy z feedback loopu, přidá vstupy od stakeholderů, naplánuje sprint a začne dodávat. V lepším případě si udělá planning aspoň s AI agentem. Ale vytrácí se třecí plocha mezi různými lidmi a různými perspektivami. Věci jako intuice, nekonvenční nápad a pohled zvenčí teď stojí jen na jednom člověku. A to je strašně málo.
Falešný pocit efektivity
Čím víc o tom přemýšlím, tím víc mi to přijde jako falešný pocit efektivity. Pro mě efektivita znamená, že máš stejně kvalitní výstup za méně úsilí. Ale tady v dlouhodobém horizontu pravděpodobně dojdeme k nižší kvalitě a nudnějším řešením.
A to není jen pocit. Nedávná studie publikovaná v PNAS Nexus ukázala, že výstupy jazykových modelů jsou výrazně homogennější než odpovědi lidí. Modely opakovaně sahají po stejné slovní zásobě a podobných řešeních bez ohledu na to, od kterého výrobce pocházejí. Jinými slovy: když Product Engineer nechá designovat AI, dostane řešení, které je průměrem toho, co existuje. Akorát ve svých barvičkách.
Navíc tím firmy utíkají od toho, se naučit řešit ten skutečně nejtěžší problém, který v businessu je. Komunikaci mezi lidmi a jejich spolupráci za účelem dosažení společného cíle. Efektivita neznamená dodávat více a rychleji, to je totiž jen vyšší objem. Skutečná efektivita je, když tým díky lepší spolupráci, jasnějším prioritám a různorodým pohledům staví správné věci dobře. Když tým nahradím jedním supermanem, o tyhle mechanismy přijdu. A kvalita i originalita výsledků to dřív nebo později pocítí.
Přesně o tom jsem psal v článku o Build Trapu na svém Substack blogu. AI odstraňuje kapacitní bariéry, ale zároveň urychluje cestu do chaosu, pokud nejsou správně nastavené priority a strategie. Oddělení rolí — produkťák, vývojář, designer, tester — aspoň trochu umožňovalo hledat balanc mezi tím, co implementovat a co už ne. Každá specializace přinášela jiný pohled na to, co má smysl stavět. Teď si to pojede jeden člověk, a to bude svádět k tomu stavět co nejvíc. Ale cílem přece je přinést uživateli hodnotu, ne mít co nejvíc featur.
Kde AI efektivitu skutečně posouvá
Neznamená to, že AI nic nemění nebo že je to špatně. Jen si myslím, že ta změna je jinde, než si firmy myslí.
AI snižuje práh vstupu dalšího specialisty. Solo podnikatel může déle fungovat sám, než potřebuje prvního parťáka. Malá firma potřebuje méně lidí k tomu, aby škálovala. Velká firma si déle vystačí růst s jednou vertikálou, než začne nové štěpit. Současné role a odpovědnosti ve firmách budou stále potřeba. Jen nastoupí později a, díky novým nástrojům, s trochu jinou náplní než doteď.
Product Engineer jako trvalý model pro středně velké produktové firmy? Myslím, že to bude fungovat jen dokud je produkt malý a jednoduchý. Jakmile začne růst, nepochybně se bude zvyšovat složitost a s ní i potřeba specializace. Akorát s vyšším technickým dluhem na startu.
Furt mám víc otázek než odpovědí. Ale jedna věc mi přijde jasná: rychlost a efektivita nejsou synonyma.
Autor píše o stavění produktů, technologiích a podnikání na svém Substack blogu. Pokud právě stavíte vlastní projekt a řešíte název nebo doménu, mrkněte na Seberio.
… reposted this!