За 2025-й мы внедрили AI-аналитику в трёх продуктовых командах. Везде та же история: классические дашборды используются меньше, аналитика чаще приходит «по запросу». Делюсь, что это значит для продуктового менеджмента.
Что меняется
Раньше работа с данными была так: аналитик строит дашборд, продакт открывает его раз в неделю, видит цифры, формулирует гипотезу. На построение нового среза - дни или недели. Сейчас продакт спрашивает агента «как изменилась конверсия после релиза 2.4 в когорте новых пользователей из РФ» - получает ответ за 30 секунд с графиком.
Что выигрывает
- Скорость гипотез. Цикл «вопрос → данные → следующий вопрос» сжимается с дней до минут.
- Удешевление аналитики. Команда из 1 аналитика на 10 продактов работает там, где раньше нужно было 3-4 аналитика.
- Демократизация: маркетинг и продажи могут сами задать вопросы данным, не дёргая аналитика.
- Документация знаний: запросы и интерпретации сохраняются как корпоративная память.
Где AI-аналитика провалилась
Корпоративные KPI и регулярная отчётность остались на дашбордах. Здесь LLM не нужна - нужно стабильное, проверенное число. Также - финансовые расчёты и compliance-отчёты, где цена ошибки высокая, и интерпретируемость каждого шага важнее скорости.
Также LLM плохо работает с очень специфической бизнес-семантикой, которой нет в данных. Если у вас «активный пользователь» - это «зашёл за 30 дней и совершил >2 действий», LLM это знает только если вы ему явно объяснили в системном промпте.
Новый рабочий стек
- Семантический слой над хранилищем (dbt + metric layer) - теперь критичная инфраструктура.
- Один LLM-агент для аналитики на команду, с доступом к схемам и метрикам.
- Дашборды для топ-метрик (10-15 ключевых) - остаются.
- Старые BI-инструменты (Tableau, Looker) сжимаются до роли «куда сохраняются результаты ad-hoc запросов».
- Каталог запросов с описанием - корпоративная база знаний на основе истории взаимодействий.
Что советуем продактам
Не пытайтесь полностью заменить аналитика - он становится семантик-оунером и продакт-партнёром, а не BI-оператором. Сократите количество дашбордов до критичных 10-15. Инвестируйте в metric layer и описания. Запустите AI-агента - но в начале с супервизией опытного аналитика.