Diventare PM nell'era dell'IA 01 | Quali compiti del product manager se li è presi l'IA, e quali invece valgono di più

Partiamo da un cambiamento nelle assunzioni.

Nel 2026 parecchi annunci di lavoro per ruoli di AI product manager hanno tolto dai requisiti obbligatori il «saper scrivere PRD, disegnare wireframe, costruire dashboard di dati», sostituendoli con tre lavori concreti: un prodotto che hai davvero realizzato e che si può aprire e usare; un’analisi a posteriori con numeri reali; una serie di eval scritte da te. Qualche selezionatore ha fatto i conti: un curriculum viene guardato in media per 90 secondi, ma un caso decente lo si studia anche per 8 minuti.

Mettendo insieme queste due cose si vede uno spostamento: i compiti che l’IA può prendersi stanno cadendo fuori dai requisiti di assunzione; ciò che resta come barriera è la parte che solo una persona può fare. Questo pezzo mette in fila le due colonne, come quadro generale della serie.

La colonna di ciò che è stato preso

Il lavoro manuale di scrivere documenti di requisiti è il primo a sparire. Strumenti come ChatPRD generano in pochi minuti un PRD dalla struttura completa: quello che modifichi è il giudizio, non l’impaginazione.

Anche disegnare wireframe e costruire prototipi cliccabili si sta svalutando in fretta. Lovable, v0, Claude Code trasformano «una frase» in una pagina su cui puoi cliccare nel browser, una versione ogni pochi minuti. In passato questo passaggio richiedeva pianificazione, bisognava aspettare design e front-end; oggi costa così poco che puoi provare cinque direzioni in un giorno.

C’è poi una cosa che pochi dicono apertamente: la scarsità del «capire di tecnica» in sé sta calando. In passato una parte del potere contrattuale del product manager veniva dal saper dialogare con l’ingegneria e dal saper stimare quanto fosse difficile realizzare una certa funzione. Oggi descrivi bene la tua idea e l’IA si mangia quella parte di difficoltà implementativa. È proprio quello che doaipm racconta da sempre con 言出法随 — «parlalo e l’IA lo costruisce»: dillo con chiarezza, e l’IA te lo realizza. Chi non capisce di tecnica si ritrova anzi con un freno in meno, senza quell’autocensura del tipo «questo sarà troppo difficile da fare».

Anche la parte più meccanica del coordinamento — sollecitare le scadenze, allineare team diversi — viene erosa da strumenti e agent.

La colonna di ciò che vale di più

Giudicare «se vada fatto» vale, per la prima volta, più che «se si possa fare». METR ha condotto un esperimento randomizzato controllato: 16 programmatori esperti hanno lavorato con l’IA su progetti che mantenevano da anni, e sono andati in realtà il 19% più lenti, eppure a lavoro finito credevano ancora di essere stati il 20% più veloci. Se persino chi mette le mani sul codice non riesce a giudicare con precisione la propria produttività, allora un giudizio come «cosa fare, se ne valga la pena» diventa solo più scarso.

Spiegare i requisiti con chiarezza passa da soft skill a hard skill. L’IA non deduce dalle omissioni: se non scrivi «in questa iterazione il login non si fa», con tutta probabilità te lo aggiunge. Chi sa esplicitare i confini, gli stati e ciò che non va fatto produce con una qualità di un ordine di grandezza superiore agli altri.

Definire «cosa significhi buono» comincia a richiedere un mestiere a sé. Lenny e il CPO di OpenAI dicono la stessa cosa: le eval stanno diventando la prima nuova hard skill per i product manager in vent’anni. L’ultima hard skill che tutto il settore ha dovuto imparare da capo erano SQL ed Excel. Saper usare le eval per tradurre «secondo me va bene così» in uno standard misurabile è il nuovo spartiacque.

Decidere tra il mucchio di opzioni che l’IA propone è diventato quotidiano. Marty Cagan lo dice così: l’IA sa far emergere (surface) pattern, abbozzare ipotesi, generare opzioni, ma non giudica quale pattern abbia senso, quale ipotesi valga la pena di verificare, quale opzione sia coerente con il business. Quella decisione, lì, resta alla persona.

La colonna di ciò che non è poi cambiato

Cosa voglia davvero l’utente e se quel business possa stare in piedi: queste due cose l’IA non le sostituisce, e non si è visto che lo faccia. Tra i consigli di a16z ai product manager ce n’è uno: il puro process manager verrà rimpiazzato, solo chi ha una «mentalità da costruttore» avrà leva. Per mentalità da costruttore si intende la disponibilità a mettere mano in prima persona, a realizzare l’idea e portarla a validare — e non ha nulla a che vedere con il saper scrivere codice o meno.

Mettendo a confronto le due colonne qui sopra si nota una cosa: quella di sinistra (ciò che è stato preso) è esattamente l’insieme delle hard skill più gettonate nelle assunzioni di product manager dell’ultimo decennio; quella di destra (ciò che vale di più) non veniva quasi mai messa alla prova in un colloquio.

I diciannove articoli successivi di questa serie smontano, uno per uno, la colonna di destra: da come pensarci con chiarezza, a come realizzarlo, fino a come sapere che è davvero buono.

Approfondimenti

• 16 programmatori esperti hanno usato l’IA per programmare: credevano di andare il 20% più veloci, in realtà erano il 19% più lenti
• 5 Principles for Product Managers in the AI Era (a16z)
• Why AI evals are the hottest new skill for product builders (Lenny’s Newsletter)
• AI Product Management 2 Years In (SVPG / Marty Cagan)