Lenny: как топ-PM увеличивают leverage с AI — фреймворк повседневки
Колин Мэтьюс — инструктор по AI, обучивший более 30 000 PM в OpenAI, Google, Stripe, Figma и Microsoft, — предложил в гостевом посте на Lenny’s Newsletter фреймворк «лестниц leverage». Пост вышел как анонс платного курса «Become an AI-Native Builder», который Мэтьюс запускает совместно с Ленни Рачицки, — это контекст, который стоит учитывать при оценке фреймворка. Суть подхода: три направления работы PM, в каждом из которых AI можно применять на трёх уровнях глубины, причём каждый следующий уровень даёт leverage на порядок выше предыдущего.
Личный leverage: от текста к полноценной задаче
Первая лестница касается собственной работы менеджера. Начальный уровень — AI пишет PRD, тикеты и письма, менеджер копирует результат вручную. Средний уровень — AI создаёт артефакты: таблицы, слайды, финансовые модели. Пример из поста: Claude строит модель сравнения затрат self-hosted vs. managed agents с учётом 5 млн+ экземпляров агентов в год.
Верхний уровень меняет логику работы принципиально: AI выполняет задачу целиком через MCP-подключения к рабочим инструментам — Amplitude, PostHog, Notion, Figma. Пример из материала: Claude самостоятельно анализирует 30-дневное удержание пользователей Stride, которые прикрепляют фото к активностям, в сравнении с теми, кто не прикрепляет, — по одному промпту, без ручного копирования данных, напрямую через PostHog.
Продуктовый leverage: прототип из реальной кодовой базы
Вторая лестница сокращает разрыв между идеей и тем, что можно показать или отправить в production. Начальный уровень — веб-прототипы в Lovable, Replit или Magic Patterns: быстро, но код не связан с реальным репозиторием и используется для коммуникации, а не как основа для разработки.
Средний уровень — прототипирование через Claude Code или Codex с опорой на существующие компоненты, маршруты и стили продукта. Для этого Мэтьюс рекомендует создавать отдельный репозиторий с UI-компонентами и локальным mock-хранилищем данных без бэкенд-зависимостей — прототип выглядит как настоящий продукт, потому что и строится на его реальных стилях.
Верхний уровень: агент сам создаёт pull request для отправки в production, инженер только проверяет и мёрджит. По оценке Мэтьюса, схема работает для правок копирайтинга, мелких UI-изменений и доработок представлений на уже существующем бэкенде.
Системный leverage: повторяемые рабочие процессы
Третья лестница строится вокруг автоматизации на уровне процессов, а не отдельных задач. Начальный уровень — AI выполняет повторяющиеся многошаговые задачи по заданному шаблону. Средний уровень — кросс-функциональные рабочие процессы, при которых AI координирует действия между несколькими инструментами и командами. Верхний уровень — полноценные AI-агенты в production: система не только выполняет задачи, но и проверяет собственные результаты через evals, обеспечивая контроль качества без участия человека на каждом шаге.
Ключевой тезис фреймворка: не каждая задача требует высшей ступени. По оценке Мэтьюса, правильный выбор уровня важнее стремления к максимальной автоматизации — конкретная рабочая задача должна определять, какой инструмент и какой уровень вовлечённости AI к ней применимы.
