Каким должен быть продакт в антропоморфной робототехнике
Я посмотрел около 40 вакансий Product Manager / Product Owner / Technical Product Manager в компаниях, которые делают роботов и Physical AI: Figure AI, Apptronik, Boston Dynamics, Google, Sanctuary AI, Unitree, AgiBot, UBTech, Humanoid, NEURA Robotics, Fourier, Astribot, Яндекс Роботикс, Центр робототехники Сбера и др.
Главный вывод простой: продакт в робототехнике — это не SaaS PM, который просто переехал в “железо”.
Это скорее человек, который должен соединить три мира: 1️⃣ реальную физическую работу клиента 2️⃣ инженерные ограничения робота 3️⃣ экономику внедрения
В цифровом продукте продакт часто думает фичами: экран, сценарий, конверсия, retention, roadmap.
В робототехнике всё начинается не с фичи, а с вопроса: какую физическую работу робот должен выполнить лучше, дешевле или стабильнее человека?
Это может быть сортировка, пикинг, перенос коробок, обслуживание оборудования, работа на складе, производство, дата-центр или сервисная операция.
И дальше начинается самое интересное.
Продакту нужно понять не только “есть ли боль”, но и: - сможет ли робот стабильно выполнить задачу; - какие объекты он должен брать; - какая нужна точность и скорость; - какие есть ограничения среды; - что происходит в edge cases; - как обеспечить безопасность; - сколько стоит ошибка; - как выглядит пилот; - как считается ROI; - кто будет обслуживать робота после внедрения.
То есть продуктом становится не сам робот, а работающий use case в реальной среде.
Что чаще всего требуют в вакансиях
Первое — use-case discovery. Компании ищут людей, которые умеют находить сценарии, где роботизация действительно имеет смысл. Не “давайте сделаем гуманоиду ещё одну способность”, а “вот операция, вот узкое место, вот экономика, вот требования к роботу”.
Второе — техническая грамотность. Не обязательно быть инженером-робототехником, но нужно понимать базовый стек: perception, manipulation, sensors, autonomy, safety, simulation, data, AI/ML, hardware-software constraints.
Третье — пилоты и внедрения. В робототехнике MVP — это не лендинг и не Figma. MVP — это ограниченный рабочий сценарий в реальной или близкой к реальной среде. И его нужно довести до проверки: работает / не работает, окупается / не окупается, масштабируется / не масштабируется.
Четвёртое — экономика. Вакансии всё чаще говорят не только про roadmap, но и про PnL, ROI, cost per task, payback period, uptime, utilization, стоимость обслуживания и операционный эффект.
Пятое — умение быть переводчиком. Robotics PM постоянно находится между клиентом, R&D, hardware, software, AI/ML, UX, operations, sales, сервисом и бизнесом.
Что это значит на практике
Роль продакта в робототехнике начинает дробиться на несколько специализаций.
🔸 Customer Use Case PM — ищет и упаковывает реальные сценарии применения роботов. 🔸 Technical Product Manager — отвечает за платформу, API, SDK, autonomy stack, perception, software и интеграции. 🔸 Hardware / System Product Manager — работает с железом, конфигурациями, производственной готовностью и сертификацией. 🔸 Robot Learning / Data Platform PM — отвечает за данные, симуляцию, обучение моделей, evaluation и monitoring. 🔸 Deployment / Pilot PM — доводит робота до внедрения у клиента. 🔸 Infrastructure Robotics PM — автоматизирует физические операции внутри больших систем: дата-центров, складов, производств, инфраструктуры.
Пример Google AI Robotics Product Manager особенно показателен. Там робототехника нужна не ради красивого демо, а чтобы ускорять и делать безопаснее физические операции в дата-центрах. Это хороший сигнал: роботизацию будут драйвить не только humanoid-стартапы, но BigTech игроки из логистики, промышленности и т.д.
Что качать обычному продакту, если он хочет перейти в робототехнику
1️⃣ Научиться думать не фичами, а физическими задачами. Не “какой экран сделать”, а “какую операцию робот должен выполнить, в какой среде и с каким результатом”.
2️⃣ Разобраться в базовом robotics stack. Минимум: сенсоры, компьютерное зрение, манипуляция, навигация, motion planning, safety, teleoperation, simulation.
3️⃣ Понять AI/ML и data loop. Для Physical AI данные становятся топливом продукта: сбор, разметка, симуляция, обучение, оценка, деплой, мониторинг.
4️⃣ Научиться считать экономику роботизации. ROI, payback, cost per task, uptime, intervention rate, загрузка робота, стоимость сервиса.
5️⃣ Прокачать field discovery. Нужно уметь ехать “в поле”: на склад, производство, в сервисную зону. Смотреть, как реально работает процесс, где люди ошибаются, где теряется время, где есть ограничения среды.
6️⃣ Учиться вести пилоты. В робототехнике плохой пилот может ничего не доказать. Хороший пилот должен быть частью дороги к масштабированию, а не просто демо “чтобы посмотреть”.
Основной вывод про карьеру
Антропоморфная робототехника создаёт новую ветку продуктовой карьеры — Robotics Product Management / Physical AI Product Management. Это роль для продактов, которым интересно работать не только с цифровым интерфейсом, но и с физическим миром.
Здесь продукт — это не приложение. Продукт — это способность робота выполнять полезную работу в реальной среде.
И карьера в этой нише будет строиться вокруг трёх навыков: понимать клиента → понимать инженерные ограничения → доказывать экономику внедрения.
Кажется, это одна из самых сложных, но и самых интересных специализаций для продактов на ближайшие годы.
Ваш @productrobotics
