Nowy kurs · 1. edycja

Zostań AI Product Managerem. Nie w teorii — przy terminalu.

8 modułów praktyki: od strategii i discovery, przez własnego agenta AI i prototyp bez działu IT, po eval, dashboard i testy A/B. Dla PM-ów z doświadczeniem. Zero kodowania na start.

Zapisz się na kursZobacz program

50 miejsc w tej edycji

  • start 13 października
  • ·8 modułów
  • ·pełny cykl: strategia → post-release
  • ·prototyp bez działu IT
  • ·0 linii kodu na start

Przykład pracy z kursu: product manager prosi agenta AI w terminalu o przeczytanie kontekstu produktu i zaproponowanie trzech pytań na wywiad z użytkownikiem, a następnie o dopisanie ich do planu discovery.

Dlaczego teraz

AI nie zmieniło zawodu PM-a. Zmieniło warunki gry.

AI Product Manager to nie nowy zawód. To product manager operujący w warunkach, w których produkt jest niedeterministyczny, koszt jest zmienny, a ryzyko jest regulowane.

Produkt przestaje być deterministyczny

Ta sama akcja użytkownika daje różne wyniki. Znika binarne „działa / nie działa” — pojawia się rozkład jakości, który trzeba umieć zmierzyć i wynegocjować.

Koszt przestaje być stały

W klasycznym SaaS kolejny użytkownik kosztuje blisko zera. W produkcie AI każde użycie kosztuje — marża staje się funkcją zachowania użytkownika.

Ryzyko przestaje być hipotetyczne

Produkt może skłamać, ujawnić dane albo naruszyć prawo. Ryzyko przestaje być tematem dla prawników — staje się parametrem projektowym.

Wykonalność przestaje być pytaniem do inżyniera

PM, który nie potrafi wstępnie ocenić, czy problem w ogóle nadaje się dla modelu, traci wiarygodność i wypala zespół na ślepych zaułkach.

W co wpada rynek

„Musimy mieć AI” — presja zarządu jako punkt startu zamiast problemu użytkownika.

Demo-shock — imponujące demo pokazuje najlepszy przypadek; produkt żyje w ogonie rozkładu.

AI = chat — interfejs konwersacyjny to jedna z wielu form — często najgorsza.

Przeskok o dwa poziomy — firma bez jednej działającej funkcji AI planuje autonomicznego agenta.

Umiesz zarządzać produktem. Czas nauczyć się budować z AI.

Chcę umieć budować z AI

Czym ten kurs się różni

Nie przegląd 50 narzędzi.
Pełny cykl produktu — własnymi rękami.

Listy narzędzi dezaktualizują się w kwartał, prompt-sztuczki jeszcze szybciej. Tu przechodzisz całą pracę product managera w nowych warunkach — od decyzji strategicznej po dowody po premierze.

Moduły 1 · 2 · 4

Decyzje i strategia

Rola PM-a w erze AI, roadmapa i priorytety spięte z celami biznesowymi, droga od pomysłu do PMF i decyzje, które obronisz w rozmowie z CFO i CEO.

Moduły 3 · 5 · 6

Discovery i budowa z agentami

Własny agent AI skonfigurowany od zera, discovery w nowych warunkach i prototyp zbudowany bez angażowania działu IT.

Moduły 7 · 8

Release i dowody

Testy, eval, session replay, dashboard i testy A/B — dowody, że produkt działa, zamiast przeczucia, że „wygląda dobrze”.

Program kursu

8 modułów.
Pełny cykl produktu.

Od pierwszej decyzji strategicznej po dowody, że produkt działa po premierze — w kolejności, w jakiej pracuje product manager.

Zajęcia od 13 października do 5 listopada · 10:00–12:00

01 — 08

Co realnie zmieniło się w obowiązkach PM-a, jakim toolkitem pracuje się dziś i jak buduje się produkty po skróceniu pętli iteracji.

  • Jak zmieniły się rola i praca PM-a w erze AI?
    • Definicja i różnice między podobnymi zawodami (project manager, product owner, etc)
    • Klasyczne obowiązki PM-a vs. obowiązki dziś: co zniknęło, co się zautomatyzowało, co zyskało na znaczeniu
    • Nowe kompetencje: prompt literacy, ocena jakości outputu AI, praca z niepewnością
    • Skrócenie cyklu iteracji: godziny/dni zamiast sprintów
    • PM jako orkiestrator pracy AI i ludzi
  • Toolkit PM AI
    • Narzędzia do researchu i syntezy (ChatGPT, Claude, Perplexity)
    • Narzędzia do prototypowania (Lovable, Claude Code, v0, Bolt)
    • Narzędzia do analizy danych i automatyzacji pracy PM-a
    • Jak wybrać narzędzie dla twojego stacku
  • Jak buduje się produkty teraz
    • Skrócona pętla: hipoteza, prototyp, test
    • PM jako „jednoosobowa fabryka” prototypów
    • Zmiana roli inżynierów: z budowania na review i architekturę
  • Przykłady narzędzi AI
    • Demo: ten sam proces PM-owy zrobiony klasycznie vs. z AI
    • Case studies firm, które zmieniły proces dzięki AI
    • Ćwiczenie: test 2-3 narzędzi na własnym przykładzie

Roadmapa, priorytety i droga od pomysłu przez POC i MVP do product market fit — spięte z wizją i celami biznesowymi.

  • Tworzenie roadmapy
    • Typy roadmap: outcome-based, feature-based, now-next-later
    • Powiązanie roadmapy z wizją i strategią
    • Komunikacja roadmapy do różnych odbiorców
    • Częstsze rewizje roadmapy dzięki szybszym pętlom feedbacku
  • Zarządzanie produktem
    • Wizja i strategia jako punkt odniesienia dla decyzji
    • SWOT jako narzędzie okresowego audytu
    • Zarządzanie backlogiem pod kątem wartości
    • Cykl życia produktu i decyzje na każdym etapie
  • Priorytetyzacja inicjatyw
    • Frameworki: RICE, Value vs. Effort, Kano
    • Priorytetyzacja oparta o metryki/KPI
    • Decyzje przy niepełnych danych
  • Droga do produkcji
    • Etapy: pomysł, analiza rynku, POC, MVP, PMF
    • Sygnały prawdziwego vs. fałszywego PMF
    • Rola segmentacji i kohort w potwierdzaniu PMF

Konfigurujesz terminal od zera i uczysz agenta AI pracować na kontekście Twojego produktu.

  • Budowa kontekstu produktu
    • Co to jest „kontekst” dla agenta (PRD, dane, styl komunikacji)
    • Struktura plików i wiedzy dla agenta
    • Kontekst jako żywy, aktualizowany dokument
  • Uruchomienie i konfiguracja terminala
    • Podstawy terminala dla PM-a bez tech backgroundu
    • Instalacja i konfiguracja narzędzia (np. Claude Code)
    • Podstawowe komendy i nawigacja po projekcie
  • Jak zacząć z produktem?
    • Wybór pierwszego, małego projektu
    • Definiowanie zakresu MVP dla własnego narzędzia
    • Przykłady: asystent do raportów, generator PRD, bot dokumentacji
  • Praca z agentem
    • Formułowanie zadań i instrukcji
    • Iteracja i poprawianie wyników
    • Kiedy przejąć kontrolę, kiedy zaufać agentowi
  • Bezpieczeństwo
    • Dane wrażliwe: czego nie wklejać do agenta
    • Uprawnienia i sandboxing
    • Weryfikacja wyników przed wdrożeniem
    • Zgodność z politykami firmowymi

Trafne decyzje produktowe i argumenty, które bronią się w rozmowie z zarządem.

  • Podejmowanie trafnych decyzji
    • Rama: dane + intuicja + kontekst biznesowy
    • Decyzje odwracalne vs. nieodwracalne
    • AI jako sparing partner do testowania decyzji
  • Obrona produktu/feature'u
    • Mapowanie interesariuszy i ich motywacji
    • Narracja: problem, dowód, rozwiązanie, wpływ
    • Zarządzanie oczekiwaniami i obiekcjami
    • Obsługa eskalacji i trudnych pytań
    • Jobs to Be Done
  • Rozmowa z CFO/CEO
    • Język biznesowy: ROI, koszt alternatywny, North Star metric
    • Business case z pomocą AI
    • Prezentacja danych na jednym slajdzie
    • Ćwiczenie: 3-minutowy pitch uzasadniający feature

Discovery wtedy, gdy użytkownik nie widział jeszcze produktu, a „dużo danych” nie znaczy „dane, których da się użyć”.

  • Discovery w erze AI
    • Skrócony cykl discovery dzięki AI
    • Nowe źródła sygnału: rozmowy z agentami, telemetria z prototypów
    • PM jako kurator insightów
  • Badanie potrzeby na nieznany produkt
    • Ograniczenia ankiet i wywiadów dla produktów AI-native
    • Wizard-of-Oz testing, concierge MVP
    • Obserwacja zachowań zamiast deklaracji
  • „Dużo danych” to często dane bezużyteczne
    • Jakość vs. ilość danych, typowe pułapki
    • Ograniczenia prawne i prywatność
    • AI w porządkowaniu danych nieustrukturyzowanych

Od PRD do klikalnego prototypu — własnymi rękami, bez angażowania działu IT.

  • Tworzenie PRD
    • Struktura dobrego PRD
    • AI przyspiesza szkic, user stories, kryteria akceptacji
    • PRD jako input dla agenta budującego prototyp
    • Komunikowanie wymagań projektowych zespołowi
  • Prototyp bez IT (Lovable, Claude Code)
    • Przegląd narzędzi no-code/AI-code
    • Od pomysłu do klikalnego prototypu
    • Ograniczenia: co da się zbudować bez inżynierów
  • Praca z LLM przy prototypowaniu
    • Iteracyjne promptowanie: od ogółu do szczegółu
    • Debugowanie i poprawianie wyników
    • Utrzymanie spójności produktu w kolejnych iteracjach

Definiujesz, co znaczy dobra odpowiedź, i budujesz testy oraz eval, zanim produkt trafi do użytkowników.

  • Budowa testów z pomocą AI
    • Generowanie planów i przypadków testowych
    • Automatyzacja testów regresyjnych
    • Specyfika testowania funkcji AI/LLM (niedeterminizm)
  • Nagrywanie interakcji z użytkownikami
    • Narzędzia do session replay i wykrywania wzorców
    • Analiza rozmów użytkownika z agentem jako źródło insightów
    • Prywatność i zgoda użytkowników
  • Co znaczy dobra odpowiedź?
    • Kryteria jakości: trafność, ton, bezpieczeństwo, faktyczność
    • Rubryki oceny i kto ocenia
    • „Działa technicznie” vs. „działa dla użytkownika”
  • Budowa eval
    • Golden dataset i metryki (accuracy, hallucination rate, satysfakcja)
    • Ciągła ewaluacja przy zmianie promptu/modelu
    • Eval jako podstawa decyzji o wdrożeniu

Po premierze: szybsza analiza, dashboard i testy A/B, które mówią, czy produkt naprawdę działa.

  • Jak AI przyspiesza analizę
    • Zapytania w języku naturalnym do danych
    • Automatyczne podsumowania i wykrywanie anomalii
    • Kiedy należy skupić się na ręcznej analizie
  • Budowa dashboardu
    • Dobór metryk/KPI
    • Dashboard dla zarządu vs. operacyjny
    • AI w szybszej budowie i dostosowaniu dashboardu
  • Testy A/B i inne pojęcia ważne dla releasu
    • Podstawy metodologii A/B testingu
    • Specyfika testów funkcji AI (prompty, modele, metryki jakościowe)
    • Analiza wyników i decyzje
    • Pułapki: fałszywa istotność, zbyt krótki test

Pracujesz m.in. z

Claude CodeLovableChatGPTPerplexityv0Boltterminalagenci AILLMPRDRICEevalgolden datasetdashboardtesty A/BClaude CodeLovableChatGPTPerplexityv0Boltterminalagenci AILLMPRDRICEevalgolden datasetdashboardtesty A/B

Po kursie

Dostajesz więcej niż kurs

To nie jest kurs, po którym zostaje Ci sam plik PDF. Zostaje dowód kompetencji, ludzie do rozmowy i widoczność u pracodawców.

Krok 1

Certyfikat AI Product Manager

Po ukończeniu kursu otrzymujesz certyfikat potwierdzający, że przeszedłeś pełny cykl produktu z AI — od strategii i discovery po eval i testy A/B.

Krok 2

Zamknięta społeczność absolwentów

Trafiasz do zamkniętej grupy absolwentów i prowadzącego: nowe narzędzia, case’y i pytania z realnych wdrożeń. Dostęp nie wygasa wraz z kursem.

Krok 3

Wpis do bazy kandydatów

Za Twoją zgodą trafiasz do bazy absolwentów udostępnianej firmom, które szukają product managerów umiejących budować z AI.

Kurs trwa kilka tygodni. To, co po nim zostaje, nie ma daty ważności.

Pierwsza edycja. Bądź w niej od początku.

W pierwszej edycji jest 50 miejsc. Zapisy trwają — start 13 października.

Zarezerwuj miejsce

Dla kogo

Dla PM-ów z doświadczeniem.
Bez wymagań technicznych.

PM w klasycznym produkcie

Prowadzisz produkt bez AI i czujesz, że rynek ucieka. Chcesz przejść od czytania o AI do budowania z AI.

PO w firmie, która „musi mieć AI”

Zarząd oczekuje funkcji AI, a Ty potrzebujesz ram decyzyjnych, żeby nie zbudować kosztownego demo.

PM, który chce być samodzielny

Masz dość czekania na wolny slot inżynierów. Chcesz sprawdzać pomysły i budować prototypy własnymi rękami.

To nie jest kurs dla Ciebie, jeśli…

  • szukasz kursu programowania — tu nie uczymy kodować, uczymy budować z agentami AI
  • chcesz listy 50 narzędzi i gotowych promptów do skopiowania
  • dopiero zaczynasz w product managemencie — zakładamy doświadczenie produktowe
Bart Jaworski — prowadzący kurs

20 000+

przeszkolonych kursantów

140 000+

obserwujących na LinkedIn

10+

publikacji naukowych

Prowadzący

Bart Jaworski

Senior Product Manager

Product manager z pasją do uczenia i dzielenia się wiedzą produktową. Ma za sobą pracę z produktami różnej skali — od małych start-upów po największe korporacje z grona FAANG. Obecnie Senior Product Manager w Stepstone, największym job boardzie Europy. Wcześniej rozwijał produkty m.in. w Microsofcie (Skype) i w OLX, europejskim liderze ogłoszeń.

Nauczył product managementu ponad 20 000 kursantów i pomógł setkom z nich zdobyć nową rolę produktową.

Jeden z czołowych twórców treści o product managemencie na polskim LinkedInie — ponad 140 000 obserwujących i codzienne publikacje.

W pracy doktorskiej badał zastosowanie algorytmów ewolucyjnych w planowaniu tras na akwenach o dużym natężeniu ruchu. Autor lub współautor ponad 10 publikacji naukowych.

Doświadczenie:StepstoneMicrosoft (Skype)OLX

Cennik

Jedna inwestycja.
Pełny warsztat AI Product Managera.

1. edycja · 50 miejsc

Kurs AI Product Manager

Pełny program — 8 modułów praktyki

Start 13 października · 8 zajęć do 5 listopada · 10:00–12:00

1 799 złnetto2 499 zł

Cena przedsprzedażowa — do 30 września, 9:59

cena netto, do kwoty doliczamy 23% VAT

  • 8 modułów: pełny cykl produktu od strategii po post-release
  • Konfiguracja terminala i praca z agentem AI od zera
  • Budowa prototypu bez działu IT (m.in. Lovable, Claude Code)
  • Discovery i droga do product market fit — od POC, przez MVP, po PMF
  • Decyzje produktowe, które obronisz w rozmowie z CFO/CEO
  • Testy, eval, dashboard i testy A/B
  • Certyfikat AI Product Manager po ukończeniu kursu
  • Zamknięta społeczność absolwentów — dostęp nie wygasa
  • Wpis do bazy kandydatów udostępnianej pracodawcom

W pierwszej edycji jest 50 miejsc. Po ich wyczerpaniu zapisy zamykamy.

Zapisz się na kurs

płatność przez easy.tools · możliwa faktura na firmę

FAQ

Pytania i odpowiedzi

Dla product managerów i product ownerów z doświadczeniem, którzy chcą nauczyć się budować z AI w praktyce. Nie wymagamy doświadczenia z AI ani umiejętności technicznych.

Kontakt

Masz pytania przed zapisem?

Napisz do nas — odpowiemy na pytania o program, formę zajęć i fakturę.

biuro@magnuso.pl

Bądź na bieżąco

Newsletter Magnuso: praktyczne wskazówki o AI w pracy product managera i informacje o kolejnych kursach.