Как устроены собеседования на AI-продакт-менеджера

Введение

Если вы готовитесь к интервью в OpenAI, Anthropic, Meta или Google по материалам прошлого года — вы зря тратите время.

Игра изменилась кардинально. Вопросы вроде «Расскажите о вашем любимом продукте» умерли. Им на смену пришли кейсы: «Пользователи жалуются, что Gemini уверенно отвечает, но ошибается. Как это починить?» или «У вас есть технология перевода человеческой речи на язык животных. Выведите продукт на рынок».

Мало того, в некоторых компаниях (например, в Meta) прямо в ходе интервью вам дают доступ к AI-инструменту и просят за 30 минут собрать рабочий прототип, пока интервьюер наблюдает за вашим экраном.

В этом гайде мы собрали реальные вопросы от кандидатов, прошедших собеседования в топовых корпорациях в 2026 году, разобрали логику оценки ответов и дали готовые шаблоны для подготовки.

4 главных изменения в собеседованиях на AI PM

• Выделенный блок по AI Product Sense. Раньше это было частью общего кейса, теперь это отдельный раунд. В Meta вам дают 30 минут на обычный продуктовый промпт, а затем просят «накодить» прототип в чат-интерфейсе.
• Технический блок — теперь обязательный. Раньше «технический» означал дизайн систем (System Design). Теперь это вопросы про токены, Retrieval-Augmented Generation (RAG), задержки (latency) и галлюцинации. В Apple появился отдельный AI-трек для PM, который описывают как «более техничный, чем обычный PM-цикл, и более продуктовый, чем цикл ML-инженера».
• Поведенческие вопросы ушли в глубину. Шаблон STAR (Situation, Task, Action, Result) теперь читается как «заучка». Вас будут продавливать: «Какая была точная метрика? Как вы поняли, что правы? Сделали бы вы что-то иначе сейчас?»
• Оценки (Estimation) и доски почти исчезли. Если рекрутер специально не попросил готовиться к оценке рынка, забудьте об этом и сфокусируйтесь на другом.

Блок 1: AI Product Sense (чувство продукта)

Здесь проверяют вашу способность работать с технологией, которой ещё не существует. Важно не то, что вы построите, а какие вопросы вы зададите перед этим.

Реальные промпты от кандидатов

• OpenAI: «У вас есть технология, позволяющая людям понимать животных. Что вы создадите?»
• OpenAI: «Вы изобрели машину памяти. Выведите её на рынок».
• Meta: «Вы PM в Meta, отвечаете за новый продукт для волонтёрства. Ваши действия? (сразу после этого — соберите прототип)».
• Stripe: «Разработайте инструмент коммуникации для детей».
• DeepMind: «Как бы вы запустили продукт в сфере производительности на базе Gemini?»

Vibe Coding (прототипирование) на собеседовании

• Если вас просят собрать прототип, качество вашего промпта важнее качества кода.
• Ведите заметки по ходу беседы.
• Скопируйте их в AI-инструмент и дайте чёткий, структурированный промпт.
• Не пытайтесь сделать красиво. Сделайте функционально. Проговаривайте вслух все трейд-оффы: «Здесь мы используем простой список, чтобы сэкономить токены, хотя могли бы сделать сетку».
• Будьте готовы, что вас перебьют: «Не сожрёт ли это слишком много токенов?» или «Как оптимизируешь поиск по этим данным?».

Блок 2: Технические вопросы (AI Technical)

Это самая недооценённая часть. Вас спрашивают не как инженера, а как продакта, понимающего, как модель ломается.

Реальные вопросы

• Google: «Gemini уверен, но неправ. Как починить?»
• Apple: «Как вы валидировали модель? Трейд-оффы между дообучением (fine-tuning) и синтетическими данными».
• NVIDIA: «Как измерить эффективность LLM-проекта и качество модели?»
• Perplexity: «RAG, дообучение или промптинг — когда что использовать?»

Блок 3: Аналитика и Execution

Здесь классический анализ воронки уступает место трейд-оффам метрик и «грязным» данным.

Кейсы

• Meta: «Вовлечённость в уведомлениях растёт 6 недель подряд у всех пользователей, но время на сайте падает. Что делать?»
• OpenAI: «AirPods со встроенным ИИ — определите цели и метрики успеха».
• DeepMind: «Фича AI-репетитора: 10% пользователей в восторге, остальные — бесполезно. Как чинить?»

Главный навык: Уметь уточнить условие. На кейсе Meta спросите: «Когда вы говорите "вовлечённость", вы имеете в виду открываемость или кликабельность?».

Северная метрика (North Star) для AI-продуктов — это не сессии, а правильность ответа, валидированная через поведение пользователя (вернулся ли он, скопировал ли ответ, поставил ли лайк).

Блок 4: Стратегия (Product Strategy)

Стратегия стала сложнее, потому что AI убивает мурзилки. Если фичу можно скопировать за выходные, то война идёт за дистрибуцию.

Кейсы

• Google (как CPO Zoom): «Teams, Slack и Google Meet давят на вас. Ваша стратегия?»
• Pinterest: «OpenAI тестирует рекламу в ChatGPT. Как вы выберете первых рекламодателей?»

Хитрость: Разделяйте угрозы.

• Большая корпорация в вашей нише — это угроза дистрибуции.
• AI-стартап в вашей нише — это угроза архитектуры продукта.

Ответы должны кардинально различаться. Если вы скажете просто «больше конкуренции» — это слабый ответ.

Блок 5: Поведенческие вопросы (Behavioral)

Здесь прокачивается ваш уровень (Senior vs Lead). В Anthropic этот раунд описывают как «сеанс психотерапии» по безопасности AI.

• Anthropic: «Расскажите, когда вы строили продукт против своих ценностей. Как вы себя чувствовали?»
• OpenAI: «Как балансируете скорость и безопасность? Когда бы вы задержали релиз под давлением руководства?»

Как готовиться к конкретным компаниям

• OpenAI: Готовьтесь к абсурдным промптам. Вас ждёт в 2 раза больше вопросов, чем в FAANG. Будьте готовы критиковать научные статьи.
• Anthropic: Убейтесь в подготовке к культурному/поведенческому раунду. На скрининге с рекрутером проваливаются из-за банального «почему Anthropic?» (ответ «интересуюсь AI» — фейл).
• Meta: Стандартизированный цикл. Любят структуру и ROI каждой фичи. Практикуйте кейсы с противоречивыми метриками.
• Apple: Всё зависит от команды. Если идёте в Siri — будьте экспертом в голосовых интерфейсах. Готовьте ответ на вопрос «почему Apple?» для каждого раунда.
• Google/DeepMind: Готовьтесь к интенсивным перебиваниям (interviewer jumps in). Любят чёткие фреймворки для офлайн vs онлайн-евалов.
• Perplexity: Учите RAG досконально и вопросы доверия (Trust & Safety).

Практический план подготовки от IT Career Gym

• Vibe Coding: Возьмите Cursor или Claude и потренируйтесь собирать простые прототипы за 30 минут. Научитесь говорить вслух: «Сейчас я режу эту фичу, потому что она не входит в MVP».
• Фундамент. Выучите наизусть: как работают токены и контекстные окна; метрики (Accuracy, Precision, Recall) и LLM-as-a-judge; как работает агентный AI (почему ошибки накапливаются, где нужен Human-in-the-loop).
• Привязка к миссии: Для каждой компании (Apple, Meta, Google) придумайте по 3 продуктовых идеи, которые идеально ложатся в их ДНК. Вставьте это в ответ без напоминания.
• Запись на диктофон: Читать вопрос и думать про себя — это не то же самое, что говорить чёткий ответ вслух под давлением времени. Тренируйтесь с таймером.

Частые вопросы (FAQ)