AI-инструменты продакта 2026: стек по Double Diamond

Май 2026

Список AI-тулов для продакта в 2026 году бесконечен — только в обзорах разных медиа насчитывается 30-50 наименований. Проблема не в том, чтобы найти инструменты. Проблема в том, чтобы собрать минимальный работающий стек: без пересечений, без лишних подписок, без двух тулов, которые делают одно и то же, но чуть по-разному.

Стек собирается не по функциям инструментов, а по фазам продуктовой работы — по Double Diamond. Так исключаются дубли: если Claude Desktop уже закрывает мышление и ресёрч, отдельный Perplexity не нужен. Плюс важна склейка между фазами: заметки из Granola подтягиваются в Claude через MCP, Linear принимает тикеты прямо из Claude Code. Тулы, которые не встают в эту склейку, со временем вылетают — не потому что плохие, а потому что изолированные.

Ниже — стек по четырём фазам Double Diamond, с обоснованием выбора в каждой точке.

Про LLM: почему Claude — дефолтная модель в стеке

Под всеми инструментами в этой статье — одна и та же языковая модель: Claude от Anthropic. По последним публичным бенчмаркам 2026 года — SWE-bench Verified, Terminal-Bench, GPQA Diamond — Claude 4.6 и Opus 4.7 держат первые места, особенно в коде и длинных рассуждениях. GPT-5 и Gemini 3 идут близко, но Claude выигрывает в продуктовых задачах: ресёрч, PRD, работа с длинным контекстом.

Но важнее другое: конкретная LLM под капотом — не главное. Все топовые модели обновляются в одном темпе, и через полгода лидер может смениться. Критична обвязка: среда, в которой модель живёт, артефакты, MCP-коннекторы к источникам данных, и склейка между инструментами.

Если выбрана Claude — то только Claude Desktop. Anthropic жёстко привязал использование подписки Claude Pro и Max к своим продуктам: Claude Desktop, Claude Code, Claude для iOS и Android. Сторонние интерфейсы (LibreChat, TypingMind, множество AI-хабов) работают только через API с отдельной оплатой по токенам — подписка там не применяется. Для продакта, который планирует активно пользоваться Claude, это означает одно: Desktop-приложение становится единственным разумным выбором, потому что любое другое решение либо платится сверху, либо не даёт доступ ко всей экосистеме — артефактам, MCP-коннекторам, встроенному web search.

LLM-агностичные агенты — Manus и OpenClaw. Три инструмента в стеке формально относятся к категории универсальных помощников: Claude Desktop, Manus и OpenClaw — но устроены принципиально по-разному.

Claude Desktop — синхронный собеседник на одной модели (Claude). Manus и OpenClaw — LLM-агностичные агенты, которые работают в фоне и могут менять модель под задачу. У Manus в прошивке Claude, GPT, Gemini и локальные модели через Ollama. OpenClaw — опенсорс-проект, изначально построенный вокруг той же идеи: оркестрация над разными моделями, выбор под конкретный этап задачи. Для ресёрча подключают Claude, для длинного синтеза — Gemini с большим контекстом, для кодогенерации — GPT-5, для чувствительных данных — локальную Llama через Ollama.

Куда это идёт: LLM становится коммодити, а ценность переходит в слой оркестрации над моделями. Manus и OpenClaw — первые реализации этого слоя в продуктовом виде. Claude Desktop остаётся дефолтом для синхронной работы, но для асинхронных тяжёлых задач и для сценариев, где важно менять модель — LLM-агностичные агенты становятся второй опорой стека.

Discover: понять проблему и пользователя

Первая фаза — расхождение. Сбор максимума контекста о рынке, конкурентах, пользователях и их боли, без преждевременного сужения гипотез. Инструменты на этой фазе — широкие сенсоры.

Claude Desktop с web search и Deep Research — для рыночного ресёрча. Claude 4.6 в десктопном приложении умеет ходить в интернет, читать первоисточники, сравнивать факты из разных источников. Deep Research-режим запускает многошаговое исследование: агент сам строит план, ходит по 30-50 источникам, собирает сводный отчёт со ссылками. В отличие от одноразового поиска, каждый ресёрч сохраняется в общий контекст — предыдущие отчёты по рынку и конкурентам подтягиваются при следующем запросе без повторения всей фактуры.

Granola — интервью и внутренний фидбек. Granola подняла $125 млн в раунде C при оценке $1,5 млрд в марте 2026 года, выручка выросла на 250% за квартал. Ключевое отличие от Otter и Fireflies — Granola не подключает бота к звонку, а записывает аудио локально. Ни Zoom, ни Google Meet не видят дополнительного участника. Для пользовательских интервью это критично: собеседник не чувствует, что его записывают, и говорит свободнее. Плюс у Granola с февраля 2026 есть MCP-сервер — транскрипты интервью доступны другим AI-инструментам как контекст. Клиенты Granola — Vanta, Gusto, Asana, Cursor, Lovable, Decagon, Mistral AI.

Define: сформулировать проблему и решение

Вторая фаза — сужение. Синтез инсайтов Discover в ясную формулировку: какую проблему решаем, для кого, как будем измерять успех. Инструменты — про плотное мышление и длинные документы.

Claude Desktop — основа Define-фазы. Синтез ресёрча в PRD, рассуждения над стратегией, формулировка гипотез под тесты. Ключевая ценность — доступ к контексту через MCP-коннекторы: заметки из Granola, документация из Notion, тикеты из Linear, письма из Gmail подтягиваются в диалог по запросу. В чат кидается CSV-выгрузка из базы или Excel — Claude разбирает данные, считает метрики, строит графики прямо в ответе. Артефакты позволяют собирать PRD, диаграммы и кликабельные прототипы в том же окне, без пересылки между инструментами.

Manus или OpenClaw — автономная сборка больших документов. Meta купила Manus за $2+ млрд в конце 2025 года. Это не собеседник, а исполнитель: задача формулируется как конечный результат — «собери конкурентный анализ 10 платформ, оформи в документ с таблицами и графиками» — Manus сам ходит по сайтам, собирает данные, оформляет. У него собственная виртуальная машина, работа идёт в фоне часами и возвращает готовый файл. Это асинхронный режим — задача отдаётся и можно уйти. Закрывает сценарии, где важен финальный документ с ресёрчем внутри: market sizing, стратегический обзор, большой PRD.

OpenClaw — опенсорс-альтернатива с той же логикой асинхронного агента, но без корпоративной привязки и с возможностью запуска на собственной инфраструктуре. Для продактов в компаниях со строгими требованиями к данным это значимая опция.

Develop: собрать и протестировать прототип

Третья фаза — снова расхождение, но уже внутри решения. Быстрая сборка нескольких вариантов реализации и тестирование их на команде и пользователях. Инструменты — про скорость от идеи до кликабельного артефакта.

Claude Code — основной инструмент. Агент в терминале, который пишет код, запускает его, тестирует, правит ошибки. Для прототипа на React или Next.js задача формулируется голосом, через 15-20 минут готов работающий MVP с авторизацией, базой и деплоем. Claude Code работает в терминале и видит весь репозиторий целиком — для прототипов с нуля это быстрее всего. Барьер входа — освоить терминал, это пара часов.

Cursor — для продактов с кодерским бэкграундом. Anysphere достигла $2 млрд годовой выручки к марту 2026 года при оценке $29,3 млрд. Полноценная среда разработки на базе VS Code с агентскими режимами. Cursor сильнее на итерациях в рабочем репозитории, где важно видеть контекст в UI — файлы, diff-ы, git-историю. Интеграция с Linear через MCP позволяет назначать агента на тикет прямо из таск-трекера.

Claude Design или Figma Make — для UI-концептов. Оба генерируют интерфейсы из текстового описания. Claude Design работает прямо в Claude Desktop через артефакты — кликабельный прототип собирается в том же окне, где идёт обсуждение требований. Figma Make встроен в основной Figma-файл и интегрируется с дизайн-системой команды.

Что выбрать: Claude Design удобнее для ранних концептов и для продактов, у которых нет плотного контакта с дизайнером — прототип собирается за минуты, без переключения тула. Figma Make лучше, когда дальше концепт идёт в руки дизайнеру — всё остаётся в общем файле команды.

Vercel — для быстрого хостинга прототипа. Прототип, собранный Claude Code или Cursor, через одну команду vercel deploy получает публичную ссылку. Можно сразу скинуть в Slack команде или отправить пользователям на тест. Бесплатного тарифа достаточно для прототипов и внутренних демо; встроенные превью-деплои на каждый коммит позволяют держать несколько версий параллельно. Без Vercel цикл «собрал — показал» занимает вечер с настройкой хостинга, с Vercel — 30 секунд.

Playwright MCP — для автоматического тест-драйва прототипа. MCP-сервер Playwright позволяет Claude управлять браузером: открывать прототип, кликать по флоу, заполнять формы, записывать видео прохождения. Рабочий сценарий: продакт деплоит новую версию на Vercel, просит Claude «пройди по основному сценарию онбординга и запиши видео», Claude через Playwright MCP открывает браузер, выполняет действия, сохраняет mp4. Видео прикладывается к тикету в Linear или отправляется команде на ревью — вместо скринкастов, которые раньше приходилось записывать вручную. Это сильно сокращает цикл обратной связи по прототипам, особенно при работе распределённой командой.

Deliver: запустить, измерить, итерировать

Четвёртая фаза — снова сужение, теперь внутри решения. Прототип превращается в продукт, фичи уходят в разработку, метрики собираются, результаты разбираются. Инструменты — про контроль, трекинг и обратную связь.

Linear + Linear Agent — основа. 24 марта 2026 года Linear запустил Linear Agent — встроенного агента, который понимает roadmap, тикеты и код. Со-основатель Карри Сааринен заявил, что «трекинг задач как жанр умер»: агенты уже установлены в 75% корпоративных Linear-workspace, объём работ, сделанных агентами, вырос в 5 раз за три месяца, каждый четвёртый тикет создан AI.

Для Deliver-фазы Linear Agent закрывает несколько сценариев: Triage Intelligence автоматически назначает исполнителя, метки и проекты по историческим паттернам команды. Skills — сохранённые воркфлоу типа «подготовь стейкхолдер-апдейт по спринту» или «собери issue из обсуждения в Slack». Автоматизации срабатывают при появлении нового тикета. MCP-интеграция со сторонними агентами (Cursor, Devin) позволяет назначать разработческого агента на тикет прямо из Linear.

Claude Code + Google Colab — для быстрой «грязной» аналитики. Главная проблема продакт-аналитики — не инструмент, а знание контекста. Какая метрика считается правильно, какая таблица в БД актуальная, какие пользователи тестовые, какие реальные, какие события дублируются, какие события пропущены с прошлого релиза. Без этого контекста любая цифра — мусор. Языковые модели, включая Claude и GPT-5, на SQL-генерации ломаются именно здесь: синтаксис они пишут правильно, но выбирают не ту таблицу, используют устаревшее поле, игнорируют джойн с таблицей users_real и считают retention по всем юзерам вместе с внутренними тестами. Со схемой базы на 200+ таблиц это происходит постоянно — получаются графики, которые выглядят правдоподобно, но показывают ерунду.

Поэтому честный расклад в 2026 году такой: разовая аналитика через Claude Code + Colab работает только у технических продактов и у тех, кто умеет читать сгенерированный SQL и проверить, какие таблицы и фильтры он использовал. Claude Code подключается к репозиторию с документацией схемы, читает определения метрик из dbt-моделей, собирает запрос за 2-3 итерации — но финальный код всё равно требует ревью глазами. Для нетехничного продакта этот путь не работает: получить правдоподобные цифры легко, получить правильные — нет.

Где это реально экономит время: у технических продактов и data-грамотных PM для разовых вопросов, на которые неразумно тратить аналитика. «Посмотри retention новых пользователей за последний месяц в разрезе источника трафика» — Claude Code пишет SQL, запускает в Colab, возвращает график. Продакт перечитывает код, проверяет таблицы и фильтры, подтверждает. На всё уходит 20-30 минут вместо двух дней ожидания аналитика. Для нетехничных продактов путь другой: либо настраивать семантический слой (Cube, dbt Semantic Layer) с проверенными метриками, либо всё равно идти к аналитику.

Spreadsheet/Excel/CSV через Claude — основной сценарий для большинства. Пока работа с живой базой через AI остаётся хрупкой, реально рабочий путь для нетехничного продакта — выгрузить данные из базы, BI или Amplitude/Mixpanel в CSV и отдать Claude. В Claude Desktop есть нативная обработка файлов: CSV, Excel, Google Sheets читаются прямо в чате. Есть MCP-серверы под Excel, Google Sheets, Airtable — они подтягивают таблицы как контекст и позволяют задавать вопросы без выгрузки.

Пример рабочего потока: продакт попросил аналитика выгрузить сырые события по когорте за квартал, получил CSV на 50 тысяч строк, загрузил в Claude, попросил «построй retention-кривую с разбивкой по каналам и сравни с предыдущим кварталом». Claude сам пишет Python, считает, строит график, комментирует отклонения. Этот сценарий работает потому, что контекст ограничен одной таблицей с известной схемой — нет риска, что модель возьмёт не тот джойн. На сегодня это основной способ, которым нетехничные продакты используют AI для данных.

Обвязка ОС-слоя: MCP-коннекторы и инструменты ввода

Выше говорили про три варианта «операционной системы» продакта — Claude Desktop, Manus, OpenClaw. Но сам по себе AI-ассистент работает только если у него есть доступ к данным и входным сигналам продакта. В 2026 году это решается через MCP-коннекторы и инструменты ввода, которые обвязывают центральный AI.

Ключевые MCP-коннекторы для продакта. Группы зависят от стека компании. Ниже — по категориям, с упором на то что реально доступно и в РФ, и на глобальном рынке.

Мессенджеры. Slack и Microsoft Teams — основной канал команды на глобальном рынке. В РФ чаще Telegram (для внутренних чатов и с клиентами), реже Mattermost и Пачка как self-hosted альтернативы. MCP-серверы есть для всех — AI читает треды, ищет решения по ключевым словам, собирает контекст из обсуждений.

Почта. Gmail и Outlook — разбор входящих от клиентов и стейкхолдеров, поиск переписок, подготовка черновиков ответов. Для российских команд актуальны MCP-серверы к Mail.ru и Яндекс.Почте. Сценарий одинаковый: AI находит нужную переписку за секунды вместо ручного поиска в inbox.

Звонки и встречи. Google Meet, Zoom, Microsoft Teams — встроены через Granola и другие ноутейкеры. В РФ частично работают те же, плюс Яндекс.Телемост, ВКС от МТС и Контур.Толк. MCP-коннекторы к транскриптам встреч — в первую очередь через Granola, которая записывает аудио локально независимо от платформы звонка.

Таск-трекер и документация. Linear, Jira, Notion, Confluence — глобальный стек. В РФ популярны YouTrack, Kaiten, Weeek, Yandex Wiki. Через MCP AI ходит в тикеты и документы, собирает roadmap-апдейты, ищет решения похожих задач в истории.

Клиентская поддержка. Intercom, Zendesk, Front — для команд с международными клиентами. В РФ — Usedesk, Omnidesk, HelpDeskEddy. Через MCP AI читает обращения, находит продуктовые сигналы, группирует похожие жалобы в потенциальные фичи.

MCP-серверы для большинства перечисленных инструментов уже есть — часть официальных, часть опенсорс. Подключаются за 5-10 минут. Если нужного коннектора нет — через n8n или Make собирается обвязка, которая вызывает API сервиса и отдаёт данные в AI-ассистент.

Granola — захват разговоров. Встречи, интервью, командные синки превращаются в структурированные заметки без подключения бота. MCP-сервер Granola делает транскрипты доступными другим AI-инструментам, так что любой вопрос вроде «что решили по фиче X на прошлой неделе» получает ответ с отсылкой к реальному разговору.

Whisper Flow — голосовой ввод. Десктоп-утилита, которая работает поверх любого приложения: зажал шорткат, сказал текст, отпустил — транскрипция вставляется в текущий курсор. Для продакта это способ надиктовать сырую мысль в AI-ассистент в 3-5 раз быстрее, чем набирать. Особенно полезно на длинных промптах к Claude или при описании контекста задачи для Manus.

Эта обвязка — реальная разница между «AI-ассистент как игрушка» и «AI-ассистент как центральная точка работы». Без MCP-коннекторов Claude остаётся чатом, с ними — становится интерфейсом ко всем инструментам команды.

Что не попало в стек и почему

Несколько инструментов часто звучат в обзорах, но в этот стек не вошли.

Notion AI. Отлично суммаризует Notion-документы, но уступает Claude в глубине рассуждений и работе с длинным контекстом. Notion остаётся местом для хранения результата мышления, сам процесс идёт в Claude.

Dovetail и Condens. Серьёзные инструменты для регулярного user research с разметкой и синтезом тем. Для продактов, у которых исследование пользователей — основная активность, это шестая ось стека. Для остальных Claude справляется с разовой обработкой транскриптов из Granola.

Gamma и Beautiful.ai. Красивые слайды из промпта, но Claude в режиме артефактов и Manus с автономной сборкой документов закрывают задачу без отдельного инструмента.

Lovable. На пике хайпа 2025 года — в 2026 году качество кода не дотягивает до продакшн-стандарта. Для демки подойдёт, для серьёзной работы нет.

Otter и Fireflies. Классика AI-заметок с ботами в звонках. После Granola возвращаться к ботам сложно — каждый раз при подключении ломается ощущение разговора.

Devin, Amp, OpenCode. Специализированные агенты для разработчиков. Для продактов с сильным кодерским бэкграундом могут быть мощнее Claude Code, для большинства избыточны.

Показательно: компании из стека стоят от $1,25 до $29,3 млрд. Самые маленькие по оценке (Granola и Linear) — именно те, без которых продакт в 2026 году уже сложно представить в ежедневной работе. Оценка инструмента инвесторами не всегда совпадает с его ценностью для пользователя — и это стоит учитывать при выборе стека.