How an LLM Accelerated a New Product Manager
English
A few months ago, I asked a data engineer to step into a product manager role.
I don’t have deep data engineering expertise myself, so I thought he could fill an important gap on the team. The risk was obvious: he had zero product management experience. My prior experience wasn’t encouraging either. When I trained a new computer science graduate at Microsoft, it took about 1.5 years before she fully ramped up — even though she was exceptional. In a Series B startup, that kind of timeline simply doesn’t work. Product velocity is existential.
Three months later, the result was far beyond my expectations.
LLMs clearly accelerated his learning curve. He read many product management books, asked countless questions to LLMs to refine his thinking, and tested those ideas immediately with a real engineering team. The feedback loop was tight.
Soon he was writing clear PRDs, framing JTBDs, and pushing the team to align around them. I initially hesitated to introduce some of those practices during the PMF phase. In hindsight, he was right. I was wrong.
What changed?
Humans still need to decide the direction of the search and reduce the entropy of the problem space. But once the direction is set, LLMs are remarkably good at handling the local optimization — exploring options, refining ideas, and converging toward workable solutions.
This changes something fundamental.
Because the cost of figuring things out has dropped dramatically, more people can attempt roles that were previously gated by years of experience. The barrier to entry is lower.
Over time, this may reshape how we define roles themselves. Many roles were historically defined by the knowledge and optimization skills required to perform them. If LLMs increasingly handle that layer, the remaining question becomes more interesting:
What abilities actually matter in the LLM era?
If optimization is becoming cheap, perhaps direction-setting, problem framing, and taste will matter more. I’m increasingly curious to see what new forms of capability emerge when the cost of thinking itself starts to change.
japanese
数ヶ月前、私はあるデータエンジニアにプロダクトマネージャーの役割に入ってもらうよう頼んだ。
私はデータエンジニアリングの専門知識を深く持っているわけではないので、彼がチームの重要なギャップを埋めてくれるのではないかと考えた。ただしリスクは明らかだった。彼にはプロダクトマネジメントの経験がまったくなかったからだ。私のこれまでの経験も、あまり楽観的なものではなかった。以前マイクロソフトでコンピュータサイエンスの新卒を育成したときは、彼女が完全に立ち上がるまでに約1年半かかった — しかも彼女は非常に優秀だった。それでもSeries Bのスタートアップでは、そんな時間軸は通用しない。プロダクトのスピードは企業の生存そのものに関わる。
それから三ヶ月後、結果は私の予想をはるかに超えていた。
LLMは明らかに彼の学習曲線を加速させた。彼は多くのプロダクトマネジメントの本を読み、LLMに数えきれないほど質問をして思考を磨き、そのアイデアをすぐに実際のエンジニアリングチームで試した。フィードバックループは非常に短かった。
やがて彼は、明確なPRDを書き、JTBDの観点で問題を整理し、それを軸にチームの方向性を揃えるようになった。私はPMFフェーズでは、こうしたプラクティスを導入することに最初は少し躊躇していた。今振り返れば、彼が正しかった。間違っていたのは私だった。
では何が変わったのだろうか。
人間は依然として、探索の方向を決め、問題空間のエントロピーを減らす必要がある。しかし一度方向が定まれば、LLMはローカルな最適化を行うことに非常に長けている。選択肢を探索し、アイデアを洗練させ、実行可能な解へと収束させていく。
これは、ある根本的な変化をもたらしている。
物事を理解し解決策を見つけるコストが劇的に下がったことで、これまで何年もの経験が必要とされていた役割にも、より多くの人が挑戦できるようになる。参入障壁は低くなる。
やがてこれは、そもそも「役割」というものの定義そのものを変えていくかもしれない。多くの職種はこれまで、その仕事を遂行するために必要な知識や最適化能力によって定義されてきた。もしLLMがその層を担うようになるなら、残る問いはより興味深いものになる。
LLMの時代に、本当に重要な能力とは何なのか。
最適化のコストが安くなるなら、方向を定める力、問題をフレーミングする力、そしてセンスのようなものが、これまで以上に重要になるのかもしれない。思考そのもののコストが変わり始めるとき、どのような新しい能力の形が生まれるのか。私はそれをとても興味深く見ている。