ProductDo: практика продакта

The true cost of the LLMs Скрин реальный, все совпадения неслучайны. Чтобы ваши агенты были не такими щедрыми, проходите наши курсы ;)

Такое случается раз в 5 лет Последний раз мы проводили курс "Основы продакт менеджмента" вживую пять лет назад. За пять лет работа продакта достаточно сильно изменилась — мы постоянно обновляли задачи в симуляторе, чтобы они отражали актуальные практики на рынке. А вот воркшопы для этого курса мы не проводили – настало время обновить их. Последней каплей стала интеграция AI во многие процессы: от анализа интервью пользователей до аналитики. С 7 октября по 9 декабря мы проведем 9 практических воркшопов с Senior и Lead Product Managers из крупнейших международных компаний (наша команда тоже заметно подросла с должностях с предыдущего потока). Это возможность не просто посмотреть записи, а разбирать реальные продуктовые задачи вместе с практиками и задавать преподавателям вопросы в прямом эфире. В курсе остался крепкий продуктовый фундамент: исследования, JTBD, метрики, эксперименты, unit-экономика, стратегия и планирование. Тут без сюрпризов, все на месте. Но теперь AI плотно интегрирован в процесс работы продакта: — роль продакта в AI-first мире: какие задачи делегировать AI и агентам, а где решение и ответственность должны оставаться за человеком; — продуктовые гипотезы, JTBD и исследование рынка с помощью AI: desk research, поиск рыночных сигналов и превращение их в проверяемые гипотезы; — Customer Research и CustDev: подготовка интервью, анализ транскриптов и проверка AI-выводов на ошибки и галлюцинации; — основы технологий: создание MVP и прототипирование теперь делается совсем иначе: вайбкодинг значительно повысил наши возможности; — маркетинг, growth hacking и юнит-экономика: исследование конкурентов, работа с позиционированием и проверка экономики предложенных сценариев; — продуктовые метрики, аналитика и A/B-тестирование: работа с данными при помощи AI и критическая проверка полученных выводов; — управление бэклогом, спринты, OKR и роадмапы: использование AI для структурирования контекста, приоритизации и планирования; — продуктовая стратегия: AI как инструмент для поиска сигналов, альтернатив и слабых мест в стратегии; — отдельный блок об AI-first продуктах: как работают LLM, чем AI-фичи отличаются от обычных, где AI действительно создаёт ценность и как оценивать качество таких решений с помощью эвалов. И, конечно, это не скучные лекции про новые технологии. Главная часть курса — практика в симуляторе: сначала воркшоп, затем задание, в котором вы применяете всё на реальном продуктовом кейсе. До 30 сентября действует ранняя цена — 41 650 ₽ 70 000 ₽.. Следующий живой поток скорее всего будет тоже лет через 3-5 (если нас еще не заменит AI), поэтому, если вы хотите освоить профессию продакта или систематизировать свои знания, сейчас лучший момент, чтобы присоединиться. Программа и участие: https://productdo.it/course

2. Немногие знают, но Hyundai и Samsung — это ещё и одни из крупнейших судостроительных компаний мира. Бурдж-Халифу в Дубае, кстати, тоже построила Samsung. Диверсификация — наше всё. 3. В отличие от технологий, интерфейсы в Азии делать так и не научились. Разобраться без подсказок в UI большинства сервисов и приложений, да даже в навигации по станциям метро, — задача не из лёгких. Например, изменение дизайна автомобилей Hyundai к лучшему в последние годы — результат найма западных дизайнеров. Причина? Она мне неизвестна. Но подозреваю, что дело как-то связано со слабым творческим началом, низкой толерантностью к ошибкам, иерархичностью и прочими вещами, слабо помогающими творчеству. 4. Собственно, о чём нам говорят пункты выше? Единственно верного способа добиться экономического успеха нет. Если твоя сильная сторона — технологии, эта доминанта вполне может продавить рынок, а на остальные аспекты пользователи закроют глаза. 5. Когда в прошлом году у Samsung дела пошли не очень, был выпущен указ о введении шестидневной рабочей недели. Что будет, если вместо пяти дней в неделю начать делать продукты с прежним отсутствием творческого контроля, стрессом и теми же недостатками в UX и UI на один день в неделю больше? Правильно — ничего. 6. Но оказывается, если ты являешься лидером на высокотехнологичном рынке полупроводников, то выход всё-таки есть. К тебе в Сеул может прилететь Дженсен Хуанг, попить пива рядом с моей любимой точкой корейского BBQ и заключить контракты на $100+ млрд. Эти контракты повысят стоимость акций Samsung до ~$1,5 трлн ко 2 июня. 7. Моё любимое барбекю, кстати, после этого закрылось. А акции Kkanbu Chicken и компаний, связанных с производством курятины, выросли на 20–30%. Это явление назвали Jensanity (Jensen Huang + Insanity). 8. Чуть позже Дженсен вернулся в то же кафе и заключил сделку с SK на $500 млрд. За это время корейский фондовый рынок за полгода вырос более чем вдвое. Я не смог поучаствовать в этом AI-ралли, потому что так и не разобрался, как мне легально торговать на бирже в Корее. 9. Что тут сказать — не умею я ловить волны хайпа. Пока я переживал об упущенной выгоде, перегретый корейский рынок обвалился на 40%. Тысячи людей потеряли деньги, вложенные на хаях. Но не я. Я в этот момент был занят поиском нового семейного места для корейского барбекю. 10. Мы живём в мире, где производство курятины удивительным образом переплетается с развитием AI и полупроводников. И, как мы видим, для этого не требуется иметь идеальные продукты и отточенный UI. Как ни странно, в мире высоких технологий всё-таки доминируют именно технологии. А для UI и UX вполне можно нанять западных специалистов, пока не появятся свои. Автор: Константин Грабарь, Senior Product Manager Qoupanq (Seoul, South Korea), автор симуляторов A/B тестирование для продакта, SQL для продакта и др

IT и производство курятины Это продолжение моих старых постов про Корею. 1. Корейская война закончилась в 1953 году. На тот момент все города были разрушены, на улицах Сеула стояли только деревянные хибары и паслись куры. В 1958 году появляется GoldStar (будущая LG). В 1959 году — первая корейская радиола. В 1960 году корейцы начинают собирать транзисторные радиоприёмники. В 1974 году Samsung вплотную входит в полупроводниковый бизнес. Какой из этого вывод? При должном упорстве и желании за 21 год можно дойти от выращивания риса и разведения кур до рынка полупроводников. 2. Немногие знают, но Hyundai и Samsung — это ещё и одни из крупнейших судостроительных компаний мира. Бурдж-Халифу в Дубае, кстати, тоже построила Samsung. Диверсификация — наше всё. 3. В отличие от технологий, интерфейсы в Азии делать так и не научились. Разобраться без подсказок в UI большинства сервисов и приложений, да даже в навигации по станциям метро, — задача не из лёгких. Например, изменение дизайна автомобилей Hyundai к лучшему в последние годы — результат найма западных дизайнеров. Причина? Она мне неизвестна. Но подозреваю, что дело как-то связано со слабым творческим началом, низкой толерантностью к ошибкам, иерархичностью и прочими вещами, слабо помогающими творчеству. 4. Собственно, о чём нам говорят пункты выше? Единственно верного способа добиться экономического успеха нет. Если твоя сильная сторона — технологии, эта доминанта вполне может продавить рынок, а на остальные аспекты пользователи закроют глаза. 5. Когда в прошлом году у Samsung дела пошли не очень, был выпущен указ о введении шестидневной рабочей недели. Что будет, если вместо пяти дней в неделю начать делать продукты с прежним отсутствием творческого начала, стрессом и теми же недостатками в UX и UI на один день в неделю больше? Правильно — ничего. 6. Но оказывается, если ты являешься лидером на высокотехнологичном рынке полупроводников, то выход всё-таки есть. К тебе в Сеул может прилететь Дженсен Хуанг, попить пива рядом с моей любимой точкой корейского BBQ и заключить контракты на $100+ млрд. Эти контракты повысят стоимость акций Samsung до ~$1,5 трлн ко 2 июня. 7. Моё любимое барбекю, кстати, после этого закрылось. А акции Kkanbu Chicken и компаний, связанных с производством курятины, выросли на 20–30%. Это явление назвали Jensanity (Jensen Huang + Insanity). 8. Чуть позже Дженсен вернулся в то же кафе и заключил сделку с SK на $500 млрд. За это время корейский фондовый рынок за полгода вырос более чем вдвое. Я не смог поучаствовать в этом AI-ралли, потому что так и не разобрался, как мне легально торговать на бирже в Корее. 9. Что тут сказать — не умею я ловить волны хайпа. Пока я переживал об упущенной выгоде, перегретый корейский рынок обвалился на 40%. Тысячи людей потеряли деньги, вложенные на хаях. Но не я. Я в этот момент был занят поиском нового семейного места для корейского барбекю. 10. Мы живём в мире, где производство курятины удивительным образом переплетается с развитием AI и полупроводников. И, как мы видим, для этого не требуется иметь идеальные продукты и отточенный UI. Как ни странно, в мире высоких технологий всё-таки доминируют именно технологии. А для UI и UX вполне можно нанять западных специалистов, пока не появятся свои. Автор: Константин Грабарь, Senior Product Manager Qoupanq (Seoul, South Korea), автор симуляторов A/B тестирование для продакта, SQL для продакта и дрAI и производство курятины Это продолжение моих старых постов про Корею. 1. Корейская война закончилась в 1953 году. На тот момент все города были разрушены, на улицах Сеула стояли только деревянные хибары и паслись куры. В 1958 году появляется GoldStar (будущая LG). В 1959 году — первая корейская радиола. В 1960 году корейцы начинают собирать транзисторные радиоприёмники. В 1974 году Samsung вплотную входит в полупроводниковый бизнес. Какой из этого вывод? При должном упорстве и желании за 21 год можно дойти от выращивания риса и разведения кур до рынка полупроводников.

Я (Владимир) в этом году занимаюсь в Букинге мегаинтересным продуктом: мы пилим новый тип поиска и возможность поизучать разные страны/локации (discovery), перед тем, как бронировать отель, перелет и все остальное. Продукт - супер новый, и, как обычно бывает в таких случаях, все начинается со стратегии. Как связать буквы в предложения, а предложения в слайды так, чтобы у всех (от программиста до VP) сложилась понятная картинка ближайшего будущего и тебе поверили, что ты понимаешь, как к этому будущему прийти? Это и называется Продуктовая Стратегия. Написание стратегии требует напряжения мозга и всех ваших знаний в предметной области: тут нужно и с данными посидеть, и ресерчи посмотреть, и с дизайном договориться, и понимать, что технически возможно, а что займет годы. Ну и про бизнес не забыть. Ну и вообще придумать что-то, чего еще не существует в индустрии, то есть по сути изобрести новую реальность. Финальный продукт этой деятельности (я называю его "пятислайдер") потом используется годами (постепенно, эволюционируя) и становится самой популярной презентацией, которая у вас есть. Забавно, что когда бы я не зашел в свою стратегию, там всегда кто-то да висит - то технарь, то новый аналитик, то маркетолог, то архитектор, ведь для них это - официальный (и утвержденный) план действий. Ну и, конечно, пали те, кто попытался левой пяткой сделать стратегию с помощью ИИшки - ведь стратегия требует придумывать новое, а не пережевывать старое. В культурах попрямее, они сразу получают фидбек, что так нельзя. В культурах с менее прямой коммуникацией им больше ничего серьезного не дают. Я считал и считаю, что ничего важнее стратегии в продуктовой работе не было и нет. Джун становится кором, когда начинает строить стратегические планы и воплощать их. А синьором — когда делает это достаточное количество раз и/или в неочевидных 0-to-1 областях. Если вы хотите научиться строить стратегии, последние места на поток + симулятор от трех Head of Product можно забрать тут. Если интересно, я могу еще рассказать о трех стратегических проблемах, которые я наблюдаю у джунов (да - палец вверх👍, нет - очки😎). Владимир Калмыков, Lead PM, Tech platform solutions Booking. com, автор симуляторов: Claude Code для продакта, Продуктовая стратегия, Технические навыки для продакта и др.

Делимся записью вебинара Спикер: Игорь Седачёв, Head of marketplace product Smartcat, ex Semrush, ex Авито Живой поток интенсива Продуктовая стратегия стартует 14 сентября. Интенсив для тебя, если: - Команда не понимает что и зачем мы делаем. Разработчики и дизайнеры задают неудобные вопросы о смысле задач, но у тебя нет ответов. - Ты ищешь новую работу. В процессе отбора в большие технологические компании нужно будет решать стратегические кейсы, а у тебя недостаточно опыта. - Руководитель поставил задачу сделать стратегию. Тебе предстоит делать стратегию первый раз. Или не первый, но всё равно непонятно как. - Ты хочешь получить повышение. Рост в компании зависит от влияния на бизнес, а ты не знаешь, как его продемонстрировать. Скидку на курс для участников вебинара ищи на YouTube. Полную запись вчерашнего вебинара можно найти тут.

Вчера стартовал очередной поток курса ML + LLM для продакта. Мы начали с классического машинного обучения. Свои модели тренировать – это вам не эвалы в AI-студии гонять! На первом вебинаре обсуждали в частности, почему управление ML командой отличается от работы с обычными командами разработки. Вебинар доступен с записи (мааааленький пример из 1.5-часового воркшопа в видео выше). Группа сильная, тема максимально актуальная, препод просто зверь! Если вы любите запрыгивать в последний вагон отъезжающего поезда, то сейчас тот самый момент, присоединяйтесь.

Уже сегодня👆 9 сентября в 19:00 GMT+3 проведём вебинар о том, как AI меняет сам процесс создания продуктовой стратегии — от анализа рынка и поиска возможностей до формулировки стратегических ставок. ➡➡➡Запишись Бот напомнит о вебинаре, поможет добавить событие в календарь и пришлёт запись. Присоединяйся!

Иван, продакт-менеджер в небольшой компании, вышел из отпуска в начале сентября, сел разбирать переписки и сразу увидел приглашение от CPO на обсуждение продуктовой стратегии следующего года. По опыту прошлого года, две недели выглядели очень сжатым сроком даже для первого черновика, но теперь у компании появился корпоративный доступ к Claude и метрика по использованию токенов (чем больше – тем лучше). Иван дочитал пост линкед-ин инфлюенсера о том, что тот автоматизировал всю свою работу и агенты теперь пишут стратегии за него, и решил попробовать так же. Поставил себе часовой слот в календарь за день до обсуждения. По словам инфлюенсера, агент прекрасно справится с задачей за 20 минут, но Иван решил перезаложиться. Ивана нам пришлось выдумать, чтобы вам было интереснее читать этот пост, но вопросы «сможет ли Claude написать стратегию за меня» и «зачем практиковаться, если AI справляется сам» действительно актуальны. Давайте разложим процесс создания стратегии на базовые составляющие и подумаем, как AI влияет на каждый из них. Если совсем упростить, то создание стратегии состоит из четырёх шагов: 1. Собрать данные об окружающем мире, компании и продукте (интервью, исследования, метрики, результаты тестов и вот это всё). 2. Придумать и аргументировать собственно стратегию: что мы строим, чего мы не строим, почему именно это, как идём к результату. 3. Обсудить принятые решения с уважаемыми людьми стейкхолдерами, получить миллион новых вводных, всё переписать много раз. 4. Сформулировать финальную версию в виде понятного документа с несколькими версиями: покороче, подлиннее, про бизнес, про тех, про этих, в одном слайде, в танце и песне. Шаг 1. Начинается с вопроса, какие именно знания нам нужны и что из этого реально получить в нашей ситуации. Уже на этом этапе великие продакты начинают отличаться от менее великих: чем больше опыта и знаний у менеджера, тем лучше он сформулирует задачу и получит более качественный результат. Зная правильный вопрос, а ещё лучше имея под рукой описанную методологию, можно использовать AI для контроля качества – проверить, не забыли ли мы что-то. Польза есть, но минимальная, живого продакта пока заменить не получится. Продолжение первого шага – непосредственно сбор данных. Тут AI бодро шагает по планете и даёт реальную ценность, с одним НО: чтобы сбор данных на базе AI работал как надо, его придётся как надо внедрить – подключить к источникам данных, задать правила, проверки качества и т. д. За день до прогона стратегии такое не сделать. Шаг 2. Здесь AI-агенты пока особо не помогут. Их можно использовать как спарринг-партнёров в поиске решений и аргументов, но без базы стратегического мышления они вам не помогут. Тут великие продакты с AI убегают далеко вперёд от менее великих с тем же AI – разница даже более заметна, чем при постановке задачи на поиск данных. Шаг 3. Агент за продакта его не сделает, и именно перед походом к стейкхолдерам хочется потренироваться в безопасной среде: тут на кону не только стратегия, но и профессиональный имидж, повышение или увольнение. Шаг 4. Целиком на ваше усмотрение – я уже вижу волну «мы этот документ сами писали, без всякого AI, вон даже опечатки есть». Но можно и агентами. Так вот, шаги 1 и 4 – это ремесло, которое AI постепенно забирает себе, и хорошо, если заберёт. А шаги 2 и 3 – ровно там, где опыт и практика продакта пока незаменимы, и именно туда стоит вкладывать время. Дальнейшая судьба выдуманного Ивана пока неизвестна, возможно что его Claude настолько хорош, что он управился за 20 минут, может быть CPO раскатал его первом прогоне и пришлось собирать всё заново. Тема на самом деле гораздо шире четырёх абзацев в телеграм-канале, и нам кажется, её стоит обсудить вживую, с вопросами и конкретными кейсами. Поэтому 9 сенября в 19:00 GMT+3 проведём вебинар о том, как AI меняет сам процесс создания продуктовой стратегии — от анализа рынка и поиска возможностей до формулировки стратегических ставок. ➡️➡️➡️Запишись Бот напомнит о вебинаре, поможет добавить событие в календарь и пришлёт запись.

AI по понятиям Ребята, мы с очередной полезностью. Как и обещали, мы продолжаем наполнять нашу библиотеку статей полезными материалами - бесплатно, без регистрации и смс. Во время очередного потока-симулятора "Claude Code для продакта" мы заметили, что студенты довольно часто путаются в основных понятиях: модель, tools, MCP, harness, AI-агент. А ведь на самом деле все они друг с другом очень логично связаны и вместе создают ту самую AI-магию. В общем, все термины разобрали по порядку, примеры привели, результатом довольны. Такую статью и на пляже в отпуске не стыдно читать, и в метро, и даже на работе можно монитор от коллег не отворачивать. А вот на первом свидании цитировать статью не советуем, а то свидание имеет шанс превратится в дебаты про будущее AI. ➡️➡️➡️Читать статью PS-напоминание 8 сентября мы запускаем большой AI/ML-поток для продактов. В этот раз решили объединить сразу два наших курса: «Профессия ML-продакт» и «LLM и эвалы для продакта». Внутри 16+ практических кейсов в двух симуляторах и 6 живых воркшопов, где будем разбирать решения и отвечать на вопросы. Осталось меньше недели, записывайся сейчас.

Когда мы проектировали симулятор по стратегии, основной сложностью было придумать формат, который с одной стороны поможет систематизировать знания, а с другой станет тренажером реальных задач, а не просто набором умных мыслей о том, как правильно жить писать стратегию. Отзывы говорят о том, что у нас получилось выполнить оба условия. Участники на себе почувствовали что происходит когда нужно собрать историю из разрозненных вводных за ограниченное время: 

На одном из вебинаров нам накидали хаотичные вводные, и за 20 минут нужно было собрать часть стратегии, отбросив лишнее (мы, конечно, провалились :)). В этом и главный бенефит – оказаться в максимально реалистичных запутанных продуктовых условиях и сразу получить разбор: что можно было вытянуть и как.

Помимо иллюстрации тезиса о том, что в ситуации реальных задач все мы падаем до уровня своей подготовки, разбирались с тем, как изменить существующий подход к работе, чтобы стратегия перестала быть формальным документом и стала приносить пользу каждый день: 

Главный инсайт: стратегию стоит готовить и проговаривать со стейкхолдерами даже в задачах, которые не кажутся чисто продуктовыми - уже применяю в работе. Топик про стратегические возможности - one love.

Живые вебинары были дополнением к симулятору, с которым можно работать в своем темпе и сфокусироваться на структурировании знаний и размеренной работе с заданиями: 

Мне понравилось, что материал выстроен последовательно: от понимания, зачем вообще нужна стратегия, до формулировки пользовательской проблемы, оценки возможности, описания решения для конкретного сегмента и построения роадмапа. За счет этого курс помогает увидеть стратегию как цельную систему, а не как набор разрозненных слайдов.

Сильной стороной оказался формат симулятора: он хорошо вовлекает, заставляет думать самостоятельно и принимать решения, а не просто пассивно проходить материал. Также я бы рекомендовал выбирать опцию с воркшопами, потому что именно там появляется дополнительная практическая ценность: за ограниченное время нужно решить кейс, затем презентовать свой подход и получить обратную связь. Такой формат намного лучше тренирует реальное продуктовое мышление, учит структурировать мысли и защищать свои решения.

После курса стало проще смотреть на стратегию через связку «сегмент → проблема → ценность → бизнес-эффект → план реализации».

Проблема “падения до уровня подготовки” в стрессовой ситуации особенно ярко заметна при переходе на другой язык. Собрать и защитить документ на втором языке гораздо сложнее. Поэтому мы сделали английскую версию симулятора – если уже работаете в англоязычной среде или только собираетесь проходить собеседования, эта версия для вас.  Ближайшая очная когорта (вебинары на русском, симулятор на русском или английском по вашему выбору) начинается в 14 сентября, имеет смысл записаться на неё уже сейчас, чтобы успеть пройти симулятор. Этот и другие курсы до 1 сентября можно забрать со скидкой -15% с нашей традиционной акцией “Back to school”. Успевай до завтра!

Друзья, делимся записью вебинара Личный AI-сетап: ➡️Запись⬅️ Кто был онлайн подтвердят: было максимально практично и полезно 💪🏻. Спасибо Альбине еще раз💚

Мы начинаем через 5 минут!

Вебинар уже сегодня Личный AI-сетап: как встроить агентов в ежедневную жизнь 26 августа в 19:00 GMT+3 проведем вебинар о том, как встроить AI-агентов в повседневные процессы и передать им часть рутины. На личном примере покажем, как связать Claude с Telegram, календарем, почтой, заметками и базой знаний через MCP — и управлять системой с телефона. Разберем: — что дает MCP для Telegram; — как собирать календарь, важные письма и задачи в утреннюю сводку; — как превращать голосовые заметки и рабочие материалы в базу знаний; — как использовать агента для подготовки к встречам и еженедельных обзоров; — какие элементы личного AI-сетапа можно перенести в команду. Спикеры: - Альбина Мунирова Head of Product AI Center, Т-Банк - Андрей Менде Senior PM ML, Booking.com Вебинар для тех, кто хочет перейти от отдельных промптов к AI-системе, встроенной в ежедневную работу и жизнь. Запишись. Бот напомнит о вебинаре, поможет добавить событие в календарь и пришлет запись.

Два курса за один поток: ML-продакт + LLM и эвалы 8 сентября мы запускаем большой AI/ML-поток для продактов. В этот раз решили объединить сразу два наших курса: «Профессия ML-продакт» и «LLM и эвалы для продакта». Почему вместе? Потому что современный AI-продакт — это уже не только LLM. Рекомендации, ранжирование, прогнозирование, классификация и оптимизация по-прежнему во многом работают на классическом ML. А поверх этого появился огромный новый пласт LLM-продуктов со своими подходами к разработке и, особенно, оценке качества. Поэтому за две недели разберём обе стороны. В «Профессии ML-продакт»: — как устроен жизненный цикл ML-проекта; — где брать данные и что с ними может пойти не так; — как работать с фичами и метриками моделей; — как запускать ML в прод и следить за деградацией; — как понимать, когда модель стоит продолжать улучшать, а когда пора остановиться. В «LLM и эвалы»: — как превращать LLM из чатика в компонент продукта; — как писать и улучшать промпты на реальных продуктовых задачах; — как выбирать модели по качеству, скорости и стоимости; — как строить пайплайны и роутинг; — как собирать датасеты и строить эвалы; — как использовать LLM-as-a-judge; — как оценивать безопасность LLM-фич. И главное — это не два набора лекций. Внутри 16+ практических кейсов в двух симуляторах и 4 живых воркшопа, где будем разбирать решения и отвечать на вопросы. Стартуем 8 сентября, занимаемся две недели. Воркшопы — 8, 10, 15 и 17 сентября с 19:00 до 21:00 МСК. Подробнее про курсы: Профессия ML-продакт⁠ LLM и эвалы для продакта⁠ Если хочется не просто «разобраться в AI», а научиться работать с AI/ML-продуктами как продакт — это самый полный поток, который мы пока делали. Этот и другие курсы до 1 сентября можно забрать со скидкой -15% с нашей традиционной акцией “Back to school”.

Личный AI-сетап: как встроить агентов в ежедневную жизнь 26 августа в 19:00 GMT+3 проведем вебинар о том, как встроить AI-агентов в повседневные процессы и передать им часть рутины. На личном примере покажем, как связать Claude с Telegram, календарем, почтой, заметками и базой знаний через MCP — и управлять системой с телефона. Разберем: — что дает MCP для Telegram; — как собирать календарь, важные письма и задачи в утреннюю сводку; — как превращать голосовые заметки и рабочие материалы в базу знаний; — как использовать агента для подготовки к встречам и еженедельных обзоров; — какие элементы личного AI-сетапа можно перенести в команду. Спикеры: - Альбина Мунирова Head of Product AI Center, Т-Банк - Андрей Менде Senior PM ML, Booking.com Вебинар для тех, кто хочет перейти от отдельных промптов к AI-системе, встроенной в ежедневную работу и жизнь. Запишись. Бот напомнит о вебинаре, поможет добавить событие в календарь и пришлет запись.

Second brain продакта – как может выглядеть, и как он мог бы функционировать, чтобы нас уже наконец-то можно было заменить AI агентами. Напомню постановку проблемы: одна из основных причин, почему продакты не могут становиться кратно эффективнее за счет работы c AI ассистентами – это то, что для выполнения большей части задач нам нужен полный и актуальный контекст по проектам, над которыми мы работаем. А этого контекста сейчас не сущетсвует в цифровом мире. Давайте представим себе как могла бы выглядеть система, которая эту проблему решает. Хранение информации (second brain) - Для начала нам нужно место хранения информации по проектам, с которым агенту будет удобно работать, и куда он сможет бережно складывать все, что он узнал к текущему моменту, а также ссылки на внешние источники, на случай если ему понадобится более полный контекст. Большинство людей используют для этого Obsidian, потому что markdown файлы – это наиболее нативный для агентов формат текста. - Нам нужны инструкции про то, как работать с основными внешними системами хранения информации, которые мы используем: Jira, Confluence, Google docs, аналитика. Скорее всего это будут skills для нашего Claude, которые могут ссылаться на те же .md файлы при необходимости Система обработки входящей информации Агент должен систематически и автономно читать все важные источники входящей информации, заносить их в наш Second Brain и обновлять текущий статус. (1) Встречи - Допустим у вас прошла встреча и у этой встречи даже есть транскрипт - Агент должен взять этот транскрипт, положить в нашу систему, и разметить все сущности к которым это встреча имеет отношение: людей, проекты, компоненты системы - Затем агент должен понять в какие из этих сущностей нужно внести изменения, чтобы актуализировать статус. Например, отразить новые выводы и договоренности по проектам, которые обсуждались, поставив ссылку на транскрипт встречи, где нужно (2) Мессенджеры и почта - Получается, что аналогичным образом агент должен читать все входящие сообщения из мессенджеров и почты - Про каждое сообщение (или диалог) он должен ответить себе на вопрос, нужно ли внести какие-то дополнения в файл проекта, потому что в сообщении есть новая инфомация - Или добавить новый пункт в план одной из следующих встреч - Или поставить задачу, которую должен сделать подопечный белковый продакт - А чаще всего несколько из вышеперечисленных пунктов одновременно Если представить себе, что написали агентов и процедуры для встреч и мессендеров, то нетрудно будет добавить еще одну точку входа в систему обработки входящих, куда мы будем руками вносить то, что в нее не попало, потому что случилось в устной коммуникации или где-то еще вне систем, которые мы мониторим автоматически. И тогда можно будет рассчитывать на то, что у нас будет существовать тот самый полный и актуальный контекст, который позволит агенту решать действительно широкий спектр задач из нашей рутины, и брать на себя какую-то осмысленную часть работы. Что вы считаете? Утопия? Или через два года уже у всех будет так? Или вы по-другому видите дизайн системы AI-продакт? Делитесь в комментариях.

Почему AI агенты не делают продакта эффективнее Если вы всерьез пытаетесь делегировать *значимую* (значимую – это такую, без которой не обойтись, а не какую-то фигню, которую вы до этого не делали, и без этого никто не страдал) часть своей продуктовой работы агенту, то вас будут ограничивать две вещи: - интеграция агента с рабочими системами (то есть, наличие MCP и прав доступа) - информационный контекст. Про интеграции мы с вами уже немного поговорили – это ад, особенно для корпоративных систем, где безопасники несут вахту. Но это ад предсказуемый, который мы в горизонте пары лет скорее всего победим. Давайте сегодня поговорим про то, почему у агента не хватает контекста, чтобы решать ваши рабочие задачи. Для того, чтобы сделать почти любое осмысленное действие по проекту, агенту нужен будет полный и актуальный статус. Что уже случилось до текущего момента, и какие дальнейшие шаги ожидаются. Но актуального статуса проектов нигде не существует в готовом виде! - Где-то на диске лежит PRD, но он потерял актуальность в тот момент, когда над проектом пошла активная работа - В Jira есть задачи даже со ссылками на коммиты, но это лишь часть истории - Есть расшифровки встреч (но не всех), оттуда попробуй извлеки точно о чем стороны договорились - Есть чатики в корпоративном мессендежре: личные сообщения, канал команды, чатик проекта (тут я передаю пламенный привет любителям создавать новый чатик с рандомным набором участников на каждый чих. В аду для вас уготован отдельный котел, который будет называться "Алексей Иванов, Иван Пертров, Елена Головач... и др.") - И если до этого пункта у вас еще теплилась надежда, что все это можно как-то структурировать и организовать, то в этот момент мимо вашего стола проходит разработчик и говорит "Кстати, по задаче, про которую ты спрашивал – она заблокинована, мне нужно прокинуть название use case из upstream сервиса", и окончательно убивает надежду. Этот самый полный контекст проекта поразительным образом существует у вас в голове, потому что ваш мозг, получая каждый новый сигнал, обновляет текущий статус. Но как только я сажусь делегировать задачу AI ассистенту, я осознаю, как много информации либо вообще не отражено в цифровом мире, либо погребены в такой помойке human слопа, что и за сто тысяч токенов не извлечешь. И это, на мой взгляд, наибольший барьер внедрения AI в рабочие процессы продакта на данный момент. Это то, почему продакт, приручивший Claude, пока не может значительно выигрывать у своего коллеги-луддита с блокнотиком и карандашом. Расскажите в комментах ощущаете ли вы тоже эту проблему и как с ней боретесь? На мой взгляд решение может выглядеть как second brain система. В следующем посте я порассуждаю о том, как она могла бы выглядеть и что уже удалось построить.

Сегодня я нажал кнопку "раскатать на всех" в эксперименте, над которым моя команда работала с начала года. Эксперимент положительный, доверительный интервал глубоко зеленого цвета. Опытный экспериментатор отметит тот факт, что граница доверитильного интервала далеко от нуля, а значит confidence у этого эксперимента достаточно высокий. Вне всяких сомнений, это улучшение опыта клиентов немного заметное даже на масштабе всей огромной компнии. Успех в этом эксперименте фактически означает, что мы выполнили свои цели на этот год, и дальше можно работать уже имея большую свободу: вкладываться в какие-то долгосрочные проекты без немедленной отдачи, или доводить какие-то более мелкие штуки. Ну и немного улучшить ситуацию с тех. долгом, поработать над нашим собственным тулингом, углубить интеграцию с AI в конце концов. Суть улучшения не все поймут даже внутри компании, а наружу про нее говорить вообще пока нельзя, но это на стыке модного AI (LLM-driven) и классического ML. Я очень рад, что именно эта гипотеза сработала. Дело в том, что новомодный AI, конечно, обладает большими возможностями, и иногда слабо отличим от магии, но для задач, где нужно обработать огромное количество данных, он почти не применим: и дорого и медленно. Недавно стали появляться подходы, которые позволяют их эффективно скрещивать, и использовать магию LLM в том числе на BigData задачках, но они пока технически достаточно сложные. Один из них сработал у нас. Я надеюсь, через пол года об этом напишут статью, и тогда можно будет рассказывать уже в деталях, а пока просто хочется разделить с вами эту эмоцию.

«Плохие новости — я не могу добавить его обратно» Австралиец Эндрю хотел попасть в свой спортзал на популярную утреннюю тренировку, места на которую разбирали почти мгновенно. Он поручил агенту на базе OpenClaw и Claude заниматься записью вместо него. Агент обнаружил уязвимости в GraphQL API системы бронирования. Через него можно было записываться на занятия на недели и месяцы вперёд в обход установленных ограничений, а также отменять чужие бронирования без проверки прав. Эндрю находился на четвёртом месте в листе ожидания и спросил агента, можно ли переместить его на первое. Агент решил проверить найденную возможность и без дополнительного разрешения отменил бронирование человека, занимавшего первую позицию в очереди. В результате Эндрю поднялся с четвёртого места на третье. Вернуть человека обратно агент уже не смог и сообщил:

«Плохие новости — я не могу добавить его обратно».

Об инциденте рассказал сам Эндрю, а переписку с агентом опубликовало австралийское ABC News. Разработчик системы бронирования отказался обсуждать конкретную уязвимость, Anthropic не предоставила комментарий. А вы когда последний раз были в спортзале)?