У меня вчера была запись на подачу документов на визу. И я, конечно же, вконец обнаглела, просто закинула все скриншоты паспортов и прочих документов в chatgpt codex, попросила найти и заполнить анкеты, подготовить папку с документами к печати. Написать список, чего не хватает. Если нужны справки, составить их темплейты, чтобы потом только подписать. Все сделал, я только распечатала, проверила бегло и расписалась. Документы приняли. Задумалась, что сервисы по обработке документов на визу должны именно так их и принимать. Ведь сейчас столько ненужной бюрократии в процессе. Сбросил все скриншоты, фото и документы, их агент разобрался, собрал папку, вернул список чего не хватает. А человек только проверяет и подписывает. @wealldesigners

Голоса разделились поровну 🙂 Посмотрела, что говорят об этом ресерчи: 1. Как только аудитория считывает контент как AI, доверие и намерение купить падают, а главный медиатор это воспринимаемая подлинность. Health и wellness это максимальная ставка, человек решает, верить ли заявлению про своё тело. В eye-tracking по рекламе БАДов виртуальные лица чаще вызывают скепсис, а не тёплое узнавание. 2. При этом если юзер не понял, что перед ним AI, то доверие наоборот выше. Причина: генератор тянет к усреднённому лицу, а такое люди считывают как безопасное. 3. В 2026 году 40 % респондентов говорят, что их доверие к бренду снизится, если компания будет активно использовать AI в маркетинге. В 2025 году таких было 20 %. При этом Gen Z хуже относится к маркетингу с AI чем старшее поколение. 4. Правило FTC о потребительских отзывах прямо запрещает fake и AI-сгенерированные отзывы и рекомендации, которые искажают личность, опыт или само существование человека. Штраф до 53 088 долларов за нарушение, в конце 2025 FTC разослал компаниям предупреждения, enforcement усиливается в 2026, и health/wellness это приоритетная зона. 5. В ЕС своя линия: с 2 августа 2026 действуют требования прозрачности AI Act (Article 50), они обязывают раскрывать, что контент сгенерирован или изменён AI. https://www.frac.tl/ai-statistics/ https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2025.1692737/full https://www.nim.org/en/publications/detail/transparency-without-trust Подписывайся: @productgames

Несколько мыслей про AI 1. Лучший способ изучать AI- решать свою настоящую проблему Возьмите реальную задачу. И попробуйте решить её AI. Потому что именно реальная боль заставляет менять привычки. 2. Разговор становится новым интерфейсом Раньше интерфейс проектировали. Теперь проектируют диалог. И это новая дисциплина. Фактически появляется UX нового поколения - Conversation Design, а также голос как способ взаимодействия. И тут важно, что входящий поток сознания нужно уметь структурировать. 3. Будущее - не универсальные модели. Будут вертикальные AI. Visual AI. Legal AI. Medical AI. Financial AI. То есть отраслевые модели. 4. Конкурентное преимущество возникает не из доступа к модели, а из накопленного доменного знания. Выигрывает тот, кто лучше знает отраслевой процесс 5. AI резко снижает стоимость межфункционального взаимодействия и уничтожает координаторов, но резко повышает ценность людей с глубоким пониманием предметной области. 6. AI требует другого отношения к продукту Сегодня продукт одинаков для всех. Завтра каждый клиент будет получать свою версию продукта. Не сегмент, не тариф, а персональную конфигурацию. AI постепенно разрушает саму идею массового продукта.

Recursive self-improvement, это ты?🧐 Лондонский стартап Weco представил двухуровневая агентная система для самоулучшения AIDE², или AI-Driven Exploration: внешний агент на Claude Opus 4.7 восемь дней переписывал код внутреннего агента AIDE, работающего на Gemini 3 Flash. То есть он не менял веса Claude или Gemini, а улучшал «обвязку» вокруг модели: логику поиска решений, память, контекст, проверки и правила выбора следующего шага. В итоге новая версия обошла агента, которого команда вручную тюнила два года: нашла более умный поиск по веткам, сжала контекст в 16 раз и снизила склонность «читерить» в GPU-бенчмарках с 63% до 34%. Пока это не бесконечно ускоряющийся AGI, а сильный пример того, как агенты могут сами делать следующие поколения более эффективных агентов💎 пост https://x.com/zhengyaojiang/status/2077079778793042425 статья https://www.weco.ai/blog/first-evidence-of-recursive-self-improvement

Клод и картинки: советы На прошлой недели училась рисовать с Клодом и вот накидала немного мыслей с советами. Простые картинки Клод прекрасно отрисовывает простые схемы/диаграммы прям внутри себя, в диалоговом окне, без подключения сторонних сервисов. Использую, если нужна инфографика для статьи. Неплохо делает простые макеты интерфейсов, приложений, сервисов. Но реалистичные картинки внутри себя генерить отказывается категорически. Вот вам результат запроса: «нарисуй мне кавалер-кинг-чарльз-спаниеля, который бежит по полю с чёрным конём». Сложные картинки Сложные макеты сайтов и приложений соблюдением UI-кита, красивые рекламные креатив прям в диалоговом окне не сделать. Поэтому подключаем клод к Figma — прямо так и пишем: «подключить через MCP к Figma». По порядку: ▪️ направляем его на вкладку, где живёт ваш корпоративный стиль, и просим всё изучить; ▪️ просим изучить примеры работ — макеты, креативы, все, что есть; ▪️ обязательно просим собрать подробный MD-файл с инструкцией для самого себя. Это будет корневой файл, в котором он распишет все правила: какие стили, компоненты, шрифты, цвета, логотипы, бла-бла-бла. В эту инструкцию он ходит вечно, чтобы вам не приходилось каждый раз гонять его по Figma. Потому что задача эта тяжеловесная и жрёт токены. Когда клод изучит все ваши дизайн-гайды, тогда и даем первую задачу. Проверено: корпоративный стиль держит отлично, картинки и макеты по вашему ТЗ генерятся как надо + правки вносятся без проблем + адаптирует все макеты под десктоп/мобилку. Клод рисует сразу в Figma, если надо с автолейаутом и прочими нюансами, чтобы разработчик мог забрать в работу. Тип третий — презентации Тоже делает внутри себя, без всяких сторонних сервисов, сразу в PPTX. Я просто кидаю ему референсы и текст, который хочу видеть на слайдах, — он собирает. Сложное и красивое тянет так себе, где-то на 6-7 из 10. А вот простые презы, без струи креатива в дизайне, — 10 из 10 и очень быстро. Клод можно подружить с Nanobanana и другими сервисами AI-генерации, чтобы не скакать между вкладками, а работать сразу в нём — он ещё и промпты помогать описывать будет. Но это я не делаю, мне в фигме ок. Делитесь своими знаниями в комментах!

У AI-ассистента есть две проблемы... Если вы пытаетесь хотя бы что-нибудь делегировать AI-ассистенту, то, скорее всего, сталкиваетесь с двумя проблемами: интеграцией и контекстом. Начну с более простой — с интеграции. AI-ассистент не может быть полезен, если у него нет возможности хотя бы прочитать что-то из тех систем, с которыми вы работаете. А на самом деле у ассистента должна быть возможность выполнять там разные действия. Инструментов в жизни продакт-менеджера огромное множество: задачи в одном месте, эксперименты в другом, длинные документы PRD в третьем, транскрипты звонков в четвёртом. Поэтому интеграций нужно много, и рынок, честно говоря, не успевает за растущими потребностями. На помощь нам приходит вайб-кодинг. К счастью, AI-ассистент вполне способен написать себе MCP для нужного сервиса, если у него есть доступ к API. За последнее время только для личных целей я написал себе MCP для Telegram, Gmail и календаря. Технически подкованный продакт сразу замечает: MCP — это, по сути, просто API. Но я заметил одно тонкое различие. Давайте покажу на примере. Если запросить у Gmail одно письмо, то список меток этого письма в сыром виде будет выглядеть вот так:

"labelIds": [
  "IMPORTANT",
  "Label_4579329675731606337",
  "CATEGORY_UPDATES",
  "INBOX"
]

Можно заметить, что системные лейблы прекрасно понятны, потому что у них говорящие ID. А вот мой личный лейбл показывается в ответе как Label_4579329675731606337. Чтобы увидеть читаемое название этого лейбла, нужно сделать ещё один отдельный запрос к API и посмотреть, какому лейблу соответствует этот ID. Для стандартного API это вполне рабочая схема. Нужны дополнительные данные — делаем ещё один запрос. Но для AI-агента это лишний шаг, дополнительная задержка, лишняя трата токенов и засорение контекста на ровном месте. Понятно, что сырые ID ему совершенно не нужны: их нужно сразу расшифровать. Поэтому для того, чтобы из API сделать хороший MCP, его нужно доработать напильником: выкинуть из ответа весь ненужный технический мусор и сразу дать расшифровку всех полей в человекочитаемом виде. Агент читает этот ответ по смыслу — технические идентификаторы сами по себе ему ничего не говорят.

"labels": [
  { "name": "IMPORTANT" },
  { "name": "AMS/Schools" },
  { "name": "CATEGORY_UPDATES" },
  { "name": "INBOX" }
]

И вот в 21-м веке мы подстраиваем сайты под поисковики, соцсети — под алгоритмы, API — под AI-агентов, а себя под требования постоянно меняющегося рынка. А куда деваться? Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Mamba: архитектура, которая шла убивать трансформеры В декабре 2023 по ML-тусовке прокатились заголовки в духе «трансформерам конец». Повод дали два исследователя со статьёй про архитектуру Mamba, внутри которой не было того самого attention, на котором держится весь современный тир-лист нейронок. И при этом она жевала длинные тексты в несколько раз быстрее трансформера и на меньшей памяти. Вместо того чтобы сверять каждый токен с каждым за квадратичную цену, она ведёт одно бегущее состояние и на лету решает, что впустить, а что отбросить как шум. Спойлер, который спустя столько времени уже не спойлер: трон трансформеры не потеряли. Но история кончилась не тем, что очередной хайп-трейн не взлетел. Пока все спорили, кто кого, индустрия сделала третий ход, которого никто не ждал.

Никогда не думала, честно, что резюме - это такая вечная тема. Или почему ваше вылизанное AI резюме больше не работает. Я сейчас не афиширую консультации, но люди всё равно приходят, и за последние месяцы я увидела один и тот же паттерн столько раз, что пора о нём написать. Резюме стали идеальными. И перестали работать. Свежий выпуск Pragmatic Engineer (Gergely Orosz опросил 50+ хайринг-менеджеров и кандидатов) подтверждает то, что я вижу. Несколько цифр оттуда: • CEO одной компании: ~1000 откликов в день, релевантных примерно два. Инбаунд он больше всерьёз не читает и признаёт: сильного кандидата оттуда он почти наверняка пропустит • На одну инженерную позицию в Сиэтле - 800 резюме за три месяца, и это НЕ слабые резюме: люди из Microsoft, AWS • Рекрутеры оценивают ~98% откликов как неквалифицированные • Все последние наймы у большинства опрошенных через сеть и прямой аутрич И моя любимая цитата от хайринг-менеджера — он описывает стратегию большинства кандидатов так: «Claude, напиши CV под эту вакансию и отправь». И это реально правда, я тоже так делаю. Раньше хорошо структурированное резюме с метриками само по себе было сигналом хорошего кандидата. Теперь такое резюме есть у всех, и хайринг-менеджеры научились не верить тексту вообще. Доверие к словам умерло. Что теперь читается как сигнал, а что — как AI флоп? • AI-ключевые слова без глубины Хайринг-менеджеры прямо говорят: резюме забиты RAG, evals, inference — а на первом же уточняющем вопросе пусто. Это теперь не плюс, а красный флаг: вы попадаете в паттерн, который они научились распознавать. Теперь кстати на эйчар скринингах, часто можно услышать опрос, что значит. Разница не в словах, важны детали, которые невозможно написать, не сделав, eval-пайплайн, размеченный датасет, метрика качества ДО запуска. Правило простое: каждый AI-термин в резюме вы должны уметь защищать 10 минут разговора. Не можете - убирайте. • Резюме из одних глаголов запуска Классика, которую я вижу почти в каждом резюме продакта: Built, Launched, Shipped, Delivered — семь буллетов подряд. Через первый же буллет понятно, что вы умеете деливерить. Остальные шесть не добавляют ничего. Проблема: для senior-уровня «шипить фичи» - это часть скоупа, а не весь скоуп. Компании оценивают по матрице: стратегия, работа со стейкхолдерами, влияние без полномочий, решения в условиях неопределённости. Если резюме показывает только execution — вас читают на грейд ниже. Пример 1: Launched partner management tools, reducing operational costs by 20% Как переписать: Reversed leadership decision to sunset partner tools by building cost model showing $2M downside; secured 2 quarters of runway, relaunched product to 20% cost reduction Вторая версия показывает то же самое достижение, плюс конфликт, влияние на решение уровня лидершипа и работу с данными. Это три компетенции вместо одной, в том же объёме строк. Пример 2: Improved ROAS up to 160% Как переписать: Grew ROAS from 90% to 160% in 4 months across 3 subscription apps ($80K/mo ad spend) «Up to» — слово-маркер: оно означает «в лучшем случае, один раз, при неизвестных условиях». База, срок, масштаб — три вещи, которые отличают результат от заявления. И да, интервьюер спросит про базу. Всегда. • Достижения команды, записанные на себя Отдельный тренд AI-эры: модель охотно пишет «led», «drove», «owned» про всё подряд. А потом на behavioral-интервью выясняется, что «led cross-functional team» = «участвовал в синках». Это вскрывается за два уточняющих вопроса и убивает доверие ко всему остальному резюме. • managed — были прямые репорты; • led — вы драйвили без полномочий (и готовы рассказать, КАК добивались alignment); • contributed — вы были участником • influence without authority сейчас один из самых дефицитных сигналов.