Продукт

Мониторинг стратегии: от сотен разрозненных проектов до понятной системы Спикер: Татьяна Фретова Стратегия начинает работать, когда компания соединяет намерения с конкретными действиями. Чем крупнее организация и выше скорость изменений, тем сложнее поддерживать эту связь. Сегодня разговор пойдет не о том, зачем нужна стратегия или как ее сделать, а о том, что происходит после ее утверждения. И как превратить ее в уверенный результат компании. Разберем это на примере создания системы мониторинга исполнения стратегии в МТС. Шаг 0. Поставить задачу Нам предстояло создать новый управленческий контур. Заказчик задал ограничения: не использовать Excel и уложить систему максимум в 50 сущностей. Сначала потребовалось найти ее смысловой каркас. Шаг 1. Проявить структуру стратегии Мы сгруппировали слайды с похожими понятиями, собрали термины в граф и выстроили связи между узлами. Так из пяти объемных документов выделились десять макросюжетов стратегии. Шаг 2. Использовать «коридор миссии» Для каждого макросюжета определили суперцель и измеримый коридор движения. Суперцель может находиться за горизонтом планирования, а метрики коридора должны оставаться стабильными, даже если инициативы меняются. Пример — движение к автономным сетям. Шаг 3. Собрать портфель инициатив Все проекты и продукты связали с макросюжетами. Здесь особенно важно договориться с командами о владельцах и регулярном обмене информацией. Шаг 4. Найти способ оценивать портфель Инициативы слишком разные, чтобы сравнивать их напрямую. Поэтому мы ввели единый показатель — Strategy Health Index, или SHI. Шаг 5. Собрать индекс здоровья стратегии Индекс оценивает два блока: исполнение инициативы и создаваемую ценность. Сами инициативы разделены на три контура зрелости. Для каждого используется свой набор вопросов — от наличия владельца, бюджета и сроков до ожидаемого эффекта и способа его измерения. На этом методологическая часть была готова. Шаг 6. Создать ИИ-нативный контур Владелец обновляет статус вручную или данные поступают автоматически. Затем обновляется граф знаний, LLM готовит дайджест, а состояние портфеля отображается на дашборде. Задавать вопросы о стратегии можно через чат-бота. В этот момент в проекте наступила фаза отказа. Вместо полезного инструмента сотрудники увидели очередную точку контроля: «Да кому вообще нужен этот мониторинг?» Тогда мы посмотрели на систему как на продукт — определили пользователей, их задачи и ценность. И продолжили работу по следующим шагам, применяя продуктовый подход. Шаг 7. Определить продуктовые метрики Метрики помогли разложить большую проблему на конкретные задачи. Главным приоритетом стала не автоматизация, а вовлеченность пользователей. Шаг 8. Вырастить вовлеченность Мы развивали дашборд и чат-бота, отправляли рассылки, проводили опросы и общие демо. Постепенно появились положительные отзывы, а затем — входящие запросы от сотрудников. Шаг 9. Оцифровать результат За семь месяцев SHI вырос на 23%, одновременно увеличилось использование системы. Но результат обеспечили не только интерфейсы. Мы продолжали ходить к командам, собирать статусы и объяснять смысл процесса. Бонус: шаг 10. Создать стратегического агента Мы хотим пойти дальше и превратить накопленные данные в стратегического агента. Ему можно будет задавать вопросы, с его помощью — проверять решения и находить связи между инициативами. Сейчас сформулировано 12 сценариев взаимодействия со стратегией. Следующий этап — единая стратегическая память и ИИ-слой, который поможет сотрудникам работать со стратегией и принимать решения. В итоге мы поняли: стратегия начинает работать не тогда, когда появляется красивый дашборд, а когда люди понимают, зачем он нужен и как их работа влияет на общий результат. На это ушли месяцы разговоров, объяснений и доработок — большую систему невозможно изменить одним запуском. Корпорация похожа на живой организм: она защищается от внешних интервенций и требует времени на адаптацию. Гарантия изменений — стойкость ваших намерений и сохранение выбранного вектора. Конференция ProductSense'26 @productsense

Стресс-тест продуктовых гипотез с помощью агентных ИИ-систем Спикер: Сергей Синяков Откровенно плохие идеи обычно отсеиваются быстро. А правдоподобные совпадают со стратегией, нравятся команде и звучат логично. Если добавить данные, мнения пользователей и убедительную формулировку от ИИ, гипотеза начинает выглядеть почти доказанной. Мы привыкли защищать идеи: искать аргументы в их пользу и постепенно влюбляться в собственную конструкцию. А можно действовать наоборот — подвергать гипотезу нагрузке до того, как она попадет в разработку, чтобы отсеивать нерелевантные и брать в работу лишь те, которые принесут большую пользу бизнесу. Проверять гипотезу через призму доказательств, ролей и противоречий можно тремя способами: 1. Вручную собирать и связывать всю имеющуюся информацию — качественно, но дорого. 2. Передать весь контекст модели одним большим запросом — удобно, но недостаточно проверяемо. 3. Разделить анализ на этапы с помощью агентного конвейера — надежно и обоснованно. Почему одного большого промпта недостаточно? Проблема большого запроса в его непрозрачности: мы получаем уверенный ответ, но не видим, на чем он основан. В агентной системе стресс-тест гипотезы на каждом этапе создает отдельный проверяемый результат, поэтому исследование можно проверить или перезапустить с любого шага. Стресс-тест проходит через четыре слоя:

гипотеза → роли → рынок → синтез

Технически каждый этап оформлен как отдельный скилл. Это позволяет не смешивать роли, факты и рыночные данные раньше времени, а решение о запуске гипотезы оставить за человеком. Кейс: очередь сканирования в анализаторе кода Представим, что мы — вендор информационной безопасности и делаем продукт для безопасной разработки: анализатор исходного кода. Пользователи загружают в него проекты, которые необходимо проверить. Пропускная способность конвейера ограничена, поэтому проекты попадают в очередь и ждут сканирования. С системой работают инженеры по безопасности, директор по информационной безопасности и разработчики. У каждой роли свои цели и критерии их достижения. При этом в бэклог постоянно поступают запросы на доработку, а ограниченные ресурсы нужно направлять на изменения, которые принесут бизнесу наибольшую пользу. Наша исходная гипотеза звучит так:

Если инженер по безопасности сможет вручную приоритизировать проекты, бизнес-критичные проекты будут сканироваться первыми, а время обнаружения уязвимостей высокого риска сократится.

Дальше гипотеза проходит через несколько скиллов: — hypothesis-input-validation проверяет корректность формулировки и не пропускает дальше невалидную гипотезу; — hypothesis-facilitator рассматривает гипотезу с позиций разных ролей и фиксирует различия в их выводах; — local-knowledge-retrieval формирует предварительный обзор, извлекает отдельные факты и находит связанные артефакты; — business-context-value-check определяет, кто заинтересован в гипотезе с точки зрения бизнеса и какую ценность она может принести; — hypothesis-market-layer изучает внутреннюю документацию, а затем обращается к внешним источникам; — hypothesis-synthesis сопоставляет собранные данные и формулирует выводы; — customer-discovery-planning превращает найденные пробелы в план интервью, чтобы закрыть их с помощью новых данных; — human-report-export собирает понятный человеку отчет со ссылками на все необходимые артефакты. Что показал стресс-тест? После всех этапов выяснилось, что гипотеза в первоначальной формулировке не приносит ожидаемой пользы. Настоящая задача — не просто быстрее обнаружить риск, а сократить время от появления критичной находки до конкретного действия по ней. Стресс-тест сделал идею честнее и проверяемее. Когда такой подход оправдан Полноценный стресс-тест нужен не каждой гипотезе. Его стоит запускать, когда решение: — дорого реализовать; — трудно откатить; — займет несколько спринтов; — нельзя проверить одним быстрым экспериментом. Если ошибка стоит меньше спринта, проще провести короткий тест, чем запускать исследовательский космолет. @productsense

Парадокс выбора Раньше плохой результат объясняли нехваткой ресурсов. Дескать разрабов не хватило, дизайнер занят, копирайтер дубина. Плюс нужно три месяца и мешок денег. Сейчас за вечер можно получить исследование рынка, прототип, рекламную кампанию, финмодель. За выходные собрать продукт, на который раньше ушли бы месяцы. Казалось бы, предприниматели должны попадать в цель как ненормальные. Но — нет. За последний год я выпотрошил внутренности десятков ИИ-проектов. Почти везде одна картина: гипотез больше, функций больше, контента больше — понимания, что делать, меньше. Когда создание было дорогим, мы думали перед. Стало бесплатным — палим во все стороны. Продакт приносит 30 гипотез; маркетолог тестирует сотню объявлений, не понимая, кому и зачем продает. Раньше не хватало рук; теперь человека, который может сказать «из 100 вариантов делает этот», «эти 12 фич выкидываем», «этого клиента лесом», «на этот рынок не идем». Мы называем это вкусом, видением, предпринимательским чутьём. Хотя по сути это одно умение — делать выбор с последствиями. Платить будут тому, кто умеет закрыть 99 вкладок, оставить одну и сказать: — Делаем это. Я отвечаю.

Что я хотел бы знать как продакт 20 лет назад: 0. Продукт имеет Дух. Дух – То, что юзер ощущает в Сути Формы Боли. Попытка решить боль сейчас – увидеть все попытки решить боль за сотни лет до нас.

Формы меняются, суть Боли остаётся

0. Отказывайся принимать всё в данность. Мысли парадоксами и инверсией, переворачивай иерархии. Противоречь от сердца, это часть Пути. 0. В начале информация важнее видения, после Видение важнее. Верь в свет, что освещает. Думай «почему это должно случиться?» 0. Философия – секретный навык-инструмент. Разум = логика и философия, Интуиция = Глаза и Сердце. Используй принципы, накладывай модели из наук в продукт.

Чувствуй то, что видишь; знай то, что чувствуешь; видь то, что знаешь. Продукт отточен ясностью сознания

0. Слова-мысли – фильтр и рамки. Сжимай механики/слова/идеи/фичи в строки, дефис внутри как связка мыслей-образов и фич.

Всё – логика абстракций

Двусмысленность = единый смысл

"Случайность" – Главный-Ключ

0. Фичи – цикл самосинтеза продукта. Утилитарность и единство – главный фильтр идей и фич. Веди фичу к контексту целей-состояний через диалог.

Ограничений нет

0. Держи себя с командой в мягкой и свободной Тишине, в ней слышно больше, чем из новостей от рынка. Хранение и накопление времени-внимания-сил – самый дорогой актив. 0. Будь безупречен и провокативно прям с собой во всём, особенно в словах и действиях-ошибках. Инсайт-урок во всём. Глубокий выдох отражён в глубокой перспективе. 0. Продукт должен создавать тебя. 0. Успех лишь в правильном влиянии на мир.

Сперва продали, а только через 4 месяца сделали. Мою личку в тг бывает прилетают спам-предложения сделать мне превью для ютуба. Приходит по 2-5 предложения в месяц. Хотя канал у меня маленький. Сам я прикола в этих превью не понимаю. Хотя согласен, что они могут сильнее конвертить в просмотры, при правильном подходе. Логичная мысль, если так много предложений, значит и спрос есть. Да и сервисов, которые такое делают, их просто тьма уже. Но решил потестить. Сделали доп лэндос на наш основной домен. Мол с описанием, что умеем такое делать. Хотя делать нифига не умеет, все кнопки вели на основной функционал. И прикол, спустя месяц, это стала нашей одной из самых популярных страниц по кликам. Ну раз так, то окей, можно сделать. Сделали быстро. Пошли доп оплаты. Теперь только так и проверяем. Сперва лэндос, собираем клики. Если кликают или хотят забрать результат, то делаем. А ведь могли сперва сделать, а только потом пойти тестить спрос. Логично же? Кстати, мы так еще 5 фиче проверили. Которые в итоге тупо дропнули. И делать не пришлось. То есть сэкономили ресурсы 3 человек 5 раз длиной 1-2 месяца работы.

Всего должно быть два Кому-то это может показаться странным, но для меня давно очевидна одна вещь: в работе всего должно быть два. — Всегда должно быть проработано две гипотезы – основная и запасная. — KPI должен быть всегда по двум показателям, а не по одному. — Должны быть два дашборда, которые ты смотришь каждый день. — Лучше иметь два рекламных аккаунта в ФБ и Гугле, а не один. — Еще лучше иметь два билда в сторе – основной и зеркало. — Должны быть сдублированы критичные вещи, типа телефона, компа, юрлица и аккаунта в банке. — Крайне желательно работать сразу с двумя ассистентами – личным и продуктовым И Т Д Только жена может быть одна. В нашей работе регулярно приключается какое-то дерьмо. Например, отлетела платежка, или забанили рекламный аккаунт, или блокнули банковский счет, или что-то ещё. Часто это разруливается месяцами, и очень тупо, когда из-за этого встаёт вся работа. Так что дублируй, пока не поздно. Ну и ставь двойную реакцию.

И я туда же Про приложение. Судя по всему, вам интересно, так что продолжу. Сейчас я на этапе проектирования MVP. Вчера я думала, что уже закрыла эту задачу, но сегодня посмотрела на результат свежим взглядом и поняла, что Telegram-бот, на который я ставила, не позволит нормально реализовать нужные пользовательские сценарии. Потому придётся вайбкодить по-взрослому 👻 Я продакт, а не разработчик. В целом понимаю, как устроены разные IT-продукты, но ревью кода сама, конечно, не сделаю. А нейронка может наделать дел. Знаю, что у меня здесь есть программисты, инженеры и люди в теме вайбкодинга, так что дайте пару советов: Как non-tech фаундеру подойти к разработке MVP с помощью ИИ так, чтобы не собрать на старте архитектурного Франкенштейна, который начнет разваливаться при добавлении новых фич? Что вы бы обязательно заложили в процесс разработки с самого начала?

Переводчик для тех, кто работает над продуктом Работая в продуктовой команде, вы иногда слышите словосочетания, смысл которых не до конца понятен. Перевожу их на человекопонятный язык. Релиз будет сегодня Релиз будет завтра Релиз будет завтра Релиз будет через неделю Релиз будет через неделю Релиза не будет Я ментор и спикер Я безработный У нас стартап Мы каждые 2 недели бросаем то, что было сделано, и кидаемся на новую идею. Никто не понимает что происходит. Продакт - бес. Мы дадим вам долю У нас нет денег. Мы дадим вам опцион У нас нет денег и долю отдавать не хотим У нас есть четкая стратегия У нас есть обезьяна, которая бьет в гонг и все начинают судорожно бегать из угла в угол Нам нужно расти Мы без понятия какой продукт и для кого мы делаем У нас динамичная команда Никто тут не работает больше полугода Мы предлагаем карьерный рост Предыдущий чувак на твоей должности сошел с ума и начал курсы по энергопрактикам Мы считаем LTV Все бабки на маркетинг просраны Нам нужно время, чтобы проанализировать запуск Мы полгода пилили то, что никому не нужно У нас OKR Речь про обсессивно-компульсивное расстройство

К хорошему быстро привыкаешь В жилом комплексе, где я сейчас живу (здесь их называют кондо), очень радушная и заботливая охрана на входе. Всегда искренне улыбаются, говорят good morning sir и открывают дверь. Сама дверь стеклянная и обычно намыта до состояния полной прозрачности. И вот сегодня утром охранник был занят с каким-то посетителем возле своей стойки, мне улыбнулся, пожелал доброго утра, но дверь открыть ему физически было невозможно — далеко. Мой нос остановился в миллиметре от стеклянной двери 😁 Привык, что она сама открывается! Так и к хорошему интерфейсу в любимых продуктах легко привыкнуть. А потом заходишь в соседний кондо и носом об стекло… #producteye #producthumor

Чего нам предлагает автоматизировать HubSpot 😀 HubSpot выкатили показательный материал про то, какие куски работы в CRM уже сейчас можно спокойно отдавать AI Список получился оч приземленный: • автоматически логировать звонки, письма и встречи • делать summary после созвона и вытягивать следующий шаги • заполнять и обогащать данные по контакту/компании • запускать follow-up после звонка или заявки • находить дубли • скорить лидов и подсказывать, кого лучше взять в работу первым • собирать саммари пайплайна перед встречей с командой Короче, все неприятное и рутинное отдают иишке Предлагают вообще с одного процесса. Например: созвон закончился - AI сделал summary - обновил CRM - создал задачу на фоллоу ап Насколько я знаю, Amo и Bitrix уже давно внедрили это как фичи, пользуетесь?

с релизом новых моделей меня бывает спрашивают, не волнуюсь ли я за aesty? 🤨 нет, наоборот радуюсь, что рынок растет так что если вы переживаете, что с очередной новой моделькой от openai/google/etc вашему b2c приложению станет плохо, то, пожалуйста, не переживайте. Ваш moat почти точно не в технологии, а в комьюнити, каналах привлечения и ваших супер пользователях, под которых вы затачиваете приложение и маркетинг и число которых скейлите. Это ни одна ллмка не скопирует - а саму технологию кстати можно затащить к себе, чтобы улучшить пользовательский опыт прикрепила прошлогодний пост, который писала на релиз примерки гугла. Как видите никто не умер 💗

Не стоит гадать — Как проверить идею до запуска? — Похоронить ее :) В 1989 году ученые провели эксперимент. Одну группу студентов спросили: «Вы планируете вечеринку. Почему она может провалиться?» Другую поставили перед фактом: «Вы провели вечеринку. Она провалилась. Почему?» Вторая нашла на четверть больше причин. А главное — все они были конкретными. Будущее мы угадываем, прошлое — объясняем. Поэтому не стоит спрашивать клиентов и себя «что может пойти не так?». Больше даст вопрос «вы купили, месяц попользовались и попросили деньги назад. Что произошло?». Так вместо общих слов получите конкретику типа «не подключился к 1С», «результат невозможно показать директору», «старый костыль оказался привычнее». Вывод прост: не пытайтесь угадать будущее, постарайтесь его объяснить :)

Когда бывает в рестике натыкаюсь на косячное обслуживание, с ужасом думаю: как же сложно контролить официантов Тут же начинаю думать, что можно сделать для контроля качества: диктофон повесить, анкету клиенту подкинуть после ужина или смской дослать, админа заставить слушать каждого офика n раз за смену. Всё это нужно сделать элегантно, чтоб клиента не бесить🫠 Все, что первое приходит в голову про прямой контроль. Как будто немного бесчеловечно, да? Помимо страха есть же и позитивная мотивация: чаевые, KPI на % от чека, и казалось бы контроль не понадобится. К сожалению, понадобится. Если рестику повезет, он получит одного официанта с горящими глазами и настоящим интересом к делу. Но на старте контролить придется и такого, как минимум чтоб человек привык, что с него спрашивают Да и дальше тоже. Я вообще не считаю, что официантов можно не контролировать. Контролировать надо всех, просто кого-то чаще, а кого-то реже Косяк стоит бизнесу клиента, который не вернётся, и ещё двух-трёх, которым он расскажет. Умножьте на средний чек и количество смен в месяце у хренового официанта, и вопрос про не бесчеловечно ли вешать диктофон как-то отпадает сам

Amos — очень необычные сладости Пару месяцев назад были с дочкой в магазине, и она попросила купить очень странную конфету. Стоила она 10 евро, десять евро за какой-то чупа-чупс??? Дочка сказала, что это ее давняя мечта. Ок, исполнение мечты за 10 евро, звучит уже не так дорого. Не знаю где она это увидела, но она примерно понимала, что там внутри. Оказалось, внутри играет музыка. А на днях купила её ещё раз, уже с мамой, так как я скорее всего был бы против. Один раз послушать музыку через конфету прикольно, но второй раз? За такую сумму на aliexpress можно плеер купить, а на сдачу пару чупачупсов. Стало интересно, кто вообще это придумал. Оказалось, за леденцом стоит довольно интересная компания . Музыкальная конфета называется TastySounds и использует костную проводимость: вибрации передаются через зубы, и ты слышишь музыку. Берёшь леденец в рот слышишь мызуку, вытаскиваешь тишина, В комплекте еще идут беруши, чтобы никто не мешал. Компания начинала в Китае в 2004 году с команды из четырёх человек. Основатель Amos Ma, он же Ма Эньдо. Его партнёрша и соосновательница Elaine Wu рассказывала, что к 2019 году в компании работало уже 700 человек. В том же интервью она говорила, что кондитерскую индустрию принято считать простой и традиционной, хотя пространства для творчества там хватает. Изначально они делали сладости на заказ для других компаний. Постепенно стали развивать собственный бренд и выходить в крупные зарубежные сети. Одним из поворотных моментов стала поездка основателя с образцами конфет в штаб-квартиру Walmart в США. В итоге китайские сладости попали на полки американского ретейлера. (как обычно дистрибуция решает) Дальше AMOS последовательно развивали идею конфеты, с которой можно поиграть. У них есть мармеладные строительные блоки: сначала что-нибудь собираешь, потом съедаешь. Есть Peelerz мармеладки, с которых можно снимать кожуру, как с настоящего фрукта. Теперь вот леденцы, через которые слушают музыку. Причём они уже выпустили конфету с Bluetooth и зарядкой USB-C. Подключаешь её к телефону и включаешь свою музыку. Масштаб у этого бизнеса тоже интересный. За 2025 год выручка всей группы составила 2,78 млрд юаней (~ $400 млн), а чистая прибыль - 600 млн юаней. За два года выручка выросла в 2,6 раза. Продукция продаётся более чем в 80 странах и регионах, а 77% выручки приходит из-за пределов Китая. В 2026 году компания подала заявку на IPO в Гонконге. Такой вот выросший конфетный стартап. Мне здесь понравилась сама продуктовая идея. В категории, где уже придумали огромное количество вкусов и форм, они добавляют новые способы взаимодействия с продуктом. Конфету можно собирать, чистить, слушать. Сразу появляется повод показать её друзьям или снять видео.

Многие знают про такой инструмент - Obsidian, это гибрид заметочника, личной wiki и базы знаний. Он позволяет вести заметки в виде markdown-текста, то есть их можно редактировать/просматривать где угодно. Можно связывать заметки между собой и строить визуальный граф. Я как-то рисовал оргструктуру IT-отдела прямо в нем. Obsidian силен плагинами, с их помощью можно добавлять базы данных, Kanban-доски, диаграммы и еще тучу всего. Его можно свободно скачать с сайта и пользоваться в личных целях. Подписка понадобится, если нужна синхронизация между устройствами и поддержка. Вот был пост с примером применения Obsidian для "второго мозга". А вот попалась еще альтернатива - Tolaria. Бесплатна и опенсорсна. Заметки могут быть разного типа, цвета и иметь разные иконки, можно создавать представления. Почти Notion, можно сказать. Заточена сразу под интеграцию с ИИ-агентами. Они подключаются через MCP-сервер, читают и пишут заметки, а правки сохраняются в git через встроенного клиента, то есть видно всю историю. Автор пишет, что создал для себя, для управления 10000+ заметок, и пользуется ежедневно. #tools

Недавно разговаривала с парнем, который сейчас ищет работу после сокращения. Он работал Product Manager'ом в energy-стартапе. Европейская компания, довольно консервативная индустрия. Из тех сфер, где обычно кажется, что все эти истории про AI, автоматизацию и сокращения доберутся в последнюю очередь. Но нет. Примерно год назад в компании началась реструктуризация, сильно поменялся топ-менеджмент, и новый фокус был очень понятный: оптимизация расходов и автоматизация всего и вся. И по сути последние полгода до увольнения он занимался тем, что автоматизировал собственную работу. Сейчас, по словам его бывшего руководителя, около 60% того, что раньше делалось руками в компании, уже автоматизировано. После сокращений компания просто перераспределила функции, и теперь один Product Manager делает примерно тот объем работы, который раньше делали трое. И вот это меня почему-то зацепило сильнее, чем все разговоры про то, что «AI скоро кого-то заменит». Потому что это не «скоро», это уже вон полгода назад произошло 🙈🙈🙈 Причем не так, что сегодня есть профессия, а завтра ее нет. Сначала часть задач становится быстрее. Потом часть задач автоматизируется. Потом один человек начинает делать больше. Потом компания смотрит на команду и понимает, что столько людей ей больше не нужно. И сами роли тоже меняются. Product Manager уже давно не только Product Manager. Он и ресерчер, и аналитик, и project manager, и человек, который должен уметь настроить кучу процессов вокруг себя так, чтобы делать больше меньшими ресурсами. И самое интересное, что куда бы этот человек сейчас ни вышел на работу, есть большая вероятность, что через год-полтора он снова будет заниматься примерно тем же самым. Автоматизировать процессы. Убирать ручную работу. Повышать эффективность. И в итоге снова сокращать потребность компании в людях. Мне кажется, вот эта идея «я сейчас найду стабильную работу и дальше спокойно поработаю несколько лет» становится все менее реалистичной. Стабильность сейчас вообще не про сам факт найма. Можно попасть в хорошую компанию, на хороший контракт, на нормальную зарплату, и через год обнаружить, что твоя роль уже выглядит совсем иначе. И что особенно показательно: это уже происходит в европейских компаниях, в Германии, в довольно традиционных индустриях, где, казалось бы, еще должен был быть запас времени. Но никакого особенного запаса нет. Компании продолжают сокращать расходы, укрупнять роли и автоматизировать все, что можно автоматизировать. Вы уже задавали себе вопрос: Что в моей работе через год сможет делать один человек вместо трех, и смогу ли я быть этим человеком? Поделитесь, у вас внутри компаний тоже уже есть такие истории? Когда после автоматизации один человек начинал делать работу двух-трех или какие-то роли просто исчезали?

Мультиагентные команды вместо «одного чатбота» PM больше не «пользуется ИИ», а собирает команду агентов — Chief of Staff, PM-агент и десятки workers в циклах (loop/graph) с верификацией (Grok bot, hermes, openclaw 2.0) Суть: один агент — это ~1% потенциала; ценность появляется, когда агенты декомпозируют работу, передают её друг другу и поднимают человеку только решения. С чего начать: 1. проектировать систему (роли, handoff, verification, где человек утверждает), а не «лучший промпт» 2. Держать продукт-знания в Markdown/Git, а не в JSON/Confluence-простынях 3. Отдельная аналитика: bypass rate, качество ответа, доверие, не только «использовали фичу»

Августовский дайджест краток летом – Йогачара прод(у/а)кта – Никто не понимает как делать продукты – Универсальный примитив в продуктах – 80 продуктовых стратегий – Парадокс продукта – Религия скорости – PoDPR приоритизация – Ошибка измерения продукта – Метрики Систем (система метрик?) – Команда смысла – CPO vs CTO – (Не) всё зависит от тебя – Как развивать свой вкус – Самые важные социальные скиллы – Как не разучиться думать (с ИИ) – Кто ясно мыслит – ясно излагает – Первые Принципы Мышления – Эмерджентность – Тёмные искусства с ИИ – Проектировать UI/UX с и без ИИ – 5 качеств для дизайна ИИ-чатов – 5 просто для хорошего дизайна – 42 принципа дизайна ИИ⇄человек – Принцип антитезиса – Зачем по-настоящему нужны отчёты – Как завершать задачи – Современный продакт-менеджмент основан на поиске границы выносимости: что ещё можно сделать с пользователем, чтобы он продолжал использовать продукт, несмотря на недовольство (с)

Производство упаковки, это такой вид бизнеса, где небольшие, а иногда и совсем крохотные предприятия могут вполне успешно конкурировать с огромными заводами. Всё дело в том, что среди потребителей упаковки есть самые разные заказчики. Крупным заказчикам проще работать с крупными производителями. Средним удобнее сотрудничать со средними. А с совсем мелкими заказчиками никто связываться не любит (поэтому начинающие производители упаковки первым делом идут к ним 🙂) И сегодняшний пост как раз про производство такой упаковки. Она уже давно стала частью нашей культуры, хотя появилась в США, а предназначена для сохранения итальянского наследия. В общем, сегодняшний пост о коробках для пиццы 🙂 (в 2017 году пицца вошла в список культурного наследия ЮНЕСКО) Как и многие другие виды упаковки, привычную нам коробку для пиццы придумали в США. До этого момента пиццу доставляли в самой разной упаковке- бумажных пакетах, коробках из обычного картона и даже медных контейнерах. Владелец пиццерии Domino’s Pizza, которая впоследствии превратилась в одну из крупнейших сетей пиццерий в мире (не в последнюю очередь благодаря удачному решению с коробкой), вместе с компанией Triad Container начал работать над коробкой из гофрокартона для доставки пиццы. После нескольких попыток и модернизации оборудования производителю гофротары наконец удалось получить нужную конструкцию - уже привычную нам коробку с замками и боковыми отверстиями (правильные отверстия в правильных местах нужны для выхода пара. Если его не выпускать, коробка быстро намокнет, потеряет форму и жёсткость) Крупнейший в мире производитель коробок для пиццы - американская компания Rock-Tenn сейчас выпускает около 3 млн коробок в день. Самая большая производственная линия компании имеет длину 142 метра и способна выпускать 400 коробок в минуту. Стоит такая линия несколько миллионов долларов. А простейший плоскопрокатный валковый пресс, на котором можно производить коробки для пиццы, стоит от 300 000 рублей. Причём качество готовой коробки будет вполне сопоставимым с качеством от крупного производителя. Потому что качество упаковки в основном определяется не стоимостью станка, а качеством картона. Поэтому я уверен, что и у нас в стране, и где-нибудь в американской глубинке есть небольшие производители, которые совершенно спокойно конкурируют с огромными предприятиями полного цикла вроде Rock-Tenn и развозят свои коробки по местным пиццериям. А вот у нас в Туле есть предприятие, которое производит пакеты, помогающие донести коробку с пиццей до дома в целости и сохранности. Изобретатель этого пакета и владелец предприятия Роман иногда заходит в чат этого канала. Так что, если кому-то интересно, могу дать его контакт. А если вам интересна история коробки для пиццы более подробно, её можно прочитать вот здесь. Кстати, автор статьи пишет, что даже у Apple есть патент на коробку для пиццы, которую используют в знаменитом офисе компании в Купертино. А следующий пост будет ещё об одном «незаметном бизнесе» Я был уверен, что китайские производители давно захватили эту нишу по всему миру. Но нет. Эту продукцию производят и у нас в стране. Причём в далёкой российской глубинке. Технология производства не очень сложная, но продукция настолько специфическая, что я снимаю шляпу перед владельцем этого предприятия. Думаю, что вам тоже будет интересно. Не переключайтесь Незаметный бизнес

/Что прикольного я навайбкодила сегодня 🤓/ Я редко рассказываю здесь, что конкретно делаю для компаний, с которыми работаю. Но какие-то крошки полезного могу и хочу приносить. Например, последнюю неделю я вайбкодила довольно прикольную штукенцию. У клиента (еком) огромный каталог - десятки тысяч sku. И понятно, что ни один менеджер физически не может помнить весь ассортимент, все аналоги и быстро сообразить: «ага, вот на этой фотке что-то похожее на наш артикул №14852». Поэтому мы делаем ИИ-шку, которой можно просто скормить фотографию предмета [любую, хоть снятую на телефон где-то в жизни], и попросить найти максимально похожее в нашем каталоге. При этом у ИИ-шки есть актуальная база знаний про ассортимент: что мы вообще продаем, что есть в наличии, сколько стоит и так далее. А дальше я собрала ей примерно такой алгоритм: 💗 1. Сначала она смотрит на фотографию и несколькими словами и синонимами описывает, что вообще на ней видит. Так мы из десятков тысяч товаров сразу сужаем поиск до нужной категории. 💗2. Вторым шагом внутри выбранной категории она находит до 100 наиболее похожих товаров по текстовому описанию и характеристикам и подтягивает их фотографии. 💗3. И только после этого скаченные 100 фотографий подробно сравнивает визуально с исходной фотографией и выбирает топ-5 самых похожих товаров. Визуально все обернуто в сайт, естественно, а под капотом по апи ключу она ходит за мои токены думать. В итоге через пару десятков секунд мы получаем готовую подборку аналогов из нашего реального каталога, с актуальными ценами и наличием. А, еще важно, что на первом этапе мы, конечно, не отдаем ии всем пользователям - сначала надо сделать так, чтобы эти рекомендации видели знающие люди (менеджеры) и по каждой предложенной позиции дали свой фидбек - на это тоже настроен сайт и сбор данных в базу - хорошо ли нейросеть подобрала аналог, или нет - так мы дообучим модель (доуточним промпт на самом деле) и еще повысим качество. Рубрика #яжпродакт - выпуск про то, как иногда весело быть не только рассуждающим о высоком консультантом, но и делающим руками!

Кради как художник, выкатывай быстро как Anthropic, прорабатывай детали как Apple. В одном моем сервисе слабый ретеншен. Около 15% доживает до конца третьего месяца. Это плохо, хочется больше раза в 3. Приток трафика сравнялся с оттоком. Поэтому выручка вышла на плато ~$4k Начал ресерчить, как удержать людей еще дольше, если они уже 2-3 месяца попользовались. Сделал ресерч. Искал решения, у которых самых долгий LTV и супер высокий ретеншен. Хотя бы 60% на горизонте 6 месяцев. Причем в список брал сервисы не AI-powered, а только Data-driven. Собрал списочек из 14. Разложил их на самые ценные фичи, за которые платят. Отобрал 3 опции, которые легко вшиваются ко мне в сервис и вполне релевантны по тематике. Взял самое «липкое». То, на что если подсел, потом не слезть из-за FOMO или удобства. Сделали ручную рассылку по старым юзерам, кто отвалился или просто пользуется без постоянной подписки. 5 из 15 сразу же купило. Остальные 10 не поняли прикола. Задавали вопросы по которым ясно, что не понимают ценность. Пошли дорабатывать выгоду на лэндосе и демку. Посмотрим что из этого выйдет через пару месяцев. И почему я раньше так глубоко не задумывался над фичами в разрезе их миссии?! За какие-то опции покупаются, а за какие-то продлевают подписку.

Amazon масштабирует доставку дронами Будущее наступает на Земле неравномерно. Кажется, что Amazon уже не просто делает доставку дронами для красивого пиара, а всерьез считает это направление перспективным. К концу года Prine Air будет работать в более 500 городах США. Если смотреть на Prime Air как на продукт, это классическая история сложного технологичного сервиса — между первым публичным обещанием и реальным масштабированием прошло больше 12 лет. В 2013 Джефф Безос впервые публично показал Prime Air. Идея уже тогда была почти такой же, как сегодня: небольшие автономные электрические дроны забирают посылку из Amazon и доставляют её клиенту примерно за 30 минут. Прототип был обычнее современных аппаратов — octocopter. Amazon говорил о грузах до 5 lb (~2,3 кг); по словам Безоса, под этот лимит тогда попадало около 86% отправляемых Amazon товаров. 2016 — первый коммерчески похожий пилот Amazon запустил не в США, а в Кэмбридже, в Великобритании. В декабре 2016 года Prime Air сделал первую доставку реальному клиенту в рамках закрытого тестирования. Заказ состоял из Fire TV Stick и пакета попкорна, а от нажатия кнопки купить до доставки прошло всего 13 минут. Полёт был автономным. По сути, схема первого пилота была очень простой: маленький локальный склад → сельская/пригородная зона рядом → один лёгкий заказ → автономный дрон → посадка/сброс на участке клиента. Низкая плотность застройки, частные дома и достаточно свободного пространства вокруг них — Amazon сначала убрал почти все сложные условия городской доставки. А кто говорил, что MVP должен работать в сложных условиях? После этого развитие было довольно медленным. 2017–2020 — Amazon перебрал более двух десятков конструкций дрона: от классических multicopter до гибридов, которые взлетают вертикально, а затем летят как самолёт. Ключевой проблемой становилась уже не способность донести коробку, а автономное обнаружение людей, деревьев, проводов, машин и других объектов. Итогом стало получение сертификата на полёты на территории США. Ещё 5 лет ушло на оптимизацию моделей дронов и усовершенствование системы навигации. Сначала дронам нужен был специальный QR код на лужайке, чтобы не промахнуться с доставкой. Сейчас они ориентируются по картам и компьютерному зрению. Параллельно Amazon внедрял новый способ доставки в свои сервисы — и для клиентов, и для складов. Теперь Amazon, похоже, считает, что наконец решил три самые тяжёлые задачи одновременно: технологии, регуляторику и интеграцию продукта в свою экосистему. Пора начинать зарабатывать! На заметку для продактам: Prime Air сразу решал задачу «хочу получить определенный товар прямо сейчас», а не «мы хотим доставлять дронами любые товары для клиентов Anazon». Чем не пример правильного позиционирования и последовательной работы для решения одной понятной задачи с потенциальной аудиторией в сотни миллионов клиентов? 😉 #marketplaces #producteye