80% функций вашего продукта почти никто не открывает
Pendo разобрал 615 продуктов: 12% фич дают 80% ежедневного использования. При этом, в эксперименте University of Virginia около 60% участников вообще не рассмотрели вариант «убрать», хотя убрать было дешевле, чем добавить новый функционал.
Нам постоянно кажется, что для того, чтобы достигать чего-то, надо добавлять. Для руководителя это значит, что список на удаление не появится сам. Его надо заводить отдельным артефактом, наравне с роадмапом.
Кстати, похожую мысль читал у Оскара Хартманна в «Просто делай! Делай просто!». Если не получается чего-то достичь, анализировать, что в нас лишнее и мешает.
#продукт #метод
Pendo разобрал 615 продуктов: 12% фич дают 80% ежедневного использования. При этом, в эксперименте University of Virginia около 60% участников вообще не рассмотрели вариант «убрать», хотя убрать было дешевле, чем добавить новый функционал.
Нам постоянно кажется, что для того, чтобы достигать чего-то, надо добавлять. Для руководителя это значит, что список на удаление не появится сам. Его надо заводить отдельным артефактом, наравне с роадмапом.
Кстати, похожую мысль читал у Оскара Хартманна в «Просто делай! Делай просто!». Если не получается чего-то достичь, анализировать, что в нас лишнее и мешает.
#продукт #метод
Никто не врёт про дедлайны — просто никто не смотрит
На канбан-доске все задачи «в работе» выглядят одинаково — и задача, которая реально движется, и та, что вторую неделю «подвисла» между отделами.
Метод, который недавно разбирал LeadDev у себя в блоге, занимает 15 минут. Возьмите одну задачу — свежую, не важно какую — и пройдите с ней весь путь от старта до финиша. На каждом шаге засекайте: сколько времени над задачей фактически работали, сколько просто она лежала и ждала следующего исполнителя.
Почти всегда окажется, что сама работа — это меньшая часть времени. Остальное — ожидание, пока следующий человек возьмёт задачу.
Первый шаг: сделайте это с одной задачей сегодня, до конца дня. Для начала не надо анализировать процесс целиком. Дальше сами увидите, где теряется время. И разговор с командой пойдёт не «кто виноват», а «вот здесь дыра, что делаем».
Скоро запускаю мастермайнд по управлению — про то, как разгребать операционный хаос. Будем разбирать там подобные вопросы.
#процессы #команда
На канбан-доске все задачи «в работе» выглядят одинаково — и задача, которая реально движется, и та, что вторую неделю «подвисла» между отделами.
Метод, который недавно разбирал LeadDev у себя в блоге, занимает 15 минут. Возьмите одну задачу — свежую, не важно какую — и пройдите с ней весь путь от старта до финиша. На каждом шаге засекайте: сколько времени над задачей фактически работали, сколько просто она лежала и ждала следующего исполнителя.
Почти всегда окажется, что сама работа — это меньшая часть времени. Остальное — ожидание, пока следующий человек возьмёт задачу.
Первый шаг: сделайте это с одной задачей сегодня, до конца дня. Для начала не надо анализировать процесс целиком. Дальше сами увидите, где теряется время. И разговор с командой пойдёт не «кто виноват», а «вот здесь дыра, что делаем».
Скоро запускаю мастермайнд по управлению — про то, как разгребать операционный хаос. Будем разбирать там подобные вопросы.
#процессы #команда
Типовая работа дешевеет — экспертная дорожает
Colin Gardiner свёл отчётность двух бирж за первый квартал 2026-го. У Upwork выручка от AI-услуг выросла больше чем на 40% год к году, но годовой прогноз срезан примерно на $67 млн, а штат сокращён на 24%. У Fiverr активных покупателей стало меньше почти на 18%, зато каждый оставшийся тратит на 15% больше.
Ощущение, что спрос никуда не делся, а переехал с типовых задач на экспертные. Тот же сдвиг ждёт любую функцию внутри компании, где работа описана инструкцией.
#команда #ИИ_в_управлении
Colin Gardiner свёл отчётность двух бирж за первый квартал 2026-го. У Upwork выручка от AI-услуг выросла больше чем на 40% год к году, но годовой прогноз срезан примерно на $67 млн, а штат сокращён на 24%. У Fiverr активных покупателей стало меньше почти на 18%, зато каждый оставшийся тратит на 15% больше.
Ощущение, что спрос никуда не делся, а переехал с типовых задач на экспертные. Тот же сдвиг ждёт любую функцию внутри компании, где работа описана инструкцией.
#команда #ИИ_в_управлении
50% вместо 80% — вот настоящая маржа вашей AI-фичи
Классический SaaS-продукт держит валовую маржу 70–80%+. Это часто берут в качестве бенчмарка — на него ориентируются, защищая бюджеты перед советом директоров или считая юнит-экономику новой фичи.
С AI-фичами это не работает. Кайл Пойар (Growth Unhinged) недавно разбирал опрос 230 B2B SaaS- и AI-компаний: медианная целевая маржа для AI-продуктов — около 50%. Причина — каждый ответ ИИ клиенту стоит вам денег: чем больше он пользуется фичей, тем больше вы платите за вычисления под капотом. У классического софта всё наоборот: себестоимость нового пользователя стремится к нулю.
Только 12% компаний из опроса рассчитывают удержать привычные 80%+. Большинство закладывает вдвое меньшую маржу заранее. Не потому, что плохо считают, а потому, что архитектура AI-продукта устроена иначе.
Если считаете unit-экономику AI-фичи по модели классического SaaS — рискуете защищать на борде цифры, которые не переживут первую же проверку по факту. Считайте юнит-экономику AI-фичей отдельно от остального продукта, с целевой маржой ближе к 50%, не к 80%.
#b2b #продукт
Классический SaaS-продукт держит валовую маржу 70–80%+. Это часто берут в качестве бенчмарка — на него ориентируются, защищая бюджеты перед советом директоров или считая юнит-экономику новой фичи.
С AI-фичами это не работает. Кайл Пойар (Growth Unhinged) недавно разбирал опрос 230 B2B SaaS- и AI-компаний: медианная целевая маржа для AI-продуктов — около 50%. Причина — каждый ответ ИИ клиенту стоит вам денег: чем больше он пользуется фичей, тем больше вы платите за вычисления под капотом. У классического софта всё наоборот: себестоимость нового пользователя стремится к нулю.
Только 12% компаний из опроса рассчитывают удержать привычные 80%+. Большинство закладывает вдвое меньшую маржу заранее. Не потому, что плохо считают, а потому, что архитектура AI-продукта устроена иначе.
Если считаете unit-экономику AI-фичи по модели классического SaaS — рискуете защищать на борде цифры, которые не переживут первую же проверку по факту. Считайте юнит-экономику AI-фичей отдельно от остального продукта, с целевой маржой ближе к 50%, не к 80%.
#b2b #продукт
Сделка зависла не потому, что она маленькая
Klaus Peine из Umbrex разбирает частую причину зависших b2b-сделок: продавец ведёт переговоры с одним человеком у клиента, а решение по факту принимают ещё четверо: закупщик, инженер, финансист, руководитель проекта. Их нет в CRM, поэтому сделка виснет на согласовании, а продавец не понимает почему: его единственный контакт вроде бы «за».
Проверка на ваших сделках: возьмите три зависшие и по каждой назовите поимённо всех, кто может одобрить или заблокировать её. Помню, когда я работал в Kaiten, мы с CCO регулярно мучили этим вопросом сейлзов на пайпревью (простите парни, это была наша работа).
#продажи #b2b
Klaus Peine из Umbrex разбирает частую причину зависших b2b-сделок: продавец ведёт переговоры с одним человеком у клиента, а решение по факту принимают ещё четверо: закупщик, инженер, финансист, руководитель проекта. Их нет в CRM, поэтому сделка виснет на согласовании, а продавец не понимает почему: его единственный контакт вроде бы «за».
Проверка на ваших сделках: возьмите три зависшие и по каждой назовите поимённо всех, кто может одобрить или заблокировать её. Помню, когда я работал в Kaiten, мы с CCO регулярно мучили этим вопросом сейлзов на пайпревью (простите парни, это была наша работа).
#продажи #b2b
Вас цитируют нейросети, а трафика нет
Может показаться, что AEO (Answer Engine Optimization) — оптимизация под ответы ChatGPT, Perplexity и им подобных — это просто следующая версия SEO: та же игра, только под ответы языковых моделей вместо позиций в выдаче поисковика. Типовая ошибка, которая может привести к трате бюджета.
SEO — понятная механика: позиция на странице, клик, трафик. Побеждает тактика — контент, ссылки. Небольшой бренд вполне может обойти крупного конкурента, если точнее работает с ключевыми словами и структурой страницы. Метрики стабильны, воспроизводимы, легко ставятся исполнителю в KPI.
AEO устроена принципиально иначе. Позиций не существует — ответ модели собирается из разных источников под конкретный промпт, поверхность видимости практически бесконечна. Можно быть процитированным и не получить ни одной сессии на сайт. И главное — AEO работает, только если у бренда уже есть репутация: узнаваемость, сторонние упоминания.
Правильный вопрос звучит не «как оптимизировать под AEO», а кто в компании должен за это отвечать. SEO — прямой трафик, его поручают исполнителю с понятными метриками. AEO строится на репутации бренда целиком. Курировать её должен тот, кто отвечает за бренд компании как таковой — и мерить не сессиями, а долей цитирований.
#продажи
Может показаться, что AEO (Answer Engine Optimization) — оптимизация под ответы ChatGPT, Perplexity и им подобных — это просто следующая версия SEO: та же игра, только под ответы языковых моделей вместо позиций в выдаче поисковика. Типовая ошибка, которая может привести к трате бюджета.
SEO — понятная механика: позиция на странице, клик, трафик. Побеждает тактика — контент, ссылки. Небольшой бренд вполне может обойти крупного конкурента, если точнее работает с ключевыми словами и структурой страницы. Метрики стабильны, воспроизводимы, легко ставятся исполнителю в KPI.
AEO устроена принципиально иначе. Позиций не существует — ответ модели собирается из разных источников под конкретный промпт, поверхность видимости практически бесконечна. Можно быть процитированным и не получить ни одной сессии на сайт. И главное — AEO работает, только если у бренда уже есть репутация: узнаваемость, сторонние упоминания.
Правильный вопрос звучит не «как оптимизировать под AEO», а кто в компании должен за это отвечать. SEO — прямой трафик, его поручают исполнителю с понятными метриками. AEO строится на репутации бренда целиком. Курировать её должен тот, кто отвечает за бренд компании как таковой — и мерить не сессиями, а долей цитирований.
#продажи
У метрики уже есть данные — у неё нет хозяина
Ещё один штрих к утреннему посту про AEO: Backlinko приводит цифру, которая говорит о том же. По данным GoodFirms за 2026 год, 89% брендов уже попадают в ответы ИИ-систем, но лишь 14% из них хоть как-то это считают. Обычная аналитика упоминание без клика не видит.
То есть метрика есть, а владельца у неё нет. Ровно та ситуация, в которой через год кто-то придёт с вопросом «почему мы это пропустили».
#продажи #процессы
Ещё один штрих к утреннему посту про AEO: Backlinko приводит цифру, которая говорит о том же. По данным GoodFirms за 2026 год, 89% брендов уже попадают в ответы ИИ-систем, но лишь 14% из них хоть как-то это считают. Обычная аналитика упоминание без клика не видит.
То есть метрика есть, а владельца у неё нет. Ровно та ситуация, в которой через год кто-то придёт с вопросом «почему мы это пропустили».
#продажи #процессы
Wayk снял ролики на телефон — и получил 25 млн просмотров
Будильник Wayk выключается, только если ты отжался или сфотографировал небо. Дурацкая идея, которая сработала, — 25 млн просмотров, 100 тысяч установок за 30 дней.
Секрет не в самой идее, а в том, как её проверяли. Первые ролики основатель снял сам на телефон — без бюджета, без агентства, без сценария. Просто проверял: цепляет вообще или нет. Только когда это сработало органически, отдал формат тиражировать профессионалам.
Тот же принцип применили у истоков Dropbox. Прежде чем писать код, Дрю Хьюстон в 2007 году записал трёхминутное видео, просто показал, как сервис должен работать. Ролик выложили на Hacker News и Digg, и лист ожидания за один день вырос с 5 тысяч до 75 тысяч человек. Компании тогда ещё не существовало — существовал только спрос, который видео помогло измерить.
Большинство делает наоборот: сразу нанимает агентство или покупает рекламу — и только потом узнаёт, что идея не заходит.
Первый шаг, если у вас есть идея, которую страшно проверять: снимите её сами на телефон сегодня, без бюджета. Не идеально — просто снимите. Ответ узнаете за неделю, а не за месяц согласований с агентством.
Типовая проблема: видел её сам, когда работал в стартапах, вижу теперь в роли бизнес-трекера. Собственники тратят бюджет до того, как проверили спрос. На трекинге с этого обычно и начинаем — с проверки наличия спроса.
#продукт #опыт
Будильник Wayk выключается, только если ты отжался или сфотографировал небо. Дурацкая идея, которая сработала, — 25 млн просмотров, 100 тысяч установок за 30 дней.
Секрет не в самой идее, а в том, как её проверяли. Первые ролики основатель снял сам на телефон — без бюджета, без агентства, без сценария. Просто проверял: цепляет вообще или нет. Только когда это сработало органически, отдал формат тиражировать профессионалам.
Тот же принцип применили у истоков Dropbox. Прежде чем писать код, Дрю Хьюстон в 2007 году записал трёхминутное видео, просто показал, как сервис должен работать. Ролик выложили на Hacker News и Digg, и лист ожидания за один день вырос с 5 тысяч до 75 тысяч человек. Компании тогда ещё не существовало — существовал только спрос, который видео помогло измерить.
Большинство делает наоборот: сразу нанимает агентство или покупает рекламу — и только потом узнаёт, что идея не заходит.
Первый шаг, если у вас есть идея, которую страшно проверять: снимите её сами на телефон сегодня, без бюджета. Не идеально — просто снимите. Ответ узнаете за неделю, а не за месяц согласований с агентством.
Типовая проблема: видел её сам, когда работал в стартапах, вижу теперь в роли бизнес-трекера. Собственники тратят бюджет до того, как проверили спрос. На трекинге с этого обычно и начинаем — с проверки наличия спроса.
#продукт #опыт
Дайджест недели: Claude, 71% менеджеров и инженеры, которые снова пишут код
Раз в неделю собираю то, что зацепило из прочитанного. Сегодня пять находок из разных источников, друг друга не читавших, оказались об одном и том же. Кто в компании реально делает работу, кто за неё платит, кто задаёт направление. Границы, которые вроде были незыблемыми, вдруг поехали везде разом.
LeadDev (медиа для инженерных лидеров) пишет: инженерные менеджеры возвращаются в код — доля тех, кто пишет лично, выросла с 20% до 35% за год. У CTO ещё выше — 44%. AI снизил порог входа настолько, что руководителю снова дешевле написать самому, чем объяснять. Эксперты предупреждают об обратной стороне: код не должен вытеснять главную работу руководителя — определение видения и работа с командой. Я регулярно говорю о том же: работа руководителя — производить результат руками сотрудников, а не стоять рядом с киркой.
Claude стал реальным конкурентом части SaaS-продуктов, в смысле прямым заменителем для части задач. Заметил это Кайл Пойар (партнёр OpenView, ведёт Growth Unhinged): из 50 крупных приложений только 12 вообще упоминают Claude на сайте. Успешные пока называют себя «дополнением» — признать в нём конкурента вслух пока страшно, и это временная стратегия.
71% опрошенных, включая менеджеров, хотят тратить минимум половину времени на исполнительскую работу руками, а не только на управление. Цифра — из свежего опроса Elena Verna, экс-Head of Growth в Amplitude и Miro. Из тех, кто ушёл из менеджеров в исполнители, больше 75% не хотят обратно. Карьерная лестница «расти — значит управлять людьми» перестаёт быть единственной. Кхе-кхе, посмотрим, что будет дальше, на мой взгляд, здесь скорее просвечивается проблема с пониманием роли менеджера в команде.
Три сигнала, что пора переходить с подписки на оплату по факту использования, называет CJ Gustafson (экс-CFO, ведёт Mostly Metrics). Растёт переменная себестоимость на клиента, растёт разрыв между мелким и крупным, и ежеквартально проседает маржа без объяснения через штат поддержки. Модель оплаты — тоже вопрос о том, кто несёт риск.
И последнее — про то, кто задаёт направление движения бизнеса. Lenny's Newsletter разбирает три архетипа «почему» фаундера. Problem — решал свою боль. Insight — увидел то, чего не видели другие. Vision — представил лучший мир. Это применимо не только к фаундерам, но и к любому лидеру, который «продаёт» команде видение.
Пять разных индустрий, один и тот же вопрос: чья теперь эта работа, чей бюджет, чьё решение.
#мысльнавыходных #опыт #ИИ_в_управлении
Раз в неделю собираю то, что зацепило из прочитанного. Сегодня пять находок из разных источников, друг друга не читавших, оказались об одном и том же. Кто в компании реально делает работу, кто за неё платит, кто задаёт направление. Границы, которые вроде были незыблемыми, вдруг поехали везде разом.
LeadDev (медиа для инженерных лидеров) пишет: инженерные менеджеры возвращаются в код — доля тех, кто пишет лично, выросла с 20% до 35% за год. У CTO ещё выше — 44%. AI снизил порог входа настолько, что руководителю снова дешевле написать самому, чем объяснять. Эксперты предупреждают об обратной стороне: код не должен вытеснять главную работу руководителя — определение видения и работа с командой. Я регулярно говорю о том же: работа руководителя — производить результат руками сотрудников, а не стоять рядом с киркой.
Claude стал реальным конкурентом части SaaS-продуктов, в смысле прямым заменителем для части задач. Заметил это Кайл Пойар (партнёр OpenView, ведёт Growth Unhinged): из 50 крупных приложений только 12 вообще упоминают Claude на сайте. Успешные пока называют себя «дополнением» — признать в нём конкурента вслух пока страшно, и это временная стратегия.
71% опрошенных, включая менеджеров, хотят тратить минимум половину времени на исполнительскую работу руками, а не только на управление. Цифра — из свежего опроса Elena Verna, экс-Head of Growth в Amplitude и Miro. Из тех, кто ушёл из менеджеров в исполнители, больше 75% не хотят обратно. Карьерная лестница «расти — значит управлять людьми» перестаёт быть единственной. Кхе-кхе, посмотрим, что будет дальше, на мой взгляд, здесь скорее просвечивается проблема с пониманием роли менеджера в команде.
Три сигнала, что пора переходить с подписки на оплату по факту использования, называет CJ Gustafson (экс-CFO, ведёт Mostly Metrics). Растёт переменная себестоимость на клиента, растёт разрыв между мелким и крупным, и ежеквартально проседает маржа без объяснения через штат поддержки. Модель оплаты — тоже вопрос о том, кто несёт риск.
И последнее — про то, кто задаёт направление движения бизнеса. Lenny's Newsletter разбирает три архетипа «почему» фаундера. Problem — решал свою боль. Insight — увидел то, чего не видели другие. Vision — представил лучший мир. Это применимо не только к фаундерам, но и к любому лидеру, который «продаёт» команде видение.
Пять разных индустрий, один и тот же вопрос: чья теперь эта работа, чей бюджет, чьё решение.
#мысльнавыходных #опыт #ИИ_в_управлении
ИИ написал гладкое предложение — выполнить его было некому
Коммерческое предложение звучало убедительно: чёткие сроки, разумная цена, понятный объём работ. На практике оказалось — КП невыполнимое. Узнал отдел продаж об этом от самого клиента, а не от команды, которая должна была это делать.
Случай разобрал Kent McDonald (InsideProduct): черновик написал ИИ, а решение «отправлять или нет» принимал... тоже он. В результате суждение исчезло из процесса вместе с черновиком. В EPOCH-скоринге, которым обычно оцениваю задачи под делегирование ИИ, есть параметр O — Opinion, Judgment and Ethics: нужна ли оценка человеком при неполных данных. Если да — это зона «только человек» или «коллаборация», не «автоматизация».
Снизить этот риск поможет чек-лист из пяти вопросов перед отправкой клиенту: что это меняет для клиента, какого контекста не хватает, какие есть варианты кроме «отправить как есть», какой следующий шаг, кто должен увидеть это до отправки.
С чего начать: возьмите любой черновик, который ИИ написал вам на этой неделе, и прогоните через эти пять вопросов, прежде чем отправлять клиенту. Три минуты — и видно, где решение принимали не вы.
#метод #продукт #ИИ_в_управлении
Коммерческое предложение звучало убедительно: чёткие сроки, разумная цена, понятный объём работ. На практике оказалось — КП невыполнимое. Узнал отдел продаж об этом от самого клиента, а не от команды, которая должна была это делать.
Случай разобрал Kent McDonald (InsideProduct): черновик написал ИИ, а решение «отправлять или нет» принимал... тоже он. В результате суждение исчезло из процесса вместе с черновиком. В EPOCH-скоринге, которым обычно оцениваю задачи под делегирование ИИ, есть параметр O — Opinion, Judgment and Ethics: нужна ли оценка человеком при неполных данных. Если да — это зона «только человек» или «коллаборация», не «автоматизация».
Снизить этот риск поможет чек-лист из пяти вопросов перед отправкой клиенту: что это меняет для клиента, какого контекста не хватает, какие есть варианты кроме «отправить как есть», какой следующий шаг, кто должен увидеть это до отправки.
С чего начать: возьмите любой черновик, который ИИ написал вам на этой неделе, и прогоните через эти пять вопросов, прежде чем отправлять клиенту. Три минуты — и видно, где решение принимали не вы.
#метод #продукт #ИИ_в_управлении
50% маржи — это про AI-фичу. 80% — про остальной бизнес.
На совете директоров рано или поздно спросят:«Где деньги, Зин?» «А почему у вас маржа не 80%, как у нормального SaaS?» — если в компании есть и зрелый продукт, и новая AI-фича.
Ответ звучит слабо, если два бенчмарка не разделены между собой. Benchmarkit посмотрели на реальную отчётность софтверных компаний: медианная валовая маржа держится на уровне 80%+ уже четвёртый год подряд, расходы на ИИ-инфраструктуру пока не просадили эту медиану. Это не противоречит тому, что маржа новой AI-фичи внутри продукта обычно ближе к 50%, — просто это два разных числа про две разные вещи.
Смешивать их — верный способ выглядеть некомпетентным перед советом директоров: либо занизить ожидания от зрелого продукта, либо выставить нереалистичную цель новой фиче. Считайте раздельно, разными бенчмарками — старое сравнивайте со старым, новое с новым.
#b2b #метод
На совете директоров рано или поздно спросят:
Ответ звучит слабо, если два бенчмарка не разделены между собой. Benchmarkit посмотрели на реальную отчётность софтверных компаний: медианная валовая маржа держится на уровне 80%+ уже четвёртый год подряд, расходы на ИИ-инфраструктуру пока не просадили эту медиану. Это не противоречит тому, что маржа новой AI-фичи внутри продукта обычно ближе к 50%, — просто это два разных числа про две разные вещи.
Смешивать их — верный способ выглядеть некомпетентным перед советом директоров: либо занизить ожидания от зрелого продукта, либо выставить нереалистичную цель новой фиче. Считайте раздельно, разными бенчмарками — старое сравнивайте со старым, новое с новым.
#b2b #метод
Бэклог может менять стратегию, а не только исполнять её
Роман Пихлер обновил модель vision→strategy→roadmap→backlog: связь должна работать в обе стороны: крупные находки на уровне бэклога меняют роадмап, нереалистичные цели в роадмапе меняют саму стратегию. Если бэклог у вас никогда не меняет стратегию — скорее всего, в компании отсутствует обратная связь между уровнями иерархии.
#продукт #метод
Роман Пихлер обновил модель vision→strategy→roadmap→backlog: связь должна работать в обе стороны: крупные находки на уровне бэклога меняют роадмап, нереалистичные цели в роадмапе меняют саму стратегию. Если бэклог у вас никогда не меняет стратегию — скорее всего, в компании отсутствует обратная связь между уровнями иерархии.
#продукт #метод
Больше кода — меньше пользы
Графики на дашбордах выглядят отлично: больше кода, больше pull request'ов за спринт. Ощущение, что команда наконец разогналась. Akshat Divekar (Meta) в LeadDev показывает обратную сторону: по DORA 2025 пропускная способность (throughput) действительно растёт, а стабильность поставки одновременно падает.
Как ни странно, дело не в качестве кода. ИИ работает как усилитель: увеличивает и сильные, и слабые места существующего процесса. Если поставка хромала и без ИИ, ускорение делает это только заметнее.
Смотрите отдельно три слоя: объём (что произведено), доставка (стабильность релизов), ценность (что дошло до пользователя). Рост первого не гарантирует рост второго и тем более третьего.
#процессы #команда
Графики на дашбордах выглядят отлично: больше кода, больше pull request'ов за спринт. Ощущение, что команда наконец разогналась. Akshat Divekar (Meta) в LeadDev показывает обратную сторону: по DORA 2025 пропускная способность (throughput) действительно растёт, а стабильность поставки одновременно падает.
Как ни странно, дело не в качестве кода. ИИ работает как усилитель: увеличивает и сильные, и слабые места существующего процесса. Если поставка хромала и без ИИ, ускорение делает это только заметнее.
Смотрите отдельно три слоя: объём (что произведено), доставка (стабильность релизов), ценность (что дошло до пользователя). Рост первого не гарантирует рост второго и тем более третьего.
#процессы #команда
Пилот вскрыл то, что пропустил чек-лист готовности
Мей-Лин, CPO из разбора Umbrex, была уверена, что организация готова к GenAI-пилоту: чек-листы пройдены. Пилот вскрыл то, что чек-листы не видят: задвоенные коды поставщиков, ушедшего сотрудника, который один понимал старую систему маппинга, и данные без хозяина. Готовность сложно оценить заранее и полностью запланировать. Пилотное внедрение — это единственный реальный способ для организации.
#b2b #метод
Мей-Лин, CPO из разбора Umbrex, была уверена, что организация готова к GenAI-пилоту: чек-листы пройдены. Пилот вскрыл то, что чек-листы не видят: задвоенные коды поставщиков, ушедшего сотрудника, который один понимал старую систему маппинга, и данные без хозяина. Готовность сложно оценить заранее и полностью запланировать. Пилотное внедрение — это единственный реальный способ для организации.
#b2b #метод
Скоро в штате появится инженер, который проверяет не код, а ИИ
Через пару лет в вакансиях начнёт попадаться должность «инженер по надёжности ИИ-агентов» — по аналогии с SRE (инженером, который следит за надёжностью систем и первым реагирует на сбои), только объект внимания не сервис, а решения, которые принял агент. Isaac Sacolick (StarCIO) уже описывает эту роль: проверять не код, а логику действий агента, искать корневую причину, если тот ошибся не как человек, а по неверно спроектированному сценарию или промпту.
Родится эта роль не из моды на новые должности, а из разрыва, который уже видно в цифрах. Barry O'Reilly опросил больше 5000 руководителей: 61% сами назвали себя новичками в ИИ, экспертами — только 4%. Constellation Research — про обратную сторону того же разрыва: 85% лидеров считают адаптивность критичной, но лишь 7% верят, что их компания реально помогает людям расти, а опытных сотрудников при этом теряют быстрее, чем нанимают новых под ИИ-навыки.
Проблема не в том, кто умеет пользоваться ИИ, — с этим справляются почти все. Проблема в том, кто способен вовремя обнаружить его ошибки. Эта компетенция не идёт в комплекте с покупкой доступа к API или установкой Qwen на сервер. И уходит первой — вместе с самыми опытными людьми.
Снижает этот риск не запрет и не тотальный контроль, а структурный подход к тому, что и как вообще делегировать ИИ, а что оставлять человеку. Методологию делегирования задач ИИ я уже собрал и разбирал на митапе (RuTube, YouTube, Слайды) — она в открытом доступе, если есть вопросы, пишите в личку.
Скоро старт мастермайнда по управлению — там в том числе обсудим про контроль за ИИ-решениями в команде и как правильно ему делегировать задачи.
#ИИ_в_управлении #команда
Через пару лет в вакансиях начнёт попадаться должность «инженер по надёжности ИИ-агентов» — по аналогии с SRE (инженером, который следит за надёжностью систем и первым реагирует на сбои), только объект внимания не сервис, а решения, которые принял агент. Isaac Sacolick (StarCIO) уже описывает эту роль: проверять не код, а логику действий агента, искать корневую причину, если тот ошибся не как человек, а по неверно спроектированному сценарию или промпту.
Родится эта роль не из моды на новые должности, а из разрыва, который уже видно в цифрах. Barry O'Reilly опросил больше 5000 руководителей: 61% сами назвали себя новичками в ИИ, экспертами — только 4%. Constellation Research — про обратную сторону того же разрыва: 85% лидеров считают адаптивность критичной, но лишь 7% верят, что их компания реально помогает людям расти, а опытных сотрудников при этом теряют быстрее, чем нанимают новых под ИИ-навыки.
Проблема не в том, кто умеет пользоваться ИИ, — с этим справляются почти все. Проблема в том, кто способен вовремя обнаружить его ошибки. Эта компетенция не идёт в комплекте с покупкой доступа к API или установкой Qwen на сервер. И уходит первой — вместе с самыми опытными людьми.
Снижает этот риск не запрет и не тотальный контроль, а структурный подход к тому, что и как вообще делегировать ИИ, а что оставлять человеку. Методологию делегирования задач ИИ я уже собрал и разбирал на митапе (RuTube, YouTube, Слайды) — она в открытом доступе, если есть вопросы, пишите в личку.
Скоро старт мастермайнда по управлению — там в том числе обсудим про контроль за ИИ-решениями в команде и как правильно ему делегировать задачи.
#ИИ_в_управлении #команда
Пул-реквесты у 1500 компаний удвоились за год — вместе с ними растёт число багов, которые находят сразу
Отто Хилска (Swarmia) объясняет: цикл, который раньше растягивался на 8 недель, теперь укладывается в одну, а все дефекты, что прежде вылезали постепенно, всплывают одновременно. Практическое решение для руководителя — спросить у инженеров, комфортно ли им выпускать код в прод после внедрении ИИ-инструментов для разработки: ответ красноречивее любого счётчика багов.
#процессы #команда
Отто Хилска (Swarmia) объясняет: цикл, который раньше растягивался на 8 недель, теперь укладывается в одну, а все дефекты, что прежде вылезали постепенно, всплывают одновременно. Практическое решение для руководителя — спросить у инженеров, комфортно ли им выпускать код в прод после внедрении ИИ-инструментов для разработки: ответ красноречивее любого счётчика багов.
#процессы #команда
$72K стали $120K, когда экспертизу в ИИ сосредоточили в одном специалисте
Многие компании дают каждому продавцу доступ к ИИ и предлагают самостоятельно настраивать инструменты под себя. Kyle Norton (Owner.com) выбрал другой путь: сосредоточил экспертизу в одном специалисте, который строит систему подготовки к звонкам и разворачивает её на всю команду.
Результат — средний продавец стал закрывать $120K контрактов в месяц вместо прежних $72K, а лучший в одном из месяцев сделал $174K с холодных звонков.
Управленческий вывод: не размазывайте экспертизу в ИИ по всей команде продаж. Найдите или вырастите одного человека, который соберёт систему и будет её развивать, — и дайте остальным её использовать.
#продажи #b2b #ИИ_в_управлении
Многие компании дают каждому продавцу доступ к ИИ и предлагают самостоятельно настраивать инструменты под себя. Kyle Norton (Owner.com) выбрал другой путь: сосредоточил экспертизу в одном специалисте, который строит систему подготовки к звонкам и разворачивает её на всю команду.
Результат — средний продавец стал закрывать $120K контрактов в месяц вместо прежних $72K, а лучший в одном из месяцев сделал $174K с холодных звонков.
Управленческий вывод: не размазывайте экспертизу в ИИ по всей команде продаж. Найдите или вырастите одного человека, который соберёт систему и будет её развивать, — и дайте остальным её использовать.
#продажи #b2b #ИИ_в_управлении
Компании с маржой AI-продукта в 52% почти никогда не отправляют простой запрос в самую дорогую модель
ICONIQ Growth: среди AI-компаний, которые в среднем держат такую маржу в 2026 году, стандартной практикой стала маршрутизация запросов — простые задачи уходят в дешёвые и дообученные модели, топовые модели остаются для реально сложных случаев. Стоимость обработки запроса стала вторым по важности критерием выбора модели, сразу после того, справляется ли она с задачей вообще. Спросите у своей команды: у вас так же, или каждый запрос по умолчанию идёт в одну и ту же модель?
#b2b
ICONIQ Growth: среди AI-компаний, которые в среднем держат такую маржу в 2026 году, стандартной практикой стала маршрутизация запросов — простые задачи уходят в дешёвые и дообученные модели, топовые модели остаются для реально сложных случаев. Стоимость обработки запроса стала вторым по важности критерием выбора модели, сразу после того, справляется ли она с задачей вообще. Спросите у своей команды: у вас так же, или каждый запрос по умолчанию идёт в одну и ту же модель?
#b2b
Писать код сможет каждый — формулировать задачу для ИИ научатся немногие
В декабре я писал: профессия программиста не умрёт, но количество задач, которые выгодно автоматизировать, будет расти по мере удешевления инструментов — раньше это могли себе позволить только крупные компании. Тогда это было прогнозом.
Сейчас появились первые подтверждения в цифрах. Elena Verna (Lovable) называет новый класс создателей софта — учителя, риелторы, бухгалтеры, коучи, консультанты, люди, которые раньше на разработку и не претендовали. По её словам, будущее софта определят не программисты.
Я регулярно вижу, что предприниматели, учёные, продавцы и многие другие специалисты, обивавшие ранее пороги отделов разработки, при помощи ИИ-продуктов пишут программы, закрывая свои прикладные задачи. Да, пока не везде системно, но на мой взгляд этот процесс будет только набирать обороты.
Порог входа в написание софта падает быстрее, чем растёт умение формулировать задачу, — а это уже не купить лицензией на ИИ. Нечётко сформулированная задача даст нечёткое решение, только быстрее, чем раньше.
В частной практике я захожу в проект с системного разбора: раскладываю процессы на составляющие, закрываю дыры в структуре — и только после этого имеет смысл говорить, что из задач можно делегировать ИИ, а что нет.
#опыт #метод
В декабре я писал: профессия программиста не умрёт, но количество задач, которые выгодно автоматизировать, будет расти по мере удешевления инструментов — раньше это могли себе позволить только крупные компании. Тогда это было прогнозом.
Сейчас появились первые подтверждения в цифрах. Elena Verna (Lovable) называет новый класс создателей софта — учителя, риелторы, бухгалтеры, коучи, консультанты, люди, которые раньше на разработку и не претендовали. По её словам, будущее софта определят не программисты.
Я регулярно вижу, что предприниматели, учёные, продавцы и многие другие специалисты, обивавшие ранее пороги отделов разработки, при помощи ИИ-продуктов пишут программы, закрывая свои прикладные задачи. Да, пока не везде системно, но на мой взгляд этот процесс будет только набирать обороты.
Порог входа в написание софта падает быстрее, чем растёт умение формулировать задачу, — а это уже не купить лицензией на ИИ. Нечётко сформулированная задача даст нечёткое решение, только быстрее, чем раньше.
В частной практике я захожу в проект с системного разбора: раскладываю процессы на составляющие, закрываю дыры в структуре — и только после этого имеет смысл говорить, что из задач можно делегировать ИИ, а что нет.
#опыт #метод
Дайджест недели: инженеры оплакивают профессию, выгорание по 4 измерениям и модель оплаты ИИ-агента, которая переживёт конкурентов
Три материала этой недели про одно и то же с разных сторон. Рынок активно разбирается, как оценивать и продавать ИИ-агентов клиентам. А то, что происходит с собственными инженерами и руководителями внутри компаний — выгорание, потеря смысла в работе, — почти никто не измеряет.
Antonija Bilić Arar (LeadDev), со ссылкой на исследование Annie Vella: 77% инженеров теперь пишут меньше кода, чем раньше. Хуже всего не скептикам ИИ, а «ремесленникам» — тем, кто раньше вычитывал каждую строчку кода. Экс-инженер Google и Meta Deedy Das описывает типичный день такого человека: очередь из 15 pull request'ов на проверку, коллеги игнорируют его замечания о качестве, а потом ещё прилетает PR на 20 000 строк. В одной компании несколько инженеров уволились почти одновременно. Одни надеялись найти прежнюю инженерную работу в другом месте. Другие уходили из профессии насовсем.
Dominika Rogala (LeadDev): выгорает не тот, кто игнорирует происходящее, а самые вовлечённые и неравнодушные руководители. Фреймворк называет четыре измерения: истощение, эмоциональная дистанция, потеря ощущения результата, разрыв идентичности — расхождение между тем, кем вы себя считаете, и тем, кем стали на работе теперь.
В мае я писал о похожем явлении, которое сам называю «когнитивным перегревом»: это не выгорание, а острая усталость от постоянных мелких решений при работе с ИИ. По данным BCG она поднимает риск крупных ошибок на 39% и настолько же повышает желание уволиться.
Среди 175 новых клиентов одного биллинг-сервиса для AI-продуктов 75% признались, что не понимают, как оценивать свои же AI-фичи. Manny Medina (гостевой разбор в рассылке Kyle Poyar, Growth Unhinged) поэтому изучил ценообразование 60+ компаний, продающих ИИ-агентов, и нашёл, какая модель оплаты выживает. Модель «оплата за агента в месяц» продаётся проще всего, но её легко продавить по цене: конкурент предложит похожего агента дешевле, а клиент разницы не заметит. Модель «оплата за результат» продаётся сложнее, зато держит цену даже тогда, когда сама модель ИИ дешевеет, — конкуренту нечего продавить, ведь платят не за доступ, а за результат.
#ИИ_в_управлении
Три материала этой недели про одно и то же с разных сторон. Рынок активно разбирается, как оценивать и продавать ИИ-агентов клиентам. А то, что происходит с собственными инженерами и руководителями внутри компаний — выгорание, потеря смысла в работе, — почти никто не измеряет.
Antonija Bilić Arar (LeadDev), со ссылкой на исследование Annie Vella: 77% инженеров теперь пишут меньше кода, чем раньше. Хуже всего не скептикам ИИ, а «ремесленникам» — тем, кто раньше вычитывал каждую строчку кода. Экс-инженер Google и Meta Deedy Das описывает типичный день такого человека: очередь из 15 pull request'ов на проверку, коллеги игнорируют его замечания о качестве, а потом ещё прилетает PR на 20 000 строк. В одной компании несколько инженеров уволились почти одновременно. Одни надеялись найти прежнюю инженерную работу в другом месте. Другие уходили из профессии насовсем.
Dominika Rogala (LeadDev): выгорает не тот, кто игнорирует происходящее, а самые вовлечённые и неравнодушные руководители. Фреймворк называет четыре измерения: истощение, эмоциональная дистанция, потеря ощущения результата, разрыв идентичности — расхождение между тем, кем вы себя считаете, и тем, кем стали на работе теперь.
В мае я писал о похожем явлении, которое сам называю «когнитивным перегревом»: это не выгорание, а острая усталость от постоянных мелких решений при работе с ИИ. По данным BCG она поднимает риск крупных ошибок на 39% и настолько же повышает желание уволиться.
Среди 175 новых клиентов одного биллинг-сервиса для AI-продуктов 75% признались, что не понимают, как оценивать свои же AI-фичи. Manny Medina (гостевой разбор в рассылке Kyle Poyar, Growth Unhinged) поэтому изучил ценообразование 60+ компаний, продающих ИИ-агентов, и нашёл, какая модель оплаты выживает. Модель «оплата за агента в месяц» продаётся проще всего, но её легко продавить по цене: конкурент предложит похожего агента дешевле, а клиент разницы не заметит. Модель «оплата за результат» продаётся сложнее, зато держит цену даже тогда, когда сама модель ИИ дешевеет, — конкуренту нечего продавить, ведь платят не за доступ, а за результат.
#ИИ_в_управлении