Апрельский дайджест для продактов и их команд уже готов к прочтению на майских

– Всё очень просто
– Закон Галла
– Рост за счёт продукта
– Дерево метрик продукта

– Роадмапы никогда не работали
– Библия сегментации
– Servant Leadership vs. Обезьян
– Уязвимости ценности
– Ценности вечны

– ИИ-оптимизация исследований
– /+ ИИ в исследованиях
– Исследования в Apple
– Команду — в исследования

– AI Research в Яндексе и Т-Банке
– Верим, выбираем и адаптируем
– Ложная продуктивность
– Причины падения метрик

– Сильные стороны = слабые
– 5 lvl автономности сотрудника
– Прививка совещаний
– Просроченные продукты

– Процесс по делегированию
– Совет директоров проекта
– Как упрощать сложные решения
– Руководство по геймификации

– Работа ради работы
– Работать и учиться в тишине
– Качество разговоров = зрелость
– Shit tolerance — это скилл

– Прогноз развития ИИ до 2027
– Как AI влияет на команды
– Ограничения пользователей
– Как выжить в токсичной команде

– Синхрон и резонанс с командой
– Задаче надо настояться
– Решение ничто проблемы
– Умение доделывать

– 44 истины о человеке
– Внутренняя парадоксальность
– Эпоха быстрого глупения
– Времена меняются
– Мир теряет цвет

🔥 Ross From Friends - 'Epiphany'
🏆 Oceanvs Orientalis - Atomic Alchemy

Счастливых майских!

Понедельники спокойных наблюдений

Понедельник, пожалуй, один из самых подходящих дней для наблюдений и размышлений, ведь именно в этот день все мысли, факты, цифры, образы и устремления находятся перед глазами. Плюс, мы можем запросить любые данные и встречи, назначить срочный колл, задать вопрос и получить ответ.

"Ок, ведь это понедельник".

А так ли важно это в понедельник?

Когда вокруг лишь шум и суета, то худшее, что можно сделать – присоединиться к ним, став их (старой) новой частью.

Но стоит лишь шагнуть в пространство наблюдений тишины, как вместо суеты и беспокойства придёт поток понятных связей, в котором видно:

– внешнее, что крутится на рынке;
– водоворот инфы, что крутится внутри продукта;
– источники-людей, что генерируют потоки;
– их цели, планы и задачи;
– объекты и процессы в созданных потоках.

🍵 Секрет спокойствия недели в наблюдениях понедельника

Неудачи и факапы — это данные

Относись к ним соответственно и научи себя и команду быстро восстанавливаться после любых факапов, мгновенно переходя от ощущения эмоций к анализу причин. Как только вы закончите анализ, так же мгновенно пробуйте новое.

В противном случае, если продакт застревает в факапах, в них застревает продукт и команда

Советы как факапить меньше:

– Отделяйте технические факапы от продуктовых и UI-факапов. Иначе вы будете отказываться от хороших идей из-за плохой реализации. И наоборот.

– Классифицируйте все фичи и эксперименты продукта по уровню допустимого риска провала от 1 (незначительный) до 5 (катастрофа) и требуемой для них скорости принятия решений о продолжении, прекращении или восстановлении.

– Всегда дробите крупные гипотезы уровня 4-5 на серию микро-гипотез меньшего уровня рисков, которые можно проверять независимо, минимизируя масштаб возможного провала.

Документируйте не только почему вы принимаете решение по фиче, но и при каких условиях вы бы его отменили

– В избыточности гипотез нет ничего плохого, когда для каждой фичи есть не менее 3 альтернативных вариантов механик, которые можно задействовать для реализации такой фичи. Они же могут и должны обогащать друг друга.

– Карта связей фич (факапов) поможет визуализировать связи того, как одна провалившаяся фича может влиять и тянуть за собой связанные с ней другие фичи продукта.

– Проводите и пишите постмортемы (модное слово) по всем слабым пользовательским механикам и проваленным фичам в отдельную категорию в таск-менеджере.

Их повторяющиеся паттерны и механики – основа премортемов для всех фич, в которых заранее определяются возможные проблемы в пользовательском поведении.

Прото-премортемы или чеклист отката – шаблоны-сценарии тестирования и симуляции факапов фичи с полным прохождением всего цикла восстановления к предыдущей стадии продукта без проваленной фичи и заранее смоделированными пользовательскими реакциями и способами их смягчения.

Обратная юзер-стори — возможные негативные сценарии "пользователь продукта не хочет ___, потому что ___"

– Анализируйте не только причины ошибок, но и эффективность процессов восстановления после них (резервы ресурсы, времени, бюджетов и т.п.).

– "Продуктовый карантин" – шанс для анализа провалившейся фичи на проде или протокол временной изоляции проблемной функции без её полного отключения от продукта.

Сила команды — не в отсутствии факапов, а в скорости восстановления после них.

Восстановление от факапов — это не подавление эмоций, а перенаправление их энергии в намерение и действие.

– Пепелища пост-мортемов
– 18 шуток метрик

⚔️ Epic Games vs Apple

На прошлой неделе суд Северной Калифорнии вынес новое решение, запрещающее Apple взимать в разработчиков комиссию за покупки, совершенные пользователями за пределами App Store и препятствовать сообщать им о возможности совершения покупок вне приложений.

Судья также установила, что вице-президент Apple по финансам солгал под присягой и наложила на компанию санкции за «злоупотребление правом на конфиденциальность с целью затягивания разбирательства».

Путь Fortnite от презентации на WWDC до исключения из магазина и эпичных судебных баталий с Эплом и Гуглом в свежем видосе.

Казалось бы, при чём тут снова NFT? (Apple уже подала апелляцию).

Тру опыт в управлении продуктами это:

– Осознавать, что успех продукта в балансе: 1) эмпатии к пользователям; 2) лишь после к их деньгам.

– Верить, что правильная команда — самый важный фактор этого успеха, а спокойствие это навык №1 в нём. Оставшееся правильное: время и место. Всё вместе это про обнаружение и удержание удачи.

– Отделять помехи от сигналов во время любых работ с информацией и данными.

Эксперименты + быстрая доставка фич = лучший способ обнаружения новых данных

– Ощущать, что интуиция чаще бывает верна, чем нет. А чтобы делать очевидное, данные не нужны. Потому что Видение лучше A/B-тестирований.

– Задавать правильные вопросы — совершать 80% открытий, 20% — заниматься анализом и структурированием полученных ответов.

– Выбирать метрику раньше, чем начинать работу над фичей. Начинать доставку концепции фичи до пользователей раньше, чем выйдет релиз с ней.

– Чувствовать, что чем дольше вы согласуете механику фичи, тем вероятнее, что она провалится. Вы можете сделать "всё правильно" и потерпеть неудачу. А можете сделать неправильно и добиться успеха.

– Не делать из команды инструмент задержки решений. Большинство решений легко обратимы.

– Не быть заложником инструментов и методологий. Они статичны по природе, в то время как знания и данные меняются и улучшаются.

– Принять в очередной раз тот факт, что дорожные карты меняются ещё чаще. А сторис пишутся постфактум.

– Признаться в том, что все мы делаем что-то неопределённое и тонкое, что даже между собой не можем договориться, что именно мы делаем.

Наглядная схема как связать Business Strategy, Product Strategy, Product Discovery и Product Delivery в шаблоне Miro

И всё же, понедельник – день Огня

Огня, который осветит либо ослепит взгляды и стремления.
Огня, где загораются, сгорая убеждения.
Огня, который разожгёт или сожгёт все планы.
Огня, который видит — тьма в неполноте сказаний.
Огня, что знает — Истина в молчании.

Баланса в пламени недели!

Угадай профессию с одной попытки

A/B лукавят.
Stories – чушь.
Чуйка подводит.
Разум ошибочен.
Сроки – вымысел.
Эйчары не нужны.
Фидбек – коварен.
MVP – не минимум.
Касдев – размытие.
Процессы – сложно.
Родмэпы – старость.
Ретро не из будущего.
Данные – манипуляции.
JTBD не то, чем кажется.
Культура есть стратегию.
Стратегия – не навигация.
Команда может тормозить.
Стейкхолдеры меняют виды.
Инновации не в расписаниях.
Приоритеты – есть самообман.
Лояльность – временное св-во?

Эмоции клиентов – вот что Суть

Советы по проведению качественного исследования

0. Помни о главном – цели исследования.

Цель исследования – ответ на поставленный в его начале вопрос.

Процесс и всё, что интересное раскопается по ходу дела будет приятным бонусом к ответу. Ответ первичен.

1. Определи как и откуда идёт сбор данных

– Источники: чужие данные (вымышленные либо реальные), собственные метрики, опросы, интервью, эксперименты или наблюдения;
– процесс отбора данных (сегменты, пре-фильтрация данных);
– период + периодичность сбора данных (время).

2. Понимай, как ты анализируешь данные

– Как и чем получаемые данные помогают найти ответ на исследовательский вопрос? Насколько они целостные?

– Придерживайся своих же правил и критериев для отсеивания (не)релевантных данных. Исключительные по своей сути данные не должны попадать в отсеивающий фильтр, а сохраняться отдельно.

– Не только определяй средние показатели (их источники и свойства) которые использовались при оценке для сравнения полученных данных, но и почему они таковыми являются.

– Выявляй причины закономерностей и расхождений, а не только их наличие, особенно при обнаружении противоречий в данных.

Активнее всего ищи данные, которые могут ОПРОВЕРГНУТЬ твои гипотезы

3. Отделяй наблюдения от интерпретаций. Наблюдения – "факты?". Интерпретации – "варианты?".

4. Осознавай ограничения исследования (искусственные и органические): небольшой сегмент пользователей, недостоверный источник данных, сезонность или даже неправильно сформулированный в начале вопрос накладывают отпечаток на применимость таких данных в условиях продукта/рынка.

5. Проверяй сделанные выводы. Через взаимный аудит, через параллельные исследования (продакт + product designer + маркетинг), через те же A/B (главное, не наоборот).

6. Делай результаты исследования понятными для всех участников команды. Информируй стейкхолдеров/руководителей по результатам любых исследований – для них эти данные тоже должны стать пищей для размышлений.

Microsoft вчера анонсировала поддержку MCP в Windows и пару интересных ИИ-инструментов:

1. Операционки Windows теперь работают с MCP и обеспечивают доступ ИИ-агентов к файловой системе и другим службам(!).

2. Windows AI Foundry Local SDK — набор инструментов, встроенных в Windows, которые упрощают локальный запуск и интеграцию моделей ИИ на ПК.

Софт помогает оптимизировать производительность железа и ИИ-моделей и добавлять их в приложения без ручной установки среды выполнения: встроенные сценарии ИИ, работа с текстом и изображенями и масштабирование фотографий (сверхразрешение) – всё это выполняется локально на вашем ПК.

3. NLWeb — это бесплатный инструмент от Microsoft, который позволяет любому пользователю общаться с вашим веб-сайтом по аналогии как с виджетом онлайн-консультанта.

NLWeb берёт информацию, которую сайт уже публикует в стандартных форматах (например, Schema или RSS), и превращает её в простой запрос для ИИ.

Вы можете установить его на свой компьютер или сервер всего парой команд, указать ему данные вашего сайта, а затем задавать вопросы через веб-страницу или простой API.

Microsoft CTO Кевин Скотт сравнивает MCP с HTTP

Качества выдающегося продакт-менеджера

1. Баланс продакта с его продуктом в тактико-стратегии. Связывай монотонную ежедневную работу с долгосрочными целями компании. И время начнёт идти по-другому.

2. Развивай системное мышление, чтобы видеть не только отдельные компоненты продукта, но и их взаимосвязи в Системе.

3. День, когда вся команда пользуется конкурирующим продуктом нужен для усиления видения свойств Систем, а не чтобы воровать поштучно фичи.

4. Улучшенная старая фича лучше новых двух (сворованных).

Лучший способ улучшить продукт — это убирать функции, а не добавлять их. (с) Будда

5. Задавай неудобные вопросы, которые заставляют(!) команду пересматривать свои убеждения.

Пример для новых фич: «А что случится, если мы её не сделаем?».

6. Поощряй в команде идеи, которые сначала кажутся сложным/невозможными/невыполнимыми и ставят под сомнение даже фундаментальные убеждения, на которых строится продукт.

Именно фундаментальные убеждения стареют первыми на рынке

7. Осознанно НЕ давай команде всех ответов, чтобы стимулировать самостоятельное мышление и поиски решений, позволяя команде входить в состояния творческой неопределённости.

8. Развивай не только сам продукт, но и процесс его создания. Умышленно создавайте искусственные ограничения и неопределённости, чтобы в их условиях стимулировать творческую разработку нестандартных (самых простых) решений.

9. И снова балансируй между новыми и существующими фичами.

0. Смотри на всё глазами пользователей

5 уровней ИИ-агентов от простых к сложным

ИИ-агент это не просто дополнение к промптам в духе "You are senior product manager" или "ты в роли Стива Джобса". ИИ-агенты это логическое продолжение (начало?) самой ИИ, работающее как интеллектуальный интерфейс между машиной и человеком.

Level 1: ИИ-агент с инструментами и инструкциями

Инструкции «учат» агента, как выполнять запрос, а инструменты позволяют агентам взаимодействовать с внешними средами для передачи или извлечения данных.

Это начальный базовый уровень работы с ИИ и когда коллега говорит, что ИИ-агенты — "это просто вызовы LLM + доп. инструменты", это говорит лишь об уровне его понимания ИИ.

Level 2: Агент со знаниями и хранилищем

ИИ редко имеет всю необходимую информацию для выполнения задачи + мы не можем запихнуть весь контекст в запрос, поэтому мы даём агенту знания, которые он ищет во время выполнения (Agentic RAG или Dynamic few-shot).

Поиск знаний может быть гибридным (полнотекстовым и семантическим). Гибридный поиск + переоценка данных — лучшая стратегия для ИИ-агентов.

Хранилище сохраняет состояние ИИ-агента в базе данных. Простые вызовы LLM первого уровня не имеют «состояния», в то время как хранилище даёт ИИ-агентам свойство «состояние», сохраняя сообщения в базе данных и используя их при подготовке других ответов по мере необходимости.

Если вы используете chatgpt, хранилище — это то, что сохраняет состояние сеанса и позволяет нам продолжать чат после закрытия вкладки, а каждая ветка чата, которую вы видите на левой панели навигации, является «сеансом» в такое хранилище.

Level 3: ИИ-агент с памятью и рассуждениями

Память позволяет ИИ-агенту запоминать сведения о пользователе и персонализировать свои ответы в сеансах.

Рассуждения — ещё ключевая функция, которую нужно использовать в работе с ИИ. Но большая проблема с ИИ-агентами заключается в том, что показатель успешности агента уменьшается с числом шагов, которые должен выполнить агент.

Например: если показатель успешности 1 шага составляет 90%, средний показатель успешности агента, которому необходимо выполнить 5 шагов, составляет ~60%. Это не оч хорошо.

Архитектуры рассуждений не только улучшают когнитивные рассуждения (понимание данных и инструкций), но и повышают показатель успешности каждого шага ИИ-агента.

Level 4: Команды из нескольких ИИ-агентов

ИИ-агенты работают лучше всего, когда каждый агент специализируется на определенной для него области инструкций, знаний, хранилищем и рассуждений и использует свой набор инструментов.

Объединяя ИИ-агентов в команду, можно увеличить общие возможности и решать более широкие и сложные задачи, делегируя этапы рассуждений и под-задач на "профильных ИИ-специалистов".

Level 5: Агентские ИИ-Системы

Агентские системы – следующий этап трансформации команд из ИИ-агентов. И это уже сложно: сервера и среды, MCP, API, БД с хранилищами знаний, рассуждений и состояний, асинхронные задачи, очереди задач, передача результатов по мере их готовности, вебсокеты, рожьэтовсё...

Примечательно, как развитие ИИ-агентов происходит эволюционно по аналогии с командой из живых людей – от простых инструкций до комплексных автономных команд/систем, где каждый новый уровень надстраивается над предыдущим, добавляя новые возможности работы с ИИ.

Но самое интересное в этом то, кто эволюционирует, а кто трансформируется – человек или ИИ?

Во всей шумихе с автоматизацией ИИ уделяют мало внимания сервисам старой эпохи а-ля Zapier и IFTTT, которые позволяют подключать практически любые популярные приложения и сервисы и связывать их с такими же сервисами и приложениями триггерами и экшенами.

И тот же Zapier недавно выкатил масштабное обновление MCP 2.0, которое открывает вашему ИИ-приложению/ИИ-агентам/пользователям доступ к 7,000 апп и более чем 30,000 действий через OAuth, которые можно расширять ещё больше с ИИ.

– Получили тикет по почте? ИИ завёл его и подготовил ответы в Notion (или уже ответил пользователю где ему удобно).

– Синкнуть данные фитнес-приложений и получать ИИ-рекомендации раз в неделю? Ок.

– В 500 м от дома? Вслед за умными лампочками красного света включается умный чайник и набирается горячая вода для ванны, а ИИ отвечает за последовательность.

– Чего у них там только нет.

Zapier успешно эволюционировав в новую эпоху Интернета и поэтому теперь позиционируется как "The most connected AI orchestration platform".