Стратегия – мост между сегодня и завтра, построенный вниманием и решимостью

– Стратегическое видение осуществляется на уровне сердца, тактический выбор — на уровне разума.

Зажигая видение сердцем, передавай команде тактику. Смотри, и вот уже тактика становится стратегией. Цикл перехода энергии замыкается.

– Команда — базис этого цикла, стоящий на двух абсолютных нерушимых принципах: доверии и взаимоуважении. Команда – вот земля.

Энергия команды там, где понимание цели

Понимание = Внимание.

– Следи за тем, как конкуренты реагируют на вашу стратегию и пусть их тень подскажет вам, в чём ваша истинная Сила.

Ваше преимущество только то, что конкуренты никак не могут повторить. Понимайте их (рынка) слабости через вашу Силу и действуйте смело.

– Ваш продукт — пространство этой Силы. Каждый элемент продукта — это точки Энергии. Соединяй их так, чтобы вся Система действовала гармонично.

Гармония создаёт силу системы

– Инсайты Информация — вода, которая всегда найдет путь, если вы открыты для неё. Истинное Знание приходит через понимание Одной-Главной-Причины, её источника и направления течения.

Вслушивайся, а не слушай воду. Просто созерцайте воду. И ты услышишь То-Одно, что рынок не сказал словами. Стань сам водой. Плавно меняйте формы, не теряя сути. Бурно подмывайте берега. Терпеливо точите камни. И вы затопите собой весь рынок.

Время для решений — вот огонь. Промедление его лишь гасит, смелость превращает в Силу.

Ветер — Ты.

🔥
🏆

Понедельник — день мечтаний

Мечтаний огненных идей, о новых фичах, быстреньких релизах, кратном росте метрик, выросшей лояльности, квартальных бонусах и море, рынков изменений.

Но нет мечтаний планом, нет стратегий, нет расписанных задач, нет сроков для продуманных решений.

"Нет" – CJM.
"Нет" – для цепочек действий.
"Нет" – связанным конверсиям.
"Нет" – для командных мнений.
"Нет" – интуиции.
"Нет" – о заботе(ах) юзеров.
Нет смелости любого рода рассуждений.
Всё как "процесс ради процесса".
И потому нет главного – шагов для изменений.

О да, мечты ведут первее планов.
Бесценны те, что превращают их в шаги.

Продуманных мечтаний на неделе!

Google запустила edtech ИИ-сервис «Learn Your Way» (и это крах для старой системы образования)

Сервис берёт любую скучную статью/тему и перестраивает её вокруг того, что интересно вам.

Например, если вы увлекаетесь баскетболом и должны выучить законы Ньютона, то объяснение физики строится на дриблинге и бросках. Художник изучает экономику? Теперь налоги всё сводится к галерейным аукционам и арт-рынкам.

"Learn Your Way" генерирует разные способы восприятия одной и той же информации:

– интеллект-карты, если вы мыслите визуально;
– аудиоуроки с этими странными имитациями разговоров учителей;
– временные шкалы, по которым можно кликать;
– тесты, которые меняются в зависимости от того, что вы делаете неправильно.

Google протестировали сервис на 60 учениках и дети, использующие их систему, разгромили группу, изучавшую обычные учебники, как на начальном тестировании, так и на повторном через три дня.

Учебники веками были отстойными потому что создание персонализированных версий было невозможно в больших масштабах.

Революция в edtech выглядит именно так.

👁️ https://learnyourway.withgoogle.com/
📜 https://arxiv.org/abs/2509.13348

One year of agentic AI: Six lessons from the people doing the work (by McKinsey)

1. Дело не в ИИ-агентах, а в ваших рабочих процессах

Не зацикливайтесь на создании «впечатляющих» ИИ-агентов. Переосмыслите рабочие процессы и думайте о Системе в целом, а не о забавных корпоративных ИИ-игрушках.

2. AI North Star Metric и AI Journey Map

Полярная звезда ИИ должна определять, как организация будет создавать ценность и конкурентное преимущество с помощью ИИ, и каково её влияние на жизненный цикл продукта и бизнеса.

Например, компания может начать с развертывания ИИ-агентов, выполняющих отдельные задачи, а затем перейти к развертыванию групп агентов, способных достигать комплексных бизнес-результатов.

При таком подходе, некоторые подразделения могут стать минимально жизнеспособными организациями (MVO), где рои ИИ-агентов контролируют большую часть работы, а для проверки результатов задействовано малое количество людей.

Другие подразделения компании могут сохранять большее количество сотрудников, обладающих незаменяемыми ИИ навыками.

При проектировании AI North Star Metric понимайте, какие подразделения компании подходят для каждого типа задач.

Например, функции, требующие высокой степени взаимодействия с клиентами, останутся в большей степени управляемыми человеком, а бэк-офисные операции станут MVO.

3. Отслеживайте каждый шаг, а не только результаты

Масштабирование ИИ-агентов без прозрачности — это путь к скрытым сбоям.

Думайте о мониторинге каждого этапа рабочего процесса. Это позволит командам своевременно выявлять ошибки, быстро совершенствовать логику и избегать масштабных сбоев.

Когда ошибки случаются (а они обязательно произойдут), вы сможете отследить, где именно и почему что-то пошло не так.

4. Используйте ИИ-агентов повторно, когда это возможно

Многие компании тратят время на создание отдельных агентов для каждой задачи. Более разумный подход — создавать модульные компоненты агентов (приём, извлечение, проверка, анализ), которые можно повторно использовать в других рабочих процессах.

Централизация проверенных инструментов и промптов сокращает 30–50% избыточной работы как сотрудников, так и ИИ-агентов.

5. Избегайте «недоделанности ИИ»

Сосредоточьтесь на долгосрочном развитии агентов также, как и на развитии сотрудников.

ИИ-агентам следует предоставить чёткие должностные инструкции, проводить адаптацию и получать обратную связь для регулярного совершенствования, усиливая их контрольные показатели.

6. Агенты не всегда являются решением

Не для каждого рабочего процесса нужна многоагентная система. Низкодисперсные, предсказуемые задачи лучше всего решать с помощью ML правил или машинного обучения.

Главные преимущества ИИ-агентов заключаются в высокодисперсных, запутанных процессах (например, извлечение сложной финансовой информации).

7. Люди по-прежнему остаются важными, но в новых ролях

ИИ-агенты могут анализировать, автоматизировать и масштабировать. Но люди обеспечивают суждение, обработку крайних случаев и креативное решение проблем.

Будущее – это не ИИ-агент vs. Человек, а ИИ-агент + Человек

Read also: Reconfiguring work: Change management in the age of gen AI

"Многоагентный" ИИ — это ложь на 50 млрд. долларов

А 99% "многоагентных" "систем" — это просто отдельные ИИ-агенты, припудренные маркетингом.

Большинство людей думают, что многоагентный ИИ — это просто «множество ChatGPT в комнате». И это всё равно, что думамть, что хирургическая бригада — это просто «множество людей с ножами».

На самом деле всё гораздо глубже. Распределение задач полностью нарушено.

Современные ИИ-системы, по сути, бросают дротики в доску. Дайте математическую задачу агенту, который свободен. Попросите креативного ИИ-агента отладить код. Это хаос, замаскированный под интеллект.

Настоящим многоагентным системам нужна динамическая специализация. Не просто «Агент 1 делает X, Агент 2 делает Y», а контекстно-зависимое сопоставление на основе возможностей, рабочей нагрузки и предыдущей производительности.

Проблема с памятью — вот что безумие.

Настоящим многоагентным системам требуется пять различных типов памяти: краткосрочное состояние задачи, долгосрочный опыт, история эпизодического сотрудничества, консенсусные знания и иерархический контроль доступа.

– Как работает память ИИ-агентов
– Человеческая память ИИ-агентов

Вместо этого нынешние ИИ-агенты просто отслеживают разговоры в рамках одного чата, а большинство настоящих (ещё AI Free) Систем вызывают у каждого ИИ-агента амнезию между задачами.

Управление контекстом – это то, где всё ломается.

Каждый агент должен одновременно отслеживать три уровня: общую картину миссии, свою конкретную часть задачи и действия остальных ИИ-агентов в цепочке.

Ошибка на любом уровне – и вся система становится дорогостоящей бессмыслицей.

Теория игр важнее кода.

Когда агенты спорят или ведут переговоры, вы не оптимизируете систему для достижения «правильности».

Вы ищете состояния равновесия для ИИ.

Исследования показывают, что динамика Штакельберга работает лучше, чем равновесие Нэша, для большинства реальных задач.

Никто не говорит об этом, потому что это не так привлекательно, как «смотрите, роботы разговаривают между собой».

Применения, которые они описывают, — это нечто совершенно дикое.

Агенты, которые автономно заключают смарт-контракты. Обнаружение мошенничества, где разные специалисты отслеживают разные шаблоны атак. Механизмы консенсуса, которые действительно обдумывают решения.

Алло! Это АТС? Мы не создаём более совершенных чат-ботов!!! Мы закладываем основу для автономных экономических систем!!!

Разрыв между текущими демонстрационными версиями «мультиагентных» систем и реальным многоагентным интеллектом огромен.

Реальные системы будут иметь специализированные роли, архитектуры с общей памятью и координацию на основе теории игр. Они решат Проблемы, с которыми не справится ни один ИИ-агент в одиночку.

Тот же принцип, по которому работают команды, только быстрее и масштабнее.

Большая часть того, что сегодня называют «мультиагентами», — это просто отдельные агенты с замысловатыми подсказками.

Компании, которые первыми разберутся с настоящей координацией между ИИ-агентами, получат десятикратное преимущество.

Все остальные строят дорогостоящие театры.

📜 https://arxiv.org/abs/2402.03578

Google запускает 5-дневный курс по ИИ-агентам

Расскажут про ИИ-инструменты, проектирование контекста, управление памятью ИИ, оценку работы агентов и создание тех самых многоагентных систем промышленного уровня с помощью A2A + поделятся шаблонами ИИ-агентов.

👉 100% free and open to all

Ежедневные задания и прямые трансляции семинаров, Q&A, обсуждения в Discord и выпускной проект в конце обучения. Старт потока в ноябре.

11 типов ИИ-агентов

Существуют различные типы архитектур агентов, специализирующихся на восприятии информации, её анализе, рассуждениях, действиях и абстракциях.

1. GPT — универсальные генераторы текста, отличающиеся беглостью и универсальностью, обученные на массивных корпусах данных. Их сила — в универсальности: от письма писем до написания кода.

2. MoE (Mixture of Experts) — модель-маршрутизатор, которая содержит множество специализированных ИИ-экспертов, которая выбирает кого активировать и направляет ему конкретную задачи. Пример: MoE выбирает математического ИИ-эксперта для вычислений, а языкового — для объяснения результатов его работы.

3. Агенты с памятью (Memory-augmented models). Они интегрируют внешние базы знаний или долговременную память, чтобы сохранять контекст между сессиями. Это делает их ближе к «персональным помощникам», когда агент помнит историю общения с пользователем за полгода и использует её при планировании его повседневных задач. Или охотится за курицами для их приготовления в Minecraft.

4. Крупные модели рассуждений — оптимизированы для многошаговых логических рассуждений. Они фокусируются не на скорости генерации, а на структурированных многошаговых цепочек и выводах, приближая работу к человеческой логике. Например, такая модель пошагово доказывает теорему из учебника математики.

5. Симуляционные агенты (Multi-agent simulation) –
экосистемы из множества агентов, каждый со своими правилами поведения. Например, они позволяют моделировать города, экономики или социальные процессы.

6. Интерактивные агенты (Conversational + tool-using). Они не только общаются, но и активно задействуют инструменты (поиск, базы данных, плагины). Это уже гибрид диалога и действия. Такой ИИ-агент отвечает на вопрос о текущей погоде, проверяя локацию и запрашивая данные в реальном времени у API.

7. Модели «визуализация-язык» (Vision-Language) — объединяют восприятие и язык для многомодальных задач. Они соединяют зрительное восприятие и понимание языка, создавая мост между картинкой и текстом, позволяя им описывать сцены, отвечать на вопросы о картинках и работать в мультимодальном режиме. Например, модель описывает фотографию улицы и сразу строит текстовый маршрут по ней. Или наоборот.

8. Малые языковые модели — легкие и экономичные агенты для периферийного развертывания. Это компактные, энергоэффективные и адаптированные для работы в смартфонах, IoT-устройствах или офлайн-средах. Их задача — приносить пользу там, где большие модели слишком затратны. Такие мини-LLM в телефоне предлагают быстрые ответы на сообщения без обращения к облаку.

8. Крупные модели действий умеют запускать код, вызывать API и управлять целыми ИИ-системами. По сути, это уже шаг к автономным агентам, способным выполнять задачи от начала до конца. Простой пример: модель получает задачу «забронировать билет в Париж» и сама вызывает сервис бронирования.

9. Иерархические языковые модели мыслят на уровнях: разбивают сложную цель на подзадачи, а затем управляют их выполнением, что делает их особенно полезными в долгосрочных проектах и при многозадачности. Например, модель планирует написание книги, создаёт структуру глав, а затем постепенно разворачивает по каждой из них текст.

10. Когнитивные архитектуры (Hybrid / symbolic + neural). Они объединяют нейросетевые и символические методы для достижения большей интерпретируемости и точности. Это попытка сблизить ИИ с когнитивной моделью человека.
Пример: агент решает юридическую задачу, комбинируя формальную логику и статистический анализ прецедентов.

11. Крупные концептуальные модели. Их специализация — работа с абстрактными, высокоуровневыми знаниями и концептами. Они не просто соединяют факты, а строят обобщения и новые идеи. Такая модель может проанализировать историю технологий и сформулировать прогноз о будущем эволюции ИИ.

ИИ-агенты давно уже не являются монолитной концепцией, эволюционируя в системы взаимодополняющих архитектур и связей, каждая из которых оптимизирована для определённого уровня запросов и интеллекта. Или запроса интеллекта 🤭

Новый плейбук AI-стартапа

Скорость и экономика AI сломали всё, чему нас научила эра SaaS:

1. Старый playbook B2B SaaS (Sales-led → PLG) уже не работает

Скорость разработки AI-продуктов, где от идеи до прототипа проходят часы, а не месяцы, ломает медленные циклы традиционного маркетинга и A/B-тестирования. Оптимизировать воронку бессмысленно, когда сам продукт меняется ежедневно.

2. Экономика AI - это не экономика SaaS

Валовая маржа падает с привычных 80-90% до 40-60% (а иногда и ниже) из-за колоссальных и переменных затрат на inference (вычисления для каждой операции пользователя).

3. LTV:CAC как North Star Metric больше не работает

Главной метрикой выживания становится Contribution Margin (CM) на уровне фичи и клиента. Обязательно считаем переменные издержки: инференс, ручная проверка, платные API. Парадокс тут прост – самые активные фанаты могут увести CM в минус, если цена не связана с себестоимостью.

4. Прайсинг должен следовать за compute

Уход от «per seat» в сторону кредиты за использование, оплата за результат, гибрид фикс плюс переменная. Предохранители: квоты, понижение класса модели, кэш, пакетная обработка. Рост использования обязан повышать маржу.

5. Новый подход к выходу на рынок - это Culture Native Growth

Вместо построения собственного сообщества вокруг продукта фокус смещается на глубокую интеграцию в уже существующее сообщество с общей страстью / увлечением.

Lovable вместо закупки трафика в Google инвестирует в онлайн турниры по шахматам Магнуса Карлсена. Их маркетологи покупают не клики, а доверие и доступ к глобальному сообществу стратегов и аналитиков – точное попадание в их психографию

6. AI-натив операционный ритм

Необходимо еженедельно проводить эконом-ревью фич: цена запроса, частота вызовов, доля кэша, CM по сегментам, жалобы по SLA. Если CM ниже нуля, автоматом включаются триггеры: понижаем модель, меняем тариф, заменяем LLM локальной эвристикой.

7. Аутентичность становится главной валютой.

В мире с переизбытком AI контента доверие и подлинная человеческая экспертиза превращаются в самый дефицитный и ценный актив, а доверие клиента становится новым полем битвы.

8. Возрождение Founder-Led Sales

Основатель снова становится главным евангелистом и каналом продаж. Его уникальное сочетание страсти, глубокой экспертизы и видения невозможно скопировать или нанять и ранние клиенты покупают не продукт, а веру в основателя.

9. Устойчивое преимущество в AI всё реже зависит от самой технологии (модели быстро коммодитизируются). Прорывом становятся бренд, встроенный в культуру, и нетривиальная GTM-стратегия, которую сложно повторить.

10. Главный абсурд в AI-бизнесе – мы используем «бесчеловечные» AI технологии для создания продукта, но продавать его вынуждены через самые человечные каналы живым людям.

В итоге выигрывает не тот, у кого сложнее модель, а тот, кто глубже понял новую экономику и научился строить рост на фундаменте доверия, человеческих эмоций и культуры.

В гостях сегодня был Герман Орлов (c)

– Мечтайте не о фичах, а о Смыслах, который они привнесут в продукт. И лучшая мечта лишь та, что вызывает страх с восторгом вдруг.

Мечтать о том, чтобы продукт обрёл бессмертность в их глазах. Так возможно?

– Мечта должна быть неудобной. Удобная мечта – обычная задача. Мечта не на основе боли и проблем – (само)обман. Мечта без красоты – пуста. В мечте нет места для любви – она будет мёртва с начала.

– Мечтать о будущем посредством копий настоящего – ошибка сердца. Мечтай о сдвиге точки сборки и о ближайшей линии по ней.

– Мечта – есть тест энергии команды. Она горит – всё это стоит тех усилий. Мечты команды звучны тем, что наделяют новой силой.

– Мечты – гипотезы в своей предельной форме, их тоже можно проверять. Особенно, мечта-провал – в ней место опыту ошибок, точек роста, конечно, новых знаний тест опять.

– Мечты рождаются на гранях всех ресурсов, что изменяют способ видеть свет. Мечта проста – её поймет даже ребёнок, что за тебя озвучит на неё ответ.

– У всяческой мечты есть Время. А вечные мечты на кладбище идей. Мечтай же так, как будто ты бессмертен. И действуй так же – время нет.

– Великая мечта лишь та, которую сочтут безумством – глубже тебя-продукта-рынка-граней цвет. Что это за мечта такая, спросишь? И в этом будет весь её секрет.

11 качеств и навыков продакта в эпоху ИИ:

– Чистота и ясность мысли. Чем чище мысль, тем сильнее её воздействие на ИИ, команду и продукт. Как следствие, на рынок.

– Мульти-мышление. Если ИИ может "мыслить" обо всём, то продакт должен уметь мыслить о многом.

Создай Cистему в голове. Кто Оператор?

– Глубина взгляда. Выделяй многое вокруг сосредоточения на глубине запроса (мысли).

– Навык очищения. Сотри всё лишнее: мысли, идеи, слова, процессы, привычки, фичи. Только чистота Пустота даёт рождение новому.

– Фокус (не)внимания. Не утонуть в глубине бездны мысли помогает концентрация внимания на самом важном. На самом деле, это про расконцентрацию, и это совсем не другая история. Это – дисциплина смысла.

Пойми одно: ИИ – не Истина. ИИ – лишь тень на стенах той пещеры. Всегда ищи источник Света

– Чувства, чувствительность и чуткость. Прочувствуй все слова, чтобы понять их смыслы.

– Интуиция. Слушай невидимое. И с ней ты обретёшь Источник.

– Логическая критичность. Ставь под сомнение ответ ИИ проверкой предыдущего ответа на незаданный тобой вопрос. Верифицируй заданным.

– Принятие неопределённости. Ответов абсолютных нет, но есть ответы абсолюта Истин.

Круг – это Спираль

Пошаговая продуктовая стратегия (ПРОМПТ + Instruction Layer + вопросы + 300 промптов от OpenAI)

⚠️ Помни – сначала всё обдумай сам

У нас есть продукт [описание-проблема-решение / рынок / стадия / цель]. Мне нужны системные ответы, которые соединяют:

1) Видение (куда движется рынок, куда стоит вести продукт).

2) Приоритеты (что действительно стоит делать сейчас и зачем).

3) Тактика (какие действия предпринять в ближайшие спринты).

4) Метрики (как проверить результат и заметить сигнал раньше других).

5) Слепые зоны (что я упускаю, что может неожиданно повлиять на успех).

Ответ разбей на 5 блоков:

Шаг №1 (ближайшие действия) — какие конкретные шаги стоит предпринять прямо сейчас / в ближайшем спринте.

Шаг №2 (тактический горизонт) — что станет ключевым через 3 месяца, если мы хотим опережать рынок.

Шаг №3 (системный горизонт) — какие среднесрочные решения нужно подготовить, чтобы не упереться в ограничения через полгода.

Шаг №4 (стратегический горизонт) — куда движется рынок и что будет отличать сильных игроков через 12 месяцев.

Шаг №5 (опережающая разведка) — какие тренды, угрозы или возможности мы должны начать отслеживать сейчас, чтобы быть готовым первыми.

Правила ответа:

– Всегда показывай альтернативные сценарии (2–3 варианта).

– Указывай не только "что делать", но и "чего избегать".

– Делай упор на конкретику (идеи фич, метрик, процессов), а не общие советы.

– Ставь акцент на "что мы можем сделать раньше других".

– К каждому шагу добавляй 3 кратких проверочных вопроса по типу "Если бы у тебя было X, сделал бы ты Y и наоборот?", чтобы расширять моё мышление.

Слова и метафоры в управлении продуктами не просто описывают опыт — они формируют то, что мы видим, чувствуем и считаем возможным.

Они структурируют твоё и окружающее восприятие продукта, пользователей, команды, рынка, мира и реальности.

– Когда ты называешь продукт «инструментом», ты сразу же начинаешь думать о его применимости к 1-2 задачам, эффективности в их рамках, удобстве "под них". И ты ограничиваешь функционал.

– Когда ты говоришь «платформа» — ты смещаешь своё внимание на сеть, связи и их масштабы. Но ограничиваешь области использования.

– Когда же говоришь «Система» — ты отбрасываешь все ограничения.

Одна и та же функциональность продукта в разных метафорах перестаёт быть той же самой, открывая иные реальности для всего, что с чем ты её связываешь.

Метафоры и слова работают как фильтр для сознания

Выбрал (сознательно или бессознательно?) слово, сказал его, и вот все решения уже приняты на уровне мышления. Но ты это поймешь позже.

Метафоры формируют не только взгляд на продукт, но и внутреннее отношение продакта к самому себе.

Если ты мыслишь о продукте как о «бесконечном марафоне» — твой мозг будет воспринимать усталость как норму, а сам марафон как "успех" и "награду".

Если он воспринимает управление продуктом как «лабораторию», то появляются другие ориентиры: чистота, порядок, эксперименты и открытия.

Если продукт – это «сад», то появится уход, забота, циклы, сезонность, органический рост.

«Космический корабль с оранжереей и лабой» и вот уже сплочённый коллектив и безграниченое пространство вариантов.

Когда ты говоришь команде «рынок – поле битвы», всё начинает подчиняться логике войны: ресурсы, победы/проигрыши, конкуренты как враги и т.д.

Когда ты говоришь «рынок – это космос», тогда всё строится вокруг неизведанного.

И главная опасность для большинства команд в том, что они никогда не пересматривают свои метафоры

Они наследуют их от отрасли и живут в этих душных тесных комнатах, не осознавая того, что всю архитектуру дома можно менять.

Изучить метафоры продукта — значит обнаружить, что ты всегда смотрел на него лишь из одной комнаты. И что есть двери в другие, ведущие в иные способы мышления.

Именно на их пороге рождается выбор: быть сформированным чужими рамками или самому стать архитектором продуктовой реальности.

Типичный релиз в пятницу

Понедельник – день (не)важный

День, когда вокруг всё выступает срочным,
но ничего, по сути Важным,
мы забываем обо всём Ином-Другом,
и называем остальное главным.

Когда за скоростью скрывают Смыслы,
а лёгкость преподносится как точность,
решения бегут вперёд быстрее важных мыслей,
неважным придавая прочность.

Но важно не всё то, что "срочно".
И срочно не всё то, что "важно".
А, что неважно — тоже очень важно.

Поменьше важности и больше Важного в течении недели.

OpenAI вчера за один день убил половину стартапов Сан-Франциско (и большую часть ИИ-стартапов в мире)

Apps SDK + API Sora ​​+ AgentKit + Codex

🐸 https://openai.com/devday/

Сентябрьский дайджест продактов уже звучит своею тишиной

– Три столпа
– Учиться, учиться, учиться
– Говорить только о будущем
– Гайд для улучшения любой фичи

– Инсайты и как с ними жить
– Как генерить больше идей
– В мире очень много информации
– Людям трудно переносить хаос

– Встречи 1-1
– Правила хорошей коммуникации
– Атмосфера, в которой можно говорить
– Оценка стресса в компании

– Пауза – это пространство
– Продукт – зеркало нашей энергии
– Хорошие публичные выступления
– 11 жёстких правд

– MVP – пустая трата ресурсов
– Ужасный дизайн – ключ Прекрасного
– Trial vs Freemium vs Reverse Trial
– VIP режим в продуктах

– Квадрат решений Декарта
– Все решения временны
– Ты можешь меньше
– 36 советов самому себе

– Шорткаты мозга
– Плохой vs хороший отчет
– Дедлайн — часть работы
– State of Product 2026 от Atlassian

– Управленческие грин флаги
– Переодевание шапок
– Вымученная эмпатия не нужна
– Различные степени неполноты

– Градиенты власти
– Про принадлежность к группе
– Снова как наставничать джунов

– AI-стек для Product Discovery
– Волшебник Оз в исследованиях
– Язык менеджмента безбожно устарел

– Сколько живёт стратегия
– Здравый смысл – иллюзия продуктов
– Максимум выгоды из крови

– ИИ создаёт вирусы
– Цель – избавиться от сотрудников
– Почему LLM врут с умным видом
– The dawn of the post-literate society

– О чём вы мечтаете
– Славить я буду Тишину

🙏 The Reverent Calm Of Nuns Singing Gregorian Chants

Come to me, for my yoke is easy and my burden Light

API — это фрактальное подобие

OpenAI на днях показали, что расширение API в своём продукте – это идеальная органическая возможность стать базовым слоем в чужих продуктах и их потоках ценности. Чтобы полностью заменить чужие продукты.

Когда другие начнут интегрироваться по твоему API, рынок начнёт зависеть от твоего поведения и обновлений. А не ты от рынка.

Разбираемся в том, в каких случаях и как необходимо пилить и катить своё API. А также превратить свою же инфраструктуру в... новый продукт.

Зачем API вообще нужон:

1) Расширить поверхность продукта и сделать его доступным там, где твой настоящие и будущие пользователи живут и решают проблемы (у конкурентов).

2) Экспоненциальное умножение сценариев использования продукта через условно-бесконечную сеть интеграций с другими.

3) Снижение барьера входа для PRO-сегмента, вертикализация и монетизация совершенно новых сегментов рынка.

Даёшь рынку базовый набор фич продукта по API, и рынок сам собирает для твоего продукта ценности. И рынок тянется к тебе сам.

API имеет смысл только когда у продукта уже есть чёткое и доказанное Ядро со связями: 1) сущностей; 2) механик; 3) фич; которые можно выделить в независимый примитив API.

И если продакт не мыслит в терминах их взаимодействия, продукт не масштабируется.

API – границы вашего внимания-влияния

Стадии зрелости API:

🌱 API на минималках. Это виджеты, embed, share, JSON-endpoint, webhook, которые дают быстрый охват, низкий барьер интеграции и вирусность продукту.

В Метеоагенте, например, мы давно запили embed c прогнозами магнитных бурь и солнечных вспышек на сайты. С тех пор и до сих пор мы очень довольны результатами.

🍀 Полузакрытое API. Это API MVP и первый шаг к полноценному API: private API, OAuth для партнёров, SDK, webhooks, протокол и эндпоины/вызовы под 3rd-party API-сервисы, чтобы не пилить своё.

🌳 Платформенный API в виде собственного авторизованного и версионируемого протокола/архитектуры/билинга. Сюда же отдельным направлением идёт свой marketplace (но это снова другая история). В общем, полноценная инфраструктура и Система-в-Системе.

Советы по своему API:

– API должен масштабировать не фичи, а их ценность. Не строй API ради "партнёров". Строй ради Новых Систем, которые будут усиливать твой продукт.

– Правильно построенный API превращает продукт в экосистему; плохо построенный — превращает его в (само)зависимый костыль. Обратная совместимость – закон.

– Относись к разработке и управлению API как к полноценному продукту. Тестирование гипотез, MVP, итерации, рожь, это всё.

– Делай примитивы максимально открытыми. Ядро (данные, права, скорость, глубину интеграций) держи под контролем.

– Не конкурируй с чужими API. Позволь им быть частью своего.

– Иди глубже в доменную специфику, делай партнерские отношения, которые неимитируемы.

– Не документируй API как инструкцию к продукту, документируй его философию.

И когда ваш API начинают использовать иначе, чем вы задумывали — радуйся. Это значит, что вы создали Живую Систему.

API — это фрактальное подобие. В каждом вызове — отражение всего, что ты построил

Думай о примитиве как о бесконечном строительном блоке, который повторяется в разных масштабах и проектируй API продукт так, чтобы его можно было свободно вкладывать и масштабировать.

Если он спроектирован верно — продукт начнёт жить вне интерфейса, вне границ, вне себя.

И примитивы твоего продукта начнут комбинироваться другими участниками рынка через API, создавая и передавая для него новые уровни своих ценностей.

API — это способ передать власть (но не её контроль) пользователю.

Живой API живёт в чужих руках.
И поведение станет рекурсивным...
Система начнёт создавать Системы...

Иногда сила команды — не в количестве, а в грамотном управлении

В управлении продуктом есть невидимая грань между заботой и слабостью. Мы часто боимся её переступить, хотя именно там рождается зрелость.

Устойчивые команды строятся не только на найме, но и на честных разговорах, ответственности и взаимном доверии.

В новом выпуске Эпик Подкаста директор по продукту ВКонтакте Евгений Васильев рассказывает, как строить команды, которые работают вдолгую:

– о кризисе на рынке продактов;
– о том, как нанимать, развивать и поддерживать сильных специалистов;
– и том, как эффективно управлять командой в масштабном продукте.

🎧 Смотреть выпуск

Понедельник – день информационного фаст-фуда

Потому что 90% информации в понедельник напоминает поход в Макдональдс:

🍔 Самое-Главное-Совещание – это Биг Тейсти.

Огромное, сочное, максимальное калорийное блюдо, которое начинаешь есть, и уже заранее знаешь, что: а) одного его уже будет достаточно; б) заранее чувствуешь, что можешь не осилить.

Огромная "мясная" котлета в которой нет мяса, бумажная по вкусу булка, секретный никому неизвестный соус-суть и, конечно же, лук для запаха и слёз.

Где-то в середине процесса его поглощения приходит осознание, что придётся приложить усилия, чтобы доесть это совещание до конца. Каждый раз говоришь себе, что больше не будешь в этом участвовать, но всё равно идёшь, берёшь и ешь.

🍟 Картошка фри – россыпь пережаренных в бурлящем масле писем, сообщений, пропущенных звонков, всё под кисло-сладким соусом. От них, конечно же, можно отказаться, но "так не принято", да и Самое-Главное-Совещание само себя без них не переварит.

🥤 Coca-cola – это кофе. Пьёшь эту чернь, просто чтобы у живота и мозга были силы на процессы переваривания информационной "пищи".

🥠 Совещение с командой – вишнёвый пирожок. "Десерт", который уже не влезает, но он такой сочный и (осторожно!) ещё горячий, что отказаться от него невозможно. И его либо ешь сразу в этот же день, либо "давайте уже завтра". И если завтра, то берёшь его с собой, но уже по дороге домой возникает желание его съесть с кем-то из команды.

Здорового и натурального питания на неделе!