Марк вчера запустил премиум подписки для Instagram, Facebook и WhatsApp

$4/месяц для каждой аппы за стату, суперреакции, долгие сторис и всё такое, но интересно в этом всём причины и время, когда Марк решил это раскатить.

А видятся они в простом:

1) Бесплатная версия социалок с рекламой работала, пока предельные вычислительные затраты на инфру и код социалки ≈ 0. Код и код, крутится себе на серверах в Калифорнии, реклама, рожь, VR-Вселенная без ног, кайеф.

2) Пришла эпоха ИИ, и социалки теперь не просто код, а ИИ-монолиты, в которых каждая функция ИИ это колоссальная нагрузка на новую(!) ИИ-инфру, имеющая собственную стоимость в $ за каждый ИИ-запрос (новый термин – AI ROI).

Теперь представьте на масштабах всех трёх социалок Марка. Поэтому одна лишь реклама теперь не может окупать ТАКОЕ (бедный Марк).

– 2023 год: Эпоха массовых бесплатных продуктов подходит к своему логическому завершению с введением подписки на синюю галочку в Твиттере.

Хочешь получать профит от Х в виде приоритета в реплаях и рекомендациях в ленте (то есть, быть на виду)? Значит твой продукт это ты сам, ты перепродаешь себя, а значит... это B2B, поэтому ты должен плотитьнологи.

– 2026 год: Теперь и Инста с Фб официально конвертнулись в сознании юзеров из B2C в B2B продукт. Вместе с юзерами.

А экономика ИИ пытается перестать работать в долг

Причина тех долгов в продукте – продакт

А в эпоху ИИ не должно быть никакого тех. долга вообще.

ИИ должен устранить весь технический долг: а) который был накоплен ранее; б) любой последующий планируемый тех долг ещё до того, как представить свой готовый код.

В отличие от людей, ИИ может продолжать работать над чем-то пока это не будет сделано, а не предлагать идти на уступки и компромиссы из-за человеческих ограничений и времени.

И если ИИ говорит вам, что "оставляет что-то на потом", это первый шаг к галлюцинациям и сигнал, что ты:

1) неверно определил проблему пользователя → 2) придумал несуществующий userflow → 3) спроектировал кривой UX/UI, механику решения и фичу = поэтому ИИ тупит с логикой и архитектурой кода и предлагает взять тех. долг.

Причина тех долгов в продукте – продакт

Claude Code выкатили Dynamic Workflows

Новая фича позволяет запускать динамические рабочие процессы с участием сотен параллельных субагентов.

Некоторые задачи слишком велики для одного прохода одним ИИ-агентом, особенно в сложных легаси-кодбейсах: поиск багов по всему сервису, рефакторинг, миграции, затрагивающие сотни файлов, или план, который нужно проверить с каждого угла перед тем, как принять решение.

Dynamic Workflow — это JavaScript-скрипт, который оркестрирует субагентов в масштабе. Claude пишет этот скрипт под конкретную задачу, а рантайм выполняет его в фоне. План переходит в код, а не в контекстное окно Claude, все промежуточные результаты живут в переменных скрипта, и в контексте оказывается только финальный ответ. Тем самым ваша сессия с ИИ остаётся отзывчивой и неперегруженной контекстом, пока все агенты работают над большой задачей.

Попросите Claude Code создать воркфлоу напрямую через промпт, например, "Create a workflow...", либо включите новую настройку в ultracode) и и Claude динамически сформирует план оркестрации, которого будет неукоснительно придерживаться, что позволит ИИ и вам быть абсолютно уверенными в том, что каждый этап выполняется в правильной последовательности даже при участии сотен ИИ-агентов.

– Одна фича из коробки и 80% рынка оркестрации ИИ-агентов схлопнулось. Claude – As Above, So Below

I think the reason so many people don't understand how big AI is going to be is that they don't understand that

everything is an algorithm

Specifically, they don't realize that companies are just a collection of algorithms

– Think about that very carefully 👆

Синхронность и фрактальность в userflow→UX→UI→коде

Никогда не думал, что скажу такое, но...

КАК ЖЕ СИЛЬНО техническое мышление разрабов может помогать продакту в осознании и познании механик продукта и пользователей

Простыми словами:

–  Баги в коде (я не про баги со скобками и запятыми, а про ошибки логики и архитектуры кода) = баги в пользовательской проблеме/решении. То, что было не продумано/забыто в коде, аналогично этого же не будет хватать пользователям в механиках продукта.

– У любой механики → фичи → кода есть обратная сторона, которая является логическим продолжением и завершением петли механики. Логика, вообще, любимое слово наших друзей-программестов )))

Примеры: экшены "Добавить/Исключить", функции "Follow/Ignore" и т.п. Забыл что-то одно, и вот уже код кривой и вылезут баги когда спустя время решите делать и программист будет писать противоположную фичу по другому → userflow неполный → фича неполноценная → и, что главное для продакта/продукта – пользовательский сценарий будет не закрыт. И будут баги и пробелы, но уже в продукте/решении/процессах.

– Фрактальное подобие механик/функций/кода. Моё любимое и весьма сложное даже для разрабов (на самом деле, очень просто, в этом суть Фрактала).

Реакция (не лайк) на пост, реакция на пост-комментарий (комментарий это пост, не комментарий), реакция на ответ на комментарий-пост — всё сущности должны быть максимально общими/простыми/гибкими, чтобы использовать самим себя на разных уровнях систем.

И если у вас 3 разные сущности и типа записей контента и 3 разных типа лайка для них, то вот у тебя уже 6 зависимостей вместо 2 и 27 потенциальных вариантов багов. 1х1=1, а 2х2=4. Красиво.

Каждая (всякая ((Единая))) сущность в коде и в Системе должна быть собой, порождая своё фрактальное подобие, то есть использовать саму себя

Чем больше сущностей в архитектуре - тем больше рамок, функций, зависимостей и ограничений они все в себе несут. И тем больше ограничены все наши фичи, сценарии, механики и пользователи в продукте. Мы сталкиваемся с этим, когда слышим от разрабов: "Ууу, у нас архитектура этого не позволяет". Вот, это оно!

– У всего должен быть (есть) Один-Источник-Правды ☉

Статус пользователя, статус заказа, статус объекта, чего угодно – если оно хранится и проверяется в двух местах (зачем? почему? в чем причина этого? в процессе? а может быть, что-то не так с таким процессом?), то вы внедряете несколько несколько вызовов, несколько зависимостей, несколько проверок, 2+ логики и 2+ функции, 27 не дважды два четыре, и уж точно не 1.

И однажды, 100%, они разойдутся, Система для себя сделает одно, а пользователь увидит иное и это превратит их/ваш userflow→UX→UI→код с продуктом в Хаос...

Смотри в продукты сердцем продакта душой дизайнера глазами программиста. Всё это – бесценно!

Гипотезы, задачи, фичи – всё начинается как план. Сначала план (но это всё не точно)

0) Сначала сохрани контекст, что в голове, потом планируй. Помни о главном – цель.

Промпт (люблю писать для ИИ капсом):

Задача: ___ Аудитория:___ Контекст:___ бла-бла-бла

НО СНАЧАЛА ОТДЕЛЬНО СФОРМУЛИРУЙ ПЛАН: как ты будешь разбирать и что проверишь перед задачей, прежде чем писать предложение. Прежде чем составлять сам план, задай мне 5–7 уточняющих контекст и ситуации вопросов, ответы на которые сильнее всего повлияют на результат (по одному за раз).

1) Кидай в обработку ИИ сырые данные/транскрипты, даже если это часовой колл. Кинешь саммари и ИИ пропустит и потеряет контекст сразу на 2 этапах: на этапе создания саммари и на этапе работы с саммари.

Не жмись на токены – лишнее фильтруется само, значения есть в каждом слове/фразе.

2) Требуй у ИИ 3+1 вариантов с трейд-офами, а не один. Сначала разведи варианты и смотри на них сверху, после выбирай, далее фильтруй через: «Почему сейчас и почему это, а не другое», после собирай из элементов нужный вам.

Явные non-goals (что мы НЕ делаем) выписывай отдельным блоком.

3) Pre-mortem в план, чтоб хоронить фичи вначале и не хоронить в конце. Проси описать 3 варианта, как твоя затея провалится. Сужай область мышления ИИ через "какое одно предположение в плане, если оно неверно, рушит всё?" + "опиши условия, при которых этот проект стоит остановить, а не продолжать".

Реалистичые сроки начинаются со здоровых и реалистичных задач. Срыв сроков – кривые и нездоровые задачи.

4) Реверс-планирование от дедлайна это когда планирование идёт от конечной даты назад (вперёд): что должно быть готово за неделю до релиза, за две, за месяц. С помощью этой штуки вылезают неявные, узкие и избыточные куски функционала и механик, которые при классическом планировании наперёд скрываются за оптимизмом сроков.

5) RACI прямо в плане. На каждый блок указывай кто делает, с кем советоваться, кто апрувит, кого просто информировать. Хорошо помогает увидеть слабые места не только в фичах, но и в людях.

6) Рисуй Линии-и-Точки. Лучший план должен быть таким, чтобы после каждого этапа его реализации на руках уже была ценность, с которой можно было как минимум остановиться, как максимум эту ценность передать.

7) 20% усилий закрывают 80% боли, и облегчённый вариант гипотезы/идеи/фичи/продукта оказывается самым успешным.

8) 80% плана(ов) не нужны. Ценность – это цель 😎

Так майский дайджест протекает по Колумбии огнём

– Алхимическая задача
– Настройки мышления
– Гольф глазами продакта
– Галлюцинации ИИ твои

– Не пользователи, а люди
– Personas это JTBD
– 55 когнитивных искажений
– Библиотека идей, законов и концепций

– Минимализм умер
– Postmortems for UX
– Единство аффекта и интеллекта
– Почему мы делаем разные выводы

– Теория карьерных якорей
– 8 часов работы делают тупее
– Продакшен — ничто
– Про первый лайк

– Причина тех долгов – продакт
– ИИ психоз у CEO и у компаний
– AI-native Startup Founder's Playbook
– The “Bug-Free” Workforce

– Agent Memory That Survives
– Промпт-инжиниринг для не-инженеров
– Structured-Prompt-Driven Development
– Как экономить токены

– State of AI 2025–2026
– Design Systems Report
– Why research needs to research itself

– Контроль — это иллюзия
– Пытаясь спланировать непонятное
– Решение уравнения без решений
– Почему близнецы не симметричны

😌 Persistent Visions by Mark Seelig
🧘‍♂️ Ya-man from The Disciple's Path

Ad: Если нужен английский для работы, то AgileFluent – лучшее решение

На PeopleSense'26 одна из панелей была посвящена тому, как ИИ меняет работу ИТ-руководителей. В своем выступлении управляющий директор направления первичной недвижимости Авито Недвижимости Дмитрий Алексеев показал, как смещается акцент с контроля процессов на ответственность за результат.

Происходит вот что:
1) Еще недавно руководителем считался тот, кто контролирует процессы и держит все под контролем.

2) С появлением ИИ‑агентов стало понятно, что именно этот слой работы автоматизируется первым. Как раз для этого такие инструменты и создаются — забирать рутину и контролировать поток задач.

То, что не автоматизируется, — это ответственность.

Полномочия можно передать алгоритму, ответственность — нет. И чем выше уровень ответственности, которую человек готов нести, тем выше его ценность — независимо от должности и количества прямых подчиненных.

Еще один сдвиг: эпоха руководителя, который только управляет процессами, уходит. Останутся те, кто умеет сочетать управление с личной вовлеченностью в создание результата, а не только в согласование планов и отчетов.

Рецепт от Алексеева на понедельник утром, чтобы к пятнице не оказаться не у дел: разберитесь в экономике своего продукта — где он создает ценность, а где теряет деньги. Выберите одну бизнес-метрику, за которую готовы отвечать лично, и выстройте вокруг нее продуктовую, коммерческую и финансовую части. Рутину отдайте ИИ, а сами занимайтесь решениями.

Жизнь робота в 2026: пассажир авиакомпании Southwest Airlines в США решил взять с собой в салон андроида, и вот что из этого получилось

Аарон Мехдизаде летел из Лас-Вегаса в Даллас и взял в салон своего робота Стьюи, который не пролезал по габаритам ручной клади, а отравлять багажом выходило дорого. Поэтому Аарон просто взял и оформил роботу... билет на соседнее кресло (услуга, которую обычно заказывают для перевозки хрупких вещей).

В аэропорту робот успешно прошёл предполётный досмотр: специально для этого на него была установлена батарея уменьшенной ёмкости, сам дошёл до гейта, а потом и в самолёте до своего места возле иллюминатора.

PS. После полёта Southwest Airlines быстро опубликовала новые правила перевозки, в которых прописала запрет на перевозку роботов в салоне или зарегистрированном багаже вне зависимости от их размера и назначения. Причина банальна — безопасность при перевозке литий-ионных аккумуляторов.

Лёгкой недели 👉✨✨

Сотрудники Anthropic едут на работу после IPO

Что такое циклическая работа ИИ-агентов (agent looping) и открытые/закрытые циклы (по мотивам Anthropic Workshop: Build Agents That Run for Hours)

Последние два года ИИ-агентам давали задания пошагово: одна задача = один промпт. Сейчас этот подход меняется и вместо того чтобы просить ИИ-агента создать условный кусок кода или документ, а затем самому контролировать каждый этап, вы настраиваете цикл, который берёт на себя всё: исследование, планирование, выполнение, проверку и итерации до тех пор, пока цель не будет достигнута.

Циклический процесс — это выстроенная вами Система

Её может запустить практически любая платформа для работы с ИИ-агентами; всё зависит от того, как именно вы настроите связи между ними.

В самом простом варианте цикл — это работа агента над собственным результатом:

> проводит исследование
> создает черновик
> сверяет черновик с поставленной целью
> исправляет слабые места
> повторяет цикл, пока результат не начнет соответствовать требованиям

Более масштабный вариант — это циклическая работа целой группы ИИ-агентов. Вы ставите задачу агенту-оркестратору; он разбивает её на части, передает каждую часть профильному агенту, а те, в свою очередь, поручают более мелкие задачи своим субагентам.

Вся эта иерархия продолжает циклически проходить этапы исследования, планирования, выполнения и проверки, пока цель не будет достигнута.

Вы задаете цель, и система выполняет цикл до тех пор, пока работа не будет завершена в соответствии с установленными вами требованиями.

Открытые и закрытые циклы:

ОТКРЫТЫЙ ЦИКЛ носит исследовательский характер. У него есть условия и цель, но вы предоставляете ИИ-агенту или группе агентов широкое пространство для манёвра. Система может пробовать разные пути, делать открытия и создавать то, что вы не описывали в деталях.

Проблема в стоимости – открытый цикл, дающий реальную свободу для исследований, потребляет безумное количество токенов. Для 90% команд, не имеющих неограниченного бюджета, такой подход недоступен, а при работе над проектами с нечёткими стандартами такая Система рискует превратиться в генератор некачественного «мусора».

ЗАКРЫТЫЙ ЦИКЛ имеет чёткие границы в котором ИИ-архитектор сначала проектирует весь маршрут работы:

> ясная цель
> определённые этапы
> проверка на каждом этапе
> точка остановки или возврата результата вам (с передачей данных об эффективности)

Агенты по-прежнему работают циклически, но делают это в рамках созданной вами структуры. С каждым циклом результаты улучшаются, так как каждый этап подпитывает следующий, а затраты остаются в рамках обычного бюджета благодаря чётко выстроенному процессу.

> за цель отвечает архитектор
> за конкретные шаги отвечают специалисты
> узкопрофильные исполнители выполняют частные задачи
> контрольный этап гарантирует качество и исключает небрежность

Loop Engineering — это замена себя как человека, который пишет промпты ИИ, на Систему, которая делает это за вас

5 компонентов цикла (и один бонусный)

Для цикла нужно пять вещей и одно место, где хранить состояние.

1. Автоматизации, которые срабатывают по расписанию и сами занимаются поиском и сортировкой.

2. Worktrees («рабочие деревья»), чтобы два агента, работающих параллельно, не мешали друг другу.

3. Навыки (Skills) — прописанное знание о проекте, которое агенту не придётся угадывать каждый раз.

4. Плагины и коннекторы для подключения агента к уже используемым инструментам.

5. Суб-агенты, чтобы один агент генерировал идею, а другой её проверял.

И шестое — память: markdown-файл, который живёт вне отдельного разговора и хранит, что уже сделано, а что следующим, потому что ИИ забывает всё между запусками, поэтому память должна быть на диске, а не в контексте.

1. Автоматизации — сердце цикла

Именно автоматизации превращают разовый запуск в настоящий цикл. В Codex вы создаёте автоматизацию на вкладке Automations: выбираете проект, промпт, частоту запуска и то, где он будет выполняться.

Результаты попадают в папку Triage, а те запуски, которые ничего не нашли, просто архивируются. OpenAI использует это внутри для ежедневной сортировки задач, подготовки commit-отчётов и поиска недавно внесённых багов.

Claude Code достигает того же через планирование и хуки: /loop запускает промпт или команду с заданным интервалом, можно настроить cron-задачу, хуки на разных этапах жизненного цикла, или отправить всё в GitHub Actions.

Существует ещё одна важная примитива: /goal — в отличие от /loop, который повторяется по расписанию, /goal продолжает работу, пока не выполнится заданное условие, причём после каждого шага отдельная небольшая модель проверяет, завершена ли цель.

2. Worktrees: чтобы параллельность не превращалась в хаос

Когда запускается больше одного агента, файлы начинают конфликтовать. Git worktree решает эту проблему: это отдельная рабочая директория в своей ветке, но с общей историей репозитория. Codex и Claude Code поддерживают эту изоляцию — либо встроенными средствами, либо через флаг --worktree.

3. Навыки (Skills): чтобы не объяснять проект каждый раз заново

Навык — это папка с файлом SKILL.md, содержащим инструкции и метаданные, а также опционально скрипты, справочные материалы и ресурсы. Codex вызывает навык по $название или /skills, а иногда и сам, когда задача соответствует описанию навыка. Claude Code делает то же самое.

Навык — это однократно записанное намерение, которое агент читает при каждом запуске

4. Плагины и коннекторы: чтобы цикл касался реальных инструментов

Цикл, который видит только файловую систему, слишком мал.

Коннекторы на основе MCP позволяют агенту читать трекер задач, запрашивать базу данных и вызывать API. Плагины упаковывают коннекторы и навыки вместе, чтобы они могли использовать ваши настройки целиком.

5. Суб-агенты: разделяем созидателя и проверяющего

Самое полезное структурное решение в цикле — отделить того, кто пишет, от того, кто проверяет.

ИИ, написавшая код, слишком снисходительна к своей собственной работе. Второй агент с другими инструкциями (и иногда другой моделью) ловит ошибки, которые первый сам себе наговорил.

Что цикл всё ещё не делает за вас:

Цикл меняет работу, но не удаляет вас из неё. Проверка всё равно остаётся за вами. И если цикл работает без присмотра, он также и совершает ошибки без присмотра.

Ваше понимание тоже страдает, если вы ему это позволяете: чем быстрее цикл поставляет код, который писали не вы, тем больше разрыв между тем, что существует, и тем, что вы на самом деле понимаете.

И, наконец, удобная поза «наблюдателя» опасна тем, что очень легко перестать иметь своё мнение и просто принимать то, что выдаёт цикл.

Цикл не знает разницы. Вы знаете.
Всё дело в поиске: а) правильного б) Баланса

Постройте цикл. Но постройте его как тот, кто намерен оставаться инженером/продактом, а не просто нажимателем кнопки

♾️ https://github.com/serenakeyitan/awesome-agent-loops

P.S. Fabel умнее Opus в восемь раз.

Мне не особо нравится популярность правила Парето

Во многих контекстах 80/20 действительно полезно и является отличным способом для быстрого выявления перекосов, утечек производительности и поиска эффективного пути решения проблем в уже существующих Системах.

Но величайшая угроза для Великих компаний кроется именно в этом – неустанной погоне за "эффективностью", которая, по факту тянет к... среднему, которое лишь размывается.

Мышление в духе 80/20, осознанно и добросовестно применяемое, ускоряет это размытие и падение. Так, вы становитесь ещё "успешнее и эффективнее" в том, что уже умеете и что уже работает, но... теряете способность к тому, что ещё не могли вообразить.

Проблема в том, что основатели не оптимизируют существующие Системы. Они пытаются создать То-чего-ещё-не-существует

И когда правило 80/20 применяют к построению компании под новую идею, продукт, операции или бизнес, оно активно вводит в заблуждение и с самого начала ведёт по неверному пути.

Потому что достичь 80% теоретического потенциала не означает, что вы нашли product‑market fit и создали Нечто, что любят пользователи, или построили бизнес, который может жить сквозь время. Это означает, что вы сделали самую лёгкую часть и теперь занимаетесь оптимизацией ради оптимизации.

Аналогично с 90/10 работает и венчур. Верхние 10% инвестиций в фонде определяют, будет ли фонд хорошим, отличным или легендарным. Ставки внутри распределены неравномерно и они сосредоточены на дальнем конце распределения на компаниях, которые НЕ оптимизировали достижимое, а достигают то, что раньше считалось магией и невозможным.

Если хотите быть Великими, нацельтесь на 90% и выше. Правило 80/20 — это неправильный компас для пути.

Достичь 90% достаточно сложно, но это всё ещё лёгкая часть, если смотреть-на-вещи-правильно. Если хотите стать легендарными, посвятите себя тому, чтобы пройти дистанцию «последних 10%».

...Быть первым – быть в 10 раз больше ближайшего конкурента.
Самолет использует 10% своего топлива для взлёта...

Последние первые 10% — это и есть 90% работы и 90% награды.

И в следующий раз, когда речь зайдёт о правиле 80/20, спросите себя, над чем бы вы работали, если бы перестали оптимизировать под «эффективность по Парето» и посвятили себя 10%.

Летом 2024 года McDonald’s свернул тестирование голосового ИИ в Макавто и разорвал партнёрство с IBM, потому что ИИ пробивала клиентам мороженое с беконом, сотни наггетсов и путала напитки. Эксперимент обошёлся в круглую сумму, а на выходе компания получила лишь баги и вирусные тиктоки с негативом (но это не остановило её от экспериментов с ИИ).

О чём этот кейс говорит менеджерам и руководителям?

Управлять ИИ-проектом — не то же самое, что пилить классические решения. Стандартные подходы не спасут от галлюцинаций ИИ, грязных данных для обучения и улетевших в космос расходов на токены.

И чтобы не повторить судьбу ИИ-Макавто, нужно понимать специфику ИИ-проектов: как выстроить работу ИИ, как считать экономику, и как контролировать процесс.

Усилить свои компетенции в области ИИ можно на курсе «Управление ИИ-проектами» от Академии Эдюсон.

За 3−4 месяца на практике вы:

– научитесь анализировать готовность компании к внедрению ИИ, проводить аудит бизнес-процессов, оценивать сроки, риски и бюджет;

– научитесь переводить метрики в понятные бизнесу цифры и защищать бюджеты;

– освоите инструменты разработки без кода (n8n, Dify, Flowise, Cursor/Bolt), чтобы создавать ИИ-агентов и автоматизировать нужные процессы;

Обучение построено на опыте экспертов из «Яндекса», «Сбера» и других крупных компаний. Год на связи личный куратор, а доступ к материалам и будущим обновлениям останется у вас навсегда. По окончании курса – портфолио из 8 личных проектов.

Оставьте заявку с промокодом PMAI и забирайте скидку 65% и второй курс в подарок.

Everything Is Recorded Now (с) a16z

Большинство наших рабочих обсуждений теперь записываются по умолчанию. И вам, вероятно, стоит исходить из того, что всё, что вы говорите, отныне записывается.

С технологической точки зрения очевидно, что на основе этого живого контекста компании будет построена новая система, под которую уже выстроена новая категория ПО с ИИ, организованная вокруг голоса, а не текста.

Сегодняшняя система записей — это структурированные данные: записи в CRM, тикеты, вики и документы.

Но наиболее ценный контекст живёт в разговоре: нюанс звонка клиенту, реальный спор на продуктовом обзоре, мимолётное замечание на встрече руководства, которое меняет обсуждение и дорожную карту. ИИ умеют брать эти неструктурированные голосовые данные и делать их структурированными и доступными для поиска и запросов.

Это большая возможность для ПО, и мы всё ещё находимся на ранней стадии понимания того, как будет выглядеть этот программный слой и кому он будет принадлежать.

Granola — яркий пример: у неё лучший контекст о культуре a16z, наших инвестициях и о том, как мы на самом деле думаем, чем почти у любого другого инструмента, которым мы пользуемся, потому что ИИ «была в комнате».

Устные и письменные культуры

Компании делятся на устные (verbal cultures) и письменные (written cultures).

Историческим узким местом для устных культур было то, что важный контекст происходил в разговоре, а затем исчезал. Когда ИИ может посещать каждую встречу и синтезировать произошедшее, устная культура наконец-то масштабируется.

Это не значит, что компании с письменной культурой не выиграют. Предоставление ИИ доступа к продуманным текстам также хороший способ быстро ввести ИИ в курс дела. Но в целом, я думаю, что ИИ будет продвигать и усиливать именно устную культуру.

– Сначала ИИ пришла в ваш корпоративный Gmail, потом в Slack, в таск-менеджер. Теперь ИИ с вами в комнате и на созвонах.

< место для мема Are they AI in the room with us right now?>

Метод Стэнфорда — это прежде всего способ мышления через многосторонний обзор + карту противоречий + синтез + взаимную проверку

4 последовательных промпта от ребят из Стенфорда, которые помогут с написанием статьи, отчёта и презентацией, перед принятием важного бизнес-решения, собеседованием, переговорами, инвестированием и освоением нового навыка.

Никакого ПО, никакого GitHub, никакой сложной настройки — скопируйте и вставьте промпты и через 5 минут вы будете знать о выбранной теме больше, чем те, кто потратил на её изучение десятилетия, годы, месяцы, недели, дни (Господи, что я несу, как же дико это звучит)

Следующее Приложение — это не приложение

Если прямо сейчас открыть телефон и пересчитать иконки приложений, то можно насчитать от десятка до сотни иконок.

И каждое приложение за иконкой это очередная обёртка-обещание продакта и продукта: «Скачай меня и ___ станет проще/дешевле/веселее *» (и у каждой аппы: «* Но сначала потрудись изучить меня от и до»).

Мы все с этим смирились и приняли это как данность: нужно сначала найти самую яркую иконку в множественной яркости других, открыть её, вспомнить, как работает этот апп, добраться до нужной функции, воспользоваться ей, увидеть и осознать результат, и т.д. что там по CJM.

Но интерфейсы и механики всегда упрощаются (а это значит – исчезают), потому что лучший интерфейс — это отсутствие интерфейса

Поэтому в эпоху ИИ иконок больше не будет.

Появятся «нити пространства диалогов», находящиеся в Том-Самом-Нечто, выполняющим работу, которую раньше приходилось делать с помощью разноцветных иконок.

Следующее "приложение" – Пространство

Loop Engineering for Product Managers

Лучшими продакт-менеджерами станут не те, у кого самая большая библиотека промптов, а те, кто понимает, какие этапы продуктовой работы стоит превратить в устойчивые циклы, какие артефакты должны ими управлять, и какие решения должны оставаться прерогативой человека.

Анатомия и структура продуктовых ИИ-циклов, практика их создания, частые сбои и чем продакту снова поможет GitHub в материале ниже

♾️ Бонус: Loop Library

8 советов по работе с логами продукта

1. Ведите decision log с условиями пересмотра, а не просто с решениями

Записывайте не только «что решили», но и «при каком сигнале пересмотрим», например, «откатим, если retention упадёт ниже X».

Так решение превращается из мнения в понятную и для всех проверяемую ставку, а вы с командой перестаёте каждый раз спорить о том, что уже обсуждали ранее. Полгода спустя этот лог будет лучшим свидетельством того, какие (и чьи) гипотезы сбылись, а какие нет.

2. Калибруйте собственные прогнозы и лог: дата релиза, ожидаемое внедрение, ожидаемый эффект и через время сверяйте их с фактом.

Почти никто этого не делает, поэтому почти никто не знает, систематически ли он оптимист по срокам или пессимист по импакту. В то время, как через десяток подобных записей вы начнёте давать оценки, которым можно доверять всё больше и больше.

3. Размечайте решения как «дверь в одну сторону» или «в две стороны»

Обратимые решения принимайте быстро и дёшево, необратимые – с реальной строгостью.

Ошибка многих продактов в том, что они тратят одинаковую энергию себя и команды на оба типа, и в этом главная утечка скорости. Само наличие такого тега заставляет команду не раздувать процессы там, где цена ошибки это просто один откат фичи.

4. Инструментируйте спеку, а не продукт

Определяй метрики и названия событий прямо в PRD, ещё ДО разработки (а не «допишем аналитику потом»). Потому что «мы забыли это трекать» это самая частая и самая дорогая (и лекго предотвратимая) ошибка продакта.

События/метрик нет в документе = их и не будет после

5. Ведите в лог карту допущений с осями «уверенность × влияние»

Отделяйте discovery-долг от delivery-долга как список открытых вопросов и допущений с явной пометкой, насколько вы в них уверены.

Де-рискинг самого опасного допущения и вот вы уже перестаёте строить уверенно поверх того, во что на самом деле не верите

6. Делайте pre-mortem с триггерами, а не как разовое упражнение

Опишите провал до запуска, а к каждому сценарию провала привяжите опережающий индикатор из пункта 1 и 2.

Так pre-mortem превращается из психологической разминки в настройку, благодаря которой вы заранее знаете, какую метрику и график будете смотреть и какое его значение означает, что пора вмешаться.

7. Заведите «кладбище» отклонённых идей с причинами. Каждая зарезанная фича отправляется в searchable-список продуктовой wiki с строкой «почему нет».

Это лекарство от бесконечного цикла переобсуждения одного и того же командой и одновременно ваш самый честный материал для раздела «Не делаем» в новых PRD.

Сильный продакт узнаётся по тому, как быстро он объясняет, почему "нет"

8. Кодифицируй ход мышления-решений

«Как ты узнал?» / «У нас метрика Х упала, ааачоделать?» / «СЕО опять принёс идею, что ответить» и прочее повторяющееся изо дня в день выпиши как личную библиотеку подходов и приёмов.

Ответы: «Подумал, уточнил, проверил» / «Проверил фичи, что релизили недавно» / «Вернём ему проблему»

Управление контекстом вокруг контента и есть тот самый недооценённый актив команды продукта и главный навык продакта.