ИИ-Wiki: Код, продукты, жизнь (ч.1)

За последние месяцы четыре разные команды реализовали одну и ту же идею Wiki для ИИ: OpenWiki, DeepWiki, AutoWiki,, GBrain.

Работает просто: LLM читает набор источников, компилирует их в поддерживаемый набор markdown-страниц и обновляет эти страницы по мере изменения источников. Агенты читают эти страницы вместо того, чтобы заново выводить всё из сырого материала на каждый вопрос.

Паттерн стал категорией, а системы, построенные на его основе, всё чаще называют просто «агентными вики». Вот что это такое на самом деле, что построила каждая команда, где это ломается и с чем это постоянно путают.

Идея: компилировать при поступлении, а не при запросе

Начнём с проблемы, потому что паттерн — прямой ответ на неё.

Стандартный способ передать модели базу знаний — это поиск (retrieval). Вы загружаете документы, разбиваете на чанки и создаёте эмбеддинги, а при запросе извлекаете релевантные фрагменты и отвечаете. Это работает, но имеет структурный изъян: ничего не накапливается.

Каждый вопрос начинается с сырых фрагментов, так что модель каждый раз заново выводит одно и то же понимание, и десятый вопрос о кодовой базе не дешевле и не лучше первого.

LLM Wiki инвертирует этот порядок: вместо того чтобы собирать знания при запросе из сырых кусков, LLM собирает их один раз при поступлении в долговечные страницы и затем поддерживает их. Когда поступает новый источник, модель читает его, обновляет затронутые страницы, пересматривает и отмечает противоречия с уже написанным, выводя его один раз и затем обновляя.

Архитектура состоит из трёх слоёв:

1) Сырые источники неизменяемы: статьи, документы, репозитории, данные. Модель читает их и никогда не редактирует.

2) Вики — это созданный LLM markdown, которым ИИ полностью управляет: резюме, страницы сущностей, концепций, перекрёстные ссылки и т.п.

3) Схема — это конфигурационный файл (CLAUDE.md, AGENTS.md или аналогичный), который сообщает модели, как организована вики и какие рабочие процессы запускать, что превращает её в проводника, а не просто в чат-бота с доступом к файлам.

Над всем этим работают три операции:

– приём источника и размещение его по затронутым страницам;

– запрос к вики с возможностью сохранять хорошие ответы как новые страницы, чтобы исследование тоже накапливалось);

– периодическая проверка, выискивающая противоречия, устаревшие утверждения и потерянные страницы.

Что на самом деле построили лаборатории и различия между реализациями.

DeepWiki — вики как общедоступная утилита. Замените github.com на deepwiki.com в URL любого публичного репозитория, и вы получите сгенерированную, навигабельную вики этой кодовой базы: обзор архитектуры, индекс файлов, граф зависимостей и поиск с ссылками на исходный код.

AutoWiki придерживаются подхода, что документация должна быть артефактом сборки, а не побочным проектом. Она строится из исходного кода, организована вокруг того, как кодовая база работает на самом деле, и обновляется при изменении репозитория. AutoWiki выполняет двухпроходный анализ и работа распределяется между специализированными агентами, каждый из которых охватывает один аспект репозитория с достаточным контекстом для создания хорошей страницы.

OpenWiki перешли от кода ко всему

LangChain открыли исходный код OpenWiki и расширили его до OpenWiki Brains с двумя режимами: Code Brain — исходный вариант для репозиториев, и Personal Brain, который строит вики из ваших собственных подключённых источников.

Этот второй режим — самое интересное. Personal Brain принимает данные из Gmail, Notion, git-репозиториев, X, Hacker News и веб-поиска и синтезирует их в локальную markdown-вики, к которой обращается агент. Категория перешла от «документируй мой репозиторий» к «скомпилируй мою рабочую жизнь».

GBrain: персональная версия вас

GBrain применяет ту же форму к личной базе знаний, а не к кодовой базе: markdown в git-репозитории, файл схемы и автоматически поддерживаемый граф перекрёстных ссылок сущностей. Никакой векторной базы, никакого сервиса — просто файлы, которые модель и человек могут читать.

Вики — это не память (ч.2)

Здесь стоит провести одно чёткое различие, потому что терминология в этой области всё ещё расплывчата.

Эти системы всё чаще описываются как памят». LangChain называет OpenWiki «слоем вики-памяти для ИИ-агентов», используя маркетинговую формулировку. Слово несёт большой вес, но покрывает две довольно разные вещи.

Корпусное знание — это то, что делает вики: компилирует то, что содержится в наборе документов, репозитории или архиве Gmail. Она отвечает на вопрос «что содержит этот материал?»

Пользовательская память и опыт — это другая ось: что предпочитает конкретный человек, что они решили на прошлой неделе, какой подход их команда уже отвергла, что агент пробовал в другом приложении вчера и чем это закончилось. Это относится к идентичности, а не корпусу, накапливается из взаимодействий, а не поступления, и должно уметь обрабатывать противоречия, устаревание, происхождение и удаление для каждого пользователя.

Вики отлично справляется с первым и не пытается делать второе

Компиляция вашего Gmail в страницы говорит агенту, что находится в вашем Gmail. Это не говорит агенту, что вы передумали по поводу решения о вендоре в разговоре во вторник, или что предложенный подход уже однажды не сработал для вас.

Эта вторая ось — то, для чего предназначен выделенный слой памяти, такой как Mem0: память, привязанная к user_id, чтобы она следовала за человеком между сессиями, приложениями и агентами, обновляемая на месте при изменении фактов, а не добавляемая навсегда.

Эти два подхода дополняют друг друга, и ошибка не в выборе вики. Ошибка в том, чтобы верить, что вы решили проблему памяти, потому что скомпилировали корпус.

Вынесите из этого три вещи:

1) Компилируйте ваши документы в поддерживаемые страницы, когда корпус стабилен и часто перечитывается

2) Добавляйте полноценный поиск, когда он вырастает за пределы личного масштаба, как и рекомендует исходная формулировка.

3) И держите различие между компиляцией корпуса и запоминанием пользователя, потому что вики даёт вам первое, а не второе.

ИИ Wiki — реальный паттерн с реальной идеей: знание должно быть скомпилировано один раз и поддерживаться, а не перевыводиться на каждый вопрос, и поддержка, отсутствие которой убило человеческие вики, это именно та работа, которую модель выполняет бесплатно.

Истина 1. Поведение Системы возникает из взаимодействия между её частями, а не из отдельных частей

Результат системы — это результат того, как компоненты соединяются и взаимодействуют. Можно довести до совершенства каждую отдельную часть и всё равно получить сломанное целое.

Продукт это то, как совершенные части собраны в полезное целое

Системное мышление означает оптимизацию связей-линий между частями-точками. Оптимизация части всегда идёт за счёт целого.

Части Системы, оптимизируемые независимо(!) по локальным метрикам, стремятся к своим локальным максимумам, которые являются провалом для целого (прямое следствие декомпозиции цели/фичи/продукта/рынка).

Истина 2. Структура, правила и потоки информации обладают большей силой, чем её параметры

Точки вмешательства в оптимизацию Системы имеют разную силу. Настройка параметров обладает слабейшей силой, в то время как изменение структуры, правил и информационных потоков большую, а изменение всей парадигмы Системы – максимальную.

Эксперименты с версиями фичи это лишь уровень параметров

Проектирование базиса механики/архитектуры/сценария, на/по/благодаря которому смогут строить и создавать другие пользователи/команды — правило.

Систему можно опознать даже после того, как заменены все её физические носители: люди и код, главное – всё будет работать в новых версиях и компиляциях, если сохранился паттерн связей между ними.

Истина 3. Граница Системы очерчена наблюдателем, а не продуктом/рынком

Где проводится граница продукта, там же заканчивается его рост и оптимизация, а всё, что снаружи границы, воспринимается как внешняя среда, а не как часть целого. Не бывает объективной границы Системы — есть только граница, которую "выгодно" не видеть.

Истина 4. Когда в Систему добавляются что-то "новое" как новый актор, новая ценность переходит к интерфейсу, через который это "новое" взаимодействует с частями Системы. Интерфейс – слой парадигмы.

Истина 5. Управлять Системой может только То, что содержит не меньше разнообразия, чем сама Система

Регулятор должен обладать вариативностью реакций, равной или превышающей вариативность возмущений, иначе часть возмущений пройдёт через него неотрегулированной (математическое ограничение управления как такового).

Истина 6. Иерархия — это замороженная на момент времени искусственная сеть, а формализация и живость Системы это её взаимоисключающие состояния.

Система 7. Система не может познать себя изнутри, ибо любое её самоописание есть модель низшего порядка сил. Система существует не ради цели, а ради собственного воспроизводства. Её цель это то, что она рассказывает себе про себя

Истина 8. Достигнутая Системой цель — её же новое ограничение.

Система, истребившая все ошибки, истребила собственную способность эволюционировать.

Значит ли это, что она достигла Абсолют?

Безопасность ИИ-агента – это продуктовое требование, а не задача «отдела безопасности»

Мы научились считать экономику токенов, бороться с галлюцинациями и даже писать систему тестов для оценки качества ИИ. Но почти никто на этапе проектирования не задает вопрос: «что произойдет, если нашего агента скомпрометируют?»

При том что агент – это не чат-бот с ответами. Это сущность с доступами: к коду, к данным пользователей, к внешним сервисам, к инфраструктуре. И чем полезнее агент – то есть чем больше ему доверили – тем дороже стоит его взлом.

– LLM ошиблась → вы получили плохой ответ.
– Агент скомпрометирован → вы получили несанкционированные действия в продакшене, утечку данных и искаженные результаты по всему продукту.

«Поверхность угрозы для агента растет пропорционально его полезности»

Поэтому «прикрутим безопасность потом» с агентами не работает – так же, как не работает «допишем аналитику потом». Безопасная архитектура либо закладывается на нулевом этапе, либо превращается в вечный долг, который выплачивается инцидентами.

Школа анализа данных Яндекса посвятила теме бесплатную AI Agents Security Week – пять дней про угрозы безопасности агентов, контролируемый доступ к инструментам и проектирование безопасной архитектуры ИИ-продуктов.

Продукт ещё и про ошибки

Мы недооцениваем значимость и ценность наших продуктовых ошибок. Промахнувшись с гипотезой/фичей, мы проводим "аналитику", ищем оправдание (которое не укажет на нас самих и наши убеждения как причину), быстро отчитываемся и спокойно забываем о ней, упуская истинное предназначение-суть ошибки:

Ошибка вскрывает те самые каналы, которые в повседневной суете закрыты для нас из-за нашей невнимательности и спешки.

Ошибка заставляет остановиться, вырывая нас из автоматизма.

Ошибка учит тому, чему мы не научимся в комфорте рабочей суеты: вниманию, присутствию, глубине.

Ошибка даёт почувствовать всю полноту и пустоту бытия продукта.

Всё это является дарами ошибки, если не бежать от неё.

Спроси ошибку: «Что ты хочешь мне сказать?»

Ответ придёт словами-ощущением и именно это ощущение направит Дух продукта Туда, куда вам нужно идти.

На скрине Uncle Bob Martin (Роберт Сесил Мартин) — известный американский инженер, автор и один из главных популяризаторов принципов чистой разработки ПО, который стоял у истоков Agile

Яндекс запускает программу, которая должна сделать использование ИИ новым стандартом внутренней разработки

К концу 2026 года 75% разработчиков будут регулярно применять ИИ при написании кода. На уровне всей компании ИИ будет участвовать в подготовке не менее 75% изменений, а в каждом таком изменении генерировать не менее 75% кода.

Программа 75/75/75 позволит ускорить создание продуктов и сократить время вывода их на рынок. ИИ уже помогает инженерам Яндекса писать и рефакторить код, искать ошибки, готовить тесты и документацию, а также значительно ускоряет вывод продуктов на рынок, оставляя проверку качества и ответственность за результат за разработчиками.

Например, команда Яндекс Еды за два месяца с помощью нейросетей написала код для ИИ-хостес — агента по приёму звонков и бронирований, ИИ позволил ускорить разработку продукта более чем в два раза.

Яндекс также предлагает свои ИИ-платформы внешним разработчикам и компаниям. Среди них — Yandex AI Studio — платформа для создания ИИ-агентов и приложений, которые помогают автоматизировать рутинные задачи и ускорять создание новых продуктов.

На мой взгляд, ценность таких внедрений измеряется не количеством сгенерированных строк кода, а тем, насколько быстрее появляются новые продукты и обновления, при этом сохраняя качество. Судя по первым кейсам, именно на этом и делается основной акцент.

Всё уже существует в пространстве бесконечной неопределённости вариантов, из-за чего Всё не имеет какого-либо объёма данных и скорости своей передачи (упростим, сказав, что бесконечны), и всегда (всегда = время не существует) находится в состоянии постоянной резонации такого пространства как Единого-Целого.

Так Супер~Сознание работает в одном-едином-постоянно-бесконечном режиме "наблюдения~и~понимания всего~и~сразу". Готово, есть единица.

Такое свойство состояния Супер~Сознания выражено в его же Супер-Позиции, в котором отсутствует само понятие данных, скорости их поиска и выбора варианта(ов) из-за чего его можно выразить нулём.

~Всё~Есть~Всё~Может~Быть~Всё~Может~и~Не~Быть~

Для осознания этого пространство(а) само(го) сознание(я) должно быть абсолютно идентичным пространству бесконечности вариантов, которое оно вмещает, иначе резонации не будет.

0 =≠ 1. Это – Дуальность. Всё сошлось

Все остальные игры с квантами, квантовой ОС от Майкрософта, дорогими в обработке камешками с пыльной дороги в медно-золотистых проводах и трубах и прочая научная псевдо-фантастика 21 века является лишь очередным намерением кого-то получить верификацию (одобрение?) через формулирование вопроса и выбор варианта ответа, который он... уже знает, видит и предполагает, создавая вокруг этого намерения очередные инструменты для "поиска"... которого должно было не быть.

Иными словами: наш обезьяний мозг сам создаёт для себя очередные рамки, разрабатавая "новое удобное и быстрое решение" проблемы, которой нет. О, это приятное ощущение свежести продукта по утрам.

Именно поэтому человек не способен "придумать" настоящий квантовый компьютер и AGI до тех пор, пока он не переосмыслит сам подход к понимаю природы процессов сознания.

А переосмыслив подход к понимаю сознания, человек осознает, что "квантовый компуктер и AGI" были изобретёны давно.

Так, Всё~снова~сойдётся

Вокруг ИИ-агенты, вайбкодинг, а у вас бизнес, рутина и даже некогда сесть и разобраться?

В Битрикс24 есть всё для того, чтобы начать использовать новые фишки ИИ в числе первых. Это ИИ-сервис для бизнеса, где нейросети встроены прямо в рабочие процессы:

– База для любого бизнеса: CRM, задачи, мессенджер
– Нейросети и агенты: помогают с задачами, ищут информацию, пишут тексты и т.д.
– Вайбкодинг для всех с подсказками и в привычном интерфейсе

Подключите ИИ к своему бизнесу уже сегодня

Taste, Judgment and AI

Вкус — это способность распознать качество и выдающееся мастерство, даже не имея на руках явных доказательств. Способность судить — это готовность сделать выбор и взять на себя риск, связанный с ним.

Именно на этих двух качествах зиждется создание по-настоящему Великих Продуктов.

Вкус во многом подобен фильтру и формируется благодаря практике и умению чувствовать и понимать, что именно делает что-то хорошим и выдающимся. Это результат многократных повторений, позволяющий взглянуть на множество бесконечное количество вариантов и безошибочно указать на лучший из них (особенно в ситуациях, когда понятие «лучший» не имеет однозначного определения или вообще не существует).

Невозможно развить вкус, если окружать себя однообразной информацией. Разнообразие — вот то одно, что заставляет задуматься или сформировать новые взгляды(!), а возникающие при этом противоречия помогают отточить способность отличать качественное от некачественного.

Потому что невозможно понять, чего именно "чего-то не хватает", если никогда этого не видел, поэтому, чтобы развить подлинный вкус, нужно постоянно сталкиваться с неожиданным.

Вкус важен, но из него сразу же вытекает следующий необходимый этап — способность судить

Способность судить — это готовность поставить своё имя под принятым решением и нести за него ответственность. Это умение сделать взвешенный выбор в пользу того или иного решения по продукту, идти или не идти на неизбежные компромиссы и суметь объяснить и отстоять своё решение, если что-то пойдёт не так.

Истинная способность судить проявляется только тогда, когда нужно выбрать тот-самый-верный-вариант именно при условии неизбежной ответственности.

Вкус можно позаимствовать, скопировать, перенять у других или подсмотреть. Сделать всё это с способностью судить невозможно, ведь принимать решения, значит связывать себя и своё имя с его последствиями.

Вспомните ощущения, когда вы одобряете релиз, зная, что тесты оставляют желать лучшего. Или когда выпускаете новый интерфейс в спешке, не проработав достаточное количество вариантов... Знакомые чувства?

Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ, и признался в том, о чём молчат руководители ИИ-лабораторий:

TLDR: Даже те, кто создаёт ИИ-модели, не до конца понимают, что именно они создали😌

– Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал.

– Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо).

– Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.

– Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».

Июльский дайджест продактов в жаре и свете её Солнца

– От лошадей к стартапам
– Цена фичи
– Contextual Product Management
– Про «чтобы что»

– Закон Фолкленда
– Закон Брукса
– Правило 7%
– 3 Истины Систем

– Главное из AEO
– Be NICE
– Diff-in-Diff: A/B-тест невозможен
– Немного про контрольные карты

– Process Communication Model
– Как перестать быть незаменимым
– The truth about being a manager
– Что проверять в AI-продуктах
– Scream-тест продукта

– Суперпозиция продукта
– Токен ↔ Человек
– Метод CRISP для PRD
– Валидация — мираж
– Культура загнивает незаметно

– Как проектировать UX AI
– Чатоцентричный интерфейс
– Играем в «Оракл» с продуктом
– ИИ внушает ложную уверенность

– Book: Product Design Psychology
– Гайд: Метрики UX
– The Layers of AI experience
– Симулятор сотрудника FAANG
– Каталог когнитивных искажений

– 3 ways people respond to a problem
– What AI can tell us about human suffering
– The Laws of this World (Game Theory)
– По вере вашей дано будет вам

🌞 Yoshiko Sai ～ Taiji no Yume
🔭 Chiemi Manabe - Untotooku
☂️ Meiko Kaji - Shura no hana

В Сан-Франциско хайпится клининг от ИИ-роботов

Стоимость уборки: $30/h за робота. Роботы (пока ещё) не полностью автономны и человек-оператор контролирует ИИ, направляя его на различных уровнях уборки.

На видео таймлапс с ускорением в х5 (реальное время уборки составило около 40 минут). P.S. На сайте овербукинг и лист ожидания ))

Как структурировать продукт для ИИ: 6 элементов для ИИ-агентов

Новая точка ценности возникает в создании интерфейса-протокола-API, который позволяет ИИ понимать ваш продукт и действовать в нём (назовём это AIX вдобавок к привычному UX).

AIX, как и UX, ломается не на сложных, а на неявных действиях

Чтобы продукт стал более удобным для ИИ, его можно разложить на несколько элементов:

1) Структурированный контекст, чтобы ИИ-агент мог видеть то же, что видит пользователь.

Но ИИ-агенту нужен не весь контекст продукта, а нужный слой на нужном действии, так как избыточный контекст так же ломает агента, как недостаточный (ибо разнообразие должно соответствовать, а не максимизироваться).

2) Типизированные действия, чтобы ИИ-агент знал, какие действия доступны в процессах а) пользователя; б) продукта и бизнеса.

Типизированное действие = предусловие (срез контекста, при котором действие применимо) + действие + постусловие + альтернативный поток (эскалация)

3) Правила эскалации представляют из себя версионируемую схему политик поломок и явных владельцев, чтобы ИИ-агент (и человек) знали, при какой ситуации необходимо предпринять действия коррекции и кому.

У каждого типизированного действия должна быть задана стоимость отката. Если откат действия дороже самого действия (необратимые операции: отправка, платёж, удаление), эскалация к человеку должна быть предусловием, а не постусловием.

4) Как только продукт структурирован, его частям нужен ИИ-контракт

ИИ-контракт определяет, как фича работает на системном уровне, её связь с каждым компонентом, объектом и правила их взаимодействия внутри продукта, чтобы разные продуктовые области могли подключаться и заставлять своих ИИ-агентов выполнять желаемое поведение.

И да, версионируйте контракты ВСЁ, иначе без этого ИИ-агенты молча начинают действовать на устаревшей модели продукта.

5) Цикл. Цикл призван улучшать Систему в времени. Примером ценного цикла может служить захват сигнала коррекции: разницы между тем, что сделал ИИ-агент, и тем, исправил ли это пользователь.

Например, когда пользователь редактирует текст, сгенеренный ИИ или отменяет предложенный вариант, это разные по силе сигналы. Первый про качество ответа ИИ, второй про доверие/уместность действия со стороны ИИ в глазах юзера, поэтому разделяйте постусловие на «успех» и «частичный успех».

Поэтому каждый цикл коррекции должен иметь владельца (ИИ или человек?), который решает, применять ли исправление системно или считать его исключением.

Исправления от пользователя — это размеченные им же несостыковки в реальности продукта

Сигнал коррекции даёт сразу 2 преимущества:

– Это данные для оценки, потому что сигнал о том, где ИИ терпит неудачу в продакшене, не даст ни один офлайн-бенчмарк и это же данные для улучшения, так как исправления улучшают самого агента с помощью пар предпочтений или прошлых исправлений, добавленных в его контекст, чтобы агент не повторял ту же ошибку.

– Этот сигнал даёт ещё и пользовательские поведенческие инсайты для продакта.

Сигналы коррекции нужно тайм-стемпить относительно версии контрактов, иначе уже через квартал правки будут учить агента на артефактах несуществующей схемы действий.

Все эти ИИ-улучшения делают продукт и фичи персонализируемыми, предсказуемо масштабируемыми и практически автономными.

6) Поскольку ИИ-агентам нужны определённые предусловия для работы в продукте, и лучше продакт-менеджера их не знает никто, то контрактно-ориентированное мышление становится ещё одним элементом в эпоху ИИ

80 продуктовых стратегий, сгруппированных по категориям с примерами и их сочетаемость друг с другом (от простых к сложным)

...Если ваш продукт "где-то" застрял, то единственными правильными вопросами будут:

1) на какой оси координат мы сейчас конкурируем?
2) есть ли соседние, где у нас есть преимущество?

Потому что смена оси на сильную всегда дешевле, чем усиление текущей слабой

Метакогниция и йогачара наблюдают за тобой с твоим продуктом

В 1970-х психолог Джон Флавелл обнаржил, что дети с возрастом не просто лучше запоминают, а начинают отслеживать, что именно они запоминают и как они управляют этим процессом. Так в 1979 году появился термин метакогниция.

За полторы тысячи лет до Флавелла последователи ветви буддизма Йогачара разбирали тот же вопрос с другой стороны: может ли сознание знать само себя напрямую, или для этого ему нужен ~ещё~один~слой~и~акт~сознания.

Обычное сознание устроено тремя слоями:

№1. Слой хранилища Потока, накапливающий следы всех прошлых действий, восприятий и/от объектов;

№2. Слой управления-контроля, который берёт этот поток и принимает его за устойчивое «я» или «это»;

№3. Слой создания нового восприятия, работающий с текущим действием, восприятием и объектом.

Но ни один из этих слоёв не видит Единого-Целого, потому что каждый слой фиксируется лишь на своей когнитивной функции, порождая на каждом уровне те самые когнитивные искажения

На практике мы останавливаемся на первом-втором слое, считая это достаточным и принимая первую мысль как решение. И делаем это не потому, что дальше нечего смотреть, а... просто дальше смотреть Некому.

Так и получается, что для контроля мышления нужен ещё один слой мышления, для контроля этого слоя следующий, для него ещё один...

Кто наблюдает за наблюдателем? Никто-Ничто

В йогачаре это называется виджняпти-матра или «только представление».

А то, что кажется устойчивым объектом наблюдения, само есть лишь продукт смотрящего "ума". Потому что любая система поддерживает себя, воспроизводя себя заново на каждом шаге и наблюдение за собой средствами самой системы это акт её самокопирования.

Сознание смотрит на себя тем же взглядом, из которого оно было сделано, и потому не открывает новый факт, а лишь заново пытается "пересобрать" старый. То, что кажется в этот момент «иным взглядом», сделано теми же слоями, что и всё остальное. Система не выходит за свой контур и не открывает новый взгляд и факт и не создаёт иную версию в момент наблюдения.

Мониторинг конституирует то, что потом контролирует

Пересборка идёт, а нового не прибавляется. Разнообразие нельзя нарастить изнутри если оно не приходит иным извне.

Продакты натыкаются на это каждый день, в момент реакции на ситуации или на паттерны, которые сами же копируют и пересоздают прошлыми установками (паттерны и/или реакции?).

А в постоянном стрессе тот слой, что должен создавать восприятие текущего объекта, вместо этого достаёт старый готовый слепок из слоя хранилища, и выдаёт его за "новую" реакцию на настоящее.

То же самое происходит с реакцией на неправоту

Пока слой контроля принимает поток мыслей за устойчивое «я/это/так», любое доказательство против одной из этих мыслей читается мозгом как угроза и атака на всё «я» целиком, и человек упорствует тем сильнее, чем больше доказательств против «этого» «вот так» и «я».

Та же слепота определяет умение делегировать задачи

Продакт, который не видит, что его «я уверен» и его «я умею» это два разных слоя, путает одно с другим вместо того, чтобы спросить того/То, кто разбирается/умеет лучше него, поэтому замечать моменты подмены тем же слоем, который его наблюдает, очень и очень сложно.

Но когда «я» и «это» каждый раз пересобираются заново, неправота перестаёт быть угрозой и становится просто очередной логичной пересборкой под текущую реальность

Нужно выйти Туда, откуда видно иначе и где наблюдающий перестаёт быть одним из слоёв, хватающихся за свои функции и оттуда спросить:

Что ощущается? Что изменяет это?

Чтобы понять объект-процесс, нужно стать объектом и процессом. Заметить Это – стать и перестать быть Этим.

Существует дзенская загадка: если дерево падает в лесу и рядом нет никого, кто мог бы это услышать, издаёт ли оно звук?

Что мы делали "не так" в Метеоагенте, часть 2

Юзеры настойчиво просят аплод картинок в чат, но мы его умышленно не делаем уже 5 год (вместо него просто сделали активными внешние ссылки в чате и их открытие в нативной модалке поверх него, и кто хочет поделиться открыткой с куличами из ВК может сделать это ссылкой на ВК). В итоге, пользователи лишний раз задумываются о том, стоит ли усилий скопировать ссылку на контент, чтобы запостить его в ленту.

И дело не в том, что это медиа надо хранить и менеджерить (и в этом тоже), а в том, что чем шире портрет комьюнити (а у нас он очень широкий), тем сложнее этому комьюнити находить между собой ИНЫЕ индивидуальные точки пересечения интересов и мэтчится по ним с помощью картинок. В одно время нам даже пришлось сделать расхлоп по "Read more", потому что некоторая часть аудитории не хотела читать длинные простыни неинтересного ей текста от других юзеров, негатив об этом шёл в общий чат, это читали все, негатив скейлился на всех и это сказывалось на общем вовлечении и ретеншене чата.

В общем, тема вокруг которой изначально строится комьюнити, на большой аудитории всегда будет соскальзывать в эти самые куличи и в прочий спам картинками, что потянет за собой проблемы внутри дискуссий и UX комьюнити, которые нужно будет решать фильтрацией, модерацией, категоризацией, мьютами и прочим. "Решаем" "проблему" и создаем 10 новых – classic! P.S. Но, возможно, мы всё же сделаем это отдельной премиум опцией за $ для самых преданных ценителей куличей!

🧁🧁🧁

На аналогичную тему Т-Банк проводит конференцию «Продуктам 24 × ffdd2d» для продакт-менеджеров, аналитиков и дизайнеров, где привычные продуктовые подходы будут рассматривать под другим углом.

Три зала:

1) «Ломаем шаблоны» — о нестандартном мышлении и решениях вопреки общепринятым подхода;

2) «Достигаем результатов» — о системном мышлении, продуктовой и бизнес-логике и устойчивом росте;

3) «Говорим прямо» — пространство без трансляции и записи для честных разговоров о сложных решениях, ошибках, конфликтах, провалах и неожиданных победах.

👉Подробности мероприятия

12 сентября, Москва, комплекс «Мечта» на набережной парка Горького. Количество мест ограничено, заявки проходят модерацию.

Мышление на основе Первых Принципов — это искусство разбивать сложные проблемы на их самые фундаментальные истины

Управляй тем, что невозможно

– Обнажи Неопределённость
– Чувствуй Сопротивление
– Проявляй Намерение
– Скользи по уровням
– Ищи противоречия
– Меняй Масштабы
– Создавай Резонансы
– Строй Структуру
– Плети Сети
– Расти Доверие
– Обогащай Разнообразие
– Всё Типизируй
– (В)веди Ритуалы
– Множь Точки
– Оставляй Следы
– Действуй Будущим
– Возвышай Глубину
– Растворяй Границы
– Расширяй Пространства
– Дыши Пустотой
– Направляй Время
– Делись Инициативой
– Создавай Случайность
– Открывай Изнутри
– Развивай Память
– Веди через Незнание
– Насыщай Скрытое

Пользователь управляет своей трансформацией