К кому вы идёте, когда не знаете ответа?

Не за советом — советов в интернете завались. А за разговором, после которого в голове что-то сдвигается. Когда можно прийти с кашей в голове и выйти с ясностью. Или хотя бы с правильным вопросом вместо неправильного ответа.

Таких людей обычно немного. Штук пять-семь, если повезло. И это, кажется, самое ценное, что вообще можно накопить. Не связи, не нетворк (ненавижу это слово). Просто люди, с которыми можно думать вслух.

Вит — один из таких людей в моей карьере.

Познакомились мы в Детском мире. Когда EXPF строила нам инфраструктуру аналитики и A/B-тестов. Причём не только в онлайне — мы тестировали гипотезы на физических магазинах. «Магазины-близнецы», кластеры, методологии со страшными названиями. Звучит страшно, но на деле — куча работы и дисциплина мышления.

За время работы мы сдружились. Потом Вит приходил в наш с Дашей подкаст «Форточку открой» — говорили часа три про аналитику, эксперименты и как вообще строить бизнес в этом всём.

С тех пор много чего случилось. EXPF из консалтинга вырос в продукт. Продукт купил Avito. Короче, чувак не сидит на месте.

Так вот, к чему я.

Вит завёл телеграм-канал. Пишет про бизнес, продукты, эксперименты и жизнь. Без строгой темы — просто про то, что в голове. Мне такой формат близок. И это кайф, что такие люди начинают делиться опытом публично.

Подписывайтесь

Хорошие собеседники — редкость. Рекомендую. 🖤

Если вы надеятесь научиться чему-то в этом блоге, то не выйдет

Между контентом, который публикуется (в том числе у меня) о развитии продуктов, бизнесе, аналитике — подставьте свой вариант — и образованием нет никакой связи. Чтение блогов и каналов — это развлечение.

Если уж на то пошло, единственный, кто здесь учится — это я. Пока формулирую и осмысляю собственный опыт. Вы отдыхаете, я работаю.

Настоящее образование — это практика. Можно прочитать 100500 книг или статей, но пока сам так не попробуешь, ничего не поменяется.

Возьмём столярное мастерство. Знаете эти рилсы — где мужик в мастерской, стружка летит, рубанок скользит, камера красиво наезжает на готовую табуретку. Залипательно. И мы можем очень долго сидеть и обсуждать, каково это — делать табуретку. И это будет интересный разговор!

Но он не приблизит нас:
а) к пониманию того как самостоятельно сделать табуретку
б) к навыку делать табуретку

Так как же учиться и расти?

Облажаться. Сделать табуретку, которая развалится. Посидеть над обломками, понять почему. Сделать вторую — она тоже развалится, но по другой причине. И так до сотой. Неприятная правда: единственный способ научиться — это дать себе право на кривое начало.

Простите, если ждали чего-то поумнее. Но я же предупреждал — здесь развлечение, не образование

Продукт, который решает проблемы. Свои

— «Мы не можем доставить вовремя, но вот вам трек-номер, сами звоните на почту и выясняйте»;
— «Ой, наши операторы не справляются, а давайте вы будете общаться с чат-ботом» (блин, ещё ни одного нормального бота не видел, в итоге всегда призываешь человека);
— «Ох, наша юнит-экономика не сходится, давайте мы вытащим все скрытые платежи и сервисные сборы наружу и покажем вам их в корзине, ведь вам так прикольно будет погрузиться в специфику нашего бизнеса»;
— «А мы не можем сделать по вашим размерам, давайте я вам покажу наш фрезеровочный станок и расскажу про его ТТХ, а дальше сами решите…».

Список можно продолжать бесконечно. По каждому пункту можно устроить холивар. Но знаете, что объединяет все эти моменты? Ощущения в теле. Где-то под рёбрами появляется мелкий холодок. Смесь раздражения и усталости.

Будто зашёл в кафе за кофе, а тебе вручили фартук: «Вот зёрна, вот кофемашина, инструкция на стене — разберёшься».

Понятно, что часть этих проблем не имеет простого и элегантного решения (да, мир не чёрно-белый). Где-то есть законодательные, юридические и финансовые риски.

Но блин, как же я выдыхаю, когда продукт просто решает мою проблему. Не объясняет, почему не может. Не просит меня стать экспертом в его внутренней кухне. Это редкость. И это кайф!

Как опознать айтишника в комнате?

По базовому оверсайзу. Чёрному, серому, может быть бежевому (для смелых). И после ухода Uniqlo с этим стало туго — листаешь маркетплейсы, заказываешь «премиальный хлопок», получаешь мешок.

А потом… Сработала армянская мафия. Подруга из Еревана запустила свой бренд — Untitled. Применила все связи со мной и Настей, пролоббировала этот пост. Зря старалась — я бы и так согласился. Вещи реально хорошие. Сейчас открыт предзаказ на первый дроп — потому, рекомендую поспешить.

Да, за этот пост я получу два лонгслива. Всю жизнь думал, что не продамся. Продался. За хлопок. Ни о чём не жалею.

Но вот что ещё. Запускать своё дело — это бежать вверх по эскалатору, который едет вниз. Ты выкладываешься, а в лучшем случае стоишь на месте. И когда кто-то из близких решается — хочется помочь.

Так что вот. Хотите проверить, за что я продался — вам сюда 🖤

9 женщин не родят ребёнка за месяц

Бесит так, что аж зубы сводит. Часто слышу этот аргумент, когда команда не успевает и предлагаешь декомпозировать и добавить ещё людей, чтобы всем сфокусироваться на одной задаче а не пилить миллион проектов параллельно.

Если что мем про женщин и ребёнка пошел из книги Фредерика Брукса «Мифический человеко-месяц». Кто-то предлагает добавить людей — ему цитируют Брукса. Разговор закрыт, все довольны (кроме бизнеса, у которого горят сроки).

Я читал Брукса давно, но помню, что там смысл был в другом. Сегодня перечитываем классику вместе.

Есть неразделимая задача. Например, этапы надо выполнять строго последовательно. Тогда да, ликуйте, отмазка про женщин работает. Тут не надо добавлять людей.

«Если задачу нельзя разбить на части, поскольку существуют ограничения на последовательность выполнения этапов, то увеличение затрат не оказывает влияния на график. Чтобы родить ребенка требуется девять месяцев независимо от того, сколько женщин привлечено к решению данной задачи.»

А есть полностью разделимая задача. Тут аналогия про женщин НЕ работает. Можно делить и делать параллельно.

«Число занятых и число месяцев являются взаимозаменяемыми величинами лишь тогда, когда задачу можно распределить среди ряда работников, которые не имеют между собой взаимосвязи.»

Большинство продуктовых задач — где-то посередине. В них есть и последовательные куски, и параллельные. Вопрос не в том, добавлять людей или нет. Вопрос в том, где именно узкое место и можно ли его расшить.

Иногда выясняется, что «неделимость» — это привычка, а не ограничение. Команда так работала всегда, никто не задумывался, что можно иначе.

Понятно, что мир не черно белый и не всегда можно по бырому накидать людей. Есть накладные расходы: синхронизация, передача контекста, риск наступить друг другу на ноги. Брукс об этом тоже пишет, и справедливо. Но это аргумент за то, чтобы думать и планировать — а не за то, чтобы сразу отказываться.

К чему я это?

Не все задачи решаются людьми. Но и не все задачи — «рождение ребёнка». Так что харош уже пулять аргумент про женщин везде, где ни попадя.

Пожалуйста 🖤

OpenAI и Anthropic строят AGI. А я ищу прошлый диалог, перебирая ключевые слова как пещерный человек с палкой

Создание продукта — это во многом духовный опыт

Звучит странно. Особенно если ты привык объяснять свою работу через фреймворки, метрики и методологии. Но я всё больше думаю, что это честнее всего описывает то, что происходит на самом деле.

Вот как это устроено в науке. Ты смотришь на небо и думаешь: «Вселенная расширяется. Точно расширяется, я уверен!» Без данных, без исследований — просто веришь. Проходит двадцать, тридцать лет — и выясняется, что она правда расширяется, мы это увидели и доказали.

Откуда в тебе это знание? Как ты смог преодолеть свою ограниченность — пространственную, временну́ю — и увидеть то, что вообще невозможно увидеть? Ты — человек, маленький кусочек белка на камешке в галактике — и ты почему-то оказался прав.

Данные, контекст, предыдущие теории — всё это сужает поле поиска. Но не объясняет, почему конкретный человек сформулировал конкретную гипотезу. Это другой вопрос. И ответа на него нет.

В продукте то же самое.

Можно возразить: у нас есть discovery, исследования, метрики, цели. Мы не смотрим на небо — мы смотрим на данные. Всё так. Но представьте двух PM с одинаковым discovery. Одни интервью, одна аналитика, одни цели. Они придут к разным гипотезам (во всяком случае я часто видел подобное в своей практике).

Контекст идентичный — значит, разница в чём-то другом. В том зазоре между «куда смотреть» и «что именно делать» живёт что-то, что фреймворками не описывается.

Индустрия не любит про это говорить. Потому что методология даёт ощущение контроля. Потому что «я почувствовал, что надо так» — это не слайд для стейкхолдеров. Но если честно — большинство хороших решений рождались именно там. В этом неудобном месте, где данные закончились, а уверенность откуда-то всё равно есть.

Отсюда следует кое-что важное про людей в этой профессии.

Хороший PM — это человек, который поддерживает в себе высокий уровень самомотивации. Не таланты, не методы. Именно это. Потому что поиск — это бесконечная серия неудач с редкими попаданиями. Большинство гипотез не работает.

И люди, которые остаются в этой работе надолго, остаются не потому что у них лучше фреймворки. А потому что они почему-то не разочаровываются в собственном поиске.

При этом никто из нас не приходит на работу с ощущением, что сегодня изменит мир. Это красивая выдумка — для питч-деков и интервью в Forbes. Реальный опыт другой: есть вопрос, есть ощущение, есть гипотеза. Иногда она работает. Чаще — нет. И завтра всё сначала.

Я глубоко убежден, что продукты, которые меняют что-то — это не результат визионерства и правильных OKR. Это побочное следствие духовного опыта большого количества людей, которые продолжали искать, даже когда было непонятно зачем вообще это нужно.

Я скептик насчёт AGI. Записывайте в луддиты — не обижусь

Недавно Дарио Амодеи, CEO Anthropic, сказал, что AGI как модель, способная выполнять всё, что может человек, даже на уровне нобелевского лауреата — будет достигнута в 2026–27 годах.

Шпаргалка: AGI – это искусственный интеллект с когнитивными способностями, сопоставимыми с человеческими.

Я не согласен. И дело не в страхе перед прогрессом.

Первая проблема — у нас нет точного определения интеллекта. Как достичь того, что мы не умеем измерять? Риторический вопрос — но его почему-то не задают.

Вторая — как устроены модели под капотом.

Сейчас будет немного математики. Не убегайте

→ Есть многочлен Лагранжа. Представьте: на прямой несколько точек, и я хочу построить функцию, которая через все эти точки проходит. Если точек n — многочлен будет степени n−1.

→ Проблема в том, что когда точек много, всё ломается. Многочлен 100-й степени через все точки пройдёт идеально — но вне этих точек начнётся разброд и шатание.

→ Поэтому мы приходим к следующей мысли: давайте не будем требовать точного прохождения, нарисуем прямую, которая стоит близко ко всем точкам. Аппроксимация вместо интерполяции.

→ Дальше возникает вопрос: а зачем мы вообще многочлены рисуем? Как мозг работает? Там всё вжух-вжух-вжух…

→ Давай вместо многочленов будем решать ту же задачу с помощью другого класса функций — назовём их нейросетями.

→ Как они устроены: вводишь аргументы, они проходят через слои простых функций — раз, два, три — и на выходе получаешь число.

→ И вот здесь происходит то, что я называю легализованным магическим мышлением.

→ Что такое магия? Это когда ты смотришь, как льёт дождь, и говоришь: «Сейчас я начну поливать землю водой — и начнётся дождь», то есть в обратную сторону.

→ Вот тут то же самое: «Так работает мозг — применим магическое мышление и нарисуем функцию, которая по топологии вычислений напоминает мозг». И вдруг оказывается, что она хорошо решает кучу задач.

→ Например, позволяет взять большой текст и добавить к нему следующее слово — токен. И оно прям как надо ложится, прям красиво. Попробуем ещё раз — снова красиво. И ещё. В этом весь фокус.

Нейросеть учится предсказывать следующий токен так, чтобы результат нравился человеку. Не «текст содержит смысл», не «информация передана точно» — метрика на выходе буквально «человеку нравится».

Вот здесь и возникает вопрос про AGI.

Если я хочу понять, есть ли в тексте смысл, мне нужно мерить информационную наполненность. В самом простом приближении это энтропия. Как её мерить в тексте? Да непонятно как. Если бы я знал — я бы с вами сейчас не сидел.

Извлечь информацию из текста — это принципиально другая задача, чем предсказать следующий токен. Если бы мы умели это делать — разговор про AGI был бы другим.

Современные модели блестяще делают одно: предсказывают, что будет одобрено.

Это объясняет и нейрослоп в соцсетях, и сгенерированные вакансии, и резюме, которые никто не писал. Инструмент работает ровно так, как он устроен. Просто большинство людей об этом не думает, когда нажимает «сгенерировать».

Значит ли это, что AI бесполезен? Нет. Экстраполяция — мощный инструмент, который решает кучу задач. Только нужно понимать, что именно ты делаешь и чего от этого ожидать.

AGI в 2026–27 — это либо очень оптимистичный прогноз, либо очень вольное определение слова «интеллект». Но пока человечество ждёт сверхразума — самое время вспомнить, что собственный интеллект никто не отменял.