AI-Native Продуктовые Команды

В последнее время был ряд запросов от CEO, CPO и тимлидов с похожим вопросом: «как передизайнить весь процесс разработки продуктов на AI-рельсы?» Не лично для себя — а для продуктовых команд: PM, дизайнеры, разработчики, тестировщики, аналитики.

Я писал про AI-native инженерные команды, про то, как продакты используют AI, уровни автономии продуктовых организаций, AI в продакт менеджменте и др; мне эта тема очень интересна и близка —> поэтому пора это все собрать воедино, за сим новый курс: AI-Native Product Team.

О чем будем говорить:
1) 6 уровней автономии продуктовых организаций (0-5), как у беспилотных автомобилей, но для разработки продуктов. Кейсы Shopify, Klarna, Duolingo

2) Исследования и аналитика с AI — конкурентный анализ через Deep Research, виртуальные юзер борды, вайб продуктовая аналитика: утренний брифинг из дашбордов, вопросы к данным на естественном языке, обнаружение аномалий

3) От идеи до рабочего прототипа за 15 минут — без кода. Первый прототип покажет, каких ограничений не хватает. Второй — с дизайн-системой и контекстом — совсем другой результат

4) Когда AI — это продукт — как проектировать фичи, где AI принимает решения. Разбор реального AI-бота: от спецификации до тестирования качества

5) Тестирование AI агентов и тестирование с AI

6) Ваш план трансформации — стратегия для руководства + план внедрения по ролям + метрики на 90 дней. Почитайте, кстати, что президент OpenAI написал на днях про изменения в работе их технических команд

Для кого:
CPO и продакт лидеры, тим лиды. Навыки программирования не нужны.

Старт: 1 марта, подробнее тут.

Надеюсь, до встречи!

А вот и запись встречи про Clawdbot подоспела - enjoy!

00:00 — Введение
03:53 — Что такое Clawdbot, демонстрация его работы
34:06 — Claude Code vs OpenClaw: ключевые отличия
42:46 — Система памяти: как Сlawdbot удерживает контекст
01:06:44 — Ограничения, риски и как с ними работать
01:29:03 — Итоги и следующие шаги

https://youtu.be/XDfh3_1q30U

В пятницу 20го февраля с 17 по 19мск делаю стрим по этой теме: https://luma.com/gl62ay8z

Обсудим, как AI меняет работу продакта с 2х точек зрения:
1) Как разрабатывать продукты быстрее и качественнее при помощи AI?

2) Как разрабатывать продукты, в которых AI это продукт, то есть он управляет бизнес-логикой и выполняет функции продукта?

Отрывок из 1й встречи 2го потока AI Personal OS: https://www.youtube.com/watch?v=wJSy_tV6Y6U

enjoy! :)
===

На встрече участники:
- разобрали, как на самом деле работают LLM (автокомплит, токены, контекстное окно, compaction)
- поняли, почему «память» AI — это файлы, а не магия
- прошли онбординг через skill /onboarding
- создали базовые файлы системы (CLAUDE.md, user-profile.md и др.)
- изучили концепцию Skills как переносимых мини-программ
- разобрали фреймворк H-LAM/T (Human, Language, Artifacts, Methodology, Training)
- обсудили безопасность, риски и защиту данных

Это фундаментальная сессия, закладывающая архитектуру AI Personal OS.

В этом видео:
00:00 — Введение и цель занятия
02:26 — Программа курса AI Personal OS
06:02 — Практическое задание 1
26:26 — Как работают LLM
35:53 — Что такое Skill
39:42 — Фреймворк H-LAM/T (Энгельбарт)
48:09 — Что такое MCP и зачем он нужен

LLM-as-Turk

Я люблю претотайпинг и подмечать онлайн применение этих техник - например, помните прост про Mechanical Turk от Fireflies?

"Классный пример претотайпинга от CTO Fireflies: они сами заходили на митинги, делали пометки и выдавали себя за AI :) Главный challenge был не уснуть на них :)"

Ну так вот, готовился к занятию сегодня и внезапно с дружбаном сгенерировали концепт LLM-as-Turk —> в общем, теперь не людей подставляем, чтобы делать вид что что-то работает, а LLM-ку - дешево и сердито :)

ну и забавно какую иллюстрацию дружбан сгенерировал для этого концепта - см аттач :)

хорошей пятницы!

Как Colgate заменила $50K исследование 8ю промптами (+ Бонус)

Помните пост про предсказание покупок с помощью LLM? Один из авторов исследования — Thomas Wiecki — рассказал про проект, который они сделали с Colgate-Palmolive: заменили consumer survey стоимостью $50K восемью промптами. 57 продуктов, 90% корреляция с реальными покупателями, без файнтюнинга.

3) При помощи LLM генерируем виртуальных покупателей (типа того, как мы делали с юзерами) и просим их ответить по шкале. НО вот тут зарыта собака: обычно при прямом промптировании LLM на шкалу от 1 до 5, они достаточно плохо это делают (сдвинутые распределения, несоответствующие реальности).

4) Поэтому ресерчеры чуть подкрутили этот шаг: сначала они просят LLM сгенерировать текстовый ответ а-ля "выглядит прикольно, я бы наверное попробовал, если не очень дорого и работает стабильно", а потом по смыслу - специальным методом, который назвали Semantic-Similarity Rating - маппят эти ответы на шкалу. И сразу получилось адекватно - 90%+ корреляция результатов реальных и виртуальных покупателей.

Собственно, бонус: запилили с дружбаном agent skill для этого - забирайте:
1) Описываешь свой продукт/концепт
2) Агент генерит 5-8 персон (возраст, доход, локация — именно эти параметры важны)
3) От лица каждой персоны пишет текстовую реакцию
4) SSR конвертирует текст → распределение по шкале Ликерта
5) Получаешь скор, разбивку по сегментам + текстовое описание

ВАЖНО:
Когда НЕ юзать такой скилл: нишевые и B2B продукты без онлайн-обсуждений. И когда есть деньги на настоящие исследования 😉

P.S. будем разбирать эту тему на AI Native Product Team, кстати

Из неожиданных наблюдений с полей аутрича:
Если вы работаете в компании, которой многие поставщики хотят что-то продать, но при этом вы призадумались о собственном стартапе --> делайте такой, где целевой аудиторией будут эти поставщики, они очень охотно идут на контакт :)

В комментах попросили рассказать, как я нахожу интересные статьи и выступления.

Короткий ответ: не нахожу — они меня находят :)
Длинный ответ ниже.

Итак, у меня 5 потоков/источников, и весь цимес — в столкновениях между ними:

1) Осознанное потребление
X, YouTube, рассылки - в основном, я подписан на конкретных людей, чьи интересы и взгляды мне релевантны. Я писал о многих из них тут: Karpathy, Thompson, Mollick. В X я вообще как-то сел и навел порядок в плане того, кого фолловлю, и регулярно чищу, кто перестал мне быть интересен. Для первичной обработки - у меня есть набор скриптов, который читает их, обрабатывает через LLM фильтр, и превращает в подкасты при помощи NotebookLM (например, вот); а далее уже deep dive-просмотр.

2) Подготовка к лекциям
Преподавание заставляет меня обновлять контент: честно говоря, если я не попробовал переработать/освежить хотя бы 30% контента, то мне очень неинтересно рассказывать это. Это какая то травма с некоторых курсов в Бауманке, где препод по допотопным журналам читал нам лекцию про бухучет в банке :-)) А слушатели имхо это чувствуют. Например, недавно я готовился к семинару про ai native команды разработки и поэтому, например, написал вот этот пост. Или пост про llm as turk.

3) Разговоры
Друзья, зумбары, office hours. К примеру, на последнем office hours AI Product Engineer один из участников рассказал про их практику перевода всех обсуждений в пулл реквесты в GitHub —> это мне дало идею извлекать tacit знания команды из пулл реквестов и обновлять claude.md, недавно на хакатоне сделал как раз такое. Это еще классно переплелось с недавно нашумевшей статьей про context graphs.

Или на зумбаре с другом мы обсуждали кто и как быстро тратит лимиты на Claude Code, и это заставило меня призадуматься о важности "когнитивного пространства", чтобы давать своему любопытству время, а мозгу - ресурсы и энергию - делать и попробовать. Или обсуждали с товарищами как сделать UI к их Claude Code наработкам - заставило меня изучить, как делать экстеншны в VS Code.

4) Хакатоны
Хакатоны для меня это не только про попробовать идею/фреймворк, посоревноваться, выиграть приз... Это еще про заимствование и миксование идей. Self-learning Slack бот и не только родились именно так. И, опять же, при подготовке мне надо исследовать и изучать релевантные ресурсы, поэтому запускаю deep research или вот недавно попробовал agent teams для этой задачки.

5) Наблюдение
Я уже писал про карточки IDEO; но вообще я всегда любил наблюдения - в школе я всегда выбирал последнюю парту, потому что с нее лучше видно весь класс. Такие наблюдения рождают вопросы - почему люди не выключают свет в туалете - и потом заставляю исследовать вопрос, а это приводит к необычным ресурсам и статьям. Кстати, рекомендую старую, но очень добротную книгу - The Art of Long View Питера Шварца про сценарное планирование - там много про то, как "наблюдать" за миром вокруг и находить релевантные источники.

Мой завкафедрой Вадим Михайлович Маршев любит говорить: "Все 'новое' — это 'новая' комбинация 'старого' в 'новых' обстоятельствах." Вот эти 5 потоков — то самое "старое". Магия — в столкновениях между ними, вопросах их порождающих, и любопытстве получить на них ответ.

Можно ли это все обернуть в skill? Пока не придумал так, чтобы а) оно не теряло актуальность; б) было достаточно гибкое. Но еще подумаю

Стрим про AI native продакта стартуем через ~20 мин

https://luma.com/gl62ay8z

Об энергии

Иногда, будучи по уши в деятельности, у которой не всегда быстрая обратная связь, ты невольно начинаешь задавать себе вопрос: а нафига? А нафига я вообще это делаю? Где результат?

И руки начинают немного опускаться. И не хочется выбираться из кровати и бодро залетать на утренний звонок…

Но вдруг, будто сговорившись, начинают возвращаться сигналы из космоса:
1) участница курса сделала агента, которого высоко оценил CEO компании и промоутит клиентам

2) участник, карьерная траектория которого круто повернулась после курса

3) собеседник и long time участник практически всех моих образовательных мероприятий, который закрыл крупную и важную сделку

И ты уже такой себе - а я вроде норм, и с новой энергией планируешь, думаешь, делаешь.

Не опускайте руки, не бросайте на полушаге. Делайте, ведь каждое ваше действие рождает и информацию, и энергию, которая во что-то трансформируется. Даже если вы до конца не знаете когда и во что.

Удачи, и, это - кто если не мы?! Обнимаю!

4 из 10 - столько людей смогли подключить свой Telegram к Claude на моем первом корпоративном тренинге по AI в январе.

Проблема была не в инструменте — telegram-mcp отличный, я писал уже о нем. Проблема в том, что инструкция написана для разработчиков: API credentials, session strings, конфиги MCP серверов — для нетехнического человека это стена. Но те 4, кто прорвался — были в таком восторге, что начали помогать остальным.

Поэтому, я решил это починить и написал интерактивный скилл-визард для Claude Code и других агентов. Набираешь /telegram-mcp-setup — и агент ведёт тебя за руку:
1) Помогает получить API доступы с my.telegram.org
2) Генерирует приватную строку
3) Сохраняет токены в keychain, а не в текстовые файлы
4) Регистрирует MCP сервер в Claude Code

Уже в феврале, на открытом тренинге, благодаря этому скиллу, результат сильно лучше, хотя тоже не у всех получилось, или у кого-то только сквозь тернии. Поэтому попросил участников присылать diagnosis reports с описанием проблем на разных системах и окружениях, который Claude Code же помог составить. Это помогло закрыть еще кучу edge cases - за что им ОГРОМНОЕ СПАСИБО!

Собственно, теперь выкладываю публично. Если вы не решались подходить к этому снаряду - подключение Telegram к Claude — то попробуйте. Должно быть сильно проще.

Скилл тут: https://github.com/BayramAnnakov/telegram-mcp-setup

P.S. И большая просьба: если что-то пойдёт не так, попросите Claude Code сгенерировать diagnosis report (скилл сам предложит) и присылайте в личку или как issue в гитхаб. Это поможет мне сделать установку ещё доступнее.

А вот и запись стрима про то, как AI меняет работу продакта - enjoy!

https://www.youtube.com/watch?v=51yp8YWAYgI

В этом вебинаре Байрам разбирает, как меняется роль продакт-менеджера в эпоху LLM и агентных систем. Это не разговор про “использовать ChatGPT”, а системный разбор того, как перестраивается весь процесс работы: от прототипирования и user research до аналитики, UX-аудита и продуктовой стратегии.

Разбираем реальные кейсы:
- переход от ChatGPT к кодовым ассистентам и Claude Code
- прототипирование через видео и генерацию UI
- AI-интервью вместо классических survey + глубинных интервью
- автоматизация аналитики и “утренний автопилот” продакта
- UX-аудит через best practices
- generative UI и передача части бизнес-логики LLM

Отдельный блок — как думают топ-компании:
LinkedIn (FullStack Builder), Shopify (Reflexive AI), Anthropic, Andrew Ng — и почему узкое место смещается из кодинга в продуктовую постановку задач.

Главный вопрос видео:
Что произойдет с ролью PM, если 70% задач автоматизируется?

Это разговор про смещение фокуса — от написания документов к постановке целей, управлению агентами, формированию vision и границ системы.

10 лет назад я рассказывал про AI на Стрелке. Пересматриваю

Вам знакомо то чувство, когда находишь старые записи и одновременно хочется гордиться и провалиться сквозь землю? :)

Нашёл свою лекцию 2016 года на Стрелке — "Кто и зачем создает искусственный интеллект". Почти 2 часа я уверенно рассказывал аудитории про будущее AI. Ну что ж, будущее наступило. Давайте проверять:

1) Singularity University - честно, половину я тогда пересказывал из программы Singularity University, куда ездил в 2015м. Hype cycles, DeepMind, экспоненты. Я очень рад, что поехал тогда туда, и потом еще в 2019м.

2) Вероятностное программирование - Я показывал проверку орфографии Google: 20 строк кода + куча данных делают то же, что 2000 строк + словарь на каждый язык. И на полном серьёзе говорил: "программист будущего — это программист, который программирует вот так." Кажется, так и вышло - м?

3) Распознавание фото - для одного OTA я тогда сделал модельку, которая классифицирует фотки отелей —> сэкономили человеко-год. В 2026м - мне не нужно больше тренировать модель, ее уже натренировали за нас и мы просто реюзаем.

4) AI-ассистент как операционная система - я говорил, что AI-ассистент станет операционной системой, гейткипером — и что выбор платформы критичен, потому что "как только вы сядете на неё, будет очень сложно слезть." Карпатый назовёт это LLM OS через 8 лет.

Правда, IBM Watson у меня был чуть ли не главным героем лекции. По факту в 2026 - вы про него наверное давно не слышали :)

5) Трансформеры и deep learning - конечно, про трансформеры я не знал, но то, что deep learning потеснит другие области ML - было верно. И что именно данные + compute станут прорывом.

6) "Органчик" Салтыкова-Щедрина. Я предупреждал: "сначала проверьте, что бот не просто повторяет фразы." В 2026м это актуальнее, чем когда-либо — LLM звучат убедительно, но могут уверенно нести чушь. В 60х Вайценбаум назвал это Eliza-эффект, я писал об этом тут.

7) Black box: "Сотрудники Google сами не знают, как RankBrain принимает решения." Говорил, что это создаёт проблемы для рекламодателей и SEO. Сейчас — добавьте к этому LLM-based search, AI-агентов, и вы получите системы, в которых даже разработчики не до конца понимают, почему модель выдала именно этот ответ.

8) Чатботы НЕ заменят приложения. В Q&A мне задали прямой вопрос: "заменят ли боты приложения?" Я ответил: для редких задач, где пользователь знает что хочет — да, бот удобнее. Для структурированных сценариев, где нужно вести пользователя — GUI всегда будет лучше. Сейчас мы видим, что происходит некая гибридизация: чат + generative UI.

9) Тэй научился у интернета быть расистом. Я называл это "полезным сигналом". Сейчас весь alignment — это по сути индустриальный ответ на Tay-class failures, только в масштабе. Ну и обвинения в сторону Grok-а из той же оперы

10) Проблема вагонетки и автономное оружие. Спрашивал: "если Tesla вас разобьёт, кто виноват — вы или производитель?" Сейчас это не философский эксперимент, а повестка многих правительств и международных организаций.

Пересматривая лекцию, я понимаю: ценность была не в предсказаниях. А в том, что поехал учиться, попробовал руками это делать, проводил такие лекции, пробовал применять в бизнесе. Прикольно, что через 10 лет это стало моей повседневной работой. И точно полезно сейчас сделать такой пост-анализ, в лучших традициях дневника решений Мабуссина

А у вас есть старые записи/посты/презентации про технологии? Перечитывали? Какие ощущения?

P.S. Кстати, может есть в читателях канала кто-то, кто был на той лекции? Даже интересно :)