Подкаст с CPO Codex от OpenAI, куча прикольных тейков — про дизайн в OpenAI, бутылочное горлышко человеческих возможностей и интерес ревьюинья кода. Главный, конечно, про вырастание ценности продуктовых исследований: знать что и для кого строить становится важнее, чем как.

Что значит: 1. имейте у себя продакт-рисеч команду, и 2. будьте уверены, что эта команда ai-ready; многие MR и UX рисечеры сегодня, на мой взгляд, двигаются недостаточно быстро. Слава богу у нас наоборот, одна только моя группа зашиппила 4 AI исследовательских инструмента за последние полгода.

Я сам, скажу честно, Кодексом почти не пользовался, но слышал от друзей и ai-броз что он турбо хорош.

Если вы запускаете компанию сегодня, глубокое понимание конкретного клиента важнее, чем умение строить продукт. Строить становится проще. Знать, что именно строить — и для кого — вот в чём теперь настоящее преимущество.​​​​​​​​​​​​​​​​

Написание кода, возможно, становится универсальным способом, которым ИИ выполняет любые задачи. Вместо того чтобы кликать по интерфейсам или выстраивать отдельные интеграции, ИИ работает лучше всего, когда пишет небольшие программы на лету. Из этого следует, что умение программировать должно быть встроено в каждого ИИ-ассистента, а не только в специализированные инструменты для разработчиков.

Дизайнеры в OpenAI теперь сами пишут и выкатывают код. Команда дизайна поддерживает полностью рабочий прототип, созданный с помощью ИИ. Когда у них появляется идея, они сразу её программируют, тестируют и нередко сами отправляют в продакшен. Инженеры подключаются, только когда кодовая база становится особенно сложной.

Главное узкое место в продуктивности работы с ИИ — не сам ИИ, а скорость человеческого набора текста. Ограничивающие факторы — как быстро вы можете печатать промпты и как быстро проверять то, что сгенерировал ИИ. Пока ИИ не научится надёжнее валидировать собственные результаты и проактивно предлагать помощь, мы не увидим полного прироста продуктивности, который эти инструменты могли бы дать.

Писать код становится менее увлекательным занятием, чем ревьюить код, написанный ИИ. Инженеры любят творческий поток созидания. Теперь всё больше времени уходит на чтение того, что породил ИИ. Следующий вызов — сделать этот процесс проверки быстрее и приятнее.

Менеджеры в Anthropic теперь тратят 70% времени на проверку AI-кода вместо написания своего. Вся ценность менеджмента - быть мостом между мышлением и действием - автоматизируется.

Gartner прогнозирует, что к 2026 году 20% компаний вырежут половину менеджеров среднего звена. McKinsey ожидает 50-100 агентов на одного человека в зрелых внедрениях.

AI работает. Но 95% компаний не получают возврат на инвестиции от AI внедрений. Почему?

Проблема организационная. Компании прикручивают AI к сломанным процессам вместо того, чтобы переделать как работа делается.

Компании, которые правильно это делают, переходят от функциональных иерархий к сетям, ориентированным на результат.

Традиционный customer success: VP наверху, директор Sales Ops управляет L1/L2/L3 поддержкой, директор Customer Success управляет CSM и онбордингом. Куча людей делают кучу координации.

Agentic-компании делают иначе. Customer resolution в центре. Триаж-агенты анализируют запросы, knowledge-агенты синтезируют документацию, routing-агенты решают эскалации, follow-up агенты отслеживают удовлетворенность, люди-специалисты обрабатывают реально сложные сценарии.

Механизм координации сдвигается от управленческой иерархии к сети агентов.

McKinsey идентифицировал три новых архетипа менеджмента.

M-shaped Supervisor: широкий дженералист, оркеструющий агентов через несколько доменов. Системный мыслитель с высокой AI-грамотностью. Управляет результатами, не людьми.

T-shaped Expert: глубокий специалист, обрабатывающий эскалированные исключения, кейсы которые агенты не могут решить. Нюансированное суждение. Умение коучить.

AI-Augmented Frontline: работник, использующий агентов для рутинных задач, фокусируясь на высокоценной человеческой работе. Знает промт-инжиниринг. Имеет эмпатию.

Заметьте чего не хватает. Классического среднего менеджера, чья работа была получать инфу снизу, синтезировать, передавать вверх. Эта функция брокеринга информации становится избыточной когда агенты собирают, синтезируют и действуют со скоростью машины.

Обычный span of control в менеджменте - 12-15 прямых подчиненных. Число Данбара, биологический лимит человеческой координационной емкости.

Некоторый известный мне стартап оперирует с 5 людьми, надзирающими 60 постоянно работающих агентов. McKinsey проектирует 50-100 агентов на человека в зрелых внедрениях.

Проблема в том, что больше автономии создает больше сложности, не меньше.

Агенты принимают решения в миллисекундах. Люди обрабатывают в минутах или часах. На скорости машин координационные вызовы множатся. Традиционные оргструктуры никогда не сталкивались с этим несовпадением временных масштабов.

Появляющееся решение - иерархические агентские устройства где супер-агенты оркеструют кластеры специализированных агентов, с людьми предоставляющими надзор на более высоких уровнях. Это реально новая организационная конструкция, что-то между софтверной архитектурой и оргдизайном.

У нас нет хорошего языка для этого пока. Это обычно признак чего-то важного.

Это матчится с тем что Karri Saarinen описывает: обращаться с агентами как с распределенными удаленными работниками, не магическими черными ящиками. Четкое владение, async координация, оценка на основе результатов.

Этот сдвиг создает массивную возможность для фаундеров. Рынок оркестрации агентов растет до ~$10B в 2026. Больший play - организационная инфраструктура: платформы governance, протоколы agent-to-agent, HR-слой для нечеловеческих работников, управление идентичностью, атрибуция затрат, отслеживание перформанса. Deloitte называет это FinOps для агентов.

Этот паттерн повторяется через каждый крупный технологический переход:
- индустриальная революция создала фабричную иерархию
- компьютерная революция создала матричную организацию
- агентская революция создает что-то новое, Сетевую организацию.

Те, кто относятся к этому как к развертыванию софта, провалятся. Это ближе к оргдизайну и теории менеджмента чем к чистому софту.

Победители будут те, кто могут вообразить как работа выглядит когда исполнение становится дешевым и координация становится всем.

Фейк или слив, но что если носимый девайс OpenAI это ручка? С камерой и микрофоном, с распознаванием заметок от руки. Звучит очень скевоморфично, а ведь это сильно более понятно, чем некая брошь.

https://youtu.be/xMCcR9Q-QyY?si=J_fCZLE_bwK3E7Ql

TechCrunch: Бывшая глава Yahoo привлекла $8 млн для разработки ИИ-помощников нового поколения

– Марисса Майер привлекла инвестиции для стартапа Dazzle
– Dazzle ориентирован на ИИ-помощников нового поколения
– Детали про свой новый стартап Майер пока не раскрывает
– Dazzle получил 8 млн финансирования по оценке $35 млн
– Инвесторы: Kleiner Perkins, Bling Capital, Slow Ventures и др.
– Марисса Майер также вложила в Dazzle собственный капитал
– Однако отмечается, что раунд возглавил фонд Kleiner Perkins
– Раньше Майер развивала стартап под названием Sunshine
– Стартап помогал управлять контактами и обмениваться фото
– Sunshine не увенчался успехом, Майер решила закрыть проект

@ftsec