Forwarded from Дизраптор
Карьера "вуз → джун → мид → сеньор" больше не работает
Руководитель крупнейшей консалтинг-фирмы McKinsey недавно заявил: "У нас работет 60К сотрудников, и 25К из них - это ИИ-агенты". На практике это значит вот что:
Как раньше был устроен стандартный консалтинговый проект в вакууме?
- Менеджер руководит всем проектом и отвечает за финальный результат перед большими дядями.
- Консультанты (или старшие аналитики) отвечают за стримы - конкретные направления работ.
- У каждого конса есть по 1-2 младших аналитика или стажера, которые "работают руками". Строят гипотезы, анализируют анализ, моделируют модели, клепают презы и всё такое.
Понятно, что в реальности всё это может перемешаться, но примерно так.
А теперь, по всей видимости, фирма очень хочет заменить младших ребят на ИИшку. Понятно, что работать прям самостоятельно ИИ он не умеет (как и стажер, лол). Главная задача ИИ - разгрузить консультантов от рутины. Чтобы они справились сами со всем объёмом, и можно было нанимать меньше стажеров.
И здесь очень хочется сделать вывод: "Если стажеры теперь не нужно, то хрен теперь устроишься после вуза на джуновскую позицию". Причём не только в консалтинге. McKinsey - просто яркая иллюстрация, которая под руку попалась. Такая же фигня происходит и в обычных корпорациях, и в айти, и вообще где угодно.
Но в реальности всё чуть сложнее. Консультанты-мидлы (как и разрабы-мидлы) сами собой не рождаются. Их нужно выращивать из джунов. А значит, компаниям всё равно придется нанимать младшеньких. Либо же брать мидлов/сеньоров из других компаний (это дороже), где их будут выращивать.
И вот здесь уже можно сделать очень важный вывод:
Если ИИ будет выполнять большую часть работы джунов, но джуны всё равно будут, то... самим джунам придется серьезно поменяться.
Но как именно?
Во-первых, вся пирамида сдвинется на один уровень вверх. Топовые компании будут брать меньше джунов, и сразу искать таких, которые смогут быстро проявить качества мидлов. Самостоятельно вести небольшие стримы, структурировать значимые куски работ, уметь профессионально общаться. И (важно) быстро расширять свою зону ответственности. Ведь если нет, то проще тупо взять готового мидла/сеньора, выдать ему ИИшку и сказать "ну, давай, дедлайн через неделю".
Во-вторых, будут нанимать меньше младших "универсалов-дженералистов". Опять же, потому что таких ребят нужно обучить-натаскать, заточить их на функциональную пользу. Это инвестиционный период - когда компания вкладывает в джуна больше, чем вытаскивает обратно. Доступные ИИ-агенты - это альтернативное вложение, из-за которой отдачу от джуна будут ожидать гораздо-гораздо быстрее. А это достигается двумя способами. Либо очень-очень мощный и талантливый джун-универсал (редкость), либо джун с узкой специализацией. Такому нужно меньше времени на адаптацию, потому что он изначально глубже погружен в специфику, лучше знает своё болото, ну вы поняли.
Наконец, джуну нужно будет с ходу уметь работать с ИИ-инструментами. Ведь напомню, его сразу сместят на один шаг вверх по пирамиде, выдадут ИИ-помощников и скажут: "ждём результат". Хорошее умение работать с ИИ-тулами становится не полезной бонусом, а базовой грамотностью. Причём речь идёт не об обычном ChatGPT, а о специальных профессиональных ИИ-штуках.
Короче говоря, джуны 2.0 должны уже из универа выходить "почти-мидлами" с высоким уровнем автономности, сильной специализацией и хорошими специализированными ИИ-навыками. И большой вопрос, смогут ли вузы и эдтехи быстро перестроиться под этот сдвиг.
P.S. Если ваш друг (или ребенок) сейчас думает, на кого учиться и кем вообще быть, то очень рекомендую хорошенько погрузиться в изменение, которые я чуть приоткрываю в этом посте.
Дизраптор
Руководитель крупнейшей консалтинг-фирмы McKinsey недавно заявил: "У нас работет 60К сотрудников, и 25К из них - это ИИ-агенты". На практике это значит вот что:
Как раньше был устроен стандартный консалтинговый проект в вакууме?
- Менеджер руководит всем проектом и отвечает за финальный результат перед большими дядями.
- Консультанты (или старшие аналитики) отвечают за стримы - конкретные направления работ.
- У каждого конса есть по 1-2 младших аналитика или стажера, которые "работают руками". Строят гипотезы, анализируют анализ, моделируют модели, клепают презы и всё такое.
Понятно, что в реальности всё это может перемешаться, но примерно так.
А теперь, по всей видимости, фирма очень хочет заменить младших ребят на ИИшку. Понятно, что работать прям самостоятельно ИИ он не умеет (как и стажер, лол). Главная задача ИИ - разгрузить консультантов от рутины. Чтобы они справились сами со всем объёмом, и можно было нанимать меньше стажеров.
И здесь очень хочется сделать вывод: "Если стажеры теперь не нужно, то хрен теперь устроишься после вуза на джуновскую позицию". Причём не только в консалтинге. McKinsey - просто яркая иллюстрация, которая под руку попалась. Такая же фигня происходит и в обычных корпорациях, и в айти, и вообще где угодно.
Но в реальности всё чуть сложнее. Консультанты-мидлы (как и разрабы-мидлы) сами собой не рождаются. Их нужно выращивать из джунов. А значит, компаниям всё равно придется нанимать младшеньких. Либо же брать мидлов/сеньоров из других компаний (это дороже), где их будут выращивать.
И вот здесь уже можно сделать очень важный вывод:
Если ИИ будет выполнять большую часть работы джунов, но джуны всё равно будут, то... самим джунам придется серьезно поменяться.
Но как именно?
Во-первых, вся пирамида сдвинется на один уровень вверх. Топовые компании будут брать меньше джунов, и сразу искать таких, которые смогут быстро проявить качества мидлов. Самостоятельно вести небольшие стримы, структурировать значимые куски работ, уметь профессионально общаться. И (важно) быстро расширять свою зону ответственности. Ведь если нет, то проще тупо взять готового мидла/сеньора, выдать ему ИИшку и сказать "ну, давай, дедлайн через неделю".
Во-вторых, будут нанимать меньше младших "универсалов-дженералистов". Опять же, потому что таких ребят нужно обучить-натаскать, заточить их на функциональную пользу. Это инвестиционный период - когда компания вкладывает в джуна больше, чем вытаскивает обратно. Доступные ИИ-агенты - это альтернативное вложение, из-за которой отдачу от джуна будут ожидать гораздо-гораздо быстрее. А это достигается двумя способами. Либо очень-очень мощный и талантливый джун-универсал (редкость), либо джун с узкой специализацией. Такому нужно меньше времени на адаптацию, потому что он изначально глубже погружен в специфику, лучше знает своё болото, ну вы поняли.
Наконец, джуну нужно будет с ходу уметь работать с ИИ-инструментами. Ведь напомню, его сразу сместят на один шаг вверх по пирамиде, выдадут ИИ-помощников и скажут: "ждём результат". Хорошее умение работать с ИИ-тулами становится не полезной бонусом, а базовой грамотностью. Причём речь идёт не об обычном ChatGPT, а о специальных профессиональных ИИ-штуках.
Короче говоря, джуны 2.0 должны уже из универа выходить "почти-мидлами" с высоким уровнем автономности, сильной специализацией и хорошими специализированными ИИ-навыками. И большой вопрос, смогут ли вузы и эдтехи быстро перестроиться под этот сдвиг.
P.S. Если ваш друг (или ребенок) сейчас думает, на кого учиться и кем вообще быть, то очень рекомендую хорошенько погрузиться в изменение, которые я чуть приоткрываю в этом посте.
Дизраптор
Business Insider
McKinsey CEO Bob Sternfels says the firm now has 60,000 employees: 25,000 of them are AI agents
McKinsey & Company CEO Bob Sternfels says he wants every employee working alongside an AI agent within a year and a half.
❤7👍3😱2
Превращайте идею в рабочий прототип продукта за 10 минут — не написав ни строчки кода👇
Нашёл полезный пост на просторах Linkedin от Nikolai Golos:
🙂 Если было полезно!
Нашёл полезный пост на просторах Linkedin от Nikolai Golos:
Вот рабочий процесс, который я использую, чтобы быстро проверить и создать MVP мобильного приложения:
Шаг 1️⃣ Проверка идеи
Я начал с Grok, чтобы исследовать, есть ли реальный спрос.
Промпт:
→ «Найди обсуждения на Reddit и Twitter о [минималистичных виджетах для продуктивности]. О чём спрашивают люди? Чего не хватает?»
Меньше чем за минуту я получил болевые точки, пробелы в функциях и доказательства того, что люди активно ищут такой инструмент.
Шаг 2️⃣ Создание PRD (Документ требований к продукту)
Затем я использую Claude, чтобы превратить это исследование в полноценную спецификацию продукта.
Первый промпт (системная инструкция):
→ «Ты — старший продакт-менеджер. Когда я поделюсь идеей продукта, создай PRD, охватывающий: проблему, целевую аудиторию, ключевые функции, крайние случаи и метрики успеха».
Затем я добавляю:
→ «Напиши PRD для виджета iOS, который показывает полный год в виде сетки из 365 точек. Вот моё маркетинговое исследование: [вставленные результаты из Grok]»
Шаг 3️⃣ Превращение в прототип
Теперь я хочу увидеть реальный продукт. Поэтому я использую Rork (попробуйте бесплатно здесь: https://rork.com/), чтобы превратить PRD в интерфейс.
Промпт:
→ «Спроектируй простое iOS-приложение с виджетом, который показывает полный год в виде сетки из 365 точек. Используй следующий PRD: [твой PRD из Claude]»
Rork генерирует понятный, кликабельный прототип с макетом и интерактивными элементами — готовый к тестированию прямо на телефоне, который можно сразу делиться и получать обратную связь.
--
Каждый раз, когда я запускаю этот процесс, я поражаюсь тому, насколько многое стало возможным без написания ни единой строчки кода. ИИ сделал невероятно лёгким путь от идеи до её проверки и превращения во что-то реальное!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9❤5🔥4🦄1
Синдром самозванца в работе или честная самооценка?
В последние годы термин "синдром самозванца" стал невероятно популярным в профессиональном сообществе.
Любое сомнение в своих способностях автоматически получает этот ярлык. Чувствуешь неуверенность на новой позиции? Самозванец. Переживаешь перед важной презентацией? Самозванец. Кажется, что коллеги знают больше? Самозванец.
Но есть проблема: мы начали называть синдромом самозванца то, что им не является.
Иногда сомнения — это не психологическое искажение. Это точная оценка ситуации.
В чём разница:
Синдром самозванца = ты делаешь хорошо, но не веришь в это.
Честная оценка = ты пока не готов, и это скорее всего правда.
Как понять что есть что из этого:
Посмотри на результаты:
- Запуски работают, команда слушает, метрики растут → синдром
- Запуски валятся, тебя не слушают, постоянно тонешь → может не готов
Послушай фидбек:
Говорят "хорошо", ты не веришь → синдром
Говорят "нужно подтянуть", и правда тяжело → честная оценка
Посмотри на паттерн:
Сомневаешься везде, даже где силён → синдром
Сомневаешься только в новой области без опыта → нормально
Когда работать над собой:
Если объективно делаешь хорошо, но мозг говорит "ты плох" — это синдром. Работай с ним:
- Записывай успехи
- Верь фидбеку
- Помни: год делаешь хорошо ≠ везение
Когда стоить менять условия:
Если стараешься изо всех сил, но результатов нет — может дело не в тебе:
1) Роль слишком сложная: Поставили на задачи выше уровня. Это ошибка того кто назначил, не твоя.
2)Компания токсичная: Обесценивают, критикуют, не дают ресурсов. Ты не плох, среда плохая.
3) Условия не те: Хаос, нет процессов, даже опытный утонет. Тебе нужны другие условия.
Пример:
Junior пришёл продактом в стартап. Через месяц: "Я самозванец, ничего не выходит."
А там:
-Процессов нет
-CEO меняет всё каждый день
-Данных ноль
-От junior ждут senior работы и тд
Это не синдром или приговор. Это скорее неподходящие условия.
Ушёл в нормальную компанию. Через полгода, год— вполне себе PM.
Запомни:
Синдром = "ты плох" (но это неправда).
Честная оценка = "ты пока не готов к этому" (но можешь быть готов позже или в других условиях).
🙋♂️Можно просто спросить себя:
-Результаты есть?
-Что говорит фидбек?
-Я везде неуверен или только тут?
-Мне дают условия расти или я деградирую?
-Может дело в месте, а не во мне?
Вывод:
Не каждое сомнение — синдром самозванца.
Иногда это твоя подсказка: "Что-то не так."
Может ты хорош, но мозг врёт → начинай работай с этим.
Может ты в неправильном месте → меняй место, не себя.
Умение честно оценить себя — это большая сила.
🩵 - если было полезно!
В последние годы термин "синдром самозванца" стал невероятно популярным в профессиональном сообществе.
Любое сомнение в своих способностях автоматически получает этот ярлык. Чувствуешь неуверенность на новой позиции? Самозванец. Переживаешь перед важной презентацией? Самозванец. Кажется, что коллеги знают больше? Самозванец.
Но есть проблема: мы начали называть синдромом самозванца то, что им не является.
Иногда сомнения — это не психологическое искажение. Это точная оценка ситуации.
В чём разница:
Синдром самозванца = ты делаешь хорошо, но не веришь в это.
Честная оценка = ты пока не готов, и это скорее всего правда.
Как понять что есть что из этого:
Посмотри на результаты:
- Запуски работают, команда слушает, метрики растут → синдром
- Запуски валятся, тебя не слушают, постоянно тонешь → может не готов
Послушай фидбек:
Говорят "хорошо", ты не веришь → синдром
Говорят "нужно подтянуть", и правда тяжело → честная оценка
Посмотри на паттерн:
Сомневаешься везде, даже где силён → синдром
Сомневаешься только в новой области без опыта → нормально
Когда работать над собой:
Если объективно делаешь хорошо, но мозг говорит "ты плох" — это синдром. Работай с ним:
- Записывай успехи
- Верь фидбеку
- Помни: год делаешь хорошо ≠ везение
Когда стоить менять условия:
Если стараешься изо всех сил, но результатов нет — может дело не в тебе:
1) Роль слишком сложная: Поставили на задачи выше уровня. Это ошибка того кто назначил, не твоя.
2)Компания токсичная: Обесценивают, критикуют, не дают ресурсов. Ты не плох, среда плохая.
3) Условия не те: Хаос, нет процессов, даже опытный утонет. Тебе нужны другие условия.
Пример:
Junior пришёл продактом в стартап. Через месяц: "Я самозванец, ничего не выходит."
А там:
-Процессов нет
-CEO меняет всё каждый день
-Данных ноль
-От junior ждут senior работы и тд
Это не синдром или приговор. Это скорее неподходящие условия.
Ушёл в нормальную компанию. Через полгода, год— вполне себе PM.
Запомни:
Синдром = "ты плох" (но это неправда).
Честная оценка = "ты пока не готов к этому" (но можешь быть готов позже или в других условиях).
🙋♂️Можно просто спросить себя:
-Результаты есть?
-Что говорит фидбек?
-Я везде неуверен или только тут?
-Мне дают условия расти или я деградирую?
-Может дело в месте, а не во мне?
Лично я считаю: лучше честно признать "я пока не готов" и найти правильные условия для роста, чем годами бороться с "синдромом самозванца" в токсичной среде или неподходящей роли.
Вывод:
Не каждое сомнение — синдром самозванца.
Иногда это твоя подсказка: "Что-то не так."
Может ты хорош, но мозг врёт → начинай работай с этим.
Может ты в неправильном месте → меняй место, не себя.
Умение честно оценить себя — это большая сила.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍6🔥3🦄1
Исследовательская команда выпустила "A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows" — руководство, которое показывает, почему 90% агентских систем разваливаются в production и как именно это исправить.
Это не очередной тред с "советами по промпт-инжинирингу". Это скрытый playbook для агентских систем, которые реально выживают при столкновении с реальностью.
Попробую объяснить важность 👇
→ Показывают, как большинство агентов ломаются из-за неоднозначного роутинга инструментов… и демонстрируют, как перестроить workflow с детерминированным tool-first дизайном
→ Раскрывают, почему MCP-системы глючат, дают сбои или молча ломаются — с реальными failure traces
→ Заменяют хрупкое поведение агентов чистыми function calls для гарантии воспроизводимости
→ Внедряют single-responsibility агентов, чтобы ничто не галлюцинировало инструменты, не смешивало задачи и не угадывало порядок выполнения
→ Выносят каждый промпт во внешние файлы, чтобы промпты версионировались, аудировались и управлялись
→ Используют multi-model consortium (GPT + Gemini + Claude) с выделенным reasoning-агентом, который объединяет черновики и устраняет противоречия
→ Разворачивают всё через контейнеры и Kubernetes — реальный автоскейлинг, observability, retry, логи, health checks
Они построили полный пайплайн news → analysis → noscript → reasoning → audio → video →
GitHub PR, чтобы доказать каждый принцип. Полные диаграммы. Реальные выводы. Реальные ошибки. Реальные решения.
Это первый end-to-end blueprint того, как на самом деле выглядит production-grade инжиниринг агентов.
Если это приживется, "агентские стартапы" перестанут шипить чатботы в красивых обёртках. Они будут шипить настоящие системы.
Оригинал документа: тут
Моё мнение: Наконец-то AI-агентов начали строить как нормальный софт — с предсказуемостью, мониторингом и надёжным деплоем. Именно это отличает рабочий продукт от красивой демки.
🩵 - если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10🔥4🦄2
MVP в старом смысле умириает: «минимально жизнеспособный» больше не равен «приемлемый» для современного пользака 🤩
1. MVP превратился в минимум боли
Сегодня «минимально жизнеспособный» продукт чаще ощущается как минимально терпимый — и пользователи не хотят терпеть. Планка базового качества выросла, первый релиз должен выглядеть законченным и вызывать доверие.
2. Главная проблема MVP
Во многих командах MVP стал отмазкой «выкатим криво, потом допилим». Формально продукт работает, но он неудобный, некрасивый и не даёт желания возвращаться. В итоге вы валидируете не гипотезу, а терпимость людей к плохому опыту.
3. Поворот к MLP
MLP — Minimum Lovable Product, минимальный, но «любимый» продукт. Один острый кейс, понятный сценарий, быстрый first value и ощущение, что продукт сделан с заботой, а не «на коленке».
4. Как валидировать в 2026
Максимум гипотез проверяйте до кода: интервью, прототипы, лендинги, ручные сервисы. Публичный релиз — это уже не черновик, а версия с нормальной стабильностью, UX‑флоу, визуальной опрятностью и онбордингом — это новая база.
🩵 - если было полезно!
1. MVP превратился в минимум боли
Сегодня «минимально жизнеспособный» продукт чаще ощущается как минимально терпимый — и пользователи не хотят терпеть. Планка базового качества выросла, первый релиз должен выглядеть законченным и вызывать доверие.
2. Главная проблема MVP
Во многих командах MVP стал отмазкой «выкатим криво, потом допилим». Формально продукт работает, но он неудобный, некрасивый и не даёт желания возвращаться. В итоге вы валидируете не гипотезу, а терпимость людей к плохому опыту.
3. Поворот к MLP
MLP — Minimum Lovable Product, минимальный, но «любимый» продукт. Один острый кейс, понятный сценарий, быстрый first value и ощущение, что продукт сделан с заботой, а не «на коленке».
4. Как валидировать в 2026
Максимум гипотез проверяйте до кода: интервью, прототипы, лендинги, ручные сервисы. Публичный релиз — это уже не черновик, а версия с нормальной стабильностью, UX‑флоу, визуальной опрятностью и онбордингом — это новая база.
Итог: умирает не концепция MVP, а культура «как‑нибудь выкатывать под видом теста» — рынок избалованных пользователей это больше не прощает..
🩵 - если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤13👍5🦄2
🇸🇬 Как Perplexity (AI поисковик) спас мой первый день в Сингапуре
Прилетел в Сингапур в 22:00. Отель находится в центре. Понятия не имею как работает местное метро.
Классическая проблема продакта: информации много, непонятно что делать прямо сейчас.
🔫 Проблема:
Гуглю "как добраться из аэропорта до моего отеля. Получаю:
-15 статей с хаотичной инфой
-Форумы 2019 года
-YouTube на 20 минут
- Местная реклама проплаченная (а может вам вообще выбрать другой отель? 🤣)
Перегрузка информацией! Мне нужен верный ответ и сейчас, а не исследование.
✅ Решение:
Открываю Perplexity:
"I'm at Changi Airport Terminal 3 at 10 PM. Need to get to my hotel "name" What's the fastest way?"
За 10 секунд:
1) Метро работает до полуночи
2) Зелёная ветка до Bugis Station
3) Купи EZ-Link карту за 12 SGD или если есть карта Visa/master просто приложи
4) 45 минут, ~2.5 SGD
Всё. Конкретно. Актуально.
Иду, покупаю, еду. Доехал за 45 минут ровно.
На следующий день:
"How to get from Bugis to Marina Bay? Which exit?"
Ответ за 5 секунд: Синяя ветка, выход C, 8 минут.
Дошёл без лишних поворотов.
Что я понял как продакт:
Раньше это бы было: 30 + минут изучения схем и форумов (и возможно еще проплаченных)
С Perplexity: вопрос → решение → действие.
Это идеальный UX.
🙋♂️Почему это важно я считаю для PM:
1. Скорость решений
Вопросы в продукте:
-Как конкуренты решили?
-Какие метрики смотреть?
-Есть исследования?
Раньше: 30 минут гугления.
С AI: ответ за минуту.
2. Адаптация к неопределённости
Новый город = новый проект.
Информации много, но что критично?
AI выделяет главное. Даёт направление, не парализует выбором.
3. Снижение cognitive load
Мозг продакта перегружен: roadmap, команда, стейкхолдеры, влёты.
Делегировал рутинный поиск AI → освободил ресурсы для стратегии.
4. Быстрая валидация
Не "я думаю что..." → "проверю за минуту".
🤚 Вывод:
Хороший продакт видит риски раньше. И быстро находит решения.
AI как Perplexity — не фича. Это новый baseline эффективности.
Набираем 🔥 - 25 реакций и в комменты описываю мой путь в метро "Как Perplexity саппортил меня словно гид везде, пока находился в неизвестном городе"
Прилетел в Сингапур в 22:00. Отель находится в центре. Понятия не имею как работает местное метро.
Классическая проблема продакта: информации много, непонятно что делать прямо сейчас.
Гуглю "как добраться из аэропорта до моего отеля. Получаю:
-15 статей с хаотичной инфой
-Форумы 2019 года
-YouTube на 20 минут
- Местная реклама проплаченная (а может вам вообще выбрать другой отель? 🤣)
Перегрузка информацией! Мне нужен верный ответ и сейчас, а не исследование.
✅ Решение:
Открываю Perplexity:
"I'm at Changi Airport Terminal 3 at 10 PM. Need to get to my hotel "name" What's the fastest way?"
За 10 секунд:
1) Метро работает до полуночи
2) Зелёная ветка до Bugis Station
3) Купи EZ-Link карту за 12 SGD или если есть карта Visa/master просто приложи
4) 45 минут, ~2.5 SGD
Всё. Конкретно. Актуально.
Иду, покупаю, еду. Доехал за 45 минут ровно.
На следующий день:
"How to get from Bugis to Marina Bay? Which exit?"
Ответ за 5 секунд: Синяя ветка, выход C, 8 минут.
Дошёл без лишних поворотов.
Что я понял как продакт:
Раньше это бы было: 30 + минут изучения схем и форумов (и возможно еще проплаченных)
С Perplexity: вопрос → решение → действие.
Это идеальный UX.
🙋♂️Почему это важно я считаю для PM:
1. Скорость решений
Вопросы в продукте:
-Как конкуренты решили?
-Какие метрики смотреть?
-Есть исследования?
Раньше: 30 минут гугления.
С AI: ответ за минуту.
2. Адаптация к неопределённости
Новый город = новый проект.
Информации много, но что критично?
AI выделяет главное. Даёт направление, не парализует выбором.
3. Снижение cognitive load
Мозг продакта перегружен: roadmap, команда, стейкхолдеры, влёты.
Делегировал рутинный поиск AI → освободил ресурсы для стратегии.
4. Быстрая валидация
Не "я думаю что..." → "проверю за минуту".
🤚 Вывод:
Хороший продакт видит риски раньше. И быстро находит решения.
AI как Perplexity — не фича. Это новый baseline эффективности.
P.S. Важный дисклеймер: AI ускоряет поиск, но не освобождает от ответственности — всегда проверяю критичные факты (цены, время работы, маршруты), потому что ни одна нейронка пока не даёт 100% точности, и слепо доверять AI — это как релизить фичу без тестирования.
Набираем 🔥 - 25 реакций и в комменты описываю мой путь в метро "Как Perplexity саппортил меня словно гид везде, пока находился в неизвестном городе"
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍14🔥9❤5
https://telegra.ph/Korporativnye-PM-vs-startap-PM-dve-raznye-professii-02-12
🩵 - если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegraph
Корпоративные PM vs стартап PM: две разные профессии
Почему успех в корпорации не гарантирует успех в стартапе — и наоборот «Product Manager» — звучит одинаково, но означает разное. PM в стартапе и PM в корпорации — это две профессии с разной скоростью, зоной ответственности и смыслом "результата". Многие продакты…
👍6🔥5❤3