Немного управленческих best practices с утра

https://x.com/firstadopter/status/1915510006654321098?s=46

Я много ругал Deep Research от Perplexity, но осознал сегодня, что стал пользоваться им чаще, чем от Open AI. А все почему?

Во-первых, они его сильно улучшили.
Во-вторых, если отприоритизировать все мои потребности по частоте возникновения, то получится так:
1. Самый частый кейс с частотой несколько раз в час и больше - получить ответ на вопрос, который меня волнует, здесь и сейчас. Тут решает точность ответа и скорость.
2. Второй по популярности с частотой где-то раз в 2-3 часа - получить развернутый и более глубокий ответ, но окно ожидания может быть увеличено до 5-10 минут. Дольше ждать слишком долго.
3. Ну и последний кейс частотой 1-3 раза в день - требуется глубокое и развернутое исследование и отчет по нему, чтобы с одной максимум 2-х попыток получить исчерпывающий ответ на волнующую меня тему. Лимиты по времени тут уже до нескольких часов увеличиваются изи.

Первый кейс отлично закрывает классический Search Mode в Perplexity Pro. Третья ниша это тот самый Deep Research от Open AI, но второй кейс он решает плохо, ибо время ожидания не вписывается в критерии. И тут как раз после последних обновлений Research Mode от Perplexity решает: он дает достаточно развернутый и качественный ответ, но дает его весьма быстро, вписываясь во временные ограничения. Они его даже переименовали из DeepResearch в просто Research.

Недавний Lightweight режим Deep Research в ChatGPT занимает нишу между Perplexity Research и классическим Deep Research, но ближе к последнему.

В результате все можно отразить в виде триады value/price/speed. Для каждого кейса свои критерии и вот получается, что Research Mode в Perplexity отлично вписался в свою нишу.

Недавно на одной встрече, очень большой начальник заметил: с учётом того, что мы теперь много нанимаем по всему миру и в разных часовых зонах, умение писать становится критически важным.

Спорить с этим сложно, и переоценить важность тоже. К сожалению, многие люди катастрофически не умеют формулировать свои мысли — отсюда все эти «давай быстро созвонимся», «пересечёмся раз на раз» или голосовые сообщения. Не всегда, но очень часто это происходит не потому, что встреча действительно нужна, а потому что человек просто не в состоянии организовать свой словесный салат во что-то внятное. В итоге он выливает свои мысленные помои на собеседника в надежде, что тот переработает это во что-то осмысленное — вместо того чтобы самому потратить время и внимание.

Черчилль как-то написал: «Прости, времени было мало, поэтому письмо длинное». И почти все это понимают на подсознательном уровне — отсюда все мемы и приколы про голосовые сообщения. Сложно переоценить важность хорошей культуры письма: она не только экономит кучу времени и сил, позволяет работать асинхронно, но со временем ещё и учит человека мыслить собранно и чётко.

Возможно, не стоит доходить до пределов ребят из провинции Лакония с их «если», но пример с них брать точно стоит. В здоровом письме — здоровый дух. А лучшая встреча - это короткая встреча

В комментариях к посту Валеры и его репосту в Сиолошной многие отстаивают мысль, что голосовое обсуждение проще и быстрее текстовой коммуникации. Парадоксально, но этот аргумент лишь подтверждает исходный тезис. Когда человеку легче пробиться через плотный календарь и организовать встречу, чем четко сформулировать мысль на письме, это красноречиво свидетельствует о его затруднениях с письменной коммуникацией.

При этом догматизмом страдать тоже не нужно. Текст не является панацеей и есть ситуации, когда устное или визуальное общение действительно предпочтительнее, но таких ситуаций диспропорционально меньше.

Письменная коммуникация имеет свои ограничения, главное из которых — субъективность восприятия. Каждый читатель привносит собственную эмоциональную окраску в прочитанное. Поэтому встречи, где критически важен эмоциональный контакт — первые знакомства, развернутая обратная связь, разрешение конфликтов или 1-1 с подчиненными — трудно перевести в текстовый формат. Однако способность грамотно и экологично изложить фидбек на письме зачастую отражает умение деликатно донести его и при личном общении.

Качественно составленный 6-pager всегда превосходит презентацию, где выступающий полагается лишь на жестикуляцию на фоне слайдов с несколькими картинками. Но принятие решений в письменном формате осложняется асинхронностью коммуникации. Для обсуждения стратегических ставок и принятия важных решений о запусках предпочтительнее живое общение, поскольку оно способствует достижению консенсуса и вовлеченности всех участников.

Стоит ли, однако, тратить драгоценное время на встречу, организованную человеком, который присылает приглашение с лаконичным названием "Синк", без описания, адженды, целей и ожидаемых результатов, но при этом приглашает 25 сотрудников, суммарная почасовая ставка которых сопоставима с его месячным окладом?

В конечном счете, письмо, голос, визуал и другие средства — это инструменты коммуникации в нашем арсенале. Мастерство заключается не в слепой приверженности одному из них, а в умении выбрать наиболее подходящий инструмент для конкретной ситуации. Способность гибко переключаться между различными форматами коммуникации в зависимости от контекста и целей — вот что действительно отличает настоящего профессионала.

Похоже, в моем AI арсенале поселится еще одна апка - Granola.

Это апка для ведения заметок, которая умеет транскрибировать диалоги и превращать их в красивые и хорошо структурированные заметки. Звучит стандартно, да?

Ключевые отличия от обычных подобных сервисов:
- Апка (Mac или iOS) умеет слушать системный in/out звук, поэтому не привязана к интеграциям всяких ботов в Zoom и прочее, а, по сути, может работать всегда и везде. Очень удобно положить на оффлайн митинге телефон, который фоном все просто запишет и превратит это в клевую заметку.
- Можно делать заметки по ходу митинга и они будут учитываться при финализации с помощью AI. Я часто на митингах закидываю какие то тезисы и прочие мысли, чтобы не потерялись, а теперь они еще привязаны к обсуждению и AI сможет это понять и расширить это.
- Если на работе юзаете Google календарь (я нет), по идее, апка может привязывать заметки к митингу вычленять участников, их контакты и добавлять контекст к заметке
- С каждой заметкой можно "початиться" и попросить что-то сделать: Q&A, Action Items, Follow Up Email после митинга и тд.

Модель - фримиум с ограничением на количество митингов. С подпиской их нет.
По идее, несложно написать свой подобный враппер, но кому не лень?

Заменил Superwhisper на Wispr Flow.

Wispr Flow лучше понимает контекст и чётко выполняет голосовые команды при работе с текстом.

К примеру, команду: «Напиши письмо на английском, в котором ты спрашиваешь Лебовски где мои деньги», он сразу поймет, в отличие от Superwhisper, который это делает по настроению. То есть не просто транляция речи в текст.

Еще жирный плюс Wispr Flow это оч маленькое всплывающее окно (скорее иконка) при распозновании речи, которое появляется внизу экрана над доком, а не огромная штука на переднем фоне.

Пример того, как по-разному работают модели Anthropic и их конкуренты: если Клоду сказать, выделив текст в документе, в котором он указал какую-то цифру, что для цифры нужен источник этих данных, он признает необходимость источника и изменит утверждение на более общее, не требующее подтверждения ссылками. А если моделям OpenAI или DeepSeek дать аналогичное указание, то они придумывают несуществующие источники, статьи и исследования для подтверждения информации. Но, справедливости ради, модели OpenAI с большей вероятностью назовут существующий источник.

Очередной пост Миши Руденко прям по живому. Потому что корявая имплементация фреймворков в индустрии это одна из главных моих болей. Столько людей вокруг с ПТСР от аджайла, скрама или OKR, который вызван по факту абсолютно непрофессиональным исполнением.

Я бы еще добавил, что одна из главных причин этого то, что каждый думает, что он самый умный и начинает менять на старте готовую методологию, даже не попробовав запустить, как есть. А потом бегают и рассказывают, какие хреновые и неработающие системы.

Один мой знакомый как-то сказал: «никто не спорит, что если в ракете поменять какую-то цифру в формуле или букву в коде, то она не взлетит или взорвется в воздухе, а когда дело доходит до каких нибудь фреймворков на работе, то каждый резко начинает считать, что он самый умный и может поменять все и оно будет работать»

Удивляюсь способности Брайана и всей команды Airbnb выдавать очередной редизайн за что-то новое

https://x.com/bchesky/status/1922364651775385999?s

YC анонсировал свой request for startups, где активно пушат «full-stack AI companies». то есть на смену традиционным операторским бизнесам (аутстафф-агентств, юрфирм, M&A-эдвайзеров, рекрутинговых компаний) предлагают создавать AI-компании, оптимизирующие процессы через собственных агентов.

В целом эта модель в моем кругу где-то полгода-год циркулирует, особенно от тех, кто целится в какой-то вертикальный SaaS. У меня даже есть приятель, который делает страховой софт для логистических компаний. Сперва он пытался предлагать его страховым, но недавно выкупил две страховые компании в Юте: чтобы стать полноценной страховой и работать напрямую с конечными клиентами. Там конечно есть AI в продукте и вне его, но и даже без AI ценности просто в цифровизации достаточно, чтобы обходить 80% своих конкурентов.

У YC даже есть в портфеле такой стартап Rocketable: они покупают софтверный-бизнес с выручкой как минимум $100 k в год; увольняют всех сотрудников пытаются весь бэкофис и разработку продукта закрыть агентами.

Все это мило, но такую историю трудно провернуть молодому стартапу без поддержки.

Поэтому думаю, что это огранит одну из самых интересных моделей капитала, которую мы увидим в ближайшее время.

Lightspeed недавно изменил структуру и стала RIA (Registered Investment Advisor). Теперь фонд не ограничен 20 % «non-VC» активов и может без лимитов заходить в public-стоки, вторичку, buyouts и roll-ups.

По тому же пути пошли a16z (RIA с 2019: LBO для Twitter, своя crypto-империя, собственный wealth management), Sequoia (вечнозелёный фонд вместо классического 10-летнего), General Catalyst (выкупили Summa Health, nonprofit больничную сеть -> сделали ее for-profit и теперь через нее онбордят свой healthcare портфель)

Дальше уже увидим, как вчерашний ассоциат в фонде не модельки строит в экселе, а вайбкодит агента для клиники.

Да и даже IPO уже не нужен, для ликвидности есть вторичный рынок которые выорос с 25 $b в 2012 до прогнозного 100 $ b+ в 2025.

Mid-tier VC либо сольются, либо тоже станут RIA, чтобы получить доступ к более длинным деньгам и реальным компаниям. Но это уже придется комбинировать классический LBO-долг, private credit, долевое финансирование от LP и тд.

Короче, пока стартаперы пишут, что деньги VC им больше не нужны и всё можно делать на бутстрапе, империя наносит ответный удар и говорит, что для фонда, чтобы заработать деньги и не обязательно искать стартаперов с их поделками.

Почитал у Ленни хорошее и свежее эссе "Five principles for successfully managing managers" от Saumil Mehta (бывший CPO Square с 9-летним стажем). Оно платное за подпиской, поэтому напишу ключевые, на мой взгляд, тезисы.

Автор выделил кое-что важное: когда кто-то жалуется на своего начальника, первый вопрос должен быть не "что за козел твой босс?", а "кто твой скип?" (скип - skip manager, босс твоего босса).

Почему это важно? Когда я впервые стал менеджить не IC, а менеджеров, я понял, что это совершенно другая работа. Прежние методы не просто не работали — они часто усугубляли ситуацию. Это как пересесть с велосипеда на мотоцикл: при внешней схожести, принципы отличаются.

И вот в эссе приводятся 5 таких принципов правильного менеджмента менеджеров, которые очень хорошо откликаются:

1️⃣ Это другая работа, а не апгрейд старой. Управление менеджерами ≠ управление большим количеством людей. Это не просто больше людей под управлением — это переход от прямой работы с контекстом к работе через "прослойку". Мехта в Square настолько серьезно относился к этому переходу, что лично подписывал каждое назначение скип-лида, считая это критически недооцененным скачком в карьере.

2️⃣ Мысленный эксперимент: представь, что твои менеджеры это API, через которые ты можешь только отправлять и получать информацию — как бы ты построил управление? Этот мысленный эксперимент превращает интуитивное управление в системное, заставляя освоить искусство влияния через четкие коммуникационные протоколы.

3️⃣ Не решай проблемы в обход своих менеджеров. Когда сотрудник приходит жаловаться напрямую - слушай, задавай вопросы, но решение проблемы делегируй его непосредственному руководителю. Иначе ты подрываешь авторитет своего менеджера. По наблюдениям автора, даже случайное замечание скипа может вызвать каскад реакций в команде. Учись слушать, но решение проблемы отправляй через правильный канал — менеджера.

4️⃣ Откажись от роли спасателя. Компенсируя слабые стороны менеджера своей работой, ты создаешь двойную проблему: команда не получает настоящего руководства, а организация не видит реального положения дел. Открытое признание проблемы перед вышестоящим руководством с планом коррекции — единственный честный путь.

5️⃣ Практикуй матчмейкинг по TRM. Task-relevant maturity — это не общая оценка менеджера, а его готовность к конкретному проекту. Используй матрицу "неопределенность/влияние" для тонкой настройки делегирования. Высокая неопределенность + высокое влияние требует максимально компетентных менеджеров и твоего активного контроля; низкая неопределенность + низкое влияние — идеальный полигон для роста новичков.

Банальные мысли, но почему-то часто теряющиеся: эффективность команды зависит от того, насколько умело ты развиваешь менеджеров, потому что это каскадно влияет на развитие всех остальных.

Привет, я Адам 👋
Пару месяцев назад я вышел в AI-центр Т-Банка продуктовым директором развивать пользовательские продукты. В этом посте расскажу, в чем ключевые отличия разработки AI-продуктов от традиционных, и как мы адаптировали классический Stage-Gate под работу над AI-продуктами.

Традиционная разработка vs AI-разработка: ключевые отличия

Классический продуктовый цикл (Stage-Gate) обычно включает четыре этапа:
🔹 Ideate — генерация и оценка новых идей, выявление пользовательских потребностей, создание гипотез о ценности

🔹 Discovery — подтверждение гипотез, проектирование решения и тестирование без разработки. Используем качественные исследования, прототипы и собираем данные для модели роста

🔹 Delivery — создание MVP, тестирование с пользователями, вывод продукта на рынок

🔹 Scale — расширение аудитории, оптимизация продукта и процессов для устойчивого роста

В AI-продуктах этот процесс требует существенной перестройки. На первый план выходят техническая осуществимость, качество данных и баланс метрик, которых нет в традиционной разработке.

Ключевые особенности AI-разработки

1️⃣ Двойная валидация
В традиционных продуктах достаточно подтвердить ценность для пользователя. В AI необходима и техническая валидация. Иногда даже самые перспективные идеи с подтвержденным спросом могут оказаться технически нереализуемыми

2️⃣ Приоритет данных
Качество решения напрямую зависит от качества данных. Поэтому мы рекомендуем посвящать первые итерации работы над новым проектом исключительно анализу данных, и только потом переходить к продуктовым вопросам

3️⃣ Баланс метрик
AI-разработка — это постоянный поиск баланса между точностью, скоростью, стоимостью и другими техническими параметрами. Часто приходится жертвовать одними показателями ради других, исходя из конкретных бизнес-задач

4️⃣ Этика и alignment
На каждом гейте оцениваем соответствие модели ценностям компании и требованиям безопасности. Проверяем поведение AI в пограничных случаях и разрабатываем механизмы защиты от потенциальных злоупотреблений. Для AI-продуктов критично обеспечить не только функциональность, но и этичное, предсказуемое поведение, что напрямую влияет на доверие пользователей и репутацию бренда.

Stage-Gate для AI-продуктов: наш подход

Специфика AI требует особого внимания к управлению рисками и проверке технической осуществимости. Поэтому мы решили разделить Stage-Gate на два последовательных трека: Discovery (поиск и валидация) и Delivery (разработка и запуск).

Discovery-трек:

🧠 Ideation:
На этом этапе оцениваем идею AI-продукта: анализируем бизнес-задачу, определяем потребности пользователя и оцениваем рынок. Главный вопрос: как AI создаст уникальную ценность? Отсеиваем случаи использования AI ради AI

🔍 Concept Validation: Проверяем потребность пользователя и техническую осуществимость. Проводим исследования, анализируем данные для обучения модели, оцениваем риски и определяем технические метрики для прототипа

⚙️ Prototype Development: Создаем прототип для демонстрации ценности и технической осуществимости. Оцениваем метрики AI-модели и пользовательский опыт. Тестируем alignment и разрабатываем архитектуру решения

Delivery-трек:

🧪 Beta Testing: Тестируем MVP на ограниченной группе пользователей. Проверяем техническую корректность, метрики AI и взаимодействие с пользователями. Формируем план доработок на основе реальных данных

🚀 MLP Launch: Запускаем полную версию продукта. Внедряем мониторинг продуктовых и технических метрик. Проверяем эффективность в реальных условиях и собираем обратную связь

📈 Scale & Optimize: Расширяем на всю целевую аудиторию. Оптимизируем работу под нагрузкой, следим за дрейфом данных. Обеспечиваем надежность и этичность AI при масштабировании

Полное описание процесса Stage-Gate для AI продуктов, который мы внедряем у себя, читайте в документе Stage-Gate AI в Notion

Рассказал в продуктовом канале Т-Банка про то, чем отличается жизненный цикл создания классических продуктов и AI продуктов. Еще поделился описанием процесса Stage-Gate для AI продуктов. Бесплатно, без смс!

Если вы думаете, что я использую AI технологии для чего то важного… вы не ошибаетесь.