Как писать вакансии-2
(первая серия здесь)

Свежий пример:

«…который возьмёт на себя полную ответственность за метрику конверсии в получение заказа и снижение возвратного потока на уровне всей компании — B2C, B2B продукта и логистики».

Сформулировано через метрику, которой, на самом деле, как и любой другой, нельзя управлять и, соответственно, за неё отвечать. Но конкретная задача уже видна и понятна.

Можно было начать и с более верхнеуровневой истории про «улучшение экономики», но в данном случае уже четко определена конкретная область приложения усилий (возвраты) и одновременно максимально широко очерчен домен (B2C, B2B, логистика). И это хорошо.

Для амбициозного и квалифицированного продакта, который умеет системно работать со сложными процессами, — всё максимально понятно. Можно откликаться и сразу показывать, почему ты считаешь, что справишься с этой задачей.

Для таких же амбициозных, квалифицированных и даже «системных», но, например, привыкших и любящих работать с конверсией пользователей в покупателей, оптимизацией внутренних продуктов, возвратом бывших клиентов или чем угодно ещё — вакансия тоже прозрачно говорит: вам сюда не надо.

Если бы там было написано: «Ищем опытного продакта с развитым системным мышлением, готового возглавить направление клиентского опыта в сегменте ритейл», — было бы намного хуже для всех участников процесса.

---
Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Полный цикл рассуждений про текст вакансии

Наблюдение 1. На дженерик-вакансию приходит 100500 дженерик-откликов.

Гипотеза 1. Люди отправляют шаблонные отклики по многим причинам, в том числе потому, что по тексту дженерик-вакансии трудно понять, чего именно хочет работодатель — и, соответственно, нет смысла адаптировать отклик под неё.

Наблюдение 2. На дженерик-вакансию приходит мало по-настоящему релевантных откликов.

Гипотеза 2. Кандидаты с нерелевантными навыками и опытом откликаются на дженерик-вакансию, потому что не видят несоответствия и считают, что под общие требования подходят.

Идея. Включить в текст вакансии описание конкретной задачи.

Прогноз 1. Часть нерелевантных кандидатов опознает несоответствие своих навыков и опыта и не станет откликаться; какая-то часть потенциальных кандидатов увидит, что задача им неинтересна. Общее количество откликов снизится.

Прогноз 2. Среди релевантных кандидатов (в первую очередь — по сопроводительным письмам) появится больше тех, чьи навыки и опыт хорошо соотносятся с описанной в вакансии задачей.

Прогноз 3. Рекрутеру станет значительно проще выбирать среди 100200 откликов — релевантные будут видны сразу.

Ставка. Изменение текста вакансии стоит очень дешево; потенциальный эффект — от малого до среднего; риск потери релевантных кандидатов из-за чрезмерной конкретики минимален.

Действие. Принимаем ставку, меняем текст вакансии, продолжаем наблюдать:

– общее количество откликов должно снизиться;
– доля релевантных — вырасти.

Картинка с двойной петлей, объясняющей связь всех этих терминов, — в первом комментарии.

Недостаток доказательств не является доказательством отсутствия эффекта

Читайте @depecheprod, пожалуйста. Не потому что Дима ссылается на меня Клемента, а потому что знает о чем говорит.

Например, вы знали, что

Исторически, существовало два подхода к проверке статистических гипотез: метод значимости Фишера (Fisher’s significance testing) и метод проверки гипотез Неймана-Пирсона (Neyman-Pearson’s hypothesis testing framework)

? — я нет )

Не трудно догадаться, как эти три уважаемых человека отнеслись к тому что их походы смешали в один, но если не учились статанализу, трудно понять, в чем их исходное различие и почему это важно понимать продактам (см. заголовок).

Конечно, всех объяснений в посте нет, —слишком обширная тема, но главное — сказано и это уже сильное свидетельство в пользу того, что вам нужно подписаться на Depeche Prod.

Automated outreach be like...

Как думать о приложениях, повышающих продуктивность

Одна из ключевых моделей в моих рассказах про софт-скиллы — это «диапазон значений», она же «непрерывная шкала», она же «градиент».

⸻

Первая шкала, которую я считаю особенно полезной для размышлений о «софте для продуктивности», — это диапазон от «неограниченной свободы» к «строгой методологии».

Open-ended software даёт пользователю «возможности». Вот тебе элементы, вот конструктор, чтобы их собрать — делай что хочешь в рамках дозволенного. Тебе виднее, какой результат и как именно ты хочешь получить.

Methodology-based или "opinionated" software не просто подсказывает пользователю «как правильно», а диктует как надо. Задаёт чёткую структуру, ограниченный набор инструментов, подчиняет каждый элемент системы общей методологии. Глобальная цель такого софта — сделать так, чтобы пользователь добился конкретного ожидаемого результата наилучшим из возможных (по мнению авторов) способом.

Вторая шкала более очевидна: от фокуса на накоплении знаний к фокусу на организации процессов.

Очевидно, что и точные знания, и настроенные процессы полезны для достижения результатов. Но столь же очевидно и то, что одни авторы productivity software считают knowledge sharing основой всего, а другие — что координация работы и понятные всем этапы процесса важнее, чем знания, которые устаревают со скоростью выхода следующей версии продукта.

⸻

В чём практическая польза этих шкал и матрицы, которая благодаря им получается? Загибайте пальцы:

Во-первых, теперь вы мгновенно можете объяснить, как одно и то же ценностное предложение реализуется каждым игроком и почему каждый из них настолько по-разному подходит к решению одной и той же задачи.

Во-вторых, если вдруг раньше это не было очевидно, теперь понятно, насколько разные, на самом деле, задачи решают разные продукты на этой поляне. Большинство из них сделали выбор (где расположиться на каждой из осей) вполне осознанно. Некоторые (например, Miro и Monday) — ещё более осознанно стремятся расширить свою «зону покрытия», добавляя новые элементы и расширяя диапазон, а значит и целевую аудиторию.

Наконец, теперь вы можете сразу определить, где «живет» и чем вам может быть полезен конкретный продукт:

— Не хватает общего контекста? — Знаете, где искать решение.

— Нет общего понимания, как вести дела?— Вот кто подскажет «как надо».

— Не хватает настроек «под себя»? — Вам в противоположный квадрант.

Если же вы работаете над продуктом, который помогает пользователям становиться продуктивнее, — у вас теперь есть модель, с помощью которой можно установить общее понимание в команде: где вы находитесь и к чему стремитесь, а значит и спланировать следующие шаги.

⸻

Домашнее задание: попробуйте определить на этой «карте» координаты каждого продукта, которым вы пользуетесь лично. Подумайте, насколько это положение соотносится с вашими реальными предпочтениями?

Я, например, всегда делаю исключительно opinionated продукты, потому что считаю, что именно они — за счёт чёткой методологии — по-настоящему помогают пользователям добиваться ожидаемых результатов.

При этом я же, парадоксальным образом, большой поклонник Ноушена, потому что он позволяет мне самому выстроить структуру и процессы в том виде, который я считаю правильным.

⸻
Этот же пост, но сразу с картинкой.

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Год AI‑assisted кодинга -> Год метанавыков

30 октября 2024 года я отправил первый коммит в репозиторий своего первого PWA — списка покупок, который можно пошэрить со всей семьёй, а конкретные пункты сами «возвращаются» в него через N дней или в указанную дату.

За прошедший с этой даты год я отправил 1 341 коммит в 13 репозиториев.

Год назад ещё не было термина «вайбкодинг», сегодня свой курс по вайбкодингу не запустил только ленивый.

12 месяцев назад я задавал вопрос ChatGPT, ждал его ответ, копировал код и вставлял его в нужный файл в проекте.

Прошлой зимой я перешёл от копипастинга к работе с копилотом GitHub‑а в VSCode — тогда всё ещё в режиме чата.

Сейчас над одним из проектов у меня параллельно могут работать три кодинг‑агента, каждый в своей ветке, над своими задачами.

Чуть не забыл — за год появилось сразу несколько категорий специализированных инструментов. Хоть специальную матрицу про них собирай…

⸻

«Метакодинг» как термин, подход к разработке и даже специальный npm‑пакет был максимально полезен буквально два‑три месяца — с января–февраля по март–апрель.

Сейчас, после выхода Claude Code, OpenAI Codex и существенного прогресса гитхабовского копилота, — кодинг‑агентам эти подпорки в виде правильного воркфлоу не так уж и нужны (они их старательно игнорируют, потому что сами уже научены планировать, документировать и тестировать), но всё ещё полезны людям.

Пару дней назад автор того самого термина подробно рассказал, насколько полезны автоподсказки, в чём ограничения агентов и предсказал, как и где будет происходить дальнейший прогресс AI‑assisted кодинга (и что по его оценкам он продлится еще десятилетие). Посмотрите хотя бы эту часть интервью.

Поэтому я всё ещё надеюсь, что на смену one shot «вайбкодингу» люди и агенты придут к взаимному пониманию: сначала нужно как следует договориться о том, какую конкретную задачу мы вместе решаем, потом зафиксировать это понимание в виде плана, потом реализовать изменения, следуя TDD, а потом обязательно написать документацию.

⸻

Ок, к чему это всё и что дальше?

Во‑первых, к тому, что если вы ещё не сделали себе кусочек гиперперсонализированного софта или не внедрили ИИ/агентов в свои рабочие/личные процессы — сейчас самое время. Запишитесь на курс (например, AI Mindset, уважаемого Сергея Хабарова со товарищи, только посмотрите вебинар сначала), откройте веб‑редактор (Lovable, судя по всему, молодцы) или IDE (Cursor, VSCode) — и сделайте уже что‑нибудь, о чём давно мечтали.

Во‑вторых, если вы дизайнер, продакт или разработчик, то сейчас самое время принять новую реальность. Мы пока ещё не можем создавать ценность, просто произнеся соответствующее заклинание вслух, но всем нам, вне зависимости от профессии, уже надо переучиваться на руководителя агентов‑разработчиков. Весь следующий год индустрия будет бежать в эту сторону семимильными шагами, так что сбыча прогноза Дарио если и опоздает, то месяцев на 12, вряд ли больше (а в отдельных «карманах реальности», уверен, он уже сбылся).

В‑третьих, следующий год, даже если не станет годом «метакодинга», станет годом актуализации метанавыков и базовых ментальных моделей, которые нужны для того чтобы понимать что и как делать, как применять свалившееся на нас новые возможности.

По крайней мере, следующий год станет таким для меня. Думаю, что для многих из вас тоже.

⸻

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Эксперимент в прямом эфире (открытом репозитории)

Никита Толстой, руководитель «Яндекс Лавки», сегодня выложил в открытый доступ репозиторий с очень простым, но абсолютно pixel-perfect живым «прототипом» корзины.

Он написал пост о будущем менеджмента продуктов (хотя в данном случае — скорее о будущем дизайна) и предложил публике поучаствовать в эксперименте: внести свои предложения по улучшению опыта покупателя Лавки, создав пулл-реквест с изменениями прямо в репозитории.

Сказано — сделано. Скачать репозиторий, создать ветку, понять, что происходит, посмотреть на текущий прототип, придумать небольшое улучшение, реализовать (тут даже агент не понадобился), залить форк, открыть пулл-реквест — 25 минут.

Ещё через 10 минут Никита сделал отдельную ветку, я перекинул реквест на неё, он его принял.

Мы протестировали флоу, посмотрели на результат и, кажется, оба остались довольны экспериментом.

Мы в Smartcat движемся в ту же сторону (с поправкой на масштаб и сложность проекта). Очень надеюсь, что через месяц мы с дизайнером будем в таком же флоу работать над нашей панелью управления.

Вы тоже можете так работать у себя в компании. Начните с того, что попросите кодинг-агента воссоздать любой экран вашего продукта по скриншоту.

Покажите результат дизайнеру и прямо на звонке вместе с коллегой внесите минимальное изменение, дав задачу Кодексу или Клод Коду («вкалывают роботы»).

Почувствуйте «магию» и продолжайте распространять этот подход на всё остальное.

Только не увлекайтесь слишком сильно процессом. Если вы продакт, то ключевая ценность и ROI вашей работы всё-таки в том, чтобы отвечать на сакраментальный вопрос, а не в том, чтобы генерировать новые интерактивные прототипы. Хотя последнее, конечно, гораздо веселее ))

⸻
Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

P.S. Cпасибо первому «спонсору»! Я был приятно удивлен...

А у всех куча каналов за ночь размьютилась? Мой тоже?

Почитать продактам

Леонид доходчиво рассказывает о ключевой ментальной модели «карта ≠ территории» и, главное, в следующем же посте показывает, как её применять.

Михаил подробно (в трех частях!) объясняет, почему IFS не заменит JTBD. Обязательно загляните в комментарии: там коллеги рассуждают о том, где проходят границы применимости фреймворков.

Герман делится наблюдениями и предсказаниями о взлете роли Product OPS — пост, который вызвал у меня подозрение, что этот термин сильно по-разному понимают даже те, кто на эту роль нанимают (Марти об этом писал ещё в 2021 году — с тех пор ситуация не улучшилась).

Наконец, Наталия напоминает продактам о Киневине — всегда полезном способе осознать, что происходит и что со всем этим делать.

⸻
Что объединяет все эти публикации?
Правильно — мышление моделями.

Когда вы понимаете, что реальность — роли на работе, методы исследований, ситуации, психику — можно описать как «модель», вы одновременно понимаете, что… смотрите пост Леонида.

Вовлекающая геймификация.
Часть 1. Шкала и вопрос

Дисклеймер 1: в этой теме я — теоретик, а не практик. Мой самый большой вклад в практическую геймификацию — пара бейджей за достижения во внутреннем корпоративном портале, которые, надеюсь, до сих пор пользуются популярностью и играют свою роль. В остальном я — потребитель и, чаще, жертва геймификации.

Дисклеймер 2: я считаю, что один из ключевых навыков продакта — это «внутренний симулятор пользователя», а его невозможно прокачивать, если не заниматься рефлексией собственного пользовательского опыта. Значит, об этом фундаментальном навыке нужно писать.

⸻

Чтобы спроектировать и реализовать хорошую, вовлекающую геймификацию, нужно понимать разницу между games of skill и games of chance и уметь добавлять нарративные элементы туда, где они уместны.

Дихотомия между двумя типами игр, как и многие другие вещи, описывается шкалой: на одном конце — игры, в которых всё зависит от везения («кости», «рулетка»), на другом — успех полностью определяется знаниями, навыками и состоянием игрока («шахматы», «файтинги»).


В Civilization рандом играет роль только в самом начале, а потом всё зависит от навыков игрока и того, как быстро он приобретает и эксплуатирует знания. В SimCity ещё бывают случайные стихийные бедствия — элемент случайности в поздней игре.

Успех в играх серии Heroes of Might and Magic, UFO или спортивных фэнтези-лигах зависит от того, какой состав вы соберёте, а потом — от того, что выпадет на виртуальном кубике в конкретном выстреле, схватке или матче. Роль случая здесь не меняется по ходу всей игры (умные игры подстраивают уровень сопротивления под силу ваших персонажей).

Карточные игры, типа покера, могут сильно менять своё положение на этой шкале в зависимости от скилла игрока.

⸻

Ок, для чего нам понимать этот градиент при проектировании геймификации в продуктах?

Для того чтобы предсказывать, что сильнее всего вовлекает и удерживает «игроков».

Попробуйте буквально начертить шкалу и поставить на ней точку, в которой вовлечённость и удержание игроков будут максимизированы.

Почему вы поставили этот маркер именно в этой части шкалы? Какие знания (модели об устройстве мира, дающие сбывающиеся прогнозы) позволяют вам утверждать, что вероятность того, что пользователь позитивно воспримет нашу геймификацию и будет рад в ней участвовать долгое время, повышается, потому что мы сместили баланс удача/скилл в нужную сторону?

Я завтра напишу свою версию ответа и добавлю в неё нарративный элемент ))

⸻

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Как говорил Майк Тайсон:

Everyone has a strategy until they see the current quarter churn figures.

Упражнение для развития наблюдательности

Если вам, как и мне, интересно разбираться в сортах… вокальных перформансов, то вот небезынтересный набор:

— 19-летняя барышня наивным образом исполняет сложный номер, демонстрируя в конкретных местах свой недюжинный диапазон, но отчётливо проявляя недостатки вокальной техники.

— Восемь лет спустя, уже в статусе состоявшейся звезды, демонстрирует не просто опыт, а результат работы над техникой.

— Ещё через тринадцать лет, имея за плечами сорок миллионов проданных альбомов, второй по значимости национальный орден (Канады), группу бэк-вокалисток и опыт погружения в кантри-музыку, показывает, что есть ещё порох в пороховницах — но слушать это уже почему-то не хочется.

⸻

Что этот пост делает в канале для продактов?

Ответ в заголовке: навык наблюдательности — ключевой для любого специалиста (хотел написать «работающего с людьми»).

А ещё классик русского дизайна когда-то завещал «повышать разрешение». Так вот — этому можно учиться на любом материале.

Навык из категории трансферабельных или даже «мета».

⸻

P.S. Если вам ближе кинематограф, то Nerdwriter1 повышает разрешение всех, кто готов хотя бы 10 минут обсуждать 2-минутную сцену.

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Вовлекающая геймификация.
Часть 2. Фэнтези-лига как хрупкий баланс

В первом посте я не зря упоминал рефлексию и «симуляцию пользователей» — к размышлениям о роли геймификации в удержании пользователей меня привёл опыт участия в спортивной фэнтези-лиге.

⸻

В этой игре участники по определённым правилам собирают состав виртуальной команды, а затем наблюдают, как игроки настоящих клубов, играющих настоящие матчи, приносят в копилку фэнтези-команды очки, передачи, сейвы и другие статистические показатели.

Каждую неделю мы играем матч против команды такого же генменеджера и определяем победителя в 20 категориях (от ничьей 10:10 до разгрома 18:2).

В итоге мы получаем интересный микс между:

– game of skill — придумай стратегию (на что будешь делать ставку), выбери игроков (под стратегию), спланируй состав на неделю (кто играет, кто сидит на замене), внеси изменения по ходу недельного матча;
– game of luck — на исходном драфте должно повезти с очерёдностью выбора и доступностью игроков; сами игроки должны удачно сыграть в своих настоящих матчах; фактор случайных травм, так же как и случайных результативных действий, может сильно повлиять на весь недельный матч.

⸻

Главный вопрос для меня, как продакта, получается таким: что меня, как игрока, сильнее вовлекает и лучше удерживает:

– удовольствие от результатов моих собственных решений, основанных на понимании игры (вовремя нашёл на рынке и поставил в состав игроков, чтобы максимизировать нужный параметр и за счёт этого выиграл общий матч со счётом 11:9);

– или американские горки эмоций от удачных и неудачных событий (этот забил, тот не поймал), которые на пике воспринимаются как «заслуженный успех», а во время полосы неудач — как «несправедливое устройство игры»?

Пока, после четырёх недель, трёх проигранных матчей и одной ничьей, вывод такой: в гибридной геймификации, где скилл работает против рандома, критически важно этот скилл получить. Иначе рандом будет в среднем «работать» плохо, а дефицит навыков не позволит этот перекос компенсировать и преобразовать в хорошие результаты.

С точки зрения вовлечённости в фэнтези-лиге удача амбивалентна (работает в обе стороны), а долгосрочный ретеншен сильно зависит от приобретённых знаний и навыков.

Итоговая модель и графики вовлечённости/удержания в зависимости от баланса «удача/скилл» — в следующем посте.

⸻

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Вовлекающая геймификация.
Часть 3. Модели

Начнем с интервального повторения )

Чтобы спроектировать работающую геймификацию, нужно хорошо понимать шкалу, на одном конце которой — игры, полностью зависящие от везения (games of luck), а на другом — те, где успех определяется навыками и состоянием игрока (games of skill).

Неделю назад я ставил сам себе (и вам) вопросы: где на этой шкале точка, в которой вовлечённость и удержание максимальны? И какие знания, то есть модели, дающие сбывающиеся прогнозы, помогают это объяснить?

Соответственно, сегодня сначала «подтянем» нужные знания, а потом на их основе построим графики.

⸻

Модели такие (в случайном порядке):

– Вариативное подкрепление: вознаграждение через неравные временные промежутки сильнее закрепляет поведение — повышаем ретеншен.

– Теория самодетерминации: проявления автономности и компетентности усиливают внутреннюю мотивацию — влияют на вовлечённость и удержание.

– Психологическая атрибуция: то, кому или чему человек приписывает успех — себе любимому или внешним обстоятельствам (удаче) — влияет на оба показателя.

– Теория ожидаемой полезности: объясняет, при каких условиях игрок решает, что продолжать игру ему невыгодно — влияет на удержание.

– Кривая обучения: показывает, когда рост навыка даёт максимум вовлечённости, а когда наступает насыщение — снова оба параметра.

– Теория потока: описывает баланс между сложностью и мастерством — не слишком сложно, но и не скучно — при котором возникает максимальная вовлечённость.

Забыл что-нибудь важное?

⸻

Теперь рисуем графики.

Сначала интуиция (архивированный опыт) подсказывает первый черновик кривых. Потом «подтянутые» под задачу из долговременной памяти и внешних источников знания позволяют уточнить их форму, соотношение и нюансы.

Обязательный peer review с доступными экспертами помогает оценить сходимость модели с текущим научным консенсусом.

В итоге получается рабочая модель, которая должна давать достаточно хорошие предсказания: когда вовлечённость будет максимальной и как не загубить долговременное удержание излишне рандомными факторами.

Картинки — в следующем посте.

Если этот пост продемонстрирует вовлечённость аудитории, а мой внутренний нарратив сработает на удержание долгосрочного интереса — завершу цикл разбором того, какая геймификация, по моему скромному мнению, могла бы сработать в «Лавке» или «Самокате».

⸻

Навигация: рубрики и лучшие посты

Поддержать канал: Patreon (€) • Sponsr (₽)

Опровержение вместо подтверждения

Глядя на графики вовлечённости и удержания в разных типах игр, я вспомнил о ещё одной привычке рационального продакта — искать опровержения вместо подтверждений.

Это контринтуитивно, противоречит всему, чему нас учили в школе и на работе, интеллектуально сложно и организационно затратнее. Поэтому большинству это кажется непривычным, почти неприемлемым.

Но именно этот подход приближает наши знания (модели, производящие сбывающиеся прогнозы) к реальности — и именно на нём основана вся по-настоящему научная деятельность.

⸻

В продуктовой работе это значит не искать подтверждения своим идеям, а активно искать контрпримеры.

Когда мы раз за разом находим опровержения нашим текущим представлениям о пользователях, их потребностях, поведении и предпочтениях — в итоге остаются знания, которые действительно работают.

Самый простой способ применить этот подход такой: покажите прототип клиенту и спросите — в каких ситуациях, для каких задач эта фича для вас не будет работать, не принесёт пользы?

Мои Enterprise-клиенты отвечают легко: «Не будет, потому что Х, Y и Z». Когда этот список заканчивается — только тогда появляются реальные кейсы, где решение может быть полезным, а если нет — тем ценнее: исходные представления были неверны, и можно вернуться back to square one (и после этого зайти на второй круг поисков опровержений).

Ваши пользователи точно так же могут вам сказать A, B и C: «Не буду я играть в ваше Колесо фортуны, пока жду доставку — у меня суп подгорает / мне домой ещё надо живым добраться / рилсы сами себя не посмотрят».

В этот момент у вас появится больше оснований для более точных прогнозов: о том, кому действительно нечем занять время в ожидании курьера — и кто будет готов вращать барабан.

То же самое с онбордингом, триггерами монетизации, вовлечением, с чем угодно.

Там, где вас учат как можно быстрее и искать подтверждения собственным убеждениям — нужно искать так же быстро, но случаи, когда эти идеи не работают.

Вместо «эти данные подтверждают нашу гипотезу» стремиться к
«эксперимент показал, что наше объяснение поведения пользователей было неверным» или даже
«ничего мы не понимаем о том, почему люди готовы / не готовы играть в казуальные игры, заходя в социальную сеть для профессиональных контактов».

P.S. Кстати, теперь вы знаете в чем самый большой риск использования текущих LLM-based RLHF-bred помощников.

⸻

Этот пост добавлен в список привычек рационального продакта.

Остальные — в навигации по рубриками и лучшим постам

Поддержать канал: Patreon (€) • Sponsr (₽)

Проверка ценностей

Настоящая проверка ценностей происходит тогда, когда они позволяют принимать решения или сталкиваются между собой.

Допустим, компания, с которой вы собеседуетесь, заявляет, что она хочет «делать правильные вещи правильным способом». Спросите у рекрутера, почему же тогда в продуктах компании засилье тёмных паттернов? Ответ позволит вам узнать о потенциальном работодателе намного больше, чем они хотели бы о себе рассказать.

Ценности работают только тогда, когда они позволяют отказываться от чего-либо. Если компания вторым пунктом заявляет, что она хочет «двигаться быстро», спросите, от чего при этом приходится жертвовать. Ответ подсветит вам красные флаги или покажет желанный для вас вайб.

Ценности по-настоящему проявляются, когда они конфликтуют между собой. Если компания сначала говорит о том, что она хочет «делать правильные вещи правильными способами», а затем — что хочет «двигаться быстро и делать вещи как можно более экономно», спросите у потенциального руководителя, что происходит, когда эти две ценности начинают противоречить друг другу. Что выбирается на практике — скорость или качество? Кто и как принимает это решение?

Пока ценности живут на страничке веб-сайта, это простые декларации.

Если при принятии важных решений никто не апеллирует к ценностям компании, значит, их у вас на самом деле нет, а вместо них — подмена в виде банальных и часто сиюминутных «интересов».

Из немаленького списка компаний, в которых я работал, ценности были — действительно использовались при принятии сложных решений — буквально в одной.

А еще за настоящие ценности кто-то должен платить.

Большой минорный релиз

Вы, наверное, уже и не помните, но 4.1 был, возможно, самым meh-релизом OpenAI. Судя только по названию, я думал, что 5.1 будет таким же проходным... давно я так не ошибался.

До этого вся история выглядела так: мы выпустили новую, более большую модель; мы прикрутили размышления; мы добавили интерактивные канвасы – понятные, иногда прорывные, но сугубо technology-driven улучшения.

Летом я был сильно разочарован интервью Ленни с CPO OpenAI: кроме советов о том, как «делать модели лучше и писать эвалы» (то есть как делать работу инженеров), Кевин тогда не продемонстрировал какого-то особого продуктового мышления.

Либо хорошо маскировался, либо, следуя советам Огилви, наконец-то нанял себе более лучших продактов, и теперь у них есть «тактика, которой они придерживаются».

⸻

Во-первых — бизнес-пользователи

OpenAI отлично понимает, что корпоративной аудитории нужна не «магия модели», а экономика.

Бизнес-юзерам нужно:

• не разводить reasoning там, где он не нужен — держите специальный параметр, который полностью его отключает;

• получать мгновенные короткие ответы там, где длинные не нужны — вот вам отдельный режим;

• платить меньше токенов за лучший результат — а мы и сами так давно хотели, готово!

Отдельная история с кодингом.

Там, где собственный Codex и первопроходец Claude Code претендуют на то чтобы заменить IDE — 5.1 буквально заточена на то, чтобы быть моделью внутри чужих редакторов.

JetBrains, Cursor и прочие бета-тестеры уже подтвердили: это лучшая модель, чтобы встраивать её внутрь продуктов. Cursor, конечно, продолжит развивать собственного «композитора» (миллиардные инвестиции надо осваивать), но длинный хвост догоняющих (Cline, Factory, и прочие Warpы) вдруг оказался от лидера на расстоянии одного релиза чужой передовой модели.

⸻

Во-вторых — совместная работа

Полтора месяца назад я писал, что чат постепенно превращается в ключевой интерфейс почти любой деятельности, но
чтобы им стать по-настоящему, он должен уметь позволять работать с ним сразу несколькоим людям.

И в 5.1 происходит ровно это: групповые чаты с ChatGPT.

Теперь:

• продакт, дизайнер, разработчик могут работать вместе в одном чате; маркетолог, юрист и продакт — в другом; вся экзек-команда — в третьем; вся компания...

• это создает единый контекст, общую историю, один набор артефактов;

• а значит создает максимум прозрачности и минимум бутылочных горлышек.

И, да, это тревожный звоночек для продактов-технических-писателей.
И, одновременно, отличная новость для всех остальных.

⸻

Вишенка на торте — глубокая персонализация

Чтобы удерживать внимание обычных людей, модель должна уметь подстраиваться под стиль собеседника. Ок, кэп!

5.1 делает сразу несколько шагов:

• появляются новые режимы общения;

• модель быстрее подхватывает тон собеседника, запоминает стилистику и сама предлагает подкорректировать формат своих ответов;

• и, в итоге, отвечает так, будто давно знает, как с нами говорить.

И это уже не хаки с памятью и не народный промпт-инжениринг, это полноценные режимы, встроенные прямо в обертку над базовой моделью (если верить маркетингу и инженерам OpenAI).

⸻

Итого:

По шкале «от инфраструктуры до индивидуального опыта» OpenAI закрывает сразу три уровня — и это впервые напоминает осознанную, внятную продуктовую стратегию.

По шкале от патча до мажорного релиза – это тянет на что-то явно более значительное.

Единственное, что осталось без изменений – дурацкий нейминг. Видимо следующие в очереди на найм — продуктовые маркетологи...

А я хотел этот релиз пропустить ))

А потом он говорит…

Андрей (Карпатый) говорит: раньше мы писали софт, который можно было заранее формализовать (в виде требований), теперь пишем софт, результаты которого можем верифицировать.

Глеб (Кудрявцев) говорит: если твою работу как продакта можно формализовать (описать достаточно хорошей моделью input→output), то тебя (уже сейчас) можно заменить ИИ.

Оба, по сути, говорят одно и то же: вопрос теперь в кейсах, которые изначально жёстко не детерминированы, а результаты действий в них сложно проверить в виртуальной среде — а значит, у них значительные, дорогие во всех смыслах последствия.

Именно в таких кейсах последнее прибежище человеков. Там, где не очень понятно что и как делать, а результат можно увидеть только один раз и в реальности физической или экономической жизни.

Антон (это я) говорит: значит, роль метанавыков будет только возрастать (Глеб подтверждает, послушайте хотя бы эту часть подкаста). Дольше всех «на плаву» будут оставаться те, кто

— может выбрать правильные инпуты,
— может собрать сложную модель с вероятностными исходами и объяснить её другим людям и неживым агентам,
— может организовать совместную работу одних с другими,
— может придумать, как верифицировать результат,
— а потом обновит свои представления о реальности и зайдет на второй круг.

Похоже, что как минимум пара лет у нас есть, прежде чем этот последний рубеж займут искусственные системы, которые комбинируют способности к «размышлениям» с возможностью ориентироваться в реальности и обновлять свои представления о ней. Главное, чтобы «цели» и «предпочтения» у них оставались согласованными с нашими...

Тут могла быть реклама свежей (последней?) книжки Э.Ю. и Н.С., но вместо этого будет благодарность С.Т. и Н.Е. за отличный разговор с Глебом. Спасибо!