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!

Сначала фундамент

Прежде чем переходить к сложной работе, любой сотрудник должен научиться делать базовые операции.

Для нас с вами последовательность такая:

Увидеть, пронаблюдать.
↓
Объяснить самому себе.
↓
Проверить объяснение в источниках.
↓
Прочитать и понять.
↓
Критически осмыслить.
↓
Синтезировать новое.
↓
Записать.
↓
Нарисовать схему.
↓
Собрать рабочую, интерактивную модель.
↓
Посмотреть как в ней работают разные сценарии.
↓
Придумать план-Б.
↓
Выбрать один, сделать ставку.
↓
Рассказать обо всем этом так, чтобы вовлечённым собеседникам было понятно.
↓
Услышать контраргументы. Понять. Аккуратно инкорпорировать или опровергнуть.
↓
Рассказать всем остальным, чтобы они поняли и поддержали.
↓
Построить процессы взаимодействия с коллегами таким образом, чтобы регулярно достигать ожидаемого результата.

Чувствуете, как растёт сложность от шага к шагу?

Как думаете, можно успешно решать задачи в конце списка, имея пробелы в его начале?

Antigravity — лучший релиз года

Едва я успел распробовать концепцию управления агентами в свежем Cursor и совсем не успел добраться до Kiro...

Как Гугл не просто выпустил новую, более хорошую модель, а поднял концепцию метакодинга с уровня набора инструкций до уровня полноценного продукта.

Теперь у нас есть IDE, построенная на правильных принципах: загрузка контекста, понимание задачи, планирование, тестирование изменений, документирование результатов — ни один из этапов не пропущен, каждый сделан отлично.

Поверх добавлен новый способ общаться с агентами — буквально как с людьми («Вот тут отступ поехал») — и одновременно возможность управлять целой командой ии-помощников.

Вайбкодинг-хейтеры (если они ещё остались)… Впрочем, что нам до них.

Вайбкодинг-неофиты — вот им/нам сильно повезло.

Если вы вдруг ещё не сходили на курсы или если вы попробовали кодить с помощью ИИ, но вас не устраивает результат — задавайте вопросы, буду рад ответить.

P.S. Идея «курсор для любой knowledge-based работы» (не только для кодинга) только что стала еще более соблазнительной

Росс не может вспомнить 50 штатов родной страны.

https://50statesquiz.win/ — вы, пользуясь подсказками и щадящим режимом правописания, показываете Россу, где раки зимуют (и делитесь рекордами в комментариях).

Я в понедельник рассказываю сколько занимает разработка такого сайта.

Что значит понимать?

Напомню, что любое сложное воздействие на внешний мир (на что мы с вами здесь претендуем) начинается с двух простых операций:

Увидеть, пронаблюдать.
↓
Объяснить самому себе — то есть, по возможности, понять.

Я не буду подробно останавливаться на наблюдательности (хотя это действительно фундаментальное качество и связанный с ним набор навыков для любого социально-компетентного человека) — сразу прыгну в область, если так можно выразиться, герменевтики.

Что значит понять что-то?
Как мы объясняем себе увиденное?
К каким последствиям это ведёт?

Мне кажется, для наших с вами целей можно договориться, что «понять» значит:

– определить отдельные элементы наблюдаемого;

– сопоставить каждый из них с имеющимися у нас представлениями;

– определить тип связей между элементами;

– в итоге, сформировать ментальную модель, которая позволяет нам либо делать достаточно хорошие предсказания о действиях других, либо самим действовать так, чтобы это приводило к предсказуемым последствиям.

Эти финальные результаты пока оставим за скобками и сфокусируемся на «декомпозиции» и «сопоставлении с образцами» — первых шагах на пути к пониманию.

⸻

Почему важно об этом думать, где это применяется продактами?

Потому что это основа, и занимаемся мы этим постоянно, что бы мы ни делали.

Разговоры с клиентами, чтение отзывов, разбор тикетов, анализ числовых данных...

⸻

Как лучше понимать?

С одной стороны, это сродни вопрошанию рыбы: «как вы дышите под водой»? С другой, профессиональная компетентность возникает именно в процессе инструментализации.

Вы фиксируете отдельный акт понимания (ещё даже не коммуникации — когда-нибудь и до него доберёмся) и буквально начинаете расщеплять его на элементы, сопоставлять их с образцами и обозначать связи между ними.

Мозг делает это за вас ежесекундно и как можно быстрее тащит к следующему шагу.

Профессионализм заключается в том, чтобы делать это медленно, осознанно, не пропуская мелочей, не прыгая к результатам.

Очевидно, что проще всего это делать с текстами — на них и нужно учиться.
Навык потом переносится и на устную речь, и на любые наблюдаемые явления.

⸻

Наконец, практическое упражнение.

Простой пример:

Знаете, есть такая штука: когда очень нужно что-то сделать к сроку, мы часто начинаем суетиться. Бежим, пытаемся успеть, а в итоге получается как всегда. Но что, если подойти с другой стороны?

Представьте: у нас есть дата запуска. Это конечная точка. И нам нужно туда добраться. Вместо того чтобы идти вперёд и надеяться, что мы успеем, давайте посмотрим назад. Смотрим на конечную точку и спрашиваем: «Что должно произойти прямо перед запуском?» [...]

https://news.1rj.ru/str/productcoachmarina/141

Чуть сложнее:

Не всё то фрукт, что низко висит.
То, что нам казалось «низковисящими фруктами», было не тем, что реально влияло на конверсию. Быстрые решения, которые мы изначально выбирали, не затрагивали настоящие проблемы. Это подтверждает: важнейший этап любого изменения — анализ и глубокое понимание проблемы, а не попытка схватить первое, что попалось под руку.[...]

https://news.1rj.ru/str/svetoform/644

Сложный:

Управленческое решение — это акт выбора управленца, из которого возникает картина мира, подсказывающая подчинённым их собственные выборы. Причём это справедливо для решений любого уровня абстракции: проектные цели, устранение проблем или стратегия. [...]

https://news.1rj.ru/str/chief_philosophy_officer/530

⸻

Каждый пример теперь нужно провести через всю описанную цепочку. Идеальный результат: найти все термины, проверить их со словарем, зафиксировать связи между ними и пересказать получившееся «понимание» своими словами. Где-то в середине процесса вы должны осознать, что это все не так просто, как кажется...

Случайность правит

Одно из самых сильных доказательств роли случая для меня заключается в том, что множество успешных людей верит во всякую дичь.

Один считает правдоподобным очередную теорию заговора, другие на серьёзных щщах обсуждают, как будут использовать квантовые эффекты, которые даже объяснить корректно не могут, третьи вообще нечто трансцендентное начинают вещать…

---

В строго детерминированном (или хотя бы хорошо организованном) мире, где обладание точными моделями позволяет делать сбывающиеся предсказания, люди, у которых настолько большая разница между их представлениями и реальностью, должны систематически «проигрывать».

Но вместо этого наших героев приводит к успеху а) случайность, б) когнитивные искажения. Их комбинация позволяет выигрывать в ситуациях, где имеющиеся знания внезапно совпадают — или оказываются применимы — к конкретной ситуации. А дальше — хоть трава не расти. Все остальные кейсы либо замалчиваются (ради поддержания собственного мифа), либо игнорируются.

И это я не говорю о людях, весь «успех» которых строится на эксплуатации чужих когнитивных искажений и дефицита информации.

---

Ок…

Что делать всем остальным?

Копать в две стороны:

— повышать вероятность повторяющихся благоприятных ситуаций;
— накапливать хорошие знания (в широком смысле: от представлений о мире, через сильную методологию, до конкретных работающих приёмчиков), которые можно будет в подходящих ситуациях использовать.

Выбор образования, социальной среды, места жительства, сферы деятельности, конкретного работодателя — всё это работает на то, что вам будет с какой-то периодичностью «везти».

Настойчивое любопытство, широкий кругозор, глубокое погружение в вашу область знаний, SOTA-инструменты, приёмы, шаблоны, знания — всё это помогает в удачных обстоятельствах «выиграть».

Смелость — в первую очередь принимать решения — позволяет совместить первое со вторым.

Иначе говоря, всем остальным остаётся ждать хорошего стечения обстоятельств. И продолжать пробовать в любых. Раз за разом аккуратно двигая «случайность» в сторону выигрыша в подходящей ситуации.

---

Можно, конечно, начать верить в какую-нибудь ересь — некоторым помогает… но советовать такое с чистой совестью я не готов.

---
Навигация: рубрики и лучшие посты

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

Эффективная благотворительность

Сегодня Giving Tuesday — день, когда я напоминаю своей текущей аудитории: если ваша задача (например, как менеджеров продуктов) — улучшать соотношение impact/effort, то один из лучших способов это сделать — регулярно участвовать в эффективной благотворительности.

Сколько из вас могут похвастаться тем, что буквально спасли жизнь хотя бы одному человеку? Сколько хочет иметь возможность сказать (или хотя бы молча знать) такое про себя?

Выделите час своего времени сегодня после работы.

Посмотрите мой старый, но, к сожалению, актуальный рассказ об этой теме.

Прочитайте сайты GiveWell, Giving What We Can. Посмотрите на простую табличку.

Главное — оформите регулярное пожертвование в пользу любого «фонда фондов», который придерживается принципов эффективной благотворительности. Это ваш лучший шанс максимизировать свой личный импакт при комфортном для вас уровне эффорта.

Спасибо!

Опыт vs Фундамент

«Любые модели не соответствуют действительности, но некоторые — более полезны, чем другие.»

Любая модель слишком сильно упрощает реальность, но всё-таки способна демонстрировать причинно-следственные связи (даже если вероятность остаётся за кадром).

На картинке — модель, которая говорит следующее:

⸻

Продакты, обладающие опытом в конкретном домене:

– конечно, начинают с более выгодных позиций и могут приносить больше пользы быстрее

– при этом они тоже подвержены всем типичным проблемам онбординга: часть старых знаний не сработает в новой среде, особенно всё, что касается процессов и людей

– очевидно, что опытные продакты быстрее выходят на ожидаемый уровень полезности, который, при хорошем стечении обстоятельств, будет выше их исходного (в новой компании человек приносит больше пользы, чем в старой, даже в том же домене)

– однако, если такие продакты полагаются только на опыт, то их уровень полезности быстро выполаживается и со временем может даже идти вниз

⸻

Продакты с развитыми фундаментальными навыками, но без опыта в конкретном домене:

– стартуют с очевидно более низкого уровня полезности

– и их онбординг длится дольше

– но после успешного погружения в новую предметную область

– за счёт накопительного эффекта и буста, который обеспечивают фундаментальные навыки, со временем начинают приносить больше пользы

– и продолжают идти по нарастающей

⸻

Для работодателя это означает:

– если нужно быстро решить конкретную проблему — эффективнее нанять продакта-консультанта под конкретный проект

– если нужно гарантировать быстрое достижение «нижнего порога необходимой продуктивности» — берите «доменного эксперта», но не ожидайте от него прорывов

– если вам нужна долгосрочная польза и более высокий «потолок», в том числе за счёт «инноваций», — ищите продакта с развитыми базовыми навыками и успешным опытом в нескольких доменах

⸻

Реальность, очевидно, сложнее.

Но я надеюсь, это поможет вам не отказывать с порога кандидатам без специфичного опыта.

Успеете им отказать потом — когда они провалят тестовое задание ))

⸻

Навигация: рубрики и лучшие посты

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

Байт на реакции
и опрос заодно

Читали ли вы https://news.1rj.ru/str/ProductMindset/1335 ?

Если нет, то рекомендую.

После, поставьте, пожалуйста:

👍 — если норм статья, "база", нечего обсуждать
🤔 — если не поняли, как вам эмпатию в продукте применять
🔥 — если у вас тоже подгорело или просто любопытно, что там может быть не так

Правила Раппопорта и «оппонент из соломы»

В прошлом посте я предложил вам прочитать материал о том, как «встраивать эмпатию в продуктовый подход», и даже написал черновик с, на мой взгляд, очень серьёзной критикой исходной статьи…

А потом послушал, как философ и «внеконфессиональный верующий» смотрят ролик Панчина «Мораль без Бога: как наука объясняет добро и зло», и решил пока со своей репликой повременить.

Давайте для начала обсудим, как вообще что-то критиковать.

⸻

Дэвид Дэннет в своей книге «Насосы интуиции» (отличный пример того, как название при буквальном переводе теряет смысл) сформулировал «правила Раппопорта» (которые, похоже, сам Анатолий никогда в таком виде не высказывал) — для тех, кто хочет поддерживать дискуссию не ради того, чтобы «победить» оппонента или развлечь аудиторию, а чтобы повысить вероятность изменения точки зрения любого из участников.

Деннет этого прямо не говорит, но эти же правила позволяют избежать риторического приёма/когнитивного искажения, получивших название «соломенное чучело».

⸻

Вот эти правила, прямиком из оригинального текста:

1. You should attempt to re-express your target’s position so clearly, vividly, and fairly that your target says, “Thanks, I wish I’d thought of putting it that way.”

2. You should list any points of agreement (especially if they are not matters of general or widespread agreement).

3. You should mention anything you have learned from your target.

4. Only then are you permitted to say so much as a word of rebuttal or criticism.

⸻

Деннет оговаривается, что следовать этим правилам ему самому подчас было трудно — особенно в случаях, когда проблемы в чужой аргументации были слишком очевидны.

Но мой личный опыт говорит о том, что даже быстрый ментальный чекап («понимаю?», «с чем-то согласен?», «что-нибудь новое узнал?») перед тем, как начать формировать свои контраргументы, всегда помогает сделать свою реплику более точной и сильной (даже если первые три пункта не проговариваются вслух).

А иногда и вовсе напоминает, что в некоторые споры необязательно даже вступать... К статье про эмпатию это, к сожалению, не относится, но теперь мне сначала придётся сильно доработать мой исходный черновик…

⸻

P.S. Именно Раппопорт был автором той самой выигрышной стратегии в оригинальном турнире программ, играющих в дилемму заключённого.