Яна Доценко | Продукт, рост, AI

Брейнштормы не нужны? Чем больше я с ними сталкиваюсь, тем чаще вижу, что их используют не по назначению. У одного менти в компании был запрос на точки роста бизнеса — и CPO предложил брейншторм. В моей компании я несколько раз видела, как проблему со снижением вовлечения или активностью конкурента выносили на брейншторм с парой десятков человек на полтора часа, то есть под тридцать человеко-часов самых дорогих людей. Примеры выглядят безобидно, но в обоих случаях структурная работа дала бы лучше результат. В истории с вовлечением — декомпозировать метрику и найти, на каком шаге и в каком сегменте она проседает, в истории с идеями для роста/реакции на конкурента — провести исследование, сформулировать проблемы и гипотезы решения. Основные ошибки брейншторма как процесса обычно такие: 1. Проблема не сформулирована. Тогда брейншторм — это попытка креативной механикой заменить аналитику. Чаще всего на этапе четкой формулировки проблемы решение приходит само собой. 2. Нет вводных про цели и контекст. Нет анализа, исследований рынка, онбординга участников. Люди приходят с разным пониманием и обсуждают идеи от поправить UI до запустить новое бизнес-подразделение. 3. Неправильный состав. Слишком много людей, слишком разношерстные роли. Продуктовый брейншторм в квартальном планировании или поиске точек роста максимизирует то, что и так в избытке — количество идей. Но никак не улучшает то, что дефицитно — определить решения с высокой вероятностью успеха 😓 У формата также есть недостатки. Было популярных несколько исследований, которые максимизируют проблемы: • Evaluation apprehension - люди боятся оценки, а при наличии в комнате руководителя высказывают меньше идей и более консервативные. • Collaborative fixation - группа съезжает в ту область решений, которая была озвучена раньше или самым старшим человеком в комнате. Ну ладно, не все так категорично. Когда же брейнштормы полезны? • стандартные решения уже перебраны, не подходят, и нужно что-то свежее, • задача не только сгенерить идеи, а погрузить команду в общий контекст. Тогда можно собирать брейншторм, но по всем правилам процесса — цель, контекст, генерация идей, группировка, фильтрация и выбор топ-идей. Как у вас с брейнштормами? ⚡- не нравятся, не использую 💅 - нравятся, использую ❤️ - тема интересна

Куда пропал админ канала? Я перешла в другую команду и события начали развиваться слишком стремительно. У меня появилось больше ресурсов и большинство моих идей и предложений находят поддержку. Мне это очень нравится. Надеюсь вам скоро рассказать тут про продукт, над которым я работаю. Я полностью заресечила проблему, решение и собрала продукт за несколько дней. Это эксперимент, который мы будем запускать с целью роста ретеншена продукта. Процесс разработки был достаточно простым. Еще одна штука которая позволяет делать новые продукты еще быстрее — это интеграция дизайн системы с Claude Code. Наша дизайн команда загрузила библиотеку компонентов, что позволяет теперь сразу делать готовый UI, без промтинга дизайна. Пока ни один дизайнер не кинул в меня камень за мои поделки. Сложности как обычно начались на стыках — договориться с другими командами по API, согласовать продукт с юристами, опубликовать продукт и пройти модерацию. Если все пройдет гладко, надеюсь что запустимся на следующей неделе. Какие у вас новости? Что я пропустила?

Муж с Борей зафаундили компанию про computer use. Если вы когда-либо пробовали управлять компьютером или браузером с LLM-ками, скорее всего вы помните как долго и криво это работает. Ребята переосмыслили подход и их модель уже показывает классные результаты. Посмотрите демо и поддержите лайком/коментом плиз: x.com/SteelmanLabs/status/2082789336995528727 И апвоутом тут: news.ycombinator.com/

Нашла 2 приятных фишки вайбкодинга • Больше не надо делать ASO руками. Можно выдать доступ Claude Code через API в Appstore Connect: users and access -> integrations -> team keys -> создаете новый, отдаете Claude Code. Подсмотрела у Стартапы делать не страшно. • Скриншоты для ASO быстро можно сделать через скилл https://github.com/adamlyttleapps/claude-skill-aso-appstore-screenshots . Не помню где нашла.

Как выделить внешние факторы влияния на выручку продукта? Когда я работала в Voicemod, конверсия и ARPU у нас менялись от недели к неделе. Мы запускали много тестов. Но в какой-то момент мы заметили что конверсия медленно шла вниз, не смотря на то, что все тесты мы конечно же катили с позитивным влиянием 😓 Сначала мы перерыли продуктовые гипотезы — баги продукта и аналитики, сезонность, вес приложения и пр. Ничего не объясняло разрыв😱 Ответ нашёлся неожиданно — в данных Van Westendorp, который мы запускали для совсем другой задачи. Изначально это исследование нужно, чтобы определить оптимальную цену продукта и максимизировать выручку. Ты задаёшь пользователям 4 вопроса про восприятие цены и получаешь диапазон, в котором они готовы платить. Но ничто не мешает использовать этот же тест, чтобы замерять платежеспособность аудитории во времени. Не сколько должен стоить продукт, а насколько пользователи готовы платить за ту же ценность, учитывая зарплаты, налоги и другие траты. Когда мы сравнили два замера с разницей в год, картина стала понятнее: median acceptable price в нашем сегменте сдвинулась вниз. Продукт работал хорошо, а платежеспособность аудитории снизилась😕 С тех пор мы продолжили делать замеры через Van Westendorp раз в полгода как трекер платежеспособности отдельно от исследований цен. Описывала как делать такое исследование и собрала шаблон из своих наработок — здесь.

Помните, запускала тест про навыки в AI? Ответы собирались анонимно — и теперь у меня есть замер аудитории канала. 100 с лишним ответов. Сейчас расскажу вам о вас. Выводы такие: • Все уже делают продукты и фичи, а не только чатятся. Я ожидала, что вы продвинутые — так и есть: 62% уже что-то собирают, пробовали вайбкодинг и агентов, делали интеграции через API 😎 • Вайбкодинг официально стал частью нашей работы. 56% пробовали, 31% делает это регулярно (вот кто поднимает графики релизов новых приложений в аппсторе).🤩 • Концепция агента понятна в использовании, но не в создании. 85% знают, что такое агент. Но есть разрыв знаю → делал: реально строили только 36%. При этом спрос догнать практику — 81%: в планах либо собрать первого агента, либо делать мультиагентные системы (здесь могла бы быть реклма моего курса про агентов или evals, но я выбрала делать другое). • Главное слепое пятно — evals. Только 43% точно понимают, что это, а 36% слышали впервые. Многие интегрируют AI в продукт, но мало кто знает как замерять, насколько системе можно верить😐 В общем, вы используете AI уже дальше, чем просто промптинг, разобрались с вайбкодингом и агентами. Кто-то научился их и собирать, многие планируют скоро это сделать. А вот следующий дефицитный навык, как мне кажется, — это способность строить evals и оценивать качество AI-систем. Такие дела.

Прочитала за вас отчет Sensor Tower Это огромный отчет про то как AI меняет потребительский рынок, екомерс, маркетинг. Почему стоит читать такие отчеты? Sensor Tower мониторит трафик и скачивания сотен тысяч сервисов и может делать достаточно точный анализ рынка в отличие от исследований с небольшой выборкой. Что я выделила для себя. В основном мне было интересно про еком и рост: 1. Еком сайты, давшие доступ к своему контенту получают волну трафика и рост узнаваемости. Доля AI трафика растет кратно от квартала к кварталу, хотя суммарно все еще меньше 1% от всех каналов. 2. Пробиться в выдачу для новых игроков становится сложнее. Если пару лет назад доля новых сайтов была около 70%, сейчас же на них приходится только 15%, выдача все чаще цитирует «старые» источники -> рынок стал более зрелым. 3. AI-агенты в екоме дают значимый рост. Покупки сделанные в Walmart через агента Sparky имеют средний чек на 35% выше. Агент Amazon Rufus AI дает х2 конверсию в покупку. Оба агента дают выше таймспент (дольше на сайте -> больше просмотров товаров -> выше средний чек). 4. OpenAI запустил рекламу в своей выдаче, пока только в США. Судя по всему дела у них идут хорошо. Доля активных пользователей с рекламной в сутки (DAU) достигла 15%. Как только возможность раскатится на ваш рынок, точно стоит тестировать пока конкуренция низкая и цены не перегреты. 5. Что интересно ChatGPT дает дотянуться до новой аудитории, которая слабо пересекается с аудиторией соц сетей. Потенциально канал с высокой инкрементальностью. Это важно! 6. Пользователи все больше выбирают сервисы и приложения с AI, но в первом полугодии 2026 рост скачиваний замедлился. Насыщение рынка ощущается, пора фокусироваться на качестве и оптимизации. 7. Самое популярное слово в текстах новых AI приложений — POWERED😎 8. Топ растущих категорий по количеству приложений: творчество, генерация контент, редакторы, здоровье, питание. Не создаем приложения в этих категориях, высокая конкуренция! 9. Фокус на AI активно используется в маркетинге и помогает маркетологам лучше продавать товары и сервисы. По ссылке можно прочитать полное исследование.

Я собрала простой тест, чтобы вы могли проверить свой уровень владения AI Я поресечила источники, чтобы собрать основу по уровням, взяла свежие исследования рынка найма по востребованности навыков, материалы антропика по скиллам и разложила это на вопросы. За 8 вопросов вы получите оценку уровня, описание того, что будет вашим следующим шагом в навыках и ссылки на релевантные обучения (бесплатные, от топовых лаб). Пройти тест можно тут. Делитесь фидбеком и результатами💄

Личный контент — как важный канал роста в 2026 Раньше чтобы заявить о себе профессионально было достаточно резюме с хорошими компаниями, участия в комьюнити или сарафанного радио. Сейчас у каждого есть возможность делать это через авторский контент и, мне кажется, это становится одним из ключевых активов как для специалистов, так и для компаний. Я немного покопала тему: • Linkedin и Edelman (крупнейшее PR и коммуникационное агентство) опросили 3,5тыс. B2B-руководителей. 73% доверяют экспертному контенту больше, чем любым маркетинговым материалам компании. 86% сказали, что обратили бы внимание на продукт, если видели экспертный контент от нее. • Появился тренд Creator CEO — когда руководители становятся авторами. Financial Times посчитали, что количество C-левер авторов на LinkedIn выросло на 35% и их посты набирают в 4 раза больше вовлеченности. 73% сотрудников говорят, что предпочитают работать с руководителями, которые демонстрируют уязвимость и аутентичность (согласна!). Сама обожаю следить за фаундерами, которые делятся личным опытом. • По данным Edelman Trust Barometer (ежегодное глобальное исследование доверия), 81% потребителей говорят, что им важно доверять человеку, прежде чем вступать в контакт. И только 31% сегодня доверяют традиционным медиа. Что я заметила на личном примере за время ведения канала и публикации статей. Я начинала с простой цели — фиксировать что делаю и растить присутствие в комтьюнити. Дополнительно это дало: • десятки ценных знакомств с продактами и управленцами. • именно через контент ко мне приходят на менторство и консультации. • когда запускала свои продукты и приложения, первой аудиторией которая давала обратную связь были мои подписчики (🤗) Что мне кажется главным в этом: 1. Блог или канал, даже с небольшой аудиторией — это актив, который работает постоянно и где вы имеете прямое влияние. 2. Личный и экспертный контент — лучший драйвер конверсии. И эта конверсия обусловлена доверием. Если вы не продаете через контент напрямую, то это может быть средством привлечения аудитории в свои продукты, поиск нужных людей из комьюнити, найм (себя и себе). 3. Контент работает долгосрочно. Качественная статья или пост, написанный год назад, может приводить людей и нетворк долго. 4. По моему опыту это трудозатратно, особенно на старте, но с ростом навыка становится проще и интереснее. Вот недавно начала вести линкедин более регулярно. Через несколько месяцев поделюсь наблюдениями. Кстати, если хотите в чатик по ведению Линкедина — напишите мне @ya91so.

Сегодня потратила полтора часа на то, что можно было сделать за 15 мин Я унаследовала один из проектов, с которым все идет через одно место. Час обсуждала дизайн эксперимента, чтобы мы могли потом разобраться в том, какое изменение повлияло на метрики. Пока рассуждала почему все идет так долго и больно, пришла к такой мысли. Продакт отвечает за принятие решений каждый день: • Запускать аб-тест или катить сразу, • Что делаем если нет ресурсов на одной из платформ, • Какая будет стратегия на следующий год • Разработчик заболел, а у нас релиз в плане и тд Это в целом непростая работа, которая очень тратит ресурс. Но самая большая беда, когда решение оттягивается - слишком много вовлеченных, вы прокрастинируете, перекладываете ответственность на команду или случай. В нашем случае было слишком много вовлеченных, которые подсвечивали множество проблем, не все из которых были важны. То, на что, я считаю, следует опираться в такие моменты: 🔵За что как команда мы отвечаем? Деньги, вовлечение пользователей, успех продавцев и тд. 🔵Какое решение приблизит нас к успеху в этом направлении больше, чем другие? Или какое из решений самое быстрое? 🔵Проблема которую мы хотим решить действительно важна сейчас? Или можно сделать кое-как, отложить, забить? И никогда не поздно сказать вслух, что то, что мы делам — фигня. Лучше сказать это на полпути, чем запустить фигню в прод. Что думаете?

Появляется у продактов уровня Senior+

Мои наблюдения как пересобираются роли PM и дизайнеров 10 лет мы жили в стеке product trio — PM отвечает за формулировку задачи, дизайнер — за то, как это решение будет выглядеть, инженеры — как реализовать. Теперь же: 🔵В Linear, LinkedIn и многих стартапах роль PM, дизайнера, frontend, backend-инженеров схлопнулась в одну позицию — product engineer или full-stack builder. Meta и Google реструктурируют команды, делая управление более плоским. 🔵Marc Andreessen, GP Andreessen Horowitz, пишет — инженеры, PM и дизайнеры, каждый уверен, что AI заменит ему двух других. Его вывод — правы все трое, роли сливаются в одну, builder. 🔵Dylan Field, CEO Figma, приводит их данные - 56% не-дизайнеров регулярно делают дизайн-задачи. 72% называют AI-инструменты главной причиной расширения ролей. AI делает профессии более дженералистскими. Много из этого звучит слишком крайне. Мне ближе точка зрения что ценность PM смещается от исполнения к customer insights, пониманию бизнеса и организационному влиянию — тому, что AI не делает. Продакты шли в профессию решать проблемы пользователей, а время высасывала работа, которую не хотелось делать (презентации, синки, таски, отчеты), которые сейчас закрываются AI. Уже сейчас у нас автоматизирован сбор качественных данных, аналитические рисечи, отчетность. Моя основная работа как продакта сейчас — это рост confidence (уверенности) в том какую проблему стоит решать, а у дизайнера — как именно. Что я считаю важнее всего в этом: — Обесценивается execution, дорожает judgment. Решить, что делать и почему, — по-прежнему сложная человеческая работа, требующая опыта. — Граница PM, дизайнер, разработчик размывается со всех сторон, практически в каждой компании. Точно стоит диверсифицировать свои навыки. — Карьерная лестница сжимается. Джуновую работу теперь делает AI, а стратегическое мышление требуется сразу. Ключевой источник опыта сегодня — это начать билдить самому. Роли не умирают, меняется позиционирование. Вы у себя уже видите слияние ролей? Как это проявляется?

Моя лента завалена анонсами запусков, а я закрываю свой продукт Я начала Healthy Diet App как эксперимент — хотелось разобраться с новыми AI-инструментами и понять, может ли сделать продукт, зарабатывающий деньги. Если вы знакомы со мной, здоровый образ жизни — одно из моих основных хобби, отчасти по необходимости, с 23 лет я балансирую преддиабет и повышенный LDL-холестерин. Поэтому я сделала приложение, которое помогает питаться правильно с учётом особенностей здоровья. Я не делала анализа рынка, исследований ниши, мне просто хотелось начать делать это. И процесс был кайфовым. Без инженерного опыта я довела приложение до стора и первых продаж, запустила несколько экспериментов, настроила маркетинг. Почему закрываю? 🔵Как только было готово ядро, продукт перестал быть рычагом. Каждая фича давала маленький инкрементальный вклад. Рычагом было привлечение новых пользователей. 🔵Health&Fitness — маркетинг-driven ниша, где нужно создавать много коротких видео: мониторить тренды, делать тесты, запускать новые ролики. С опытом в MarTech я быстро настроила хороший сетап. Но поняла, что мне не нравится делать контент. А здесь это главная работа. 🔵ROI был около 50% — выйти в плюс казалось реально, но только если постоянно вкладываться в маркетинг. А это ровно то, чего мне не хотелось делать. Что мне в этом нравится: 🔵Цикл построить и закрыть сократился до месяцев. Стоимость попытки минимальна. 🔵Маркетинг обогнал продукт. Выигрывает дистрибуция, а не фичи. 🔵Инструменты не решают. AI довёл до рабочего приложения, но настоящая продуктовая работа прежняя: изучить рынок, провалидировать идею, отстроиться от конкурентов, понять юнит-экономику. Такие дела. А вы уже успели что-либо закрыть? Если интересно, могу дать промик на использование приложения бесплатно.

У меня новая вайбкодинг зависимость — делать аналитические ресечи с Claude Code Команда аналитики запилила Data MCP, дав доступ ко всем таблицам, я подключила MCP к Claude Code. Продакты, скажите же, что ресурсов аналитиков всегда не хватало? Помню как в VK можно было неделю писать SQL-запросы и вытягивать данные по табличкам, то и дело получая ошибки запросов. Сейчас же можно за вечер провести глубокое исследование с Claude 👏 Как делаю: 🔵Сперва пишу, на какой вопрос хочу найти ответ, в каком продукте, на каком рынке и прошу план, даже когда уже есть идеи. Часто получаю какие-то ценные дополнения к анализу, 🔵Следующим шагом прошу предложить таблицы, из которых будем брать данные и как будем их собирать, если источников несколько. 🔵Внимательно проверяю названия таблиц, ищу их в Confluence или уточняю у аналитиков на сколько это актуальные и подходящие источники, 🔵Дальше исполняем исследование (ну как, Claude Code исполняет✌️) 🔵Последним шагом прошу собрать подробную доку по шагам как выполнялся анализ, чтобы при необходимости аналитик мог проверить логику анализа, либо можно было вернуться и что-то пересчитать. Самый большой риск в таком подходе — использовать не тот источник или неверно интерпретировать какую-то метрику. Вчера показывала один из ресечей своему аналитику, она нашла одну нестыковку, в остальном все было хорошо. В отличии от Talk2Data, Claude + Data MCP больше инструмент для аналитиков, продактов, разработчиков, которые смогут провалидировать исследование самостоятельно. Если же вам нужен инструмент для нетехнический аудитории (маркетологи, рекламщики, финансисты), то Talk2Data ваш вариант.

А есть у меня в канале кто давно хочет начать вести линкедин, но мучает то синдром самозванца, то страх кринжа, то еще что-то (как у меня). Хочу собрать небольшое комьюнити взаимоподдержки. Напишите мне, если вам интересно: @ya91so

Как разобраться в монетизации за неделю Представьте, что вы продакт доски объявлений. Это в основном b2c продукт, но есть 20% b2b клиентов. Все они взаимодействуют с одним и тем же пейволом c 3-я планами, чаще всего выбирая самый дешевый. Как понять какие фичи в каких планах предлагать, чтобы сдвинуть выбор в пользу более дорогих планов? Сейчас занимаюсь решением именно этой задачи в OLX. Как распределить полтора десятка фичей между 3-мя платными пакетами постинга, чтобы не отпугнуть индивидуальных продавцов, но и дать достаточно ценности бизнесу. Самый быстрый подход, который позволяет за неделю получить рабочий бейзлайн: 🔵Сегментировать клиентов. У вас должно быть порядка 2-5 сегментов, которые отличаются по поведению и платежеспособности. Например, индивидульные продавцы, средний бизнес, крупный бизнес. 🔵Запустить на них MaxDiff опросник, который предлагает ранжировать набор текущих фичей из планов, выбирая, что они ценят больше всего, а что — меньше всего. Обычно это 10-20 фичей. 🔵Проанализировать результаты в срезах по сегментам. Вы увидите какие фичи имеют значения для каких юзеров, а какие — нет. Пример анализа на картинке. 🔵Составить план по переупаковке планов. Фичи имеющие хороший скор для всех сегментов даем всем. Фичи, выделяющиеся для определенных сегментов выделяем в премиальные планы. Фичи, которые не имеют ценности — убираем вообще. Так вы оптимизируете предложения продукта для каждого сегмента пользователей и под его платежеспособность. Плюс также можете включить какие-то будущие фичи в опрос, чтобы собрать фидбек по ним. Конечно, этот опрос не отменяет того, что вам надо понимать, кто ваши пользователи, какие задачи они решают, что может усилить их опыт в продукте. Но MaxDiff — это инструмент, который даст быстрые инсайты, на основе которого можно принимать решения уже сейчас. Есть также быстрый анализ для определения оптимальных цен Van Westendorph, писала про него ранее. В целом я бы сказала это базовый минимум для онбординга в монетизацию продукта. Давно тут не было про рост. Продолжаем?

А теперь про AI инструменты, которые использую я как продакт Большинство инструментов не надо настраивать, сложно внедрять или программировать: • Аналитика и количественные исследования. Либо использую нашего агента Talk2Data, либо прошу агента Confluence (Rovo) найти мне нужные таблицы и составить SQL-запрос и сама исполняю его. • Качественные исследования. Вся база исследований у нас лежит в NotebookLM. Задаю там вопросы по продуктам и сегментам пользователей над которыми работаю. Агент отвечает только по материалам исследований. Забираю оттуда инсайты или погружаюсь глубже в источники. • Поиск проблем. Если нужной информации нет, то иду еще в агента, который читает все тикеты поддержки и слушает диалоги sales-команды. Оттуда всегда есть, что забрать. • Прототипирование и поиск решения. Смотрю конкурентов и промчу дизайн в Claude Design. Прошу сразу 2-3 варианта — оптимально по объему токенов и есть из чего выбрать. Иногда дорабатываю через редактирование макета. • Как внедрять. Для сложных фичей, чтобы понять feasibility, как можно разработать решение — копирую код проекта себе на комп и спрашиваю Claude Code / Cursor как работает логика сейчас, как добавить новую, которую мне нужно, какие edge-кейсы надо предусмотреть. Обычно всплывает много полезного. Простые фичи и лендинги делаю в Claude Code. • Маркетинг и реклама. План рекламной кампании и ТЗ на ролики помогает составить Claude. Ролики с людьми генерируем в Higgsfield (можно вызывать в Claude через CLI), либо в Gemeni Veo 3.1. Вроде перечислила основное. Есть у кого еще классные юскейсы и инструменты? И самое главное — инструменты полезны, но важнее то, как вы принимаете решение, что разрабатывать, а что — нет.

Что останется от маркетплейсов после LLM? Uber, Booking, DoorDash, Airbnb, тот же OLX - продукты, соединяющие покупателей и продавцов, которые кратно росли на сетевых эффектах: больше продавцов → больше ассортимент → больше трафика → больше заказов → больше продавцов. Транзакции всегда двигало намерение покупки. Будь то талантливый сейлз, хорошо выясняющий, что вам нужно или рекомендательные системы, основанные на big data. Но даже сейчас пользователь сам ищет, фильтрует, сравнивает, жмет кнопку купить👍 Маркетплейсы генерируют огромную выручку собирая 10–30% комиссии. Но что дает им возможность так чарджить своих клиентов? • Маркетинговый бюджет больше, чем у отдельного продавца, так как закрывает сразу категорию и конверсия в покупку выше. • Программы лояльности на юcкейс, а не на один бизнес. • Единый UX для пользователя. Вместо 20 сайтов отелей с разной структурой — один шорт-лист по десяткам фильтров. • Масштабируемая инфра, доступная каждому бизнесу — логистика, курьеры. Что происходит с этими преимуществами сейчас? • Поиск отелей, товаров, магазинов, ресторанов смещается в LLM. Туда же мигрируют транзакции - ChatGPT уже выкатил SDK для платежей. Маркетинговое преимущество маркетплейсов слабеет. • Универсальный интерфейс уходит в диалоги с LLM - уже даже не надо выбирать фильтры, контекст и пара уточняющих вопросов и вам будет предложен самый релевантный вариант. • Даже были слухи про еком программу лояльности в ChatGPT. Из списка только логистика и курьеры пока не покрыты LLM. Каналы дистрибуции меняются. Монополия крупных площадок на юскейс слабеет. Через LLM можно найти не только товар крупной сети, но и локального игрока. Тогда хороним еком? 😓 Не думаю, что еком умрет, но этот сдвиг точно усилит давление на комиссии маркетплейсов, ведь они будут предлагать все меньше уникальных преимуществ, работающих за счет масштаба. Думаю, что выиграет тот, кто будет интегрироваться с LLM, используя это как новый маркетинговый канал, диверсифицировать бизнес в сторону инфраструктурных продуктов ( например DoorDash Drive - сервис доставки для бизнесов) или делать ставку на сильный B2C бренд, где процесс покупки - часть приятного опыта, а не решение боли. Как пользователь, вы бы предпочли делать покупки через LLM, в маркетплейсах или у конечных брендов?

Как изменилась работа продакта с AI Постов про будущее IT с AI хватает. А что уже изменилось в работе сегодня — и что нет? Расскажу про свой опыт. 🔵Аналитическое дискавери. Раньше — таска аналитику и недели ожидания, либо пару дней копания с SQL-запросами. Сейчас — запрос дата-агенту или пишу SQL сама с AI. Если с какой-то частью продукта не знакома, то прошу агента Confluence найти таблицы этого продукта и написать мне запрос под задачу. 🔵Качественные исследования. С пользователями говорить всё ещё нужно. Но если раньше команды месяцами повторяли похожие интервью, либо надо было перечитывать сотни страниц и сладов, то сейчас можно собирать нужные инсайты по всей базе ресёрча — и часто этого хватает. 🔵Спеки. Большие пишу сама. Мелочь надиктовываю агенту по шаблону. Юзер-флоу по экранам всё еще собираю руками. 🔵Прототипы. Тут конечно многое изменилось. Раньше — стикеры в Miro и блочные макеты. Сейчас даже под небольшую фичу можно собрать дизайн, который остаётся только согласовать с дизайнером и можно брать в разработку. Объяснять идеи и вижен стейкхолдерам стало сильно проще. 🔵Разработка. Микро-продукты — лендинги, расширения, агентов — запускаю сама, тестируем, собираем данные. А вот пушить в прод основного продукта пока не получается: слишком много логики, тех.долга, условий выкатки. Как-будто бы не хватает B2B вайбкодинг-тулов для команд — с код-ревью, апрувами, тестами. 🔵Эксперименты и запуски. Здесь всё по-прежнему. 🔵Итоги релизов, презентации, отчёты. Делают агенты. Главное — собрать ключевые доки: стратегию, роадмап. Всё остальное они вытягивают. Сейчас я в монетизации, и наша главная задача — скорость деливери. Как с минимальным дискавери и скоупом разработки довести фичу до прода и собрать фидбек. Даже под экспериментами катим не всё — часто просто смотрим постфактум: качнулись метрики после запуска или нет. А у вас как поменялась работа? Будущее уже наступило? 🔥 - все изменилось кардинально ❤️ - есть изменения, но в основном все как было 💅 - у нас все по-прежнему