ProductDo: практика продакта

Сегодня я нажал кнопку "раскатать на всех" в эксперименте, над которым моя команда работала с начала года. Эксперимент положительный, доверительный интервал глубоко зеленого цвета. Опытный экспериментатор отметит тот факт, что граница доверитильного интервала далеко от нуля, а значит confidence у этого эксперимента достаточно высокий. Вне всяких сомнений, это улучшение опыта клиентов немного заметное даже на масштабе всей огромной компнии. Успех в этом эксперименте фактически означает, что мы выполнили свои цели на этот год, и дальше можно работать уже имея большую свободу: вкладываться в какие-то долгосрочные проекты без немедленной отдачи, или доводить какие-то более мелкие штуки. Ну и немного улучшить ситуацию с тех. долгом, поработать над нашим собственным тулингом, углубить интеграцию с AI в конце концов. Суть улучшения не все поймут даже внутри компании, а наружу про нее говорить вообще пока нельзя, но это на стыке модного AI (LLM-driven) и классического ML. Я очень рад, что именно эта гипотеза сработала. Дело в том, что новомодный AI, конечно, обладает большими возможностями, и иногда слабо отличим от магии, но для задач, где нужно обработать огромное количество данных, он почти не применим: и дорого, и медленно. Недавно стали появляться подходы, которые позволяют их эффективно скрещивать, и использовать магию LLM в том числе на BigData задачках, но они пока технически достаточно сложные. Один из них сработал у нас. Я надеюсь, через пол года об этом напишут статью, и тогда можно будет рассказывать уже в деталях, а пока просто хочется разделить с вами эту эмоцию. Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

«Плохие новости — я не могу добавить его обратно» Австралиец Эндрю хотел попасть в свой спортзал на популярную утреннюю тренировку, места на которую разбирали почти мгновенно. Он поручил агенту на базе OpenClaw и Claude заниматься записью вместо него. Агент обнаружил уязвимости в GraphQL API системы бронирования. Через него можно было записываться на занятия на недели и месяцы вперёд в обход установленных ограничений, а также отменять чужие бронирования без проверки прав. Эндрю находился на четвёртом месте в листе ожидания и спросил агента, можно ли переместить его на первое. Агент решил проверить найденную возможность и без дополнительного разрешения отменил бронирование человека, занимавшего первую позицию в очереди. В результате Эндрю поднялся с четвёртого места на третье. Вернуть человека обратно агент уже не смог и сообщил: «Плохие новости — я не могу добавить его обратно». Об инциденте рассказал сам Эндрю, а переписку с агентом опубликовало австралийское ABC News. Разработчик системы бронирования отказался обсуждать конкретную уязвимость, Anthropic не предоставила комментарий. А вы когда последний раз были в спортзале)?

Список литературы на лето Этот пост для тех, кто на каникулах вяло работает в августе, или же чилит на даче / пляже / горах. Не знаю, замечали вы или нет, но очень много в жизни зависит от правильно выбранного направления. Остальное - тоже важно, но копать в правильную сторону всегда проще. Откуда взять это направление? Уж точно не из помойки инфошума про успешный успех, “AI заменит даже твою кошку” и вот этого всего. Решения рождаются из вашей же головы, которой нужно дать время отойти от операционки и посмотреть на события издалека. Если вы хотите сделать это для пользы продукту, то почитайте про то, “как Билл Гейтс берет думательные недели” (я скоро попробую и расскажу). А если просто “для себя”, то подойдет хорошая книжка по теме, которая вас интересует. У нас была куча постов про книги (поищите в истории), ну или можете спросить в комментах - подскажем. Я (Владимир) обожаю читать, и всегда удивляюсь, что даже во вроде бы не профильных книгах можно почерпнуть 1-2 идеи, а в профильных, аж все 10. После книг вы редко меняете свое поведение на 180 градусов, но ваша био-ллмка понемногу усложняется, начиная ловить связи, там где более слабые био-ллмки смотрят пустыми глазами. Более того, у вас формируется свое мнение о предмете, а не “мнение Васи-блогера” (который попросил чатджпт просуммировать книгу, а тот сделал это по сгенерированным постам-саммари от клода). Ну и наконец, книга может помочь сформировать то самое направление, потому что кукушка была достаточно (а) отвлечена от операционки и (б) получила совершенно новый угол взгяда на проблему. <список> Например, полезно почитать в деталях, как Джоббс рулил продуктовой разработкой (“Steve Jobs by Isaacson”), или как CEO Disney вытаскивал компанию из болота (“The ride of a lifetime”), или как Тони Фаделл изобретал iPod (“Build”), или как Альтман превратил идею свободного ИИ в 😳 (“Empire of AI”), или про ментора всех CEO долины обычного футбольного тренера (!) Bill Campbell (Billion Dollar Coach), или про менеджерский подход CEO Intel (High Output management), или очень ржачную книгу про год без работы после увольнения - “Fat, Forty and Fired”. Ну и так далее. У меня на очереди две книги: Elon Musk (от того же Isaacson), и “Act like a leader, Think like a leader” (один директор на работе упомянул, почитаю). </список> Кто что еще порекомендует? Владимир Калмыков, Lead PM, Tech platform solutions Booking. com, автор симуляторов: Claude Code для продакта, Продуктовая стратегия, Технические навыки для продакта и др.

Практический лайфхак про стратегию У нас выходило довольно много постов про стратегию (и даже есть гайд и симулятор), и я хочу кое-что к этому добавить. Обычно стратегия преподносится в виде “пятислайдера” - короткой истории, покрывающей проблему / ее оценку / решение / план, и именно эти слайды вы питчите по каждому поводу - клиентам, директору, команде, и тд, постепенно полируя. Есть еще и вторая версия той же стратегии - письменный нарратив. Он решает проблему того, что (а) без вашего голоса слайды теряют 80% наполнения и (б) - вы каждый раз питчите чуть по-разному (свойственно для сложных тем), что иногда может и бесить. Нарратив (strategy narrative) - это максимум 3-5 страниц для стратегии команды на ближайшие 1-2 года (в зависимости от циклов планирования, принятых в вашей компании). Если вы ведете департамент или больше одной связанной темы, то можете позволить себе 7-8 страниц. Но не больше: это не AI-слоп водичка на 50 страниц, а высококонцентрированная история, которую можно прочитать за 15-20 минут. Поскольку история про (нетривиальное) будущее, то AI вам не поможет. Кто не согласен - присылайте почитать, с удовольствием приму челендж. Один классный лайфхак - сделать в конце дока FAQ: список вопросов, которые вы часто слышите по поводу своего питча, а-ля “Ну зачем это делать, если есть Х?” или “Это значит, что Y больше не нужно?”, и т.д. С одной стороны это уже не часть стратегии (и не вылезает за положенный объем), с другой - позволяет углубиться тем, кто хочет и заодно откомментить свои вопросы. Ну и, конечно, напоминаю, что при первом же обнаружении следов ИИ (обтекаемость и обороты типа “это не X, это Y” и прочий сейлз), ваш док как откроют, так и закроют. Тратим чужое время с умом 😉 Владимир Калмыков, Lead PM, Tech platform solutions Booking. com, автор симуляторов: Claude Code для продакта, Продуктовая стратегия, Технические навыки для продакта и др.

Дочитал книгу о становлении OpenAI Хочешь понять, к какому миру мы движемся? Тоже читай книгу. Или хотя бы этот пост :) Ниже то, что запомнилось: * OpenAI начиналась как некоммерческая организация, но в какой-то момент стала коммерческой, а недавно даже начала заключать контракты с государством. * Anthropic основали бывшие сотрудники OpenAI, которые ушли, чтобы создавать более «безопасный» ИИ. * LLM — не единственный возможный путь развития «искусственного интеллекта», но сейчас вся гонка и все деньги сосредоточены именно на нём. * В истории любой ИИ-компании был один сомнительный момент: сначала они обучили модели на бесплатных данных, созданных людьми, а потом… начали брать с этих же людей деньги за доступ к моделям. * Обучение каждой модели требует колоссальных ресурсов. Просто погуглите «10 крупнейших дата-центров мира». * Поскольку модели сами не умеют отличать «плохие» ответы, десятки тысяч людей по всему миру вручную размечают данные, получая за это буквально копейки. * Сэм Альтман — тот ещё тип. В книге подробно объясняется, почему и как совет директоров его уволил и как ему удалось вернуться всего через несколько дней. По словам Claude (хе-хе), новый совет директоров теперь сформирован так, чтобы подобное вряд ли повторилось. Красиво работает ;) Книга называется «Empire of AI». Очень рекомендую, если хотите лучше понять новую реальность, куда мы быстро вкатываемся. Владимир Калмыков, Lead PM, Tech platform solutions Booking. com, автор симуляторов: Claude Code для продакта, Продуктовая стратегия, Технические навыки для продакта и др.

У наших курсов нет эффекта отмены!

У AI-ассистента есть две проблемы... Если вы пытаетесь хотя бы что-нибудь делегировать AI-ассистенту, то, скорее всего, сталкиваетесь с двумя проблемами: интеграцией и контекстом. Начну с более простой — с интеграции. AI-ассистент не может быть полезен, если у него нет возможности хотя бы прочитать что-то из тех систем, с которыми вы работаете. А на самом деле у ассистента должна быть возможность выполнять там разные действия. Инструментов в жизни продакт-менеджера огромное множество: задачи в одном месте, эксперименты в другом, длинные документы PRD в третьем, транскрипты звонков в четвёртом. Поэтому интеграций нужно много, и рынок, честно говоря, не успевает за растущими потребностями. На помощь нам приходит вайб-кодинг. К счастью, AI-ассистент вполне способен написать себе MCP для нужного сервиса, если у него есть доступ к API. За последнее время только для личных целей я написал себе MCP для Telegram, Gmail и календаря. Технически подкованный продакт сразу замечает: MCP — это, по сути, просто API. Но я заметил одно тонкое различие. Давайте покажу на примере. Если запросить у Gmail одно письмо, то список меток этого письма в сыром виде будет выглядеть вот так: "labelIds": [ "IMPORTANT", "Label_4579329675731606337", "CATEGORY_UPDATES", "INBOX" ] Можно заметить, что системные лейблы прекрасно понятны, потому что у них говорящие ID. А вот мой личный лейбл показывается в ответе как Label_4579329675731606337. Чтобы увидеть читаемое название этого лейбла, нужно сделать ещё один отдельный запрос к API и посмотреть, какому лейблу соответствует этот ID. Для стандартного API это вполне рабочая схема. Нужны дополнительные данные — делаем ещё один запрос. Но для AI-агента это лишний шаг, дополнительная задержка, лишняя трата токенов и засорение контекста на ровном месте. Понятно, что сырые ID ему совершенно не нужны: их нужно сразу расшифровать. Поэтому для того, чтобы из API сделать хороший MCP, его нужно доработать напильником: выкинуть из ответа весь ненужный технический мусор и сразу дать расшифровку всех полей в человекочитаемом виде. Агент читает этот ответ по смыслу — технические идентификаторы сами по себе ему ничего не говорят. "labels": [ { "name": "IMPORTANT" }, { "name": "AMS/Schools" }, { "name": "CATEGORY_UPDATES" }, { "name": "INBOX" } ] И вот в 21-м веке мы подстраиваем сайты под поисковики, соцсети — под алгоритмы, API — под AI-агентов, а себя под требования постоянно меняющегося рынка. А куда деваться? Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Как вырасти из индивидуального контрибьютора в руководителя — и не сломаться по дороге? В четверг, 9 июля (послезавтра), в 19:00 GMT+3 проведём вебинар про переход из IC в M1: из роли индивидуального контрибьютора в роль линейного менеджера. Обсудим: — что…

Все помнят легендарный текст «Триатлон с позиции жены»? Представляем ремейк: слово жене вайбкодера. <пятничныймем> Вайбкодинг с позиции жены Сначала объясню, что это такое. Вайбкодинг — это когда человек решает, что для счастья ему нужно написать приложение или там B2B SaaS, толком не умея программировать. Он говорит нейросети «сделай красиво», она делает некрасиво, или красиво, но не так. И так четыре тысячи раз до трёх часов ночи. Офигеть, ты сам написал приложение! — скажет среднестатистический человек, и этим словом раскроет весь смысл мероприятия. Они, конечно, говорят про демократизацию разработки и «идея важнее кода», но это неправда. Они просто хотят запуститься на Product Hunt и чтобы кто-нибудь из близких в 8, драть, утра апвоутил и писал «Congrats! Game changer!» — выискивая своего долбанутого мужа среди тысячи других чуваков, запустивших в этот же день такой же ту-ду лист с AI. Второй момент: вайбкодинг — как пёс на кровати — случается не в один миг. Счёт за токены на 300 долларов вам выкатят не сразу. Начнётся всё достаточно безобидно: бесплатный чатик, вопросик про регулярки, скриншот «смотри, оно само». Вот тут тонкий момент — как только бесплатный чатик меняется на подписку «для проекта», берите сковородку в правую, скалку в левую, и лупите вайбкодера что есть мочи. Упустите — через год будете апвоутить. Потому что дальше оно вылупится, наденет шумоподавляющие наушники и уедет жить в терминал. За подпиской следуют «более лучшие агенты», за агентами — облачный хостинг топового уровня, а там и до «тестового» домашнего сервера за 150 тысяч рукой подать. Спросите «а не охренел ли ты тестировать за 150k?!» — и проиграете: охренел он ещё на подписке уровня Max. Довольно скоро подопытный сможет запилить SaaS за выходные. Я по неопытности попробовала извлечь из этого увлечения хоть какую-то пользу и попросила сделать приложение для семейного бюджета или автоматизировать оплату коммуналки — раз уж «ты всё равно там сидишь». Не делайте так, девочки. Там, где визионер пилит единорога, нет места мелким бытовым проблемам и решению реальных задач вашей семьи. Потом появятся курсы. Вы знали, что промптить клода можно неправильно? Для меня это до сих пор из области «ты как-то неправильно ковыряешь в носу», но я скромно молчу. Не так промптишь, не так контекст держишь… Спросите — а когда же жить? Жить можно в отпуске, девочки. Но макбук поедет с вами. И аппрувить действия агентов нужно будет даже на пляже. </пятничныймем>

Как вырасти из индивидуального контрибьютора в руководителя — и не сломаться по дороге? В четверг, 9 июля (послезавтра), в 19:00 GMT+3 проведём вебинар про переход из IC в M1: из роли индивидуального контрибьютора в роль линейного менеджера. Обсудим: — что на самом деле меняется при переходе из IC в M1; — кого этот переход задевает и с кем придётся работать; — что нужно сделать, чтобы переход вообще стал возможен; — что делать после того, как тебя уже назначили руководителем. Вебинар проводим вместе с нашими друзьями из Школы менеджмента «Стратоплан». Подписывайтесь на их канал — это пространство для тех, кто растёт из специалиста в руководителя. Коллеги делятся практическими разборами управленческих ситуаций, статьями и живыми историями из практики. Спикеры: Андрей Менде — действующий Senior Machine Learning PM. Игорь Седачев — Head of Marketplace Smartcat, ex-Head of Product Semrush, ex-Head of Product Авито. Слава Панкратов — сооснователь и управляющий партнёр Школы менеджмента «Стратоплан», ex-CTO Яндекса. Александр Орлов — сооснователь и управляющий партнёр Школы менеджмента «Стратоплан», ex-менеджер Sun Microsystems и Intel. Если вы думаете о переходе в менеджмент, уже сделали этот шаг или пытаетесь понять, ваше ли это вообще — приходите. Записаться можно через Telegram-бота. Бот напомнит о встрече и поможет добавить событие в календарь.

Ставлю будильник на 3:00 ночи, чтобы проснуться, открыть веб-страницу и посмотреть, что там происходит. У меня возникла необходимость проверять определённую веб-камеру поздно ночью (не спрашивайте). И тут я подумал: «Подождите, а почему бы не поручить это AI-агенту?» Через 15 минут всё было готово: небольшая автоматизация, которая проверяет вебкамеру и отправляет изображения в Telegram-бота. Создание специализированного AI-агента для такой задачи заняло примерно столько же времени, сколько и настройка будильника. <sarcasm>Я теперь могу писать в резюме, что я AI-native продакт? </sarcasm>

Мы обещали делиться продуктовой мудростью. ➡️Опубликовали новый практический гайд «Claude Code для продакта». Получить его можно в нашем боте. В гайде вы узнаете: — чем Claude Code отличается от обычных AI-чатов; — что такое MCP, Tools и Skills; — как использовать Claude Code в работе продакт-менеджера; — реальные примеры: работа с Jira, кодовой базой, вайбкодинг и создание собственных Skills. ⬇️ Подписывайтесь на канал — здесь про хард-скиллы и карьерный рост. Делимся опытом работы в IT-гигантах, кейсами, проводим практические вебинары.

На работе стал часто сталкиваться с тем, что мне приходят на "ревью" написанные с помощью AI документы, в основном "PRD" и "стратегии" (кавычки тут по делу). Вначале я честно оставлял комменты, а потом стал злиться, что меня "используют" для замены критического мышления: по сути все дырки логики нахожу я, а автор (возможно опять с ИИ) просто их правит. И считает себя гением. И ставит себе в профиль префикс "AI PM". За счет моего времени 🙂 Теперь, если я вижу, что мне подсунули сгенерированный док, то либо просто не читаю, либо быстро пролистываю и отправляю назад с одним большим комментом, где поясняю, чего в целом не хватает (обычно - решений, потому что именно их ИИ обтекает своей ванильной кашей). Кстати, если вам от вышестоящих иногда возвращают доки с таким "общим-вежливым-переделай", то я советую не злоупотреблять. Менеджеры не любят тратить свое время и их терпение обычно заканчивается через 1-2 раза. Вот какие опознавательные знаки "это написано ИИ" я выработал: 1) Длинное объяснение неимоверного бизнес импакта даже от микро фичей типа "добавим в углу виджет погоды". Этой фичей мы и LTV поднимем (разумеется), и это стратегический алайнмент с целями компании, и вообще, просто та фича, которая вознесет бизнес на новые высоты. А с ним и автора документа. Такую ересь я обычно выделяю комментом и прошу удалить под корень: вместо тонны ванили надо просто добавить 1-2 строчки со ссылкой на какой-то юзер ресерч или данные. Точка. Чем меньше, тем лучше. 2) Идеальная структура. Там есть и business problem, и opportunity sizing, и просто requirements, и non-functional requirements, и strategic fit, и identified risks, и MVP, и Roadmap, и много чего еще. На десятки страниц, причем названия секций и отступы занимают половину. Ровненько так. Бедные программисты, которые это вынуждены читать... Опять же, краткость - сестра таланта. Лучший PRD - ровно столько строчек, сколько нужно для донесения смысла. Можете передать главную мысль 10 строчками? Отлично, вы, наверное, Sr.PM. Написали 20 страниц для фичи-кнопочки? Ну-ну) Кстати, чат ИИшек имеет свой шрифт, и некоторые его даже не меняют, а просто копируют как есть. Тут уж все ясно сразу) 3) Отсутствие принятых продуктовых решений. Читаешь, читаешь, и вроде все ровно, но нигде не видно утверждений. А где есть, то они расплывчатые (на них потом программисты будут рейзить комменты). Принять определенное число четких решений и выразить их в очень строгих требованиях - и есть скилл продакта, пока сложнозаменимый. А вот утопить смысл в ванильных (часто наполненных красивыми терминами) формулировках - это нынче стоит пару центов за промпт. Как говорил один наш бывший CPO: "A good leader is complexity in, clarity out.". А не наоборот. Вопрос к залу: какие вы выработали отличительные знаки написанных с помощью ИИ PRD-шек? 😂 Владимир Калмыков, автор симуляторов: Claude Code для продакта, Full Stack AI прототипирование для продакта и др.

Вы продакт менеджер приложения, которое измеряет уровень стресса человека через HRV, и дает полезные советы о том, как лучше восстанавливаться. Привлечение пользователей идет так себе: retention через неделю после онбоардинга очень слабый, конверсия в платящих пользователей еще хуже. Чтобы как-то помочь маркетологам лучше настроить воронку, вы начинаете изучать какое поведение пользователей лучше предсказывает конверсию в платную подписку. Вы замечаете, что пользователи, у которых согласно замерам вашего приложения все ок, не задерживаются в приложении и очень редко покупают платную подписку. А вот те, у кому вы показываете красный уровень стресса – гораздо чаще переходят из триала в платных пользователей, и показатели удержания у них значительно выше. И вот перед вами как продактом встает моральная дилемма... как бы вы поступили?

Не всё пошло по плану, на YouTube вебинарный стрим на тему "Основы Claude Code для продакта" не запустился по техническим причинам, но мы залили из Zoom. Получить вебинар в записи можно вот тут.

➡️ Запись бесплатного вебинара "Основы Claude Code для продакта" доступна по этой ссылке в боте. Что обсудили на вебинаре: - как использовать Claude для вайбкодинга; - как работать с Jira через AI-ассистента; - как подключать Claude к рабочему контексту; - как автоматизировать рутинные задачи продакт-менеджера; - какие сценарии уже сейчас можно применять в работе. Спикеры: 😂 Владимир Калмыков, Tech Group PM, Booking.соm 😃 Андрей Менде, Senior PM ML, Booking.соm ⬇️ Подпишись на канал — здесь про хард-скиллы и карьерный рост. Делимся опытом работы в IT-гигантах, кейсами, проводим практические вебинары.

Нужны ли вам субагенты Если вы пробуете делегировать отдельные задачи AI ассистенту, то идея иметь команду субагентов звучит очень круто. Один будет заниматься аналитикой, другой управлять бэклогом в Jira. И они, конечно, будут все между собой коммуницировать, пока вы пьете свой утренний кофе. Звучит круто, но на практике для большинства задач это глубоко избыточная схема, которая сильно затруднит вам реализацию и не даст значительных выгод. Зачем вообще нужны субагенты? В первую очередь – это способ управления контекстом. Разберем на примере рабочей задачи: при написании PRD вы хотите собрать весь контекст по задаче из Jira, Confluence, и каких-то еще источников. Можно просто прописать сбор контекста как один из шагов инструкции (skill) по созданию PRD. Чтобы собрать контекст агент поищет сначала по одним ключевым словам, из результатов поймет, что нужно поискать еще по нескольким ключевым словам, или запросить дополнительные документы по ссылкам. Все эти шаги: каждый вызов поиска (tool), каждый ответ с огромным массивом информации будет забивать контекст агента, который должен в итоге написать PRD, выполнив еще множество шагов других инструкций. Чем более замусорен контекст, тем выше расходы и ниже точность. Можно создать субагента для сбора контекста по задаче. Технически субагент мало чем отличается от навыка (skill) – это просто набор инструкций, лежащих в отдельном .md файлике. Главное отличие состоит в том, что если skill выполняется прямо в контексте агента, который его вызывает, то у субагента будет свой отдельный изолированный контекст. Своему заказчику субагент отдаст только краткий результат, а все промежуточные шаги оставит при себе. Если мы создадим субагента для поиска по базе знаний, то этот агент получит на вход задачу найти все по теме N, и вернет короткую выжимку, и только она станет частью контекста основного агента для написания PRD. Ему не нужно будет думать сколько раз и по каким системам субагенту пришлось поискать, какие нерелевантные блоки текста он получил по дороге. И в очень редких случаях можно получить дополнительную выгоду от того, что субагентов можно вызывать параллельно, ускоряя решение задачи. Но на мой взгляд для большинства задач – именно отдельный контекст будет самым важным преимуществом. Звучит круто, но на практике то, что у субагента свой отдельный контекст, может оказаться также и минусом. Например, я несколько раз сталкивался с тем, что у субагента по умолчанию нет тех же доступов и инструментов, что и у родительского агента, а настраивать их отдельно требует довольно больших усилий. Субагенты нужны на очень высокой степени зрелости процессов, которые выполняет AI, когда размер контекста уже является реальной проблемой для ваших задач. А начать применять их слишком рано – это примерно как реализовывать распределенную микросервисную архитектуру для создания простой лэндинг страницы. Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др. — PS Завтра проведем вебинар "Claude для продакт-менеджеров — с нуля" для тех, кто еще не успел погрузиться в тему. Этот вебинар рассчитан на продактов без опыта работы с Claude. Если вы уже проходили наш симулятор или были на вебинаре 06/05, скорее всего, вам будет не так полезно: базовые концепции вы уже точно освоили. Запишись, бот поможет добавить событие в календарь и напомнит о начале вебинара. — — PPS Готов погрузиться в Claude Code и начать использовать его в работе? Приходи на интенсив Claude Code AI для продакта: симулятор + воркшопы 18 и 25 июня, 19:00 GMT+3.

Чем отличается AI Product manager от ML product manager Product manager ML работает с командой, которая занимается машинным обучением. Такая команда тренирует собственные модели, заточенные на достаточно узкую задачу, скорее всего используя собственные данные компании. Работа такой команды начинается с того, что она собирает датасет, на котором модель будет обучаться. Типичные проекты: - ранжирование товаров в поиске или каталоге на основе того, что пользователи просматривают кликают и покупают - детекция мошеннических транзакций на основе исторических данных и подтвержденного фрода Какие требования к продакту в такой команде: - достаточно глубокое понимание технологий – ML требует большого количества сложных решений - понимание структуры данных: как можно "оцифровать" поведение пользователей в формате, пригодном для ML модели - продвинутый уровень в аналитике: почти все ML продукты можно оценивать и оптимизировать только используя метрики, субъективные оценки качества рекомендаций не очень полезны Где научиться: курс профессия ML продакт менеджер (живой поток стартует 8 сентября) Product manager AI использует готовые LLM модели, чтобы решать задачи, которые без них решить невозможно. Его команда настраивает среду в которой будет работать модель, какие инструменты (RAG, tools) ей будут доступны. Готовит процесс оценки качества работы модели на тестовом датасете (эвалы) и в продакшене. Если это процесс обработки с заданной последовательностью, то это workflow или DAG. Если модель может сама принимать решение о вызове инструментов и процессе обработки запроса, то можно называть это AI агентом. Типичные проекты: - AI ассистент, который помогает пользователям решать определенные задачи через используя диалоговый интерфейс - извлечение информации из неструктурированного текста Какие требования к продакту в такой команде: - умение работать с оценкой качества работы LLM: эвалы, метрики, LLM as a Judge, безопасность - опыт работы с LLM, понимание того как устроен контекст модели, с какими задачами она справляется хорошо, а с какими – плохо - умение выявлять причины ошибок в работе AI: анализ обработки запроса агентом через traces, понимание архитектуры агентского цикла Где научиться: курс создание LLM продукта (симулятор, начинать можно сразу после оплаты) А если вы работаете над продуктом, который не использует ни LLM, ни машинное обучение, но хотите применять агентов для профессиональной и личной эффективности, то вы можете потренироваться делегировать продуктовые задачи на курсе Calude Code для продакт менеджеров. Есть симулятор, есть живой поток (11-25 июня). Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Мы закончили первый поток по Claude для продакта Волновались, сработает ли всё технически: для симуляции реальной жизни продакта мы наподключали доску Jira, базу данных, репозиторий с кодом, Wiki/Confluence и было много мест, где всё могло пойти не так. Но, за исключением пары мелких проблем с установкой, студенты отлично справлялись! Вот пара отзывов: Дима: Это🔥я как раз искал как погрузиться быстро и просто и со стороны продукта, а не разработки. информации много, курсов много. но тут вот прямо все точно в цель Настя: Спасибо за курс, мне понравилось. Отлично зашел как первый заход в вайбкодинг) Последний урок-экзамен прикольный: понравилась история с прокидыванием пуша себе на телефон) И большой плюс, что не затянуто, все довольно интенсивно, без воды. Артур: Ещё раз моё почтение за курс! Я когда на него шёл у меня был дискомфорт от хаоса всех возможностей ИИ, которые я не очень представлял как применить для себя и своего продукта. Теперь у меня есть навыки и даже первые практические результаты, и это круто! Иван: Команда , спасибо за классное погружение в работу с ИИ. Появилось огромное количество планов по внедрению - во все места 😂 (ладно не во все, хотя…) Что-то мне надо будет изучить более детально с точки зрения дополнительных шифровок сенситив данных юзеров и можно ли такое и других самописных решений (тот же MCP) - в общем зарядили идеями, пойдем реализовывать! Пушки! 👍 Конечно, были моменты, где студентам что-то не понравилось: где-то непонятно (разъяснили), где-то не работает (созвонились и починили), где-то слишком просто (усложнили). И теперь мы можем с уверенностью сказать, что получилось огонь. В планах еще пара уроков, для купивших ранее они просто появятся в симуляторе бесплатно. Если вы тоже хотите разобраться с тем, как Claude Code помогает современному продакту делать работу быстрее, и научиться этому через реальную практику, то приходите учиться: • На симулятор • Или на симулятор + вебинары (18 и 25 июня, 19:00 GMT+3) До 8 июня - ранняя цена, потом всё - группа и так уже наполовину набралась.