Задача делегирована, исполнитель назначен, сроки согласованы — но через несколько дней работа снова оказывается у вас. Одни приходят за решением каждой проблемы, другие останавливаются на первой развилке, третьи ждут подтверждения каждого шага.
Разберём, почему делегирование часто превращается в иллюзию передачи ответственности и что нужно отдавать вместе с задачей, чтобы она действительно перестала быть вашей.
Есть один вопрос, который рано или поздно встаёт перед каждой командой, работающей над продуктом или стратегией роста: выходить на рынок первыми — или дать кому-то другому проложить дорогу, а затем зайти с более сильным предложением?
Интуитивный ответ менеджеров-энтузиастов будет — «лучше первым». Первый снимает сливки с рынка, задаёт стандарты, воспринимается как новатор и формирует лояльность к первооткрывателю. Но данные говорят о несколько иной картине.
В этой статье — плюсы и риски обеих стратегий, тест для самодиагностики вашей компании и два готовых промпта для ИИ по теме.
Как продакт-оунер в Exante выпускает сложные фичи в два раза быстрее благодаря AI — и почему продуктовые решения по-прежнему принимает сама.
Привет, Хабр! Меня зовут Мария Абросимова, я автор Projecto.
Когда говорят про управление проектами, обычно представляют IT-команду, разработчиков и спринты. Но если посмотреть на организацию работы, нет разницы между диджитал-агентством, строительной компанией и научным центром: везде нужно координировать людей, соблюдать сроки и понимать, что происходит по каждому проекту прямо сейчас.
В этой статье я расскажу, как научно-исследовательский центр «Дом Фармации» переехал из Excel в систему управления проектами. Их история показалась мне интересной для кейса по одной простой причине: большинство проблем, с которыми они столкнулись, знакомы любой компании, где одновременно идет много проектов. Только у них вместо маркетинговых кампаний или разработки продукта — научные исследования и разные сложнопроизносимые процессы типа «патоморфология» или «фармакокинетика».
Началось все с того, что я, ощущая на рынке кризис, решила поговорить с предпринимателями и узнать, как его ощущают они. В итоге из этого выросло полноценное исследование, о результатах которого я уже рассказывала тут.
В результате выяснилось, что 60% респондентов планируют делать ставку на развитие партнерского канала в 2026 году, чтобы оставаться на плаву.
Из этого появилась идея разобраться, как ведет себя рынок вакансий и резюме менеджеров по работе с партнерами, результатами которого делюсь.
Если вы руководитель, вы наверняка знаете это чувство: голова забита планами, KPI, сроками, бюджетами, а где-то на периферии теплится мысль, что самое важное в работе — это всё-таки люди: ваши сотрудники, клиенты да и вы сами. Книги про менеджмент часто бывают сухими, как песок в пустыне, или, наоборот, слишком вдохновляющими, что после прочтения хочется, но непонятно, с чего начать.
Мы собрали пять книг, которые подходят к делу по-человечески. В них нет высокомерных лекций и скучных инструкций, и они напоминают: хороший руководитель не давит, а договаривается. Не приказывает, а объясняет. И не боится признавать ошибки — ни свои, ни чужие.
6 месяцев. Это сколько мы строили продукт с внешним разработчиком. Потом я психанула и сделала за 3 дня сама с помощью AI. Дальше — что я поняла из этого опыта.
Эта статья — не «AI заменит разработчиков». Это про другое — про то, как методология работы меняется, когда у тебя есть AI как партнер.
Несколько месяцев назад мы запустили своё первое расширение для Chrome — Download Manager (ссылка вшита в название).
После публикации я написала статью о первых результатах запуска. Среди комментариев было много полезной критики, а один из минусов был поставлен с формулировкой «Низкий технический уровень материала».
Что ж, справедливо.
Поэтому сегодня будет меньше истории про запуск расширения и больше цифр, таблиц, конверсий и попыток понять, что вообще происходит внутри Chrome Web Store.
В общем, просили технический материал — держите. Я даже добровольно открыла Excel.
В бэклоге может быть десятки аккуратно оформленных user stories — и несколько противоречий, которые сорвут спринт.
Покажем, как за 10 минут проверить требования с помощью ИИ, найти скрытые конфликты и получить конкретные варианты исправления до того, как разработчики начнут писать код.
Когда смотришь на рынок Chrome-расширений со стороны, кажется, что всё довольно очевидно.
Есть идея. Есть несколько недель разработки. Загружаешь расширение в Chrome Web Store и ждёшь пользователей.
На практике оказалось, что самое сложное начинается уже после публикации.
Весной этого года мы решили сделать собственное расширение для управления загрузками в Chrome. Причина была банальной: встроенный менеджер загрузок браузера казался слишком простым. Хотелось получить более удобный интерфейс для работы с файлами, историей загрузок и управлением процессом скачивания.
Мы не закупали рекламу, не привлекали блогеров и не запускали платный трафик. Было интересно посмотреть, способен ли Chrome Web Store самостоятельно привести первых пользователей.
Спустя месяц после публикации мы получили около 140 установок и накопили достаточно наблюдений, чтобы сделать первые выводы.
Некоторые из них оказались неожиданными.
Всем привет, я Катя, развиваю Gramax. Мы часто говорим, что документация должна жить в одном ритме с продуктом. В этом кейсе как раз видно, что за этой фразой стоит на практике.
Команда CRM-платформы «Модус» от ИТ-холдинга Т1 переводит руководства пользователя и администратора из Confluence в Docs as Code. Задача — связать документацию с релизами продукта, сократить ручную сборку и сделать так, чтобы аналитики могли писать в Markdown без боли.
Подробно об этом мы поговорили с Екатериной, владельцем продукта «Модус», и Еленой, ведущим аналитиком, которая драйвила переход на новый процесс. В статье раскроем: что не работало в старой схеме, как команда выбирала инструмент, как прошел пилот и какого эффекта удалось добиться.
За последние несколько лет AI у меня, как и у многих моих коллег, стал одним из основных рабочих инструментов. И речь не только о том, чтобы иногда задать пару вопросов ChatGPT. AI инструменты сегодня способы приносить пользу продакт менеджеру и команде на каждом этапе жизненного цикла продукта — от появления идеи до его релиза в продакшн.
Недавно я завершила исследование, в рамках которого сравнивались два проекта по разработке продукта в сфере кибербезопасности. Один проект создавался без использования AI, второй — с активным использованием AI-инструментов на протяжении всего жизненного цикла продукта. Результат был следующий: суммарные трудозатраты (а, как следствие, и бюджет проекта) по второму проекту по сравнению с первым снизились на 36%.
Самый интересный вывод, который я сделала для себя из этого исследования - AI все еще не способен заменить специалистов полностью, но он позволяет усиливать команду, ускорять процесс получения результата, заставляет команду взаимодействовать по-другому.
Где именно AI может быть полезен в работе продакта сегодня?
Этап 1. Проверка гипотез и исследование рынка
Работа над любым продуктом начинается с формулирования гипотез. Раньше значительная часть моего рабочего времени уходила на изучение рынка, поиск нужной информации, анализ конкурентов, чтение обзоров, отзывов пользователей и аналитических материалов. Сейчас первую итерацию исследования мне помогают делать AI-инструменты: ChatGPT и Claude.
Обычно я прошу AI собрать информацию по рынку, выделить основные тренды, сравнить конкурентов, найти сильные и слабые стороны существующих решений. Важно понимать, что я не принимаю решения исключительно основываясь на ответах, полученных от AI. Но вместо нескольких часов поиска информации я получаю хорошую отправную точку за несколько минут. Особенно это полезно, когда необходимо быстро разобраться в новой предметной области.
Ким Чан и Рене Моборн подарили нам прекрасную мечту о “голубом” океане. Но не на все вопросы дали ответы... Например, как понять, куда совершать “скачок” в ценности и где открывать новое не охваченное конкуренцией пространство? Попробуем разобраться..
Привет, Хабр. Меня зовут Василий Щитов. Я старший инженер в команде CI-инфраструктуры ВКонтакте.
Когда в компании десятки проектов и сотни сборок, ручное управление конфигурациями через UI быстро превращается в хаос. Внести однотипное изменение во все пайплайны, отследить историю правок или быстро развернуть окружение на новом инстансе TeamCity становится нетривиальной задачей. Можно превратить этот хаос в упорядоченную структуру, если описать конфигурацию как код с помощью Kotlin DSL. Но далеко не все понимают, как работать с Kotlin DSL для решения своих задач.
Я расскажу об основных подходах и паттернах, которые мы применяем, чтобы облегчить жизнь при работе с TeamCity.
В BI-проектах есть момент, который на бумаге выглядит как финал работы, а на практике часто оказывается только началом более сложной части.
Отчёт готов, данные обновляются, показатели считаются, доступы выданы, на демонстрации заказчик в целом согласен с логикой и просит разве что добавить несколько разрезов или поправить формулировки. С точки зрения проекта всё выглядит неплохо: есть артефакт, есть согласование, есть ощущение, что теперь у бизнеса появился нормальный инструмент для работы с данными.
Потом проходит месяц, иногда два, и выясняется, что компания по-прежнему принимает решения примерно так же, как и раньше. Руководители снова уточняют цифры в чате, менеджеры продолжают выгружать Excel “для себя”, финансовая команда сверяется со своими файлами, коммерческий блок опирается на свои расчёты, а дашборд открывают перед встречей или в тот момент, когда нужно быстро найти подтверждение уже сложившейся версии.
Формально BI появился. Но способ управления почти не изменился.
Я не пишу это как претензию к бизнесу или к конкретным BI-инструментам. Обычно причина не в одном неудачном решении, а в том, что техническая часть проекта и управленческая часть проекта существуют отдельно друг от друга. DataLens, Power BI, Tableau, Metabase или самописный фронт могут быть вообще ни при чём. Отчёт может быть быстрым, аккуратным и полезным для просмотра, но при этом так и не стать частью процесса, в котором принимаются решения.
Кажется, проблема часто появляется раньше, чем аналитик открывает редактор дашборда.
Так уж повелось, что каждый автор и создатель уникального контента считает, что его профиль на крупной цифровой платформе – это его нематериальный актив. Увы, но это не так. Ведь, согласитесь, многие из нас сталкивались с такой ситуацией, что в один «прекрасный» день всё то, что мы годами собирали, формируя базу рецензий и текстов исчезает, как «тени в полдень».
В данной статье мы с вами на конкретном кейсе рассмотрим, как популярный книжный сервис LiveLib из-за системных сбоев в бэкапах предлагает авторам, ни больше, ни меньше как «просто завести новый профиль», а затем использует непрозрачные внутренние статусы, например - «Подозрительный аккаунт» для обхода конституционного запрета на цензуру.
Весной 2026 года один из авторов, пользователь книжного сервиса LiveLib столкнулся с гениальной технической рекомендацией, вместо стандартного отката транзакции или ручной правки записей в БД, поддержка выдала – просто заведите себе новый аккаунт. Тем самым платформа фактически расписалась в бессилии собственной архитектуры, сославшись на то, что восстановить бэкапы или связать данные старого профиля с новым технически «невозможно».
Но самое интересное началось позже, когда система автоматической модерации включила режим скрытого подавления.
Давайте с Вами разберёмся, а почему же платформа не блокирует неугодных или критикующих её авторов открыто, а использует пресловутый «режим скрытого подавления»? Всё дело в том, что прямая блокировка подобных авторов влечёт за собой юридический факт – нарушение платформой публичной оферты и статьи 29 Конституции РФ (запрет цензуры).
Привет, Хабр!
На связи команда Дирекции автоматизации девелопмента ПИК — Маргарита Золотых и Ольга Абражевич. В этой статье нам хотелось бы обсудить, какие аналитики будут востребованы в реалиях 2026 года и как найти себя в профессии тем, кто вырос до позиции Senior. С одной стороны, однотипное описание требований и фиксация чужих решений аналитикам становятся неинтересными. С другой стороны, компаниям с приходом доступных ИИ-инструментов и в тренде на оптимизацию бюджетов такой посредник становится нужен все меньше.
Как же повысить свою выживаемость в корпоративном мире и найти для себя новые вызовы и мотивацию в работе? Поговорим об этом на примере аналитика, который перешел от роли сборщика требований к роли партнера, отвечающего за ценность технических решений в контексте бизнеса, а не просто их работоспособность.
Мы хотим показать это наглядно — на кейсе доработок систем при изменении ставки НДС, где аналитик уже не просто описывает принятые решения, но и сам инициирует задачу и ее обсуждения, сам предлагает реализацию благодаря глубокой погруженности в контекст бизнеса и текущее поведение систем.
Про AI-native agency, преждевременный SaaS и маржу на фрагментированном рынке.
Сервисной компании часто выгоднее сначала засунуть AI внутрь деливери, а не сразу делать внешний SaaS.
Производственник, который пришёл в IT. О том, почему до кода надо идти в цех.
Несколько лет назад наблюдал проект на одном производственном предприятии. Небольшое производство, человек 200. До нашего проекта руководство уже наняло специалистов 1С и начало автоматизировать учёт движения сырья и управленческую отчётность по сменам.
Когда мы пришли с проектом по бережливому производству, начали с диагностики. Построили карту потока — и стало понятно, что рановато на предприятии взялись за учёт. 30% операций оказались лишними: просто передача данных между подразделениями.
К концу внедрения 1С дошло: эти 30% операций никуда не делись.
Просто переехали из бумаги в 1С. Только теперь в красивом интерфейсе.
28 мая мы провели в Альпине закрытую мастер-встречу про то, как растить ИИ-компетенции в команде без миллионных бюджетов. На встречу подключились более 150 специалистов из фармы, ритейла, IT, логистики и банков. Я рассказывал про наш путь в AlpinaGPT, коллеги показывали свои кейсы в маркетинге, продажах и разработке, в зале задавали вопросы CTO и L&D-директора крупных российских компаний. После трёх часов разговоров у меня осталось одно главное наблюдение — то, ради чего я и пишу эту статью.
Меня зовут Жемал Хамидун, я CPO AlpinaGPT, Head of AI Alpina Digital и автор тг-канала «Готовим ИИшницу». Главное наблюдение простое: разрыв в ИИ-компетенциях растёт. Одни сотрудники работают с моделями ежедневно, у них уже свой стек, свои шаблоны, своя память между сессиями и встроенные в рабочий процесс агенты. Другие открыли ChatGPT один раз, написали что-то вроде «составь мне отчёт», получили шаблонный текст без контекста, решили, что инструмент бесполезный, и закрыли вкладку. Между этими двумя сотрудниками разрыв растёт каждый месяц быстрее, чем компании успевают его закрывать обучением.
Разрыв в компетенциях растёт быстрее, чем обучение его закрывает
Главная цифра, которую я показывал на мастер-встрече, — из свежего отчёта DataCamp и YouGov State of Data & AI Literacy 2026 (опрос 517 enterprise-руководителей в США и Великобритании, декабрь 2025 — февраль 2026). 82% компаний уже предоставляют ИИ-обучение для сотрудников, и при этом 59% этих же компаний сообщают, что разрыв в ИИ-компетенциях у них всё равно сохраняется. 23% опрошенных заявили, что программы обучения не адаптированы к конкретным должностным обязанностям, 21% опрошенных говорят, что сотрудникам сложно понять, с чего начать. То есть деньги в обучение пошли, программы запустили, лицензии раздали — а сотрудники в массе своей по-прежнему не владеют ИИ на нужном уровне.
