Управление продуктом *

Борьба с «запахом ИИ» (вымарывание деепричастий, списков и канцелярита) — бессмысленная некромантия. Это происходит из-за путаницы: попытки лечить стилистические симптомы, забывая об онтологии текста. «Пиши как человек» — это команда алгоритму сымитировать субъектность.

Сделаем «шаг назад», обратимся к филологической базе. Чтобы понять, почему текст выглядит мертвым, достаточно вспомнить, что такое функциональные стили речи и типы текстов.

Филологическая база против «Промпт-инжиниринга»

Есть разные задачи — есть разные комбинации стилей (научный, официально-деловой, публицистический, художественный) и типов (описание, повествование, рассуждение).
* Инструкция (как пить таблетку, как настроить сервер) — это императив и алгоритм. Здесь нет места рефлексии или метафоре.
* Новость из 4 предложений. Сухое изложение фактов: на острове таком-то началось извержение вулкана. Географическая справка, когда последний раз извергался. Эвакуация населения.
* Рассуждение, анализ, публицистика — это зона парадокса, конфликта и мышления автора.

В базовом состоянии ИИ выдает усредненный, безопасный научно-популярный канцелярит — один вариант на все случаи жизни, и по форме, и по содержанию. Примерно такой же бессмысленный, как ответ 42 на вопрос о жизни, вселенной и вообще.

Филологическое проклятие

Копирайтер, редактор — это не просто человек с клавиатурой. Чаще всего это человек с высшим гуманитарным, филологическим образованием. Его пять лет дрессировали на литературных и публицистических текстах. В него вбили чувство ритма, понимание подтекста и способность ценить красоту синтаксиса.

Компании во многих отраслях переходят от AI-экспериментов к масштабным внедрениям, сталкиваясь с трудностями в оценке сопутствующих издержек. Традиционные фин.модели не всегда отражают экономическую сложность развертывания и сопровождения AI решений, что приводит к заблуждениям в сравнении альтернативных вариантов решений.

В сегодняшней статье разберем LCOAI - адаптированный для AI подход к оценке стоимости владения цифровым продуктом - и ответим на вопрос "Сколько же стоит внедрить этот ваш ИИ?“.

«Самые трудные уроки, которые я усвоил, — не о том, как работаешь ты, а о том, как работают команды: как на самом деле принимаются решения, где ломается координация, чем отличаются команды, которые доводят дело до конца, от тех, кто стоит на месте. Этот список советов про то, как стать сильнее как отдельный инженер, и больше — про системы вокруг инженерии.» — Эдди Османи, ирландский инженер‑программист, директор в подразделении Google Cloud AI.

Зачем стартапу бренд до MVP?

Любой продакт на этом месте говорит: «Запусти MVP, проверь гипотезу, бренд потом». Логично. Проблема в том, что без бренд-платформы каждый следующий артефакт — лендинг, баннер, push, карточка в соцсети — генерируется заново с нуля. 20 артефактов по 5 минут — это 20 лотерей. 8 часов один раз — это система, из которой всё выводится. Показываю на кейсе, как собрать constraint-файл на одну страницу и перестать бросать кости

Не подумайте, лично я считаю, что Excel — прекрасный инструмент. Он ловко обращается с цифрами, строит графики, хранит данные опять же-таки.

Но если вы управляете проектами в таблицах, скорее всего, вы делаете одну из семи вещей, которые гарантируют проблемы. Проверьте, все ли способы вы уже пробовали.

Pokémon Go – одна из самых популярных и прибыльных мобильных игр в истории.

- Больше 1 млрд скачиваний
- 230 млн активных пользователей в пике
- 6 млрд $ выручки
- И 30 млрд отсканированных объектов по всему миру

Только все это хоть и яркая, но ширма. Прикрытие основной деятельности, которой занималась компания Niantic в своих недрах.

И результаты этой скрытой деятельности впечатляют. Сегодня разработчики Pokémon Go уже не развлекают детишек ловлей покемонов. Они учат боевых дронов ориентироваться на местности в условиях радиоэлектронной борьбы, глушилок и спуфинга. Без участия оператора.

И все это было бы невозможно без применения геймификации для создания одного из крупнейших краудсорсингов данных в истории.

Какой путь прошел главный герой-основатель Джон Ханке. И какую роль в этом сыграло ЦРУ и Google – далее в материале.

2ГИС — это не просто сервис о городах, а самобытная культура создания продуктов: от бриф-интенсивов до постов в «Доставили». Мы стараемся, чтобы внутри было меньше бюрократии, больше здравого смысла и даже юмора, при этом сохраняем серьёзность целей и осознанно  управляем ресурсами. 

Я, Стас Мозгель, руководитель B2C‑продуктов, делюсь тем, как работает наша продуктовая культура изнутри: всё про процессы, культуру и принципы, которыми руководствуемся. 

Как клонировать экспертизу человека, на которого у тебя нет бюджета? Я взял двухчасовой разговор с топовым маркетологом, прогнал транскрипт через промпты, построенные на научных методах извлечения знаний — CogKC, Knowledge Graph, поведенческое клонирование — и получил JSON-файл, который отвечает на вопросы почти как она.
Сначала проверил на себе: файл с «душой» выглядел банально, но агент на его основе пугающе точно воспроизводил мою логику решений. Внутри — наука, два эксперимента, этика и готовые промпты.

Современный бизнес оказался в эпицентре информационного шторма. Каждый день рынок наводняют сотни обзоров и подборок ПО — созданных не экспертами, а контент‑креаторами, оснащёнными инструментами ИИ, но без качественной проверки фактов и пост-обработки полученного текста. Качество таких материалов стремительно падает: 87% публикаций содержат фактические ошибки или устаревшие данные...

Привет, Хабр! Меня зовут Антон Батищев, я бэкенд-разработчик в продуктовой команде Циан. В этой статье поделюсь опытом: как устроена наша работа, какие плюсы мы видим в таком подходе и с какими проблемами сталкиваемся на практике.

Каждый раз, когда покупатель стоит у полки, смотрит на товар и открывает телефон с камерой, я знаю, что сейчас произойдёт. Он отсканирует товар, найдёт его на Ozon или Wildberries и уйдёт. Просто уйдёт, иногда даже не сказав спасибо. Это происходит у нас регулярно, особенно в сезон. И тем не менее магазин работает седьмой год, оборот в прошлом году составил 17 миллионов рублей, а окупился он за 28 месяцев. Объясню, как все устроено.

В 2026 году каждый второй стартап обещает заменить команду разработчиков роем AI-агентов. Звучит как мечта уставшего тимлида: один агент пишет код, второй ревьюит, третий деплоит, четвертый отвечает на вопросы в Slack, а пятый, наверное, уже сам заказывает пиццу в офис. Никаких больничных, никаких «я не успеваю», только железная продуктивность 24/7.

Я тоже купился. Взял CrewAI, собрал команду из трёх агентов для анализа конкурентов и генерации отчётов. Демо отработало идеально: агенты обменялись парой сообщений, выдали связный Markdown-файл и даже отправили его в Telegram. «Ну всё, — подумал я, — теперь можно увольнять аналитиков и копирайтеров. Будущее наступило».

Ровно через четыре часа после запуска на реальной задаче я наблюдал картину, достойную сюрреалистического полотна: пять AI-агентов устроили бесконечный митинг в духе худших корпоративных созвонов. Они перебивали друг друга, уточняли уже уточнённое, ходили по кругу и, кажется, начали обсуждать погоду. Один агент назначил себя лидом и раздавал указания, которые остальные игнорировали. Другой пытался писать в файл, который в этот момент читал третий. Спустя 127 вызовов LLM и сожжённые $4.30 на API-ключах я остановил этот цирк вручную.

В этой статье я расскажу, почему готовые мультиагентные фреймворки превращают вашу задачу в хаос, как мы построили систему, которая действительно работает, и в каких случаях проще вообще не связываться с мультиагентностью. Спойлер: LLM — не главная проблема. Проблема — в архитектуре оркестрации, которую многие принимают за магию.

Привет! Меня зовут Женя, и я менеджер продукта. Последние несколько месяцев моей работы даже по меркам нашей профессии можно описать одним словом – хаос. Красивое, многогранное слово, но чертовски выматывающее. Хочу поделиться опытом, как не поехать кукухой, когда ты управляешь четырьмя платформами, одна из которых – пилотная версия, а остальные пытаются в нее мигрировать, пока сверху летят «гениальные» идеи.

Спойлер: три литра чая, китайский язык и фраза «спаси господь» от бекендера — не помогут. А вот параллельная пересборка и честные альтернативные издержки — вполне. Как это работает, когда всё горит — под катом.

Пилот запущен, ожидаемые бизнес-эффекты подтверждены, техническая реализуемость доказана - ваша AI инициатива готова к «раскатке» на уровень всей организации. Разбираем, как провести контролируемый скейлинг AI решения на продакшене, сохранив и приумножив достигнутые эффекты.

Полное описание фреймворка можно найти здесь.

Сразу прошу лояльно отнестись к моей, местами чрезмерной эмоциональности, но, видит Бог, я держалась как могла. Уже несколько взрослых, умных и уважаемых экспертов попытались меня переубедить, что к 35 году грядет «передел мира», где массово живые специалисты будут заменяться роботами... Данные фигуры меня особенно повеселили: персонаж 1, персонаж 2. Мой симбиоз сумбурных мыслей, вперемешку с истерическим смехом и желанием послать в Туево-Кукуево, поутих, внимаю к последней чакре самообладания и начинаю «изливать» свою позицию. Крах будет, он обязательно будет, но не из-за роботов!

Безуспешные попытки запугивания полной ИИ-изацией или толпами роботов, которые с каждым этапом будут забирать всё больше рабочих мест, лишь форсируют приобретение успокоительных, т. к. повсеместно образовавшийся «хаос» ещё не лишает нас обязанностей, которые всё так же нужно исполнять. Но новоиспечённые тенденции уже дают хорошенький крен, начиная от сломанной системы трудоустройства и заканчивая большим процентом выгорания на работе специалистов, на которых «свалились» горы новых обязанностей.

Далее к «вам» я буду обращаться не к конкретному субъекту, это скорее собирательный образ того злодея, который сеет в массы панику и раздор.

Третья статья из шести про инженерный процесс для разработки с ИИ-агентами. Автор, Андрей Юмашев, много лет руководил разработкой и инфраструктурой, полтора года назад отдал весь код агентам. Первая статья про путь от первых проектов до стандарта SENAR. Вторая про то, чем агент отличается от программиста. Эта про то, кем становится человек, когда код пишет не он.

Мы живем во времена, когда даже самые простые бизнес-процессы стараются автоматизировать, цифровизировать и трансформировать, тем самым передавая рутинные операции на исполнение вычислительным машинам. Освободившееся время и ресурсы предполагается отдать человеку на решение более сложных интеллектуальных задач. Подобное возможно за счет искусного комбинирования программного обеспечения и последних техно-инновационных достижений.

Аналогично различным классам автоматизации, обеспечивающим работу предприятия на операционном, тактическом и стратегическом уровнях, языки программирования, позволяющие получать готовые программные продукты, бывают низкоуровневые и высокоуровневые. Первый вид довольно сложный и апеллирует машинными командами, в то время как второй – более доступный для понимания и легкий в использовании. Эволюция от сложному к простому, от неструктурированного к упорядоченному, от не готового к полуфабрикату – это поистине лозунг текущего времени.

Попытки упростить процесс программирования нашли свое отражение в No-code платформах, представляющих визуальный конструктор для производства программных решений без навыков программирования. Антонимом данной ситуации является классическая кастомная разработка приложений. Тем самым мы блуждаем между крайностями: или просто, или сложно. Пытливый ум попытался найти баланс где-то посередине, предлагая Low-code платформы.

Собрал детальный RoadMap навыков Продакт менеджера, который покрывает путь от входа в профессию до уровня CPO.

При составлении роадмапа опирался на свой опыт работы CPO в ProductStar и Lead Product в Т-Банке, анализ вакансий на рынке, а также на опыт менторства 500+ продактов и руководителей продуктовых команд.

⭐️ Что внутри:
• Обзор задач, опыта и зарплаты Продактов каждого грейда
• Подробный ликбез по всем навыкам Продакт менеджера
• Инструменты, необходимые Продактам
• Полезные материалы для поиска работы и развития карьеры

Слово «вайбкодинг» в ИТ-среде вызывает неоднозначную реакцию: разработчики морщатся, бизнес интересуется, а все остальные делают вид, что давно разобрались. Ни лагерь хейтеров, ни лагерь евангелистов не дают честного ответа. Разбираемся: почему разработчики правы в своих опасениях, почему бизнес всё равно идёт в эту сторону — и что со всем этим делать.

В этой статье я расскажу о том, как не потерять голову от LLM-инструментов и при этом сократить цикл разработки в 8–12 раз без потери качества. Поделюсь реальными цифрами и подходом, апробированным моей командой в targetai.