Управление продуктом *

Про утопию «люди думают, а роботы работают», или про то, как корпорации пытаются вернуть вотерфолл

Сегодня роботы берут на себя всё больше работы. Реализация, которая ещё вчера стоила много недель работы высокооплачиваемых специалистов, теперь занимает минуты и почти ничего не стоит. И кажется, что ещё чуть-чуть и мы придём к идеалу, о котором мечтают многие: человек думает, а машина реализует.

Но вот в чём дело, пока реализация была сложной и долгой, она незаметно выполняла две важные задачи.
Во-первых, заставляла репетировать: когда впереди недели труда, страшно потратить их впустую, и приходится сначала прогнать дело в дешёвом материале, на бумаге, в разговоре, в голове. Знакомое каждому мучение перед сложной задачей, когда откладываешь, завариваешь третий кофе, открываешь и закрываешь пустой файл, потому что непонятно, с чего начать, это не только прокрастинация, но и первый такт работы.
Во-вторых, думание происходило уже внутри процесса: материал сопротивлялся, что-то не сходилось, и в каждом таком «не сходится» вспыхивала мысль. Полдня писал код, упёрся, пошёл спрашивать совет у коллеги и на второй своей фразе сам увидел ответ. Согласитесь, большую часть своих лучших решений вы придумали не до работы, а в процессе неё.

Т.е. мысль не лежит готовой, дожидаясь исполнителя. Она совершается в самом действии, будь то черновик, спор, ёрзание перед пустым листом бумаги или возня с сопротивляющимся материалом. Вотерфолльная идиллия с чётким разделением на этапы «человек формирует намерение, затем агенты реализуют по плану» (пример 1, пример 2, их много) возможна лишь в случаях с высоким уровнем определённости, а значит без потенциала для рождения инновационных решений. Такое подходит только монополиям и компаниям, живущим на ренте.

В этом свете можно с бо́льшим пониманием отнестись к пожилым преподам в универах, которые отмечали посещение на лекциях и заставляли писать конспекты от руки. Выглядит как глупая метрика для зачёта: зачем писать от руки, если можно заснять на телефон, да и в учебнике же всё есть. Но ручное письмо, если и не гарантирует понимания материала, то даёт ему шанс случиться. Способ примитивный. Но хоть какой-то.

Поэтому повсеместное внедрение AI-агентов ускорит лишь отдельные участки конвейеров поставки ценности, те, что уже поняты и описаны. Но создание ценности целиком быстрее не станет: конвейеры были ограничены не скоростью рук, а скоростью осмысления, и вот её AI-агенты никак не изменили.

Источник Телеграм-канал Chief Philosophy Officer 

Хочу сделать своего бота для монетизации платного контента в Telegram.

Смотрел условия и считал экономику уже существующих ботов и сервисов, и теперь не особо понимаю какую модель выбрать. Вернее понимаю какая была бы интересна мне, но если смотреть с точки зрения пользователя, особенно учитывая что бюджеты на рекламу у меня не такие огромные как у действующих конкурентов, нужно что-то очень выгодное для пользователей, как минимум на старте сервиса.

Кандидаты, которых изучил:

Tribute и Paywall - деньги идут через внутряннию систему сервисов, они забирают комиссию с каждой транзакции (от 10 до 20%). Tribute официально декларирует плоскую комиссию 10% выплаты по расписанию два раза в месяц. Для меня это хорошая модель: чем больше оборот, тем больше я заработаю. Но если смотреть глазами пользователя, при росте оборотов 10-20% начинают очень заметно съедать прибыль, и сегодня многие склоняются в пользу другой модели.

Nemiling - там переводы идут напрямую на счёт, а вместо комиссии фиксированный тариф за оборот: бесплатно до 5k руб/мес, дальше два плана без ограничения по количеству проектов - 1790 руб/мес при обороте до 60 000 руб/мес и 2990 руб/мес при обороте выше - без ограничений. По сути, это классическая SaaS-модель с подпиской.

Сравнивая выгоду и анализируя отзывы скадывается впечатление что фиксированная модель по типу Nemiling будет лучше для пользователей, а соотвестственно будет легче продвигаться, при это окупаемость будет дольше.

Как ведут себя цифры при обороте

Если по‑честному взглянуть на цифры, разница между процентной моделью (как у Tribute/Paywall) и фиксированной подпиской (как у Nemiling) становится болезненной уже на средних оборотах.

Если владелец канала стабильно делает 50 000 в месяц.
С комиссией 10% он каждый месяц отдаёт по 5 000, а за год набегает около 60 000 только за пользование платформой.
В фиксированной истории вроде Nemiling на таком уровне автор платит около 2 000 в месяц, то есть примерно 21-22 тысячи в год. Получается, вместо 60k он отдаёт чуть больше двадцати - просто потому, что платит фикс за сервис, а не процент с каждой оплаты.

А если автор стабильно держит в районе 300-500 тысяч в месяц?
При процентной модели 10% это уже 30-50 тысяч в месяц, то есть от 360 до 600 тысяч в год только за то, что он пользуется сервисом.
В фиксированной модели он всё так же платит несколько тысяч в месяц, суммарно порядка 35. Разница уже не просто ощутимая, а стратегическая.

Так вот как создателю бота, мне хочется запуститься с моделью как у Tribute или Paywall, она она обещает хорошие деньги, но с другой стороны, смогу ли я успешно конкурировать с такими закоренившимися ботами. Хочется зайти в нишу и при этом сделать всё так, что-бы иметь конкурентное приемущество.

Если выбрать решение типа Nemiling: удобный рублёвый вывод на счёт, фиксированная плата при росте оборотов и экономия в разы. У меня будет "козырь" с котрым проще зацепиться и удержаться, хотя и окупаемость будет дольше.

Вопросы к сообществу

1. Кто юзает ботов платных подписок: какую модель в итоге выбрали и почему?

2. Какие тонкие нюансы с выводом и отчётностью вы встречали при работе с Tribute, Paywall, Stars, Nemiling, investmember? Особенно интересует опыт с рублёвой отчётностью и валютным контролем.

3. Есть ли на сегодняшний день надёжные гибридные решения - например, фиксированная подписка + внутренняя опция «оплатить через Telegram (Stars)»?

Буду признателен за конкретные цифры, кейсы и ссылки на опытные расчёты. Спасибо!

WMS как инструмент контроля затрат на персонал: считаем окупаемость

WMS традиционно относят к статье IT-расходов. Это задаёт неверную точку отсчёта: систему сравнивают с другим ПО, а не с реальной альтернативой — расширением штата.

В новом выпуске подкаста «Сначала процессы» считаем окупаемость через персонал.

Несколько вопросов, которые мы разбираем:

— Почему при росте объёмов дополнительные люди в смене не дают пропорционального роста выработки?

— Куда уходит рабочее время руководителя смены, если задачи раздают голосом и в мессенджерах?

— Что происходит с операционной устойчивостью склада, когда директор по логистике, в чьей голове живёт вся бизнес-логика, уходит?

— Почему ФОТ непредсказуем от месяца к месяцу — и можно ли это контролировать?

— При кадровом дефиците в 30–50% стратегия «нанять ещё людей» остаётся планом?

К выпуску — статья с расчётами по пяти сценариям и Excel-калькулятором.

🎧 Выпуск: https://intekey.mave.digital/ep-5
📖 Статья с расчётами: https://intekey.ru/articles/skolko-stoit-wms-okupaemost-cherez-personal/

Пользователю не нужен умный ИИ. Ему нужен предсказуемый результат

У генерации LLM есть свойство, которое никакими перепроверками до конца не лечится: она недетерминирована. Как ни защищайся, какие валидации ни навешивай, всегда остаётся процент на галлюцинацию, на неверно понятый промпт, на ответ, которого вы просто не предусмотрели. Это не баг конкретной модели — это её природа.

И вот тут начинается самое неприятное — не для инженера, а для бизнеса. Человеку, далёкому от ИИ, слово «галлюцинация» ничего не объясняет и ничего не извиняет. Он не обязан знать про температуру сэмплирования и вероятностную природу вывода. Он видит другое: продукт не работает.

При этом мы сами раз за разом требуем от умной модели ровно того, чего она не умеет: понятного, повторяемого, детерминированного поведения.

Проще всего это объяснить через людей.

Есть умный сотрудник. Он придумает, как решить задачу, которую до него никто не решал. Есть исполнительный сотрудник. Он, может, и не придумает нового, зато будет исправно следовать инструкции, раз за разом выдавая один и тот же результат.

А теперь попробуйте нагрузить рутиной умного — скажем, топ-менеджера. В понедельник у него нет настроения. В среду он понял задачу по-своему и сделал красивее, чем просили. В пятницу вообще предложил всё переделать. Каждый раз — по-разному, и каждый раз со своей логикой.

С умной LLM ровно то же самое. Не нужно требовать от неё, чтобы она одинаково решала одну и ту же задачку. Нужно просить её о другом — написать инструкцию для тупой программы.

Как мы на это напоролись: документооборот для бухгалтеров

Теория теорией, а пришли мы к этому через собственные грабли.

Была небольшая автоматизация документооборота. Решали в лоб, как решают все: сделали интерфейс, где бухгалтер пишет задание, прикладывает шаблон и получает готовый документ. Логично же.

На практике вышло так. Человек получает не тот результат — сразу или со второй попытки. Пробует ещё раз, формулирует иначе, получает третий вариант, тоже не тот. И — разочаровывается. Не потому, что продукт плохой, а потому что он непредсказуемый, а бухгалтер — человек, которому предсказуемость дороже технологий.

Двухуровневая структура: LLM пишет программу, программа делает документ

Тогда мы перестроили пайплайн.

Теперь бухгалтер с помощью ИИ не делает документ. Он с помощью ИИ пишет программу, которая делает документы по шаблонам — и работает всегда детерминированно.

Разница выглядит тонкой, а меняет всё:

• Написал программу один раз корректно — она будет корректно отрабатывать всегда. Не «в 95% случаев», а всегда.

• Написал некорректно — можно указать на ошибку, она поправится, и правка тоже закрепится навсегда.

• Вылез corner case, в котором программа должна вести себя иначе, — поправил, и это осело на уровне программного кода, а не на уровне промпта.

Вот последний пункт — самый важный. Правка в промпте живёт до следующей генерации и в любой момент может «разъехаться». Правка в коде остаётся правкой в коде. Модель отработала свой недетерминированный номер один раз — на этапе написания программы, под присмотром человека. Дальше работает обычный, скучный, честный код.

Модели отдаём разовое творчество: разобраться в задаче, перевести человеческую формулировку в логику, собрать программу. Коду отдаём исполнение: раз за разом, одинаково, без настроения и импровизаций.

Умного сотрудника не сажают заполнять накладные. Его просят написать регламент, по которому накладные будет заполнять тот, кому это нравится.

Что это даёт бизнесу

Главное — предсказуемость, а вместе с ней доверие. Пользователь перестаёт играть в рулетку и получает систему, которая ведёт себя одинаково. Ошибка становится не поводом разувериться в ИИ, а обычным багом: нашли, поправили, закрепили.

А ещё это дешевле: модель дёргается один раз при создании программы, а не на каждом прогоне.

Так у нас и заработала двухуровневая структура. Наверху — умная, творческая, непредсказуемая LLM. Внизу — тупая, надёжная, предсказуемая программа. Каждый на своём месте и занят тем, что умеет.

ИИ-агенты никому не нужны. Или нужны?

Прочитал недавно статью на Хабре с таким заголовком. Автор разобрал Яндекс Вордстат и выяснил что реального спроса на «ИИ-агентов» почти нет. Бизнес ищет конкретные решения: бухгалтер, бот, автоматизация конкретной задачи. Не «агент».

Соглашусь наполовину.

Термин «ИИ-агент» действительно стал жертвой маркетинга. Когда слово используют одновременно для описания простого чат-бота и сложной автономной системы, оно перестаёт что-либо означать. Бизнес не ищет «агента». Бизнес ищет решение конкретной проблемы.

Но сама идея за словом работает. Проекты где система из нескольких инструментов с LLM в центре реально закрывает задачи которые раньше требовали живого человека есть и они отлично справляются. Не потому что это «агент», а потому что кто-то правильно сформулировал проблему и подобрал инструменты.

Разница между проектами которые работают и теми которые не работают, в большинстве случаев, не в технологии. Она в том правильно ли поставлена задача до того как вообще начали что-то строить.

ИИ-агенты не нужны. Нужны люди которые умеют правильно ставить задачи. А это дефицит покруче любой технологии.

Как у вас с этим в проектах?

Находим первых клиентов для своего стартапа с помощью ИИ и скилла Codex First Customer Finder Skill от Грега Брокмана, одного из основателей OpenAI, который поможет раскрутить хороший проект:

• вставляем ссылку на стартап, и скилл начинает работу;

• автоматически анализирует целевую аудиторию и выдаёт портрет идеального клиента;

• проверяет все публичные обсуждения на предмет болей и потребностей потенциальных клиентов;

• квалифицирует каждого лида и оценивает по соответствию продукту;

• генерит персональные предложения для покупателя;

• собирает все в подробный и аккуратный HTML‑отчёт со ссылками на все источники;

• устанавливается одной командой.

Системный и бизнес‑анализ: 10 бесплатных уроков о требованиях, процессах и архитектуре

Аналитику приходится одновременно разбираться в целях бизнеса, поведении пользователей, устройстве систем и последствиях каждого изменения. Ошибка в требованиях легко превращается в дорогостоящую доработку, а незамеченный риск — в проблему уже после релиза.

Собрали открытые уроки для системных и бизнес‑аналитиков. В программе — ArchiMate и TOGAF, управление рисками, Use Cases, BPMN, нефункциональные требования и архитектурные модели. Уроки проводят преподаватели‑практики: во время встречи можно задать вопросы по теме и посмотреть, как устроено обучение.

Бизнес‑анализ

• 15 июля в 20:00. «Архитектура предприятия: детализация бизнес‑аспектов через ArchiMate 3.2».
  _{Разберём, как описывать бизнес‑слой предприятия и связывать процессы, участников, функции и цели организации.}

• 4 августа в 20:00. «Как аналитику работать с рисками».
  _{Поговорим о выявлении и оценке рисков, которые возникают при изменении процессов, требований и информационных систем.}

• 5 августа в 20:00. «MVP глазами бизнес‑аналитика: от идеи до первых функций».
  _{Рассмотрим, как превратить бизнес‑идею в понятный набор функций и определить состав первой версии продукта.}

• 6 августа в 20:00. «Пользовательские сценарии (Use Cases) на реальном примере: от бизнес‑требования заказчика до формулирования задачи для разработчика».
  _{Проследим весь путь требования: от запроса заказчика до структурированного сценария и постановки задачи команде разработки.}

• 17 августа в 20:00. «Строим модель в нотации BPMN с помощью ИИ».
  _{Разберём применение ИИ при моделировании бизнес‑процессов и посмотрим, где автоматизация помогает аналитику, а где требует проверки.}

• 18 августа в 19:00. «Строим идеальную бизнес‑архитектуру».
  _{Поговорим о том, как связать цели компании, бизнес‑возможности, процессы и организационную структуру в единую модель.}

Системный анализ

• 21 июля в 20:00. «Данные в TOGAF. Где скрыты? Разбираемся в деталях».
  _{Посмотрим, какое место данные занимают в архитектуре предприятия и как работать с ними в рамках TOGAF.}

• 5 августа в 20:00. «Влияние нефункциональных требований на архитектуру».
  _{Разберём, как требования к производительности, безопасности, масштабируемости и надёжности определяют архитектурные решения.}

• 11 августа в 20:00. «Практическое собеседование системного аналитика».
  _{Пройдём по типовым этапам технического интервью и вопросам, с которыми системные аналитики сталкиваются при поиске работы.}

• 20 августа в 20:00. «Аналитическая дженга: как проектировать и управлять изменениями системы с помощью BACCM, (4+1) и C4, чтобы архитектура не рассыпалась».
  _{Разберём, как применять аналитические и архитектурные модели для оценки изменений и сохранения целостности системы.}

Больше бесплатных уроков июля смотрите в дайджесте.

А если для вас актуален карьерный переход в системном анализе, читайте полный разбор тестового задания на 2026 год.

Вчера был на презентации нового цифрового продукта.

Ребята проделали огромную работу!

• продумали сложную логику,

• разложили систему на огромное количество элементов,

• реализовали возможность доступа к каждому элементу,

• связали все эти элементы в единую систему,

• современный дизайн,

• куча раскрывающихся менюшек,

• бесконечное количество возможностей смотреть на систему под разными углами.

Единственное, что они не сделали - не собрали из всего этого Продукт, которым можно пользоваться. Это решение не про "понятно" и "удобно", а про интеллектуальный вызов!

Ощущение такое, что тебе надо ехать, а перед тобой лежит очень сложный и современный автомобиль, разобранный по деталькам, причем часть деталей еще у тебя с собой в сумках и рюкзаке.

Так вот, чтобы ехать - надо разобраться (инструкцию пока никто не написал) какие детальки откуда и собрать всё это в целостную конструкцию. Смотря на все это великолепие (а ехать то надо) - хочется из "галок и палок" соединить два лежащих колеса в подобие самоката и на толкаче поспешить к нужной цели...

Какое-то время работал по классическому скраму. Двухнедельные спринты, планирование, ретро, демо. Всё как в учебнике.

Потом перешёл на недельные циклы и мне зашло.

Две недели это слишком долго чтобы понять что пошло не так. Берёшь задачу, через неделю понимаешь что оценка была неверной, контекст изменился или задача вообще потеряла смысл. Но спринт ещё идёт и ты либо тащишь её до конца ради метрик либо объясняешь почему не доделал.

С недельным циклом горизонт короче. Ошибка в планировании стоит максимум неделю, не две. Адаптироваться проще.

Минус тоже есть, на большие задачи нужно уметь нарезать на недельные куски. Не всё режется красиво. Иногда приходится делать промежуточные результаты которые сами по себе не имеют смысла.

Но в целом для небольших команд недельные циклы работают лучше. По крайней мере у меня.

Кто пробовал менять длину спринта - назад вернулись?

Telegram-канал как продукт: что я понял только после запуска

Когда запускал платный канал, думал что весь фокус на контент. Сделай хороший контент, люди будут платить.

Как бы не так.

Первое. Люди не покупают контент, они покупают доступ к человеку. Два канала с одинаковым качеством материала показывают разную конверсию если у одного автора есть лицо, история и голос, а у другого просто полезные посты. Если в контенте нет тебя как личности, то он на фиг ни кому не нужен, если только это не контент для взрослых, конечно же.

Второе. Удержание в Telegram другое чем где-либо ещё. От email-рассылки отписываются легко, из закрытого канала уходят реже. Не потому что контент лучше, а потому что канал это сообщество. Человек уходит не от контента, он уходит от людей. Это меняет то как нужно думать про churn.

Третье. Первый дни решает почти всё. Если подписчик не вовлёкся в сразу, он скорее всего не будет продлевать подписку. Онбординг в Telegram продукте это не приветственное сообщение, это целый сценарий первых взаимодействий и чётко выстроенная структура информации внутри канала.

Всё это звучит очевидно когда читаешь. Не очень очевидно когда запускаешь.

Кто строил платные продукты в Telegram, что стало главным сюрпризом?

Tesla опубликовала видеоролик с показом демонтажа производственной линии по сборке электромобилей Model S и Model X на своем заводе во Фримонте в Северной Калифорнии.

Процесс происходил в рекордные сроки в связи с перепрофилированием завода на выпуск человекоподобных роботов Tesla Optimus. Работы по демонтажу завершились за 46 суток. При этом была проведена разборка бетонных котлованов с использованием специальной тяжёлой техники, демонтаж роботизированных манипуляторов и конвейеров, а также расчистка пространства для установки новых производственных линий.

Реклама в Telegram в 2026 году: что работает, что перестало

Последние полгода активно тестировал разные форматы продвижения в Telegram.

В Ads через официальный кабинет минимальный порог входа снизился до 1500 евро, это уже не только для крупных компаний. Таргетинг по каналам работает нормально если правильно подобрать список. Цена за пдп сильно зависит от ниши, у меня выходило от 40 до 180 рублей.

Посевы в каналах. Живее чем кажется. Но рынок сильно изменился + цены подросли не смотря на все замедления и прочие проблеммы: накрученные каналы стали легче распознавать по статистике просмотров и вовлечённости. Спасибо Telemetr и Tg Stat. Хорошие площадки с живой аудиторией стоят дороже, зато конверсия реальная.

Взаимный пиар. Работает только если аудитории реально пересекаются по интересам. Иначе прирост есть, удержания нет.

Что удивило: Stars как инструмент продвижения. Telegram позволяет оплачивать рекламу внутри платформы звёздами, и это заметно дешевле чем через обычный кабинет. Не все знают про эту механикуу.

Главный вывод: Telegram как рекламная платформа ростёт. Халявного трафика почти не осталось, зато инструменты стали нормальными. Бюджет нужен, но и результат предсказуемее.

Какие форматы продвижения сейчас используете, что даёт лучшее соотношение цены и качества аудитории?

Telegram как платформа для платного продукта: что изменилось в 2026 году

Два года назад когда я впервые запускал платный доступ через Telegram, это выглядело как костыль. Бот принимает деньги, добавляет пользователя в закрытый канал, следит за сроком. Всё самописное, всё ломалось в самый неподходящий момент.

Сейчас картина другая.

Telegram Stars превратился в нормальный платёжный инструмент внутри платформы. Пользователь платит не выходя из мессенджера, конверсия ощутимо выше чем при редиректе на сайт. Для цифровых продуктов это реально меняет воронку.

Но самое интересное не в Stars. Аудитория Telegram в 2026 году психологически готова платить внутри мессенджера. Два года назад нужно было долго объяснять зачем вообще платить за контент в Telegram. Сейчас люди привыкли, платные каналы и боты стали нормой.

Что из этого следует для продуктов.

Telegram перестал быть каналом дистрибуции и стал полноценной платформой для монетизации. Со своей аудиторией, своей экономикой и своими ограничениями.

Ограничения реальные: вывод через Stars только в TON через Fragment, для российского бизнеса с рублёвой отчётностью это головная боль. Поэтому многие комбинируют: Stars для части аудитории, ЮKassa через Payments API для тех кто предпочитает карту.

Ещё один момент который я не ожидал: удержание в Telegram выше чем в большинстве других форматов. Люди не отписываются от бота так легко как от email-рассылки. Если продукт нормальный, churn заметно ниже.

Для каких продуктов это работает лучше всего: закрытые сообщества, доступ к контенту по подписке, консультации с автоматическим онбордингом. Для чего работает хуже: сложные SaaS с кучей настроек, всё что требует нормального личного кабинета.

Пробовали монетизировать что-то через Telegram?

AI-first компании как новый карго-культ

Допустим, некий предприниматель придумал идею бизнеса, сформулировал ценность. Чтобы воплотить её в реальном мире, он идёт на «рынок» готовых форм: ищет людей уже существующих профессий, собирает оргструктуру из известных вариантов (или нанимает CEO, который соберёт её за него), нанимает консультантов с их фреймворками, покупает CRM, ERP и прочие коробки, которые неявно предлагают свои шаблоны бизнес-процессов. Он пытается выбрать формы, лучше всего воплощающие его идею, но идеально подходящих не существует, хотя бы потому, что всё, что есть, создавалось не для него. Готовая форма всегда искажает замысел. Частный случай этой проблемы, закон Конвея: архитектура производимого продукта наследует структуру организации, то есть форма, взятая извне, начинает диктовать содержание.

Появившиеся LLM-агенты меняют эту ситуацию: теперь проектировать форму под себя стало в разы проще. Опыт тысяч компаний, который раньше был доступен только намертво запечатанным в готовые стандарты, процессы, продукты и профессии, теперь существует в пластичном виде, его можно переплавить под свой замысел, создав собственную онтологию бизнеса, которая не обязана быть прямо завязана на существующие рамки профессий, общепринятые стандарты разделения труда. Теперь роли, процессы и инструменты могут выводиться прямо из замысла демиурга бизнеса.

Само по себе использование LLM не цель, а только способ освободить время на мышление о том, как уменьшить зависимость от готовых решений с «рынка форм». Поэтому и говорить стоило бы не об AI-first, а об intent-first компаниях. Попытка же просто положить слой LLM поверх существующих процессов на первом этапе, как любая автоматизация, даст выигрыш, но в дальнейшем приведёт лишь к цементированию существующей системы разделения труда со всеми её недостатками. А хуже того, под слоем LLM окажется и задача артикуляции ценности бизнеса, а она по определению неалгоритмизируема, а следовательно автоматизации не подлежит. Это не страшно монополиям и живущим на ренте, но смертельно для всех остальных бизнесов.

Регулярно пишу в Телеграм-канале Chief Philosophy Officer  и VK группе о философии бизнеса

Прежде чем тащить ИИ в процесс, сначала разберись что вообще происходит

Приходил недавно в одну компанию. Ребята хотели автоматизировать обработку заявок от клиентов. Уже выбрали инструмент, уже договорились с подрядчиком, уже почти подписали.

Попросил показать как сейчас работает процесс.

Оказалось что заявки приходят в три разных места: почта, телеграм и форма на сайте. Каждый менеджер забирает откуда хочет. Статусы никто не ведёт в режиме реального времени, только отчёты за месяц. Дубли не отслеживаются. Как итог клиентов обзванивают по несколько раз, тратя время и нервы.

Я спрашиваю: а что именно хотите автоматизировать? Они говорят: ну вот этот весь процесс, чтобы было чётко.

Это не автоматизация. Это ускорение хаоса.

Я уже видел такое несколько раз за последний год. Компания чувствует что что-то идёт не так, слышит везде про ИИ, решает что это и есть ответ. Но ИИ не чинит кривой процесс. Он его копирует и делает быстрее.

Правило которое я для себя вывел: если не можешь объяснить процесс новому сотруднику за 10 минут так чтобы он пошёл и сделал, не ломая при этом общую структуру, то автоматизировать ещё рано. Сначала объясни людям, выстрой свою систему, а потом уже автоматизируй.

ИИ хорошо берёт задачи которые уже работают но отнимают время. Повторяющиеся, понятные, с чётким результатом. Всё остальное это не автоматизация а эксперимент за твой счёт.

Кто сталкивался с таким, когда приходили автоматизировать а оказывалось что сначала надо просто навести порядок?

Подчеркивать индивидуальность или быть удобным?

Сейчас модно подчеркивать важность индивидуальности при трансляции маркетинговых сообщений. Мол - будь собой, выделяйся из серой массы, стань запоминаемым, создай свой образ и обрети свое лицо.

Звучит - круто! Стимулирующе.

Поначалу я так и сделал - продумал и создал фирменный стиль, который меня точно выделит из бесконечной толпы различных CRM и подобного.

Вот только люди оказались не готовы к такому сочетанию цветов, даже не смотря на то, что они пастельные и успокаивающие.

Очевидно - большинству непривычно пользоваться сервисом с настолько “выраженной индивидуальностью” :) Очевидно...

Погоревал над “ах, какая задумка пропадает”. Смирился. И сделал две новых цветовых темы - банальную светлую и “молодежную” ночную.

Как думаете, на что лучше сделать ставку по умолчанию?

На "незабываемую индивидуальность", на банальность светлого или на молодежность тёмного?

Технический писатель за 110 000: вход в профессию или испытание на прочность?

Запускаю новый формат: буду разбирать вакансии, связанные с управлением знаниями и технической документацией. Не в формате «всё плохо», а по-честному: что хорошо, что вызывает вопросы и кому такая позиция может подойти.

Сегодня смотрим вакансию технического писателя/контент-менеджера базы знаний в компании «Сканпорт». Наткнулся на эту вакансию на днях. Она уже закрыта, но на ней можно наглядно разобрать плюсы и минусы. 

Начну с плюсов

Первое: работодатель дал ссылку на публичную базу знаний. Кандидат может заранее посмотреть, с каким продуктом, структурой и контентом ему предстоит работать. Уже на этом этапе можно примерно оценить объём задачи и понять, что ждёт впереди.

Второе: зарплата указана – 110 000 рублей. Соискатель может сразу решить, подходит ему такая сумма или нет.

Третье: компания пишет, что готова рассматривать начинающих специалистов и обучать их. Это немного расширяет воронку поиска. Для человека, который хочет перейти в технические писатели из других направлений, это может быть хорошей точкой входа. По крайней мере, из описания не складывается ощущение, что новичка посадят перед незнакомым продуктом и скажут: «Ну, разбирайся».

Теперь к вопросам

Главный – кого всё-таки ищут: начинающего специалиста или самостоятельного сотрудника? Формально компания готова рассматривать новичков, но одновременно хочет видеть опыт от года, понимание таксономии баз знаний, Markdown, Confluence, таск-трекеры и Kanban. Знания REST API, JSON, складских и логистических процессов указаны как преимущество, а не обязательное требование, но даже без них задачи выглядят не совсем стартовыми.

Нужно будет не только работать с текстами, но и разрабатывать стандарты документации, переводить материалы разработки на человеческий язык, анализировать обратную связь, поддерживать базу в актуальном состоянии. Для новичка это может быть тяжело.

При этом более опытного специалиста может насторожить ширина роли. Здесь и техническая документация, и развитие структуры базы знаний, и взаимодействие с поддержкой, и фактчекинг маркетинговых материалов. То есть название должности одно, а рабочих направлений внутри несколько. Отсюда ещё один вопрос: какая часть времени будет уходить непосредственно на базу знаний, а какая – на сопутствующие задачи?

Отдельный момент – удалёнка. Она предусмотрена, но обсуждается индивидуально. При этом график фиксированный: пять дней в неделю с 9:15 до 18:00. Работать из дома, вероятно, можно. А вот работать из любого часового пояса и самостоятельно выбирать часы – надо уточнять. Если нет, для кандидатов из удалённых регионов это заметно сужает возможности.

Мой вывод

Вакансия может подойти не абсолютному новичку, а скорее начинающему специалисту с некоторой базой. Например, человеку из технической поддержки, тестирования, аналитики или контента, который уже сталкивался с документацией и хочет развиваться в этом направлении.

Перед откликом я бы уточнил:

• кто и как будет обучать нового сотрудника;

• какие задачи займут большую часть рабочего времени; 

• что компания ожидает получить в первые три месяца; 

• действительно ли можно работать полностью удалённо и насколько строго привязан график.

***

Напишите, если было полезно. Стоит продолжать такой формат?

Я веду свой телеграм-канал про управление знаниями, делюсь в нём граблями из проектов для лидеров рынка: Банк СПб, Билайн, Делимобиль, Купер, МЭС и других. Подпишитесь, чтобы не пропустить следующие посты.

Пол Грэм — Названия Стартапов. Перевод эссе

Один из моих подписчиков скинул удаленное эссе Грэма. А так как я занимаюсь собранием переводов всех его эссе, не мог такое пропустить. Поэтому посмотрим на мысли Грэма из 2006 года.

Хорошее название для стартапа — это не маркетинг. Это тест на воображение.

Пол Грэм написал короткое эссе о том, как выбирают названия стартапы — и почему это сложнее, чем кажется. Перевел его, потому что тема до сих пор актуальна, а наблюдения точные.

Главный парадокс: ощущение, что все хорошие имена заняты — иллюзия. Сквоттеры захватили миллионы доменов, но алфавитные комбинации растут быстрее. Просто нужно перестать искать в очевидных местах.

Из этого вырос новый стандарт крутости: Flickr, Del.icio.us, Writely. Названия с опечатками, точками посередине, несуществующими словами. Примерно как лофты в промышленных кварталах — сначала отталкивает, потом становится знаком своих.

Грэм выстраивает иерархию названий. Лучшие — когда слово звучит круто и одновременно описывает продукт. Второй уровень — просто круто звучит. Дальше — посредственно, но не отталкивает. И это, говорит он, уже достаточно: хороший продукт окрашивает своё название в нужный цвет.

Самое практичное наблюдение — про глагольность. Google, Flag, Textpayme. Название работает, когда его можно вставить в предложение как действие. Это не про благозвучие, это про то, как люди говорят о продукте между собой.

И финальное предупреждение, которое стоит запомнить: названия прилипают быстро. Если не уверен — называй “наш стартап”. Или выбери настолько плохое имя, чтобы точно не захотелось оставить.

Сразу же обновил сборник и добавил туда эссе.

C-level в кулуарах: о миссии, ошибках и AI — семь топов говорят честно

Что происходит, когда IT-руководители высшего звена собираются не на сцене, а в кулуарах? Правильно — начинается настоящий разговор.

Этот выпуск «Свободного слота» записали прямо на конференции SouthHub в Красной Поляне. Саша Афёнов и Саша Прокшина поговорили с семью топами из крупнейших IT-компаний: Алексеем Молчановым (Cloud.ru), Татьяной Фоминой (HeadHunter), Александром Швецом (Авито), Иваном Самсоновым (MWS), Дмитрием Молочниковым (Альфа-Банк), Сергеем Паращенко (Product Vision) и Кириллом Евсеенко (Звук).

Что обсудили

Зачем CTO и CPO вообще ездят на конференции, если они и так всё знают. Кто такой настоящий C-level — и почему «уникальная снежинка» на высокой должности это проблема. Как превратить личную мечту в рабочую миссию и не спутать её с синдромом отложенной жизни. Как бизнесу не сливать бюджеты на LLM — и почему разговор об AI всё равно случился, хотя никто не планировал.

Слушайте и смотрите новый выпуск на площадках:

📺 YouTube
🔵 ВК Видео
📌 RuTube
🎧 Яндекс Музыка
Ⓜ️ Mave

Ещё больше новостей — в нашем телеграм-канале

«Свободный слот» — терапевтичный контент для тимлидов и тех, кто хочет ими стать

Копирайтеры и ИИ: я два года нанимал людей, потом полгода пробовал заменить их нейросетями. Рассказываю что вышло.

В моей работе постоянно нужен текст. Описания продуктов, письма пользователям, онбординг, посты в канал, брифы и тому подобное. Раньше держал двух копирайтеров на постоянной основе плюс пару фрилансеров под всплески.

Когда нейросети стали относительно нормально писать по-русски, у многих очевидная мысль была одна: зачем платить людям. Я же изначально думал что без редакции тексты ИИ не более чем пустышка. Нужно было понять так ли это.

Я попробовал. Выбрав одно из направлений активно использовал ИИ вместо фрилансеров. И вывод у меня такой.

Что ИИ делает хорошо

Типовые тексты с четкой структурой. Описание чего-либо по подробному шаблону, по типу инструкций и постов про обновления. Даешь структуру и контекст, получаешь читаемый черновик. Это реально работает и реально экономит время.

Объем. Если нужно написать 20 вариантов заголовка или 5 версий одного письма для A/B теста, ИИ справляется быстро. Копирайтер на такое потратит в разы больше времени.

Скорость правок. Написал, не понравилось, переформулировал задачу, получил новый вариант. Без ожиданий, без объяснений, без «я переделаю к пятнице».

Где всё сломалось

Уникальность, или голос бренда. В каждом тексте конкретного человека есть узнаваемый стиль. Он придает изюминку блогу, порой именно он держит читателя. У нейронок этого нет. Можно задать стиль промптом, но через какое-то время модель начинает сползать обратно к своему обычному сухому тону. Приходится напоминать в каждом новом запросе, и это уже не автоматизация, это ручная работа другого формата.

Тексты про живой опыт. Кейсы, истории пользователей, объяснения через аналогии. ИИ пишет правдоподобно но пусто. Читаешь и понимаешь что за текстом никого нет.

К чему пришел

Фрилансеров на типовые задачи больше не нанимаю. Нейросети их закрывают нормально. Но скилы штатных копирайтеров становятся шире. Теперь им приходится работать с ИИ и в случае новых тем быстро адаптироваться, выходя за рамки привычных направлений. Тут то в первую очередь и помогают нейросети: быстро разобраться в чем-то новом, скомпоновать информацию и выдать скелет. Но перепроверять эту информацию и переписывать в чистовик всё же приходится людям.

Копирайтинг как профессия никуда не денется, по крайней мере в этом году точно. Как и всегда, выживут те кто будет постоянно шагать в ногу с прогрессом и множить свои скилы. А как считаете вы, ИИ смогут обогнать нас или это всё же просто инструмент?