🗓 Июньский дайджест ProdSTa: главные инсайты для продактов

Июнь выдался насыщенным — от разбора провала AI-first стратегии Klarna до практических кейсов по работе с ChatGPT. Ловите топ-5 постов месяца и дополнительные материалы для продактов.

🏆 Топ-5 постов июня

1. ✍️ Prompt-инжиниринг в 2025
— Few-shot prompting, декомпозиция задач и Self-criticism: что реально работает. Почему ролевые промпты больше не эффективны.

2. ⚠️ Ваш продукт в опасности из-за AI?
— Как Chegg потерял 87.5% стоимости. 4 фактора уязвимости продукта в эпоху ИИ.

3. ❓ Почему CPO Uber развозит еду
— 700+ поездок Сачина Кансала, культура "Ship, ship, ship" и гибрид людей с роботами.

4. 🤖 Как в OpenAI используют ChatGPT
— Репетиция переговоров с ИИ и критика черновиков. Почему там всего 30 PM на 2000+ сотрудников.

5. 😳 Klarna отказывается от AI-first
— Почему чат-боты провалились, а через неделю запустили AI-CEO. Ирония или новая стратегия?

🧩 Ещё крутые темы

- 🏭 Как измерить PMF в B2B — Сигналы в малых данных и почему повторные платежи — главный индикатор.

- 🤔 Эффект от Product Operations — Методика FreeAgent: 6 категорий влияния и оценка "Potential Impact".

- 💰 Кейс Monzo: +48% выручки — Как customer-centric и data-driven подход изменили банк.

- 🤖 Klarna запускает AI-CEO — Голосовой помощник-двойник: инновация или PR?

🖥 Vibe-coding: как продакты создают свои инструменты

Сейчас все говорят о vibe-coding — создании продуктов и инструментов с помощью AI и low-code платформ. Но что именно продакты создают для себя и своих команд? Давайте разберем на примерах.

Тренд: персонализированные решения
Кейсы из статьи Ленни Рачитски показывают, как люди создают гиперспецифичные продукты, решающие их повседневные задачи:

1. Трекер для пиклбола (Paddles.ai): помогает анализировать матчи и улучшать игру.
2. Генератор историй для детей (Storypot): превращает детские фантазии в сказки.
3. Карб-калькулятор для диабетиков (CarbScan): упрощает подсчет углеводов для контроля уровня сахара.

Почему это работает:
1. Низкий порог входа: платформы вроде Cursor, Claude Code и Replit позволяют запустить MVP за несколько дней, даже без глубоких знаний программирования.
2. Реальные боли: продукты создаются под конкретные нужды, а не абстрактные гипотезы. Например, трекер для ухода за ребенком (My Baby Logger) стал незаменимым инструментом для новых родителей.
3. Масштабируемость: многие проекты, изначально созданные для себя, находят аудиторию. Например, приложение для выбора одежды по погоде (How Many Layers) собрало 85 тысяч пользователей.

Ключевые выводы для продактов:
1. Определите, какие рутинные задачи вы выполняете вручную.
2. Выберите подходящую платформу для создания MVP.
3. Начните с решения одной конкретной проблемы.

✋ YouTube против OpenAI: кто кого?

Пока одни компании встраивают крупные LLM в свои продукты и процессы, YouTube решил пойти против течения. Платформа активно блокирует инструменты OpenAI, которые пытаются собирать данные для обучения моделей.

Почему это важно для продактов?
1. Это может стать прецедентом для других платформ, которые также начнут отрезать LLM от своих публичных данных.
2. Ранее мы разбирали риски, которые несет AI для продукта вот в этом посте. Согласно этой модели, если ваш продукт в своей "внутренней кухне" основывается на публичных данных, то очень высок риск его дизрапта со стороны ChatGPT и других LLM, которые обучаются на публичных данных.
Ну а если YouTube напрягся на эту тему, то и нам тоже стоит 😄

Что делать продактам?
1. Оцените риски дизрапта вашего продукта сторонними AI продуктами и LLM. Все подробности вот в этом посте.
2. Оцените насколько ваш продукт завязан на публичные данные.

🤖 Как AI переосмысливает роли продукт-менеджеров: инсайты от VP Dropbox

Наткнулся на интересное интервью с Морган Браун, VP по AI в Dropbox, где он делится своими идеями о том, как AI трансформирует профессию продакта и какие навыки будут ключевыми в ближайшем будущем.

👉 Что происходит сейчас:
Большинство PM тратят 80% времени на рутину: выравнивание внутренних интересов, встречи, отчеты. AI берет на себя эту нагрузку, освобождая время для более стратегических задач. Например, в Dropbox уже используют AI-агента Dash, который помогает находить документы, анализировать данные и даже предугадывать вопросы руководства.

👉 3 главных навыка для PM в эпоху AI:
1. Способность работать в условиях неопределенности — AI прогрессирует с высокой скоростью каждый день, и PM должен быстро адаптироваться.
2. Агентность и скорость исполнения — важно не только генерировать идеи, но и брать полноценную ответственность за их деливери до клиента, без ожидания указаний сверху. Морган подчеркивает: "Движение ради движения не равно прогрессу". Прогресс — это скорость обучения.
3. Продуктовое чутье — без четкого видения того, что должно существовать, вы рискуете стать просто проектным менеджером. AI может помочь с исполнением, но он не заменит вашу способность видеть цели.

👉 Что делать уже сейчас:
1. Автоматизируйте рутину. Используйте AI для подготовки к встречам, анализа данных и создания отчетов. Например, Morgan использует ChatGPT для предварительного чтения документов и моделирования критики и вопросов от руководства.
2. Ускорьте темп обучения. Чем быстрее вы тестируете гипотезы, тем быстрее получаете обратную связь. Используйте AI для анализа данных в реальном времени, как это делает Dropbox с Dash.
3. Сфокусируйтесь на клиентах, скидывая рутину на ИИ. Освобожденное время тратьте на глубокое понимание их потребностей. Например, Dropbox активно использует AI для анализа обратной связи от пользователей и улучшения продукта.

Как итог, сейчас идет переосмысление роли PM. Вместо бесконечной рутины, продукт-менеджеры смогут заниматься тем, что действительно важно — созданием ценности для пользователей, за счет активного перекладывания рутины на ИИ. Важно это осознать и начать активно действовать в этом ключе.

🧪 Вся мудрость "голливудских" продактов в бесплатном MBA курсе

Вышла энциклопедия для продактов – Aakash Gupta собрал 90 эпизодов своего подкаста в два мега-гида:

1. Полный "MBA" для PM (от основ до продвинутых стратегий)
2. Библия AI-продакта (от основ до построения компаний на ИИ)

Любопытный момент: несмотря на громкие имена гостей, здесь нет "токсичного гурувизма" – только конкретные кейсы из Airbnb, Google и $10M+ стартапов.

Пользуйтесь!

🗺 Гайд по формированию дорожной карты продукта

Подготовил для вас перевод полезного гайда по формированию эффективной дорожной карты продукта.

Приятного и полезного чтения!

✋ Как гарантированно утопить стратегию продукта: вредные советы для продактов

Стратегия продукта не продаёт себя сама… но вы ведь не из слабаков, чтобы просить поддержки, правда? Вот как точно не пройти сквозь скепсис стейкхолдеров:

1️⃣ Делайте упор на “что”, забудьте “как”
Зачем показывать дорожную карту, если можно просто нарисовать вдохновляющий график роста? Пусть сами додумают, как вы это реализуете.

2️⃣ Игнорируйте внутреннюю политику
Все стейкхолдеры точно захотят одного и того же. Ни в коем случае не тратьте время на личные встречи — удивление на общем созвоне будет веселее!

3️⃣ Предлагайте только один сценарий — ваш
Альтернативы? Вы что, сомневаетесь в себе? Дайте им одну единственно правильную версию — пусть гадают, как бы выглядел другой сценарий.

4️⃣ Начинайте сразу с глобальных реформ
Пилоты — для слабаков. Настоящие стратеги запускают изменения разом и навсегда. Никаких “экспериментов” — сразу “новая реальность”.

5️⃣ Никогда не спрашивайте “что нужно изменить?” по итогам презентации
Вы же не собрание предложений! Это ваша стратегия, и если кто-то не поддерживает — значит, просто не дорос.

🛟 Ну а если серьёзно — лучше сделайте всё наоборот.

📈 Product-Led Growth: Когда ваш продукт становится лучшим продавцом

Знаете главное отличие многих быстро растущих продуктов от стагнирующих? Первые продают себя сами.

Product-led growth (PLG, рост, основанный на продукте) — это бизнес-стратегия, при которой сам продукт становится главным инструментом для привлечения, активации, вовлечения и удержания клиентов, а также для масштабирования бизнеса.

Читайте далее в новой статье на ScrumTrek — гид по PLG, когда продукт становится драйвером роста: Product-Led Growth: полное руководство

🤖 AI в автопром продуктах: когда данные не равны ценности

Все наверное слышали о том, что автопроизводители утопают в данных от телематики - современный автомобиль генерирует до 25 ГБ данных в час. Но парадокс в том, что 80% этих данных никогда не используются для реальных продуктовых решений. В чем же состоит проблема для продактов в том, чтобы превратить эти данные в инсайты:

1. Проблема "сырых" данных
Основные ловушки:
- Отсутствие единой схемы данных между производителями
- Задержки в обработке из-за edge computing ограничений
- Конфликт между реальным использованием и "идеальными" тестовыми данными

2. Этика
Tesla и BMW уже столкнулись с волной исков из-за непрозрачного использования данных. Тренд на 2025:
- Обязательное информирование пользователей о типах собираемых данных
- Clear Data Agreements, как часть клиентского опыта
- Опт-ин модели вместо скрытого сбора

Есть ли реальные кейсы использования?
Конечно, есть:
- Прогностическое обслуживание (Predictive maintenance) - Volvo сократила простои на 30%
- Динамическое ценообразование страховок (Progressive)
- Персонализация интерфейсов (Mercedes MBUX)

🌡 CODER Framework: Как внедрить AI в компании и в продукте

Подготовил для вас большую статью об организационных аспектах внедрения AI компаниях по фреймворку CODER от Reforge. В чем проблема - сейчас компании массово инвестируют в ИИ, но реальный трансформационный эффект получают единицы. Почему? Большинство застревает на уровне точечных улучшений, не меняя саму логику работы и операционную модель.

Фреймворк CODER от Reforge дает 5 ключевых рычагов для перехода от хаотичных экспериментов к осмысленной трансформации:

1️⃣ Ограничения - создают "форсированную" среду для внедрения
2️⃣ Ответственность - четкое распределение ролей в изменениях
3️⃣ Директивы - конкретные действия вместо абстрактных лозунгов
4️⃣ Ожидания - измеримые критерии для каждой команды
5️⃣ Вознаграждения - прямая связь AI-навыков с карьерой

В статье разбор кейсов от Duolingo, HubSpot и Notion:
CODER Framework: Как вывести компанию в лигу AI-лидеров

А про то, что такое AI Operating Model (AIOM) можно прочитать тут.

P.S. Как в вашей компании внедряют ИИ - системно или точечно? Делитесь в комментариях!

📈 Soft skills для продакта

Наткнулся на новое масштабное исследование Harvard Business Review, которое подтверждает один из выводов моего исследования по вакансиям продактов в США. Сейчас важным отличительным фактором для менеджеров становятся soft-skills.

Google пришла к такому же выводу в своём исследовании Project Oxygen: проанализировав тысячи оценок эффективности, компания обнаружила, что её лучшие менеджеры преуспевают в коучинге, коммуникации и сотрудничестве между командами, и теперь использует эти навыки в качестве основных критериев продвижения.

С 2007 года процент вакансий менеджмента, в которых делается акцент на soft-skills (collaboration, coaching, ...) вырос в три раза.

Так что делайте выводы...

🤖 Уже 17 сентября стартует мой курс Сертифицированный Product Manager 2.0 в AI-мире. За 3 дня пройдемся по всему циклу на практике от AI-исследований до AI-прототипирования продукта. Специально для подписчиков канала скидка, пишите мне в личку @avoronin https://scrumtrek.ru/product/270/menedzher-produkta-2-0-ai-dlya-biznesa/#event-2051

🤖 Как изменится поведение пользователей в ближайшем будущем

Наткнулся на интересное интервью с Jake Brill Head of Product (Integrity) из OpenAI, где он рассказывая о внутренней кухне OpenAI, делится важным инсайтом про фундаментальные изменения, которые грядут в ближайшем будущем во многих продуктах. И эти изменения связаны с AI агентами.

Как сейчас устроено взаимодействие пользователя с продуктом - оно, как правило, синхронно и многоэтапно "спросил-получил ответ-опять спросил-опять получил ответ-...". Например, у человека есть большая задача "сделать презентацию", и он последовательно ее создает, например, в PowerPoint. Теперь же, где мы имеем дело с AI-агентами внутри продукта вместо "спросил-получил ответ" будет "поставил большую задачу-агент ушел ее выполнять-асинхронно вернулся с конечным результатом". И тут подвох в том, что пользователи уже начинают потихоньку привыкать к такому опыту в продуктах, ну и соответственно ожидать такого опыта от других продуктов.

Я начинаю замечать такое поведение даже за собой. Например, после того как попробовал AI сервис, который тебе сходу генерирует презентацию по промпту и данным, идти обращаться к PowerPoint нет никакого желания и нужно себя прям заставлять.

Это стало возможным благодаря очередному скачку - теперь ИИ может выполнять многошаговые задачи — от поиска кандидатов до анализа рынка и генерации прототипов. Например. за счет появлению стандартов (MCP, Agent Protocol).

Ну а чем дальше, тем видимо больше пользователи будут ожидать такого поведения от продуктов, будь это банковские приложения или текстовый редактор.

❓ Почему продакты саботируют важную работу (и как это исправить)

Каждый второй продуктовый лидер сталкивается с парадоксом: команда вроде понимает важность аналитики, документирования и исследований, но... вечно откладывает "на потом".

Разберёмся в корне проблемы:

1️⃣ "Важное ≠ срочное" — плохая отмазка
Классическая матрица Эйзенхауэра не работает, когда все квадранты заполнены срочными задачами. Настоящая причина — отсутствие прямой связи между "стратегическими" активностями и ежедневными решениями.

2️⃣ Процессы не заменят осознанности
Добавление пункта "конкурентный анализ" в шаблон PRD — это косметика. Продакты будут заполнять его механически, если не увидят, как это влияет на их KPI.

3️⃣ Ритуалы ≠ результату
Ежеквартальные стратегические сессии часто превращаются в формальность. Потому что между сессиями никто не возвращается к выработанным решениям.

Как исправить:

1️⃣ Привязывайте к конкретным решениям
Пример: "Без анализа поведения конкурентов в этом сегменте мы не сможем обосновать ценность функционала для комитета по продукту в следующем квартале"

2️⃣ Создавайте информационный голод
Задавайте вопросы, на которые нельзя ответить без предварительной аналитики: "Какой процент наших пользователей сталкивается с этой проблемой?"

3️⃣ Делайте последствия видимыми
Фиксируйте случаи, когда недостаток данных привёл к ошибочным решениям. Это лучше любых теоретических аргументов.

4️⃣ Автоматизируйте сбор данных
Встройте аналитику конкурентов в процесс принятия решений — например, через регулярные дайджесты или алерты о значимых изменениях.

Продакты не избегают важной работы — они избегают работы, чьей ценности не понимают. Ваша задача как лидера — сделать эту ценность очевидной на уровне ежедневных решений.