🤖 Промпты для продактов от OpenAI

OpenAI продолжает пополнять базу универсальных промптов для роли продакта. Сейчас она насчитывает порядка 30 промптов на разные тематики от построения стратегии и дорожных карт до UX и анализа данных экспериментов. Промпты, конечно, простецкие, но тем не менее могут вас вдохновить. Ну и надо помнить, чтобы получить хороший результат важен не только промпт, важно еще и много контекста.

Call for papers AI ProductConf 2026: конференция, где продакты говорят не «о», а «как»

Генеративный AI постепенно меняет всё:
🔴 как работают продукты, которые мы создаем,
🔴 как устроена ежедневная работа продакта,
🔴 как устроены продуктовые команды.

📢 Мы открываем Call for Papers для тех, кто уже работает в новой реальности: не просто пробует генеративный AI, а применяет его в работе каждый день.

Супер практичная программа:
70% программы — это практические воркшопы о применении AI в работе продакта и продукте.
Оставшиеся 30% — небольшой, но отборный комплект выступлений о реалиях и перспективах использования AI в продуктах.

Если ты:
— автоматизируешь с помощью AI discovery, аналитику и другие продуктовые процессы,
— создаешь продукты при помощи AI,
— усиливаешь ценность продукта, используя AI.

📍 Смело подавай заявку на выступление: https://productconf.ru

Три трека программы:

1️⃣ AI-powered продакт и команда
Как AI усиливает продакта и его команду. AI автоматизация продуктовых процессов.

2️⃣ AI в продукте: от хайпа к ценности
Как генеративный AI усиливает ценность продукта.

3️⃣ Навыки будущего для продакта
Как не стать “лишним” в эпоху AI. Какие скиллы будут определяющими для product people в 2026–27.

🎯 Эра стратегического continuous discovery: как AI ломает правила продуктового успеха

10 лет концепция Four Fits Брайана Бэлфора была золотым стандартом. Но эра ИИ превращает ее в антиквариат. Разбираем, что изменилось и как адаптироваться:

⚡️ Product-Market Fit теперь мимолетен
Klarna теряет $600 млн за квартал, Chegg — 90% капитализации за 9 месяцев. Раньше смена PMF занимала годы — теперь происходит за месяцы.

Что делать? Мониторьте не просто метрики, а скорость их изменения. Если ключевой показатель падает 2 месяца подряд — это сигнал к немедленному пивоту.

🎁 Product-Channel Fit: смерть SEO-империй
SEO-трафик падает, LLMки становятся новым поиском. Pinterest и Tripadvisor, построенные на органике, могут оказаться под угрозой.

Где искать спасение?
- Тестируйте интеграции ИИ-ассистентами (типа ChatGPT plugins)
- Инвестиции в "dark social" — приватные рекомендации между экспертами

📉 Channel-Model Fit: когда монетизация ломает экономику
Типичные ошибки:
- Freemium с дорогими ИИ-фичами (себестоимость free-юзера $5+ в месяц)
- Подписка с неограниченным использованием (взрывной рост затрат)

Решение:
- Токенизация всех действий пользователя
- Новая математика: 1 токен = 1 цент прибыли. Если не сходится — меняйте ценовую модель сегодня же.

P.S. Главный вывод - в эпоху ИИ стратегическое планирование ломается. Чтобы выжить надо научится пересобирать все стратегические fit'ы ежеквартально.

😨 ИИ паника в ЕС vs ИИ свобода в России

Наткнулся на панику в продуктовых каналах, что в ЕС с середины 2026 года вступает в силу достаточно жесткое законодательство по регулированию продуктов и сервисов, использующих ИИ, с очень серьезными штрафами - до 7% годового оборота. С 2026 года даже небольшой HR-стартап с системой автоматического отбора резюме попадет под те же требования, что и разработчики автопилота для Tesla.

Закон затрагивает достаточно широкий спектр систем:
- Системы, влияющие на доступ к образованию, работе, кредитам (даже если это просто софт для сортировки анкет)
- Чат-боты, принимающие решения (например, approve заявок)
- Прогнозные алгоритмы в ритейле и логистике

Что требуют:
- Полная документация данных и моделей (откуда данные, как обрабатывались)
- Обязательные тесты на дискриминацию (например, проверка bias в подборе)
- Человеческий надзор для критических решений

Решил копнуть глубже, а что у нас с этим. А вот у нас как оказалось полная свобода действий в плане ИИ) Есть рекомендации и национальная стратегия, но никто не закручивает гайки. Круто!

Интересно какой подход сработает лучше...

❓ Как находить скрытые точки роста

Рост продукта — это не лотерея, а система. Альберт Ченг (Duolingo, Grammarly, Chess.com) раскрывает подход, который приносит серьезные результаты:

👉 Эксперименты вместо предположений
Его команды проводят 1000 тестов в год. Ключ — в скорости: быстрые, дешевые эксперименты позволяют быстро отсеивать слабые гипотезы. Например, в Grammarly тестировали разные способы показа premium-фич — оптимальный вариант удвоил конверсию.

👉 Психология "потери" работает лучше мотивации
Когда бесплатные пользователи видят, что теряют (например, продвинутые проверки в Grammarly), они охотнее переходят на платную версию. Это сильнее, чем просто реклама преимуществ.

👉 "Обратные триалы" — новый стандарт
В Chess.com вместо 7-дневного пробного периода дают полный доступ на 10 игр. Результат: на 30% больше конверсий. Люди ненавидят временные ограничения, но охотно принимают количественные.

👉 80% роста — в "воскресших" пользователях
Триггерные письма, персонализированные предложения, исправление боли — вернуть старых пользователей в 5 раз дешевле, чем привлечь новых. В зрелых продуктах это основной драйвер роста.

👉 Настоящая геймификация — это не бейджи
Работает только система:
1. Основной цикл (ежедневные уроки в Duolingo)
2. Метаигра (месячные челленджи)
3. Профиль (статистика, которой можно похвастаться)

Главное — начать действовать, а не ждать "идеальной" стратегии. Маленькие, но постоянные улучшения дают кумулятивный эффект.

Гайд по AI-инструментам для продакта

Сейчас финализирую подготовку и в ближайшее время выпущу гайд для продактов, в котором расскажу о тех AI инструментах, которые я сам лично использую на регулярной основе и которые действительно приносят ценность. А сейчас сделаю небольшое превью материала из этого гайда - AI-инструменты для пользовательских интервью.

Раздел 2. Пользовательские интервью и инсайты

Живые разговоры с пользователями остаются ключевым источником понимания — никакая аналитика не заменит услышанный «голос клиента». Но ручная обработка интервью отнимает массу времени: транскрибация, структурирование, извлечение инсайтов. С AI эти шаги становятся быстрыми и точными: вы за минуты вытаскиваете из транскриптов интервью работы, инсайты, CJM пользователя, проблемы, скрытые мотивации, подкрепленные цитатами из интервью.

Инструменты, которые стоит использовать:

1️⃣ Krisp.ai — транскрибирует встречи незаметно для клиента, превращая разговор в чистый текст без усилий с вашей стороны.


2️⃣ Fireflies.ai — делает очень качественную транскрибацию на русском языке, но работает только с зарубежными сервисами: Zoom, Google Meet и другими сервисами.


3️⃣ Perplexity Spaces / ChatGPT Projects — помогают систематизировать собранные данные: вытаскивать выводы и инсайты из интервью, подкреплять их цитатами, группировать инсайты, строить структуру пользовательских задач и барьеров. Очень полезно при этом добавить в Project или Space экспертный материал по процессу анализа интервью.

P.S. А если хочешь "прожить" этот и другой AI-инструментарий в реальности, то ждем тебя на курсе Сертифицированный Product Manager 2.0: Менеджер Продукта в эпоху ИИ

🤖 Скайнет vs Менеджер Продукта

Мы подготовили небольшой прикольный тест для Менеджеров Продукта, который покажет насколько вероятно, что тебя, как менеджера продукта, заменит Скайн.. Ой нет, ИИ)

Тест с большой долей юмора, но основан на данных AI Labor Index. Конторы, которая анализирует на сколько вероятна угроза той или иной профессии со стороны Искусственного Интеллекта.

Так что не жди, переходи по ссылке и узнай свою судьбу 😉

📊 Что, если Product-Market Fit — это лишь 25% успеха вашего продукта?

Мы привыкли считать PMF главной целью, но в реальности это только один из четырех ключевых элементов для роста. Чтобы мыслить как Head of Product и строить карьеру, нужно видеть всю систему, в чем и помогает фреймворк The Four Fits. Особенно сейчас, когда AI меняет правила игры все быстрее.

📝 Я подготовил для вас перевод статьи с Reforge, которая объясняет, как AI влияет на каждый из четырех «фитов» и почему понимание этой системы — ваш ключ к росту как продакта.

Product-Market Fit (Продукт ↔️ Рынок)
Рынок может измениться почти мгновенно. Далеко ходить не нужно - Chegg: сервис помощи студентам потерял 90% стоимости, когда ChatGPT стал делать то же самое бесплатно. Даже если вы отвечаете за часть продукта, общий PMF может исчезнуть за ночь.

Product-Channel Fit (Продукт ↔️ Канал)
Вы можете сделать гениальную фичу, но ее никто не увидит, если основной канал привлечения «сломается». Компании годами строили рост на SEO, но теперь появляются новые мощные каналы — ChatGPT, Deepseek и т.п., под которые нужно адаптироваться.

Channel-Model Fit (Канал ↔️ Модель)
Ваша модель может не выдержать затрат на AI-фичи. Расходы на LLM растут, и экономика ряда продуктов трещит по швам. Важно понимать, как ваша работа влияет на общую юнит-экономику.

Model-Market Fit (Модель ↔️ Рынок)
AI меняет то, как и за что готовы платить клиенты. Модель ценообразования, под которую вы проектируете фичи, может устареть, потому что AI автоматизирует задачи и сокращает команды у ваших клиентов.

❗️ Мышление в рамках Four Fits — это то, что отличает CPO от рядового продакта. Этот фреймворк помогает видеть всю систему, а не только свой кусочек бэклога, и принимать решения, которые ведут к росту — и вашему, и продукта.

🔗 Читайте полный перевод статьи, чтобы разобраться в каждом из «фитов» и начать применять системный подход в работе.

Сохраняйте, чтобы не потерять, и перешлите коллеге.

⚡️ Гайд «AI-инструменты в работе продакта 2025» — то что реально работает

Ты сталкиваешься с десятками задач — от ресёрча до PRD — и времени всё меньше. За последний год AI уже стал нормой, и те, кто встроил его в процесс, уже не мыслят свою работу без него. Я подготовил компактный гайд с конкретными AI-инструментами и точками их применения, которые я использую ежедневно — без воды, только то, что действительно экономит часы каждую неделю.

Что внутри
Короткий список, где именно AI ускорит твою работу: стратегия, интервью и инсайты, требования, презентации и коммуникации, база знаний, AI‑прототипирование и автоматизация процессов.

Как получить
Все просто, скачать гайд можно через вот этого бота

👍 Как защищать бэклог перед руководством?

А как эта фича поднимет нам выручку в этом квартале?

Знакомый вопрос от руководства, который может заставить ваш идеальный роадмап рассыпаться, как башня из Дженги? Это классический момент, когда видение продукта сталкивается с реальностью бизнеса, и ваша задача как продакта — построить между ними мост.

Чтобы вас не просто слушали, а слышали и давали деньги на ваши идеи, нужно научиться говорить на языке бизнеса. Собрал для вас работающий алгоритм. Сохраняйте, чтобы подготовиться к следующей встрече.

1️⃣ Шаг 1: Определите тип рассинхрона

Любой конфликт с руководством — это один из четырех рассинхронов. Определите, какой у вас, чтобы найти решение:

* Рассинхрон в целях: Вы качаете MAU, а CFO требует роста NRR (Net Revenue Retention).
* Рассинхрон в убеждениях: Вы верите в PLG (Product-Led Growth), а руководство — в прямые продажи.
* Рассинхрон в горизонтах: Вы строите платформу на 2 года вперед, а коммерческий директор требует выручку «еще вчера».
* Рассинхрон в приемлемости рисков: Вы хотите запустить экспериментальную AI-фичу, а юристы боятся рисков.

2️⃣ Шаг 2: Используйте правильные методы убеждения

Когда поняли, где «болит», используйте один из этих двух методов для убеждения:

1. Decision-Journal
Это короткая встреча перед стартом разработки, где вы вместе с командой и стейкхолдерами фиксируете в одном документе:
* Ключевая гипотеза: «Если сделаем автокатегоризацию трат в банковском приложении, то повысим вовлеченность пользователей и они будут заходить в раздел аналитики минимум 2 раза в месяц».
* Уровень доказательств: У нас есть данные с кастдева или это просто преположение?
* Критерии отказа (Kill Criteria): «Если в течение месяца после релиза менее 15% активных пользователей не зайдут в новый раздел, мы признаем гипотезу невалидной и остановим дальнейшую разработку этого функционала».
Этот простой документ убирает споры в будущем и показывает руководству, что вы управляете рисками, а не витаете в облаках.

2. Формула сторителлинга для бизнеса
Данные убеждают, но истории продают. Вместо «Мы реализуем фичу Х» используйте эту структуру:
* Контекст: «Конкуренты запустили freemium-тариф».
* Конфликт: «Наша воронка теряет пользователей на второй неделе триала».
* Решение: «Поэтому мы запускаем фичу Х, которая повысит конверсию в платный тариф».
* Доказательство: «На пилотной группе конверсия выросла на 14%».
Такая подача очень хорошо синхронизирует всех по целям.

Умение говорить с бизнесом на одном языке и доказывать ценность своих решений — это то, что отличает middle-продакта от senior-лидера.

Было полезно? Отправьте коллеге, которому скоро предстоит защищать свой роадмап!

💬 RACER — антидот от плохих промптов

Наткнулся тут на шаблон RACER для написания промптов для AI:
- Role (роль AI)
- Action (действие)
- Context (контекст)
- Examples (примеры)
- Rules (ограничения)

Классно систематизирует, что нужно для получения результата от LLM.

❗️ Но важно помнить, что хороший промпт - это только 10% успеха. 90% успеха - это хороший контекст. То есть более важно для отличного результата дать AI контекст для решения задачи. Но об этом в следующих сериях.

Что важно понимать, чтобы получать точные не выдуманные ответы от ИИ?

Это продолжение прошлого поста — более продвинутые вопросы, которые стоит задать себе, если ИИ "выдумывает факты и цифры".

5️⃣Какого типа и размера ИИ-модель? Большие LLM (сотни млрд параметров) реже фантазируют, а рассуждающие умеют корректировать свои фантазии (если логика не слишком сложна). Многие модели, включая Qwen, Gemini и GPT-5, сами решают, рассуждать им или нет. Но всегда полезно запромптить так: Перед ответом подумай и проверь найденные тобой факты через другие источники.

6️⃣Не перегружен ли ИИ контекстом? Лучшие модели имеют контекстное окно ~1 млн токенов, но это не значит, что его можно заполнять полностью (подробнее об этом). Даже у них риск галлюцинаций и прочих проблем будет ниже при контексте 5 тыс. токенов, чем при 50 тыс. (1 токен ~ 2-2.5 символов русского языка). И тут возникает следующий вопрос:

7️⃣Какой инструмент дает вам доступ к LLM? Чтобы наполнять контекст ИИ-модели значимой информацией, нужен RAG, память и саммаризация контекста длинных чатов, и эти механизмы могут быть реализованы плохо. Если инструмент (чат-бот) добавил в контекст не ту информацию из большого файла, веб-поиска или длинного чата — это риск галлюцинаций, а не только нерелевантных ответов. К сожалению, в Гигачате и корпоративных чат-ботах это случается чаще, чем в Perplexity, Qwen или ChatGPT.

8️⃣Зачем вы хотите цифры именно от ИИ? Большинство неустранимых галлюцинаций — про числа. Лучше попросить ИИ формулу для Excel или даже программный код под ваши данные, чем заставлять его выискивать и рассчитывать нужные числа. Нерассуждающие модели ошибаются в простейших расчетах, и не стоит "забивать гвозди этим микроскопом".

➿➿➿
Эти 8 пунктов — про личное использование ИИ вами и вашими сотрудниками. На уровне компании есть другие рецепты борьбы с галлюцинациями, начиная от улучшения RAG и проверки AI-текстов спец. людьми и заканчивая AI-powered актуализацией корп. данных.

➿➿➿
Насколько вы умеете управлять контекстом и качеством ответов ИИ?
👉 Перейдите по ссылке на наш бот, чтобы проверить себя и заодно копнуть чуть глубже в эту тему. На этот раз бот не для обсуждений с ИИ, но всё равно дает подробный фидбек!

@aidea4work #чатботы #LLM #обучение