Подкаст make sense (Есть смысл)

«Архив можно купить, лицензировать, украсть или приблизительно воспроизвести. А вот поток настоящего пользовательского поведения создаётся заново каждый день»

«Компании годами получают обратную связь и великолепно умеют её игнорировать»

«Сама по себе модель — это не преимущество. Завтра такая же модель может появиться у ваших конкурентов»

Ведущий:
Юра Агеев, основатель ProductSense

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:12 — Конкурентный рынок компьютерных томографов
06:47 — Как готовая сеть продаж и обслуживания стала преимуществом компании
08:26 — Дистрибуция решает: действительно ли технологии вторичны?
09:48 — Карлотта Перес о технологических революциях
12:16 — Проекция истории на сегодняшний рынок ИИ
14:55 — Почему ответ «Данные — наше преимущество» слишком грубый?
17:56 — Кейс ByteDance: усиливающийся цикл между продуктами
21:04 — Сервисная сеть как канал обратной связи с рынком
25:06 — Распространение технологий за пределами их создателей
27:21 — Опасность путать редкую способность с системой преимуществ
28:27 — Главный вопрос: успевает ли компания создать новую уникальность быстрее её обесценивания
32:17 — Контакт с реальностью — не гарантия: компании умеют игнорировать сигналы
34:59 — Как должен звучать главный вопрос продуктовой компании сегодня

«К концу 2025 года 97% опрошенных менеджеров продуктов уже использовали ИИ в работе, но 77% не видели изменений в продуктовых метриках. Встроить ИИ в процессы с конкретными целевыми показателями успели только около 10% участников».

«Можно научить каждого станочника быстрее управлять новым двигателем, но это не изменит расположение фабрики».

«Настоящий перелом произошёл по мере распространения небольших электродвигателей, которые можно было устанавливать непосредственно на отдельные станки — этот принцип назывался unit drive, индивидуальный привод. Вместо одного большого двигателя стало много маленьких, но последствия оказались организационными».

Ведущий:
Юра Агеев, основатель ProductSense

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:18 — Выводы про ИИ из исследования ProductSense 2025
05:27 — Производительность сотрудника — не то же самое, что производительность системы
08:24 — Аналогия с электрификацией фабрик: один вал на всю фабрику
09:38 — Первый этап электрификации — новый двигатель просто вращал старые валы
10:27 — Эффект электрификации проявился только спустя десятилетия
13:31 — Компании сейчас делают с ИИ то же самое, что фабрики делали с электромотором
15:58 — 77% сложностей успешных внедрений ИИ — не в модели, а в процессах
18:34 — Два способа контроля ИИ: подтверждение каждого результата и обработка исключений
22:12 — Единица улучшения: задача сотрудника и рабочий поток компании
24:34 — Ускорение кода не сокращает цикл, если ревью и тестирование не успевают
28:22 — «Супергерой» с личной ИИ-системой — актив человека, а не организации
30:00 — Стандартизировать нужно не каждый шаг мышления, а точки перехода в общую систему
31:04 — Итог: Вопрос не в скорости двигателя, а в архитектуре фабрики

Словарик:
- Unit drive — индивидуальный электропривод на каждый станок вместо одного общего вала на всю фабрику

«Сказать руководителям „относитесь к советам критически" примерно так же полезно, как сказать людям „не поддавайтесь когнитивным искажениям"».

«Самый опасный не тот аналитик, который ничего не понимает, — его ошибки обычно заметны. Гораздо опаснее система, которая достаточно хорошо понимает задачу, данные и самого пользователя, чтобы построить интеллектуально сильный путь именно к тому выводу, который человек хотел получить».

Ведущие:
Юра Агеев, основатель ProductSense

О чем говорим:
00:00 — Введение
01:12 — Знакомьтесь, модель-подхалим
02:42 — Почему проверка не поймала проблему: ставка на краткосрочные пользовательские сигналы
03:21 — Продуктовый парадокс: пользователю нравится, когда его понимают и не спорят с ним
04:01 — Приятный ответ и полезный ответ — не одно и то же, когда ИИ работает как аналитик
04:56 — Эксперимент 2026: слияния больниц, 14 моделей, 2160 анализов
07:33 — «Аналитическое подхалимство, обусловленное целью»: сильные модели видят больше методологических развилок — и потому уязвимее
09:30 — Кейс B2B: как формулировка руководителя незаметно определяет вывод модели
11:04 — ЛЛМ удешевляют не только решение, но и его «интеллектуальную защиту»
13:56 — Какие формулировки провоцируют согласие модели: утверждение против открытого вопроса
16:09 — Контраргумент: ИИ прогнозирует успех Kickstarter-проектов лучше людей
17:45 — Два режима одной технологии: независимый анализ vs часть мотивированного рассуждения
18:01 — Strategy Science: ИИ не повысил точность стратегического прогноза, но добавил перегрузку
19:56 — Три работы ИИ в решении: исследовать, защищать, разрушать — и их опасное смешение в одном чате
22:05 — Как разделить роли: независимый анализ в отдельном контексте, без предпочтений руководителя
24:31 — Сильное основание допускает собственное опровержение
25:01 — Исследование Science: соглашательство при конфликтах вредит отношениям, но нравится больше
27:07 — Защита должна быть встроена в процесс, а не в совет «будь критичнее»
29:46 — Голосование нескольких моделей не гарантирует независимости
32:20 — Главный риск: ИИ делает уже принятое решение похожим на независимый анализ

«У процесса всегда было два результата. Первый — сама выполненная работа. Второй — человек, который стал чуть лучше способен выполнять эту работу самостоятельно»

«Одни и те же модели будут доступны огромному количеству компаний и специалистов. Дефицитом станет среда, в которой люди продолжают приобретать опыт, необходимый для управления этими моделями»

Ведущие:
Юра Агеев, основатель ProductSense

О чем говорим:
00:00 — Введение
01:10 — Итог прошлого выпуска: ИИ снижает цену действия, но не цену решения
01:40 — Новое следствие: опытный специалист вытесняет начинающего из работы
02:10 — Кейс Мэтта Бина: как роботизированная хирургия изменила обучение хирургов
05:04 — Важный вывод: дело не в качестве операций, а в распределении работы
05:55 — «Теневое обучение»: как резиденты сами добывали практику в обход системы
07:49 — Два результата любой работы: сам результат и обученный человек
08:54 — Пример продакт-менеджера: какие задачи раньше доставались джуниорам
10:24 — Что теряется, когда модель делает эту работу за человека
11:28 — Исследование 2024 года: младшие консультанты и генеративный ИИ
13:28 — Почему нужно различать выполнение задачи и формирование навыка
14:03 — Эксперимент: программисты изучают новую библиотеку с ИИ и без
15:03 — Разница между помощью, убирающей сложность, и помощью, которая учит с ней работать
18:39 — Замкнутый круг: меньше практики — медленнее растёт способность оценивать ИИ
19:10 — Модель экономиста Энрике Иде о передаче неявного знания между поколениями
19:51 — Дилемма руководителя: джуниор или опытный сотрудник для задачи с ИИ
20:35 — Почему правка кода джуниора и модели — не одно и то же
21:49 — Контрпример: как PackBot изменил обучение сапёров
23:49 — Главный вопрос: кому достаётся управление при внедрении ИИ
26:03 — Почему запрет на ИИ для новичков — плохое решение
29:14 — Три вещи, которые должна сохранять система обучения с ИИ
32:11 — Суждение — результат переработанного опыта, а не врождённая способность

«Прототип может ускориться в 10 раз, а весь путь продукта — только на 10%. Эта цифра не обесценивает ускорение, а помогает понять, где именно оно произошло.»

«LLM способны ускорить не только хороший, но и плохой продуктовый процесс: плохая команда быстрее превратит своё предположение в красивый прототип и убедит себя, что проблема доказана.»

Ведущие:
Юра Агеев, основатель ProductSense

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чём говорим:
00:00 — Введение
00:26 — О чём выпуск: соло про удешевление первой версии
01:26 — Раньше первая версия была дорогой: цепочка передач контекста
03:26 — Бум LLM в менеджменте продукта и вопрос «где кейсы?»
04:27 — Кейс Selectel: кликабельный прототип за 20–25 минут
05:01 — Три концепции редизайна за час; стоимость производства влияет на выбор
06:56 — Кейс EXANTE: требования и HTML-прототип до подключения дизайнера
07:53 — Продакт сам доходит до кода и открывает Merge Request
08:46 — Сокращение цикла фичи с 1,5–2 месяцев до 3–4 недель — и осторожность к цифре
09:59 — Самая важная цифра появляется не там, где ускорение максимально
10:11 — Кейс Content AI: прототип в 5–10 раз быстрее, конвейер — на 10%
11:19 — «Производительность» — что скрывается за словом
12:26 — Нагрузка перемещается дальше по процессу
12:53 — Пример: 3 прототипа превращаются в 30, а пропускная способность прежняя
13:26 — Парадокс: каждый быстрее, а полный цикл не сокращается
15:11 — Главный сдвиг: дефицит переезжает из производства в выбор
16:01 — Побочный эффект: убедительный прототип принимают за доказательство
17:30 — LLM ускоряет и хороший, и плохой продуктовый процесс
18:00 — Чем дешевле генерация, тем важнее профессиональное суждение
18:30 — Кейс Just.ai: мониторинг упоминаний, где эффект легко посчитать
19:51 — Ближе к Discovery и стратегии измерять эффект всё сложнее
20:52 — Как меняется ценность продактов, дизайнеров, разработчиков, тестировщиков
22:48 — Организационный риск: больше работы у тех, кто отвечает за качество
24:42 — Три объяснения разрыва между «в 10 раз» и «на 10%»
26:34 — Лучший результат — вовремя не выпустить фичу
27:37 — Кейсы дают механизм, но не распространённость
30:16 — Ежегодное исследование и его прошлогодний вывод
30:45 — Тема и три трека ProductSense 2026

Кейсы по теме:
Selectel — «Как создавать интерактивные прототипы интерфейсов с помощью ИИ»
https://clck.ru/3UoZAD
EXANTE — «Как продакт-оунер использует ИИ на всём пути от идеи до релиза»
https://clck.ru/3UoZAE
Content AI — «Как ИИ меняет разработку: прототипы быстрее в 5–10 раз, весь конвейер — примерно на 10%»
https://clck.ru/3UoZAF
Just AI — «Как мы автоматизировали мониторинг упоминаний продукта с помощью ИИ-агента»
https://clck.ru/3UoZAH