«Добавить ещё одного исполнителя очень легко — открыть ещё одну сессию, запустить ещё одного агента. Технически это почти ничего не стоит. А вот добавить человеку ещё одно внимание, ещё одну память и ещё одну голову мы пока не умеем.»

«Человек может за день инициировать в несколько раз больше работы, чем раньше, но его способность осмыслить эту работу не выросла в несколько раз.»

Ведущий:

Юра Агеев, основатель ProductSense

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

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

О чем говорим:

00:00 — Введение

01:48 — С агентами человек ставит задачу и уходит, а не работает рядом

04:20 — Новички проверяют каждый шаг, опытные дают свободу

05:56 — Добавить агента легко, добавить человеку внимание и память — нет

08:19 — Важен поток решений на проверку, а не число агентов

10:02 — Хорошее делегирование — про границы, контроль и критерии приёмки

12:11 — Экспертиза пользователя определяет длину сессии и долю подтверждённого успеха

13:33 — Асимметрия: можно инициировать в разы больше работы, но не осмыслить её больше

14:35 — Желание управлять не гарантирует умения

17:03 — Зачем вообще появилась управленческая иерархия? 

22:08 — Формальная и реальная власть

23:18 — Автономия работает только вместе с обратной связью

25:09 — Решения за других людей психологически дороже, чем решения за себя

27:03 — Чем сильнее агент, тем слабее личное чувство ответственности человека

29:22 — У агента нет человеческой стороны управления

31:09 — Профессиональный менеджер смещается к проектированию системы решений

35:23 — Управление агентами мы тоже постепенно передаём агентам

«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

«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

«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

«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

«Одна и та же модель в плохой обвязке будет выглядеть как болтливый стажёр: много текста, много уверенности и мало ответственности за результат.»

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

01:20 — Слово «агент» размылось: каждый понимает своё

02:30 — Три разные вещи: модель, инструмент и рабочая система

04:16 — Субъектность: почему модель кажется агентом, хотя ещё не он

05:04 — Цикл работы: что на самом деле делает агента агентом

06:38 — Главная граница: кто решает, что делать дальше

07:40 — Автономный агент — это рамка работы, а не команда на каждый шаг

08:48 — Разработка: это уже агент или всё ещё дополнительные руки?

09:36 — Два вопроса: автономность внутри задачи и над задачами

10:43 — Почему в коде выходит агент, а в маркетинге — руки: роль тестов

12:00 — Harness/обвязка: то, что превращает токены в работу

14:09 — Рабочее место агента: аналогия рабочего стола

16:34 — Почему у разработки почти идеальная среда для агентов

19:50 — Одна модель в плохой и в хорошей обвязке

20:20 — Что значит «запустить агента»

22:26 — Семь блоков обвязки: участок ответственности и источники

25:02 — Границы полномочий, хуки, память и проверка качества

26:38 — Журнал решений: зачем видеть, что агент решил и почему

27:37 — Пять уровней автономности

29:24 — Проблема не в модели, а в наших нечётких правилах

29:49 — Проектировать работу агента — это хороший менеджмент

32:40 — Главный вывод: следующая компетенция — проектировать обвязку

«Плохой результат легко отбросить, а вот средний нас затягивает. И как раз в этом и заключается опасность.»

«Агент часто просто возвращает нам нашу же воду, наше непонимание, но аккуратно отформатированное. И это неприятно, потому что ответственность становится видимой.»

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 чём говорим:

00:00 — Введение

00:33 — Почему «собрать лендинг» ещё не значит поставить задачу

01:18 — История: пришёл к агенту с полным контекстом

02:29 — «Маленькое чудо»: лендинг за минуты вместо недель

02:56 — Страница выглядит убедительно, но собрана из чужих страниц

03:56 — Средний результат злит сильнее плохого

04:50 — Рефлекс «дай больше контекста» не сработал

05:40 — Инсайт за кофе: чиню не то, задачи ещё нет

06:21 — Какую работу страница должна сделать для человека

07:45 — Название артефакта — ещё не задача

08:53 — Агенты как честное зеркало: проблема видна быстрее

09:41 — Сильный редактор и продакт дособирают задачу за постановщиком

10:54 — Почему агент не переспрашивает, а достраивает среднее

11:28 — Исследование «What prompts don't say»: угадывает ~40%

13:45 — Пересборка задачи: в какой ситуации человек

14:57 — Дизайн-система: выдать ≠ объяснить, как ей пользоваться

16:37 — Разметка фотографий отдельным агентом

17:44 — Паттерны лендингов, структура наконец проявляется

18:56 — Промпт сократился до одной строки

19:52 — Главный вывод: момент, когда отдаём задачу в исполнение

21:36 — Эксперт vs новичок: паттерн до исполнения

22:21 — Мульти-агенты и декомпозиция на независимые куски

23:35 — Intelligence vs judgment: задачи суждения не режутся

24:06 — Дрейф цели на длинной дистанции

25:12 — Формула: «помоги оформить задачу», а не «сделай»

25:32 — Агент как неприятный собеседник, ищущий дыры

26:26 — Скорость агента работает против сырой задачи

28:42 — Итог: собирать задачу, а не прятать её

«Доверие — это механизм снижения социальной сложности. Без доверия невозможно жить, потому что альтернатива — это проверка всего, а на это физически не хватит времени.»

«В следующий раз, когда модель даст вам убедительный, правдоподобный ответ, остановитесь и спросите себя: это точно проверенный ответ или очередное случайное число 17?»

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

03:00 — Почему все модели отвечают «17»?  

05:00 — Что такое компетентность?

10:47 — Зоны развития в работе с моделью

15:30 — Зоны компетенций на примерах из жизни

18:00 — Доверие как механизм снижения сложности

19:18 — Три сигнала доверия: способность, доброжелательность, целостность

22:32 — Мир ненадёжных сигналов

27:04 — Метакогнитивная лень и когнитивный долг

29:38 — Искажения моделей: подхалимство и якорение

32:20 — Метод работы за границей компетентности

36:43 — Киборг и кентавр: две модели взаимодействия

38:48 — «Мы и так живём через делегирование»

«Вкус — это способность чувствовать последствия решения до того, как они действительно развернулись.»

«Можно много чего делегировать, но менеджер продукта за это всё отвечает.»

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

01:24 — Четыре блока работы менеджеров продукта до LLM

06:40 — Роль артефактов в работе с командой и почему они стали способом оценки

08:33 — Что такое продуктовое мышление

11:46 — Признаки продуктового мышления у человека

13:17 — Что меняют большие языковые модели

18:14 — Артефакты обесценились как признаки работы

20:37 — Где LLM помогают, а где всё ещё зона ответственности человека

22:27 — Как теперь оценивать промежуточную работу продуктового менеджера

26:36 — Качество использования LLM как отдельный навык

27:17 — Что в 2026 году меняется и не меняется в работе продуктовых менеджеров

30:00 — Вкус как защитный ров и его связь с продуктовым мышлением

34:57 — Ставка на ответственность и качество решений

Словарик:

— LLM — (Large Language Model) большая языковая модель