make sense podcast
Über den Podcast
Вместе с гостями подкаста make sense мы говорим о том, что важно при создании продуктов: люди, идеи, деньги, инструменты и практики
Genres und Tags
«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
«Модель не становится агентом просто потому, что мы её так назвали. Она может хорошо рассуждать, писать сильные тексты, код, планы. Но пока вокруг неё нет рабочего контура — это всё ещё не агент.»
«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
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
То, что мы называем задачей, часто есть название артефакта, и это совсем не равно задаче. Лендинг — это форма результата, стратегия — жанр документа. Задача появляется только тогда, когда понятно, какую работу этот артефакт должен выполнить.»
«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
«Компетентность — это не просто объём знаний, это способность видеть ситуацию иначе: замечать несостыковки, видеть фальшь, узнавать паттерны, быстро понимать, где ответ нормальный, а где в нём что-то не так.»
«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»
«Продуктовое мышление — это способность превращать неопределённость в проверяемые продуктовые решения, удерживая одновременно пользователя, бизнес, систему и команду.»
«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
«То, что вчера требовало от эксперта знаний — сделать сайт, написать описание, разметить данные — сегодня модель делает почти что из коробки.»
«Модель на самом деле не ошибается — просто у неё нет понимания, как решать именно эти задачи.»
«Когда вы ловите себя на том, что повторяете модели одно и то же снова и снова, — это сигнал, что в контексте появилась дыра.»
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
02:50 — Устройство контекстного окна на примере аналогий
04:14 — Статистический разрыв при обучении модели
05:09 — Семантический разрыв при обучении модели
06:56 — Ошибки мышления модели, подхалимство и уход от ответственности
09:00 — Захламление контекста и сжатие
11:11 — Две картины мира: человек и модель
18:22 — Неоднородность интелекта моделей и рваные границы
21:40 — Почему дообучить модель самому — это тупик?
22:16 — Контекст-инжиниринг: то, на что мы реально влияем
24:52 — Правило 1: разбивать задачи на чаты и контролировать сжатие
26:16 — Правило 2: не сваливать 30 файлов сразу, ловушка якорения
27:50 — Правило 3: hand-off, выжимка задачи для следующей сессии
28:51 — Правило 4: разметка источников по важности и актуальности
31:04 — Правило 5: повтор инструкций — сигнал о дыре в контексте
32:31 — Луп-инжиниринг: что приходит на смену
Словарик:
Луп-инжиниринг — (Loop Engineering) практика проектирования систем, которые автономно управляют работой ИИ-агентов
«Безопасность за счёт скрытия алгоритма почти никогда не работает. Если ваш криптографический алгоритм — это black box, это не делает его безопаснее: как только данные о его работе утекут, он тут же перестанет быть безопасным.»
«Голосование в смарт-контракте честнее настоящих мировых голосований: чтобы проголосовать, нужно использовать токены протокола, поэтому каруселей и мёртвых душ тут нет как класса.»
«С точки зрения основного регулятора и госдепартамента США вся эта возня с биткоинами пока даже не стоит времени — между традфинансами и криптой несколько порядков разницы в объёме средств.»
Ведущий:
Юра Агеев, основатель ProductSense
Гость:
Григорий Чикишев, руководитель команды трейдинга в Quantum Brains
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
03:38 — Жизнь без посредника и при чём тут блокчейн
06:08 — Довериться алгоритму, а не людям
09:33 — Баланс между удобством пользователя и безопасностью
12:00 — Торговля с применением децентрализованных финансов
16:54 — Риски смарт-контрактов и повторная атака
18:52 — Открытый код против «безопасности через сокрытие»
20:32 — Поиск уязвимостей как часть игры. Отсутствие регулирования
22:37 — Управление протоколом через голосование сообщества
25:15 — Proof-of-Stake против Proof-of-Work
26:10 — Мгновенный заём и арбитраж
27:55 — Злоупотребление заёмом: атака на протокол Drift
32:24 — Крах стейблкоина UST и «мёртвая спираль»
35:09 — Высокочастотная торговля: туннель Нью-Йорк—Чикаго и Ротшильд под Ватерлоо
36:31 — Крах FTX и связь крипты с традиционными финансами
37:41 — Дойдут ли механики децентрализованных финансов до банков?
39:21 — Стейкинг и кредитование: откуда берётся доходность
44:15 — Почему ИИ до сих пор не справляется с торговлей
46:04 — Где ИИ полезен: анализ уязвимостей и данных в блокчейне
47:28 — Роль человека в финансах будущего. Ошибка выжившего
50:07 — Объяснимость моделей и прогноз на 5 лет
Словарик:
— Блокчейн — распределённый реестр, где данные о транзакциях хранятся в цепочке блоков и проверяются участниками сети
— Смарт-контракт — программа в блокчейне, которая автоматически выполняет условия сделки
— Proof-of-Stake — способ подтверждения транзакций, где вес участника зависит от количества его токенов
— Proof-of-Work — способ подтверждения транзакций через вычислительную работу, например майнинг
— Флэш-заём — мгновенный заём в блокчейне, который берётся и возвращается в рамках одной связанной операции
— Drift — децентрализованный финансовый протокол
— Стейблкоин — криптовалюта, привязанная к стоимости обычного актива, чаще всего доллара
— UST — стейблкоин проекта Terra, потерявший привязку к доллару в 2022 году
— FTX — крупная криптовалютная биржа, обанкротившаяся в 2022 году
— Robinhood — инвестиционное приложение для простой покупки акций и других активов
— Revolut — финансовое приложение с банковскими, платёжными и инвестиционными функциями
— Стейкинг — размещение криптовалюты для поддержки работы сети с получением вознаграждения
— DeFi — децентрализованные финансы: финансовые сервисы на блокчейне без классических посредников
— HFT — высокочастотная торговля: автоматическая торговля на бирже с очень высокой скоростью
«Зрелость — это производная того опыта, который ты прожил. А ты проживаешь опыт либо когда у тебя очень интенсивные события, либо когда тупо идёт время. И хотим мы этого или нет, самое главное здесь — это время»
«Продакт-менеджмент с появлением ИИ и тулзов больше будет превращаться именно в ремесло. И для того, чтобы быть хорошим ремесленником, тебе надо много опыта, много знаний, быть настоящим фанатом темы, которой ты занимаешься»
«ИИ будет безжалостен ко всем, кто не знает, чего хочет. Поэтому сейчас мой главный совет людям — это вспоминать и проверять, а что вы на самом деле хотите, не бежите ли вы за каким-то хайпом или за какой-то модой»
Ведущий:
Юра Агеев, основатель ProductSense
Гость:
Валерия Розова-Розенблат, основательница Shanc.ai, Roots, TYPICAL
Телеграм-канал Валерии: https://t.me/valerierozov
Конференция PeopleSense, 4–5 июня 2026 года, Москва
Сайт: https://peoplesense.ru/
Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast
О чем говорим:
00:00 — Введение
03:09 — Культурные различия между продактами из РФ и Европы
05:59 — Влияние среды на формирование менеджера
09:14 — Что такое зрелость и можно ли обогнать время
14:28 — Почему российским CPO сложно найти работу за рубежом
16:39 — Эволюция профессии продакт-менеджера в России
18:03 — Роль корочек и степеней в международной карьере
21:35 — Карьерные перспективы при поиске работы в зарубежных компаниях
24:14 — Не стоит менять индустрию и географию одновременно
26:29 — Сообщества и нетворкинг как инструмент поиска работы
30:02 — Понижение при переезде в другую страну — к чему готовиться?
36:07 — AI Native агентства: что происходит на венчурном рынке
39:54 — ИИ автоматизирует процесс разработки, а опыт становится продуктом
46:00 — Где заканчивается алгоритм и начинается суждение?
49:43 — Управление продуктом как ремесло, а не набор инструментов
56:30 — Финальный совет: понимать то, что ты реально хочешь
Словарик:
— AI Native — организация, изначально спроектированная вокруг AI-процессов
— CPO (Chief Product Officer) — директор по продукту
«AI First — это когда мы пытаемся перестроить существующую компанию на ИИ-процессы. А AI Native — это когда мы всю организацию пересобираем вокруг ИИ-процессов. В обычной организации работу делают люди, ИИ помогает, а в AI Native организации работу должен делать ИИ, а люди просто за этим присматривают.»
«Всё, что не требует человеческого суждения, опыта, экспертизы, личных отношений, автоматизируется хорошо и даёт, как правило, неплохой эффект. Всё, что требует — автоматизируется пока плохо.»
«Саму ИИ-автоматизацию зачастую создать несложно. Основная сложность в том, чтобы интегрировать новую технологию в компанию и положить это на существующие рельсы, правила, данные.»
Ведущий:
Юра Агеев, основатель ProductSense
Гость:
Кирилл Гурбанов, основатель, sfer.ai
Конференция PeopleSense, 4–5 июня 2026 года, Москва
Сайт конференции: https://vk.cc/cX11Mc
Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast
О чём говорим:
00:00 — Введение
02:36 — Тренд на агентства автоматизации и внедрения ИИ
03:46 — Что такое AI Native и чем отличается от AI First?
04:52 — Данные как главный актив при внедрении автоматизации
06:11 — Барьеры больших корпораций при внедрении ИИ
08:04 — Неопределённость и отсутствие успешных кейсов
12:48 — ИИ-грамотность: что должен уметь каждый сотрудник
14:54 — Сотрудник будущего: от исполнителя к оркестратору агентов
16:52 — Markdown вместо менеджмента: как агенты заменят QBR
21:13 — Где брать ИИ-грамотных людей?
27:07 — Четыре критерия: где внедрять ИИ, а где не стоит
34:06 — Шесть направлений, где ИИ уже доказал эффект
37:02 — Три уровня ИИ-зрелости
38:17 — Сопротивление внедрению: страх на всех уровнях
41:48 — От создания продукта к созданию системы
43:11 — Советы скептикам
Словарик:
— AI Native — организация, изначально спроектированная вокруг AI-процессов
— AI First — стратегический приоритет ИИ в существующей компании, трансформация процесс за процессом
— QBR (Quarterly Backlog Review) — квартальная синхронизация продуктовых команд в крупных компаниях
«Мы выделяем три стимула лояльности. Первый, самый сильный — выгода. Второй — эмоциональная составляющая, дополнительный дофамин. И третий — опыт: насколько клиенту удобнее делать привычные действия»
«Самая ключевая инвестиция — нанять правильных людей, которые смогут тебе достроить всё, что ещё не достроено, и дойти до тех результатов, которые ожидаются»
Ведущий:
Юра Агеев, основатель ProductSense
Гость:
Артём Петренко, CPO, Магнит Плюс
Конференция PeopleSense, 4–5 июня 2026 года, Москва
Сайт конференции: https://vk.cc/cX11Mc
Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast
О чем говорим:
00:00 — Введение
02:05 — Что такое Магнит Плюс и Магнит OMNI?
02:47 — Лояльность как связующее звено между каналами и форматами
03:20 — Почему бизнес и продукт объединились в одну роль?
05:39 — Отличие зон ответственности команд продукта и бизнеса
08:02 — Лидер с единой задачей и виртуальные команды
10:40 — Трансформация базовой лояльности на 100+ человек
13:01 — Что значит «отвечать за результат»?
14:54 — Как формируются виртуальные команды и зачем инвестиции руководства
17:41 — Отличия виртуальной команды от продуктовой
21:22 — Как изменилась работа CPO после объединения ролей
23:54 — Многозадачность, найм сильных сотрудников и делегирование
25:51 — Работает ли лояльность в 2026?
29:16 — Три стимула лояльности: выгода, эмоции, удобство
31:39 — Экономика лояльности: спонсоры и персональные предложения
35:12 — Геотесты и масштабирование: от региона к федеральному запуску
38:02 — Исследование внутри лояльности и кросс-вовлечение клиентов
40:54 — Лояльность в B2B: применимо ли?
Словарик терминов:
— CPO (Chief Product Officer) — директор по продукту.
— B2B (Business to Business) — бизнес-модель, в которой компания продаёт товары или услуги другим компаниям.