Мы недооцениваем сдвиг в сторону ИИ, а не переоцениваем
Каждые десять лет или около того появляется технологический сдвиг, который не просто меняет то, как мы создаём продукты, — он переписывает всю схему действий. Переход от локальных серверов к облаку был не просто изменением хостинга; он революционизировал каждый аспект того, как мы создаём, выпускаем и развиваем программные продукты. ИИ представляет собой аналогичный переломный момент.
Мы в Reforge считаем, что технологический сдвиг в сторону ИИ полностью изменит продуктовые команды, и, во многом, я думаю, что экосистема недооценивает, а не переоценивает влияние, которое он окажет в следующем десятилетии.
Чтобы понять преобразующий потенциал ИИ, давайте рассмотрим, как облачная революция изменила разработку продуктов. Это не просто урок истории — это план для понимания масштаба предстоящих изменений:
Как переход от локальных серверов к облаку изменил продуктовые команды
🔄 Методология разработки
Доминирующей методологией разработки до появления облаков был Waterfall. Продуктовые команды работали как заводские сборочные линии: большие жёсткие шестимесячные циклы выпуска, исчерпывающие документы с требованиями и этапы тестирования, которые длились дольше, чем сама разработка. Переход в облако сломал эти ограничения. Теперь команды могут непрерывно выпускать код меньшими итеративными выпусками, снижая потребность в исчерпывающем тестировании и требованиях. Это была не просто более быстрая разработка, это был совершенно другой способ разработки.
🧰 Инструменты
Облачные вычисления не просто добавили новые инструменты в наш стек — они катализировали совершенно новую экосистему технологий разработки продуктов. Инструменты контроля версий и совместной работы, такие как GitHub и GitLab, инструменты непрерывной интеграции и развёртывания, облачные среды разработки, платформы контейнеризации, облачная безопасность и соответствие требованиям, а также флаги функций — вот лишь некоторые из них для инженеров.
Для менеджеров по продуктам такие инструменты, как JIRA, использовались для управления итеративными циклами разработки. Аналитика продуктов получила толчок развития, поскольку теперь мы могли получать данные об использовании в реальном времени. Платформы A/B-тестирования и экспериментирования стали возможны.
💰 Модели монетизации
До появления облаков доминирующей моделью монетизации были транзакции. Массивные лицензии с предоплатой, где клиент, как мы надеялись, будет обновляться в течение какого-то многолетнего цикла. Переход в облако позволил подписке стать доминирующей моделью монетизации. Это снизило барьеры для входа, появились модели с бесплатными пробными версиями и различные способы взимания платы за функции и использование. Это было не просто изменение цен — оно изменило отношения между компаниями-разработчиками программного обеспечения и их клиентами, создавая стимулы для постоянного совершенствования и успеха клиентов.
📈 Модели роста и каналы
Переход в облако также фундаментально изменил то, как технологические продукты могут находить и привлекать клиентов. Он сделал возможным рост, ориентированный на продукт, модели freemium, вирусное расширение и распространение снизу вверх внутри организаций. Он также позволил использовать новые онлайн-каналы роста, такие как поисковая оптимизация, платный поиск и платная социальная реклама.
🏆 Показатели успеха
Облако изменило то, что мы измеряли, и то, как мы думали об успехе. До появления облаков команды отслеживали доходы от лицензий и продление обслуживания. Облачные команды перешли к показателям, которые ранее было невозможно отследить: количество активных пользователей в день, время до получения ценности, уровень принятия функций и модели использования в реальном времени. Этот переход от отстающих к опережающим показателям позволил продуктовым командам строить и расти по-другому.
🛡️ Защищённость
Облако изменило то, как технологические компании строили конкурентные преимущества. В мире локальных серверов сложные требования к установке и высокие затраты на переключение создавали искусственную привязку. Облако сделало возможным — и потребовало — новые формы защищённости: сетевые эффекты, которые становятся сильнее с каждым новым пользователем, преимущества в данных, которые улучшают ценность продукта, и экосистемы платформ, ценность которых возрастает по мере того, как всё больше разработчиков создают на них.
🧠 Навыки и роли
Трансформация в облаке не просто изменила то, что создавали продуктовые команды, — она переопределила, кто нам нужен для этого. До появления облаков менеджеры по продуктам были в первую очередь собирателями требований и координаторами проектов. Облако потребовало нового поколения PM: лиц, принимающих решения на основе данных, которые могут анализировать поведение пользователей, проводить A/B-тесты и оптимизировать на основе показателей в реальном времени. Появились специализации, такие как менеджер по росту продукта, поскольку новые модели роста стали жизнеспособными. Переход не просто добавил новые навыки — он изменил то, как мы оценивали продуктовые таланты.
👏 Команда + организационная структура
До появления облаков организации были построены как сборочные линии: разработка передавала код QA, который передавал его операциям, которые каким-то образом должны были поддерживать его работу. Большие специализированные команды, организованные по функциям (разработка, QA, операции), где каждый этап проекта передавался последовательно.
Эра облачных вычислений представила кросс-функциональные группы. Более мелкие, более автономные подразделения, включающие в себя продукт, дизайн и разработку, работающие вместе для достижения общих результатов. Это повлияло и на исполнительное руководство. Традиционные ИТ-организации имели ИТ-директоров, которые управляли инфраструктурой и системами. Облако потребовало технологических лидеров, которые понимали стратегию продукта, опыт работы с клиентами и бизнес-модели. Роли главного продуктового офицера и управление продуктами существенно выросли и расширились, включив в себя рост, данные и другие области.
Новые ограничения, новые возможности
Как и переход в облако, который был гораздо больше, чем просто новая технология, ИИ станет не просто постепенным изменением, а фундаментальным переосмыслением того, как мы создаём и развиваем продукты. ИИ меняет ограничения и возможности:
- Какие продукты и функции мы создаём
- Как мы создаём эти продукты
- Как мы развиваем продукты
- Роли, команды и организационные структуры
Следующее поколение продуктовых команд будет обучено работе с ИИ с первого дня. Они будут думать, работать и строить по-другому. Они будут включать в себя новые роли, организационные структуры и процессы. Невозможно точно предсказать, как это будет выглядеть через 5 и более лет. Но вот некоторые вещи, которые ИИ уже позволяет в краткосрочной перспективе.
Первая волна: как ИИ уже меняет продуктовые команды
- От изучения нескольких путей к изучению множества путей
- От идеи → документ к идее → прототип
- Расширение проблем, перестановка приоритетов, переосмысление решений
- Переосмысление ролей в продуктовой команде
- Изменения в моделях роста и каналах
- Масштабная перестройка фрагментированных продуктовых стеков
- Пересмотр того, как продукты создают и захватывают ценность для клиентов
От изучения нескольких путей к изучению множества путей
В текущей разработке продуктов давление, связанное с необходимостью выпускать продукт, часто заставляет команды преждевременно сужать выбор. Большинство команд могут позволить себе серьёзно изучить только один или два пути решения до принятия решения — обычно те, которые продвигают самые громкие голоса в комнате. Это линейное исследование создаёт три критические проблемы:
- Высокопоставленные решения, основанные на ограниченных данных
- Решения, оптимизированные для внутреннего консенсуса, а не для ценности для клиентов
- Инновационные подходы, убитые временными ограничениями, прежде чем они смогут доказать свою состоятельность
Но, как отмечает Скотт Белски, главный операционный директор Adobe, ИИ не только помогает ускорить циклы разработки продуктов, но и даёт нам больше циклов для изучения:
«Что отличает эту технологию от других достижений, так это её способности к рассуждениям и воображению (не воображение, основанное на вкусах, а безграничное направленное исследование). Эта технология действительно даёт нам БОЛЬШЕ ЦИКЛОВ — больше циклов для изучения».
Эта расширенная возможность исследования трансформирует каждый аспект разработки продукта. Команды могут одновременно тестировать несколько вариантов дизайна интерфейса, генерировать десятки вариантов текста, создавать прототипы конкурирующих технических подходов и проверять различные стратегии выхода на рынок — и всё это при сохранении качества каждого исследования.
То, что исторически занимало месяцы последовательных итераций, теперь может происходить параллельно, что значительно увеличивает как количество, так и качество продуктовых решений. ИИ не просто ускоряет наши существующие процессы; он фундаментально меняет то, как мы обнаруживаем и проверяем продуктовые возможности.
От идеи → документ к идее → прототип
Смерть документальной спирали
Традиционный сценарий разработки продукта начинается с документации. Будь то PRD, пресс-релиз в стиле Amazon или подробная пользовательская история, продуктовые команды тратят бесчисленные часы на создание документов, которые пытаются отразить наше видение продукта. Эти документы затем попадают в спираль смерти документов — бесконечный цикл рецензий, дебатов и правок, часто становящихся больше о внутреннем согласовании, чем о ценности для клиентов.
Разрыв в понимании
Фундаментальный недостаток этого подхода заключается не в самой документации, а в разрыве между письменным описанием и общим пониманием. Когда продуктовый менеджер пишет «интуитивный пользовательский опыт» или «бесшовная интеграция», каждый заинтересованный участник представляет себе что-то своё. Эта несогласованность создаёт то, что я называю «работой вокруг работы»: бесконечные встречи, циклы пересмотра и дебаты, которые потребляют энергию, не продвигая продукт вперёд.
Ясность с помощью прототипов
Прототипы преодолевают эту двусмысленность. Рабочий прототип — даже грубый — создаёт ясность и согласованность, которые не может обеспечить ни один документ. Он превращает абстрактные дискуссии в конкретные решения, заменяя «я думаю» на «я вижу». Но до сих пор прототипирование было ограничено техническими ограничениями: либо вы ждали инженерных ресурсов, либо довольствовались ограниченными макетами.
ИИ меняет это ограничение. Он на пути к тому, чтобы позволить инженерам создавать функциональные прототипы за часы, а не за недели, одновременно давая возможность нетехническим членам команды создавать интерактивные демонстрации без написания кода. Этот переход от «сначала документация» к «сначала прототип» не просто сэкономит время — он фундаментально улучшит продуктовые решения, основав их на реальном опыте, а не на теоретических дискуссиях.
Расширение проблем, перестановка приоритетов, переосмысление решений
По своей сути работа продуктовой команды сводится к трём основным обязанностям:
- Понимание проблем клиента
- Расстановка приоритетов для решения проблем клиента
- Содействие решению этих проблем
ИИ оказывает большое влияние на все три аспекта.
Расширение проблем
ИИ не просто помогает решать существующие проблемы — он расширяет сферу того, какие проблемы решаемы. Это означает, что ваше проблемное пространство больше не ограничено старыми ограничениями. Более конкретно, как утверждает Рави Мехта, создатель нашего предстоящего курса по стратегии ИИ и бывший руководитель продуктов в Tinder, VK и TripAdvisor, мы переходим от решения вычислительных задач к задачам обучения.
«В эпоху обучения мы больше не ограничены тем, что можем выразить в коде. При наличии достаточного количества данных — например, фотографий, помеченных как содержащие птицу или нет, — модель ИИ может научиться обнаруживать птиц практически на любой фотографии. Более того, модели ИИ можно складывать друг на друга и комбинировать с вычислительными подходами для создания выдающихся продуктов, работающих волшебным образом. Способность обнаруживать птицу — или любой другой объект — привела к созданию изображений и видео».
Перестановка приоритетов
Хотя существует множество фреймворков приоритизации продуктов, почти все они учитывают четыре измерения: осуществимость, воздействие, риск, стоимость. ИИ вводит новые факторы в каждый элемент приоритизации.
- Осуществимость — решения, которые когда-то были слишком сложными или технически невозможными, становятся достижимыми.
- Воздействие — возможность персонализации в масштабе означает, что некоторые проблемы — например, создание гиперперсонализированного пользовательского опыта — становятся более значимыми, чем когда-либо прежде.
- Риск — ИИ вводит новые соображения риска, такие как возможность галлюцинаций, предвзятости или дезинформации.
- Стоимость — ИИ может как увеличивать, так и уменьшать затраты в зависимости от использования модели, масштаба и сложности.
Переосмысление решений
ИИ также открывает совершенно новые пространства решений для идентифицированных и приоритизированных проблем. Вот несколько измерений, в которых мы наблюдаем это проявление:
- Адаптивные решения против статических — ИИ позволяет создавать решения, которые развиваются и улучшаются по мере использования. Вместо того чтобы создавать фиксированные функции, мы создаём обучающие системы, которые адаптируются к поведению пользователей, контексту и возникающим закономерностям. Механизм рекомендаций не просто следует правилам — он обнаруживает новые закономерности предпочтений пользователей, которые мы даже не могли предвидеть.
- Выполнение работы вместо её включения — многие программные продукты сегодня — это инструменты, которые позволяют пользователю создавать контент и опыт. Canva, Notion, Google Docs, Gmail и т. д. Но ИИ позволяет просто выполнять работу за клиента, а не просто включать его в процесс.
- Масштабируемая персонализация и динамические интерфейсы — ранее персонализация для большинства продуктов означала простые правила if-then или базовые пользовательские сегменты. ИИ позволяет создавать гиперперсонализацию, которая масштабируется: интерфейсы, которые адаптируются к индивидуальным стилям работы, контент, который перестраивается в зависимости от уровней понимания, и рабочие процессы, которые оптимизируются для уникальных моделей каждого пользователя. То, что раньше было выбором между стандартизацией и персонализацией, становится одновременно и тем и другим.
Переосмысление ролей в продуктовой команде
Размытие ролей
ИИ позволяет продуктовым менеджерам писать код, инженерам брать на себя работу по управлению продуктами, маркетологам создавать целевые страницы и т. д. Границы ролей начинают стираться. Ожидания фундаментально меняются. Это в конечном итоге повлияет на то, как мы организуем продуктовые команды.
Магия ранних стадий
Влияние этого больше, чем просто изменение определений ролей. В стартапах на ранней стадии происходит нечто особенное, похожее на магию. Команды, как правило, выпускают гораздо больше с гораздо меньшим количеством людей. По мере роста компании вы пытаетесь сохранить эту магию, но со временем она исчезает. ИИ потенциально может сохранить магию стартапов на ранней стадии, которую вы теряете со временем.
То, что кажется магией, на самом деле ею не является. Стартапы на ранней стадии создают ограничения и условия для:
- Суперкоротких циклов обратной связи между создателями и клиентами.
- Эти суперкороткие циклы создают «интуицию основателя».
- Каждый в команде делает немного всего, потому что должен.
Но со временем все эти вещи исчезают.
- Появляются тонны специализированных ролей (исследователи пользователей, аналитики данных, продажи, успех и т. д.), которые создают слои между клиентами и создателями.
- Это замедляет циклы обратной связи между создателями и клиентами, что замедляет формирование интуиции у команды.
- Интуиция заменяется документацией, обзорами продуктов, встречами для синхронизации, чтобы всё было «согласовано» и двигалось в правильном направлении.
- Эти вещи заменяют время, затрачиваемое на создание, временем, потраченным на работу за работой.
Список можно продолжить. Но когда я смотрю на некоторые изменения, которые ИИ может внести в то, как мы создаём продукты и границы ролей, многое из этого кажется возвращением или, по крайней мере, поддержанием того, как работают команды на ранних этапах.
Изменения в моделях роста и каналах
Облачная революция породила рост, ориентированный на продукт, модели freemium и вирусное расширение. Теперь ИИ готов вызвать столь же драматические изменения в том, как продукты находят и привлекают клиентов. Ранние сигналы указывают на то, что мы вступаем в эпоху, когда традиционные учебники по росту могут устареть.
Традиционные каналы показывают трещины
Мы наблюдаем первые толчки изменений в устоявшихся каналах привлечения клиентов. Стратегии SEO, которые работали десятилетиями, разрушаются ИИ-поисковыми системами, которые обходят традиционный контент. Эффективность электронного маркетинга снижается, поскольку ИИ-помощники фильтруют и расставляют приоритеты сообщений. Даже платные каналы привлечения показывают уязвимость, поскольку пользователи внедряют ИИ-интерфейсы, которые меняют то, как они находят и оценивают продукты.
Рост ИИ-ориентированных каналов
Следующая волна каналов роста, вероятно, будет ориентирована на ИИ. Как предполагает Аравинд Шринивас, генеральный директор Perplexity AI, возможно, мы переходим в мир, где ИИ-агенты — а не люди — станут основной аудиторией для продвижения продуктов. Представьте себе, что вы продвигаете свой продукт не конечным пользователям, а ИИ-помощникам, которые всё чаще определяют решения о покупке.
Этот сдвиг имеет глубокие последствия:
- Механизмы обнаружения. Продукты должны быть обнаружимы и оцениваемы ИИ-системами, что требует новых подходов к метаданным продуктов и точкам интеграции.
- Демонстрация ценности. Вместо эмоциональных призывов и брендовых сообщений продуктам может потребоваться демонстрация ценности через количественные показатели, которые ИИ может оценить.
- Точки интеграции. Успех может зависеть не столько от традиционного маркетинга, сколько от построения правильных API-соединений и документации, понятной ИИ.
Масштабная перестройка фрагментированных продуктовых стеков
Фрагментация продуктового стека
Продуктовые команды прошли через хаотичное накопление специально разработанных инструментов. В результате сегодняшние продуктовые стеки представляют собой слои инструментов, накопленных со временем, каждый из которых решает конкретную задачу, но никогда не интегрирован по-настоящему. Флаги функций в одном инструменте, аналитика в другом, обратная связь от клиентов в третьем, и список можно продолжить. Хотя эта фрагментация была управляемой в традиционной разработке, в эпоху ИИ она становится критической уязвимостью.
Проблема нарастания ошибок
ИИ-системы не просто борются с фрагментированными инструментами — они терпят неудачу экспоненциально из-за них. Как объясняет Дхармеш Шах, основатель HubSpot:
«Давайте представим, что агенту нужно вызвать LLM дюжину раз для достижения цели… Теперь математически, если каждый вызов имеет всего 95% успеха — или 5% вероятность ошибки, то вероятность успеха конечного результата составляет 0,95 в 12-й степени, что составляет около 54%. То есть, по сути, подбрасывание монеты. Половину времени вы получите что-то правильное, а половину — неправильное».
ИИ-ориентированный продуктовый стек
ИИ-ориентированные продуктовые стеки потребуют фундаментального переосмысления. Команды, которые первыми решат эту задачу интеграции, получат значительное конкурентное преимущество — не только в эффективности, но и в их способности использовать весь потенциал ИИ.
Пересмотр того, как продукты создают и захватывают ценность для клиентов
Как и облачные вычисления, которые изменили ценообразование программного обеспечения с транзакционных лицензий на подписку, ИИ катализирует следующую эволюцию в монетизации продуктов. Этот сдвиг выходит за рамки простых изменений цен — он меняет то, как продукты создают и захватывают ценность. Две ключевые модели монетизации уже появляются в эпоху ИИ:
- Ценообразование на основе использования в новом масштабе. Хотя ценообразование на основе использования не ново, ИИ переопределяет, что такое «использование». Компании устанавливают цены на основе потребления интеллекта: обработанные запросы, сгенерированные инсайты или автоматизированные решения.
- Монетизация на основе результатов. ИИ позволяет продуктам переходить от оплаты за функции к оплате за результаты. Вместо оплаты за доступ к возможностям клиенты платят за подтверждённые результаты: успешные разрешения проблем клиентов, сгенерированные квалифицированные лиды для продаж или сэкономленное время обработки.
По мере изменения моделей монетизации они будут требовать других показателей успеха. Традиционные показатели SaaS, такие как ARR, будут дополнены ИИ-специфическими индикаторами. Продуктовые команды должны теперь оптимизировать не только вовлечённость пользователей, но и эффективность и результативность своих ИИ-систем.
Вторая и третья волны ещё впереди
Вышеописанное — это только первая волна того, как ИИ начинает оказывать влияние. Но, как и при переходе от локальных серверов к облаку, будут волновые эффекты, которые мы ещё не видим. Вторые и третьи порядковые эффекты могут оказаться даже больше, чем первая волна.
Сейчас проблема заключается в том, что существует большой разрыв между обещаниями ИИ и реальностью внедрения всех этих изменений в продуктовые команды. Об этом я подробнее расскажу в другой статье блога.
Переосмыслить, изобрести заново, перестроить, перековать
Reforge был назван в честь таких моментов. Слово «перековать» означает разбить что-то до его основополагающих элементов, смешать с новыми ингредиентами и собрать обратно, чтобы сделать сильнее, быстрее, лучше. Именно это продуктовым командам, включая Reforge, нужно будет сделать в ближайшие пару лет. Эта статья в блоге — лишь небольшое начало.
Мы взяли на себя обязательство помочь продуктовым командам перековать себя для эры, ориентированной на ИИ. Первые три шага, которые мы предпринимаем в первом квартале 2025 года:
За пределами образования: новая платформа продуктовых решений на основе ИИ
Reforge всегда была известна своим экспертным образованием. В первом квартале мы запустим первые шаги чего-то совершенно нового: унифицированного набора инструментов, созданных специально для продуктовых команд, ориентированных на ИИ. Это не просто ещё один обучающий продукт — это новое программное обеспечение для создания потрясающих продуктов. В ближайшие пару месяцев мы запустим первые три продукта в рамках этого набора. Подпишитесь здесь, чтобы получать уведомления о запуске.
Запуск трёх основных курсов по ИИ
Переход к продуктовым командам, ориентированным на ИИ, потребует гораздо большего, чем просто новые инструменты. Это потребует новых знаний, новых ролей, новых моделей поведения и новых способов ведения дел. Чтобы помочь командам, мы занимаемся обновлением всей нашей библиотеки курсов — удаляем то, что, по нашему мнению, больше не актуально, обновляем критически важные темы и сегодня анонсируем три новых основных курса по ИИ, которые будут доступны позже в первом квартале:
Основы ИИ
Каждая роль PM становится ролью ИИ. Наша система BUILD даёт вам глубокие, ориентированные на продукт основы ИИ, чтобы построить карьеру на следующие 10 лет.
Овладение ИИ
Разработка новых подходов к созданию продуктов, основанных на ИИ. Научитесь быстро создавать прототипы, измерять недетерминированные функции и создавать продукты, которые учатся и развиваются.
Стратегия ИИ
Узнайте, как коренным образом переосмыслить то, как вы конкурируете и побеждаете в самой напряжённой стратегической среде, с которой когда-либо сталкивались руководители продуктов.
Я лично создавал эти курсы с выбранными передовыми лидерами в этой области. Эти курсы будут доступны по запросу в первом квартале и в прямом эфире в нашем апрельском весеннем выпуске. Они будут следовать оригинальному стилю Reforge — очень глубокому, действенному и актуальному.
Бесплатные ресурсы
Помимо новых инструментов и новых курсов, мы будем освещать команды и лидеров в нашей сети, которые возглавляют этот сдвиг. Чтобы следить за обновлениями: