Контекст как конкурентное преимущество

Возвращаюсь к вам с заметками с выступлений на свежем Lenny & Friends Summit.

Одну из важных идей о работе продуктовых команд в эпоху AI почерпнула из доклада Карри Саринена, СЕО и сооснователя Linear. По его словам, ценность команды определяется не только тем, сколько она производит, но и тем, чему она обучается и какой опыт приобретает в процессе работы. Хороший продукт — это не только результат разработки, но и результат решений, принимаемых людьми на базе контекста, которым они располагают.

Почему одержимость результатом опасна для команд?

✦ Любая продуктовая работа производит две ценности: сам продукт и обучение. Раньше, пытаясь понять, что и как строить, команда сама формулировала вопросы и искала на них ответы — у себя, у коллег, у клиентов. Именно этот процесс поиска и помогал развивать интуицию, product sense и накапливать капитал контекста.

✦ Автоматизация исполнения разрывает эту связь. Чем больше задач отдается AI, тем меньше команда делает продуктовой работы, которая была источником понимания: анализ фидбека, генерация прототипов, формулировка гипотез. Это не значит, что автоматизация — зло, но если не следить за этим, компания рискует потерять свое преимущество в виде знаний о клиентах, продукте и рынке, выработанных принципов и вкуса.

✦ Хороший продукт — это всегда продукт команды, а не тулов. Саринен приводит аналогию с рулем болида Формулы-1: он выглядит совсем не так, как руль обычной машины, потому что команда десятилетиями оттачивала его именно под свою узкую задачу — мелкие точные движения на высокой скорости. Такой же накопленный, специфичный контекст отличает компании, которые стабильно выпускают отличные продукты, от тех, кто просто быстро выпускает много всего.

Интуиция — это тренировка, которую мозг прошел в процессе понимания клиентов и решения исследовательских задач. Если тренировки не происходит, интуиции неоткуда взяться.

Что с этим делать?

Саринен не предлагает отказаться от автоматизации, только четче выбирать, что автоматизировать и куда девать освободившееся время.

1. Автоматизировать только повторяемое и малообучающее. В Linear это, например, багфиксы: агент сам разбирается в причине бага и пишет фикс, а инженер только проверяет и точечно правит результат. Это тот тип работы, где учиться особо нечему.

2. Направлять освободившееся время на углубление понимания клиентов. С самого основания компании в Linear просят инженеров и всех остальных сидеть в общих Slack-каналах с клиентами, отвечать и задавать вопросы напрямую — так строится насмотренность и увеличивается эмпатия.

3. Использовать AI для обучения и построения контекста. В Linear автоматически собирают фидбек из sales-звонков, обращений в поддержку и внутренних обсуждений в общий контекст, а поверх настроили агентов для мониторинга: например, Саринен получает ежедневный дайджест о том, что клиенты говорят про свой опыт. Это не занимает много времени, но держит его в курсе реальных паттернов и болей, которых нет в агрегированных метриках.

Какие еще практики взять на заметку у Linear?

— Quality Wednesday. Раз в неделю каждый в компании обязан найти в продукте один дефект качества — неважно, насколько мелкий, — и починить его. Смысл не в самом фиксе, а в том, что команда тренируется замечать такие вещи, а на общей встрече все видят находки друг друга.

— Feature roast. Перед запуском фичи — необязательная встреча, куда может прийти кто угодно и раскритиковать фичу максимально дотошно и прямолинейно. Если в компании фичу видят впервые и путаются, велика вероятность, что и пользователи не поймут, как ее использовать.

Итог, к которому приходит Саринен, переворачивает привычную метрику: в будущем продуктовая организация будет конкурировать не скоростью исполнения, а качеством накопленного контекста — тем, что знает и понимает команда, а не тем, сколько она успела произвести.

...
===
💬Это пост из ленты, которую читает Саша - автор канала Мальцев: Карьера. Маркетинг. AI. @maltsevprosto

Другие каналы по темам:
🤖 AI @maltsevdaily
🧑‍🎓 Карьеры @maltsevdailyc
🦹 Маркетинга @maltsevdailym