How Product Discovery changes with AI

Дэвид Хоанг (ex-One Medical, ex-Webflow) разобрал, как ИИ меняет процесс продуктового дискавери: три из четырёх классических рисков — реализуемость, жизнеспособность и юзабилити — резко дешевеют, а главным дифференциатором становится desirability, то есть понимание того, нужен ли продукт людям вообще.

Статья — личное эссе практика с конкретными примерами из собственных проектов. Хоанг не теоретизирует, а описывает, как уже работает: прототипирует в продакшене за часы, собирает фидбек на реальных данных и пивотит до запуска. Подход спорный в части «прототип сразу в прод» — не каждая команда может себе это позволить, — но сам сдвиг фокуса с «можем ли построить» на «стоит ли это существовать» точно стоит внимания.

Главное:

— Продуктовый дискавери строится вокруг четырёх рисков: desirability (хотят ли это), viability (работает ли для бизнеса), feasibility (можем ли построить), usability (смогут ли пользоваться)

— ИИ радикально сжимает три из четырёх рисков: фича на два спринта теперь прототипируется за полдня, рабочий прототип можно сразу деплоить и получать рыночные сигналы, UI-вариации генерируются и тестируются быстро

— Desirability — единственный риск, который ИИ не закрывает. Синтетические персоны и симулированные исследования не заменяют наблюдение за живыми людьми

— Когда три риска дешевеют, оставшийся — desirability — становится конкурентным преимуществом. Главный вопрос сменился с «Можем ли мы это построить?» на «Должно ли это существовать?»

— Хоанг по-прежнему начинает с ручки и бумаги, но бумажный скетч больше не показывает людям — вместо этого «скетчит кодом» на разных уровнях детализации: от простой HTML-страницы с захардкоженными данными до прототипа с реальными API

— Прототипирование сместилось из стейджинга в продакшен. Свой проект Tapestry (CRM с ИИ) Хоанг собрал за несколько часов в Replit, задеплоил, дал реальным пользователям — и по результатам фидбека пивотнул архитектуру

— Продакшен-прототип ≠ запуск продукта. Это может быть закрытая бета — просто более честная среда для тестирования, чем стейджинг. С ИИ можно пивотнуть десятки раз до выхода на рынок, а не после

— Инструменты с «виртуальными персонами» Хоанг не использует для первичного исследования. Сложность никогда не была в синтезе находок — сложно получить правильные инсайты изначально

— Процесс дискавери с ИИ будет ощущаться некомфортно: покажется, что вы ищете проблему под готовое решение, потому что прототип и сборка перестают быть отдельной фазой