«Вместо 20 гипотез в год будем проверять тысячи»: как делать продукт по AJTBD. Часть 2

В процессе создания продуктов многие пытаются внедрить ИИ, сделать еще один ИИ‑copilot или еще одного ИИ‑ассистента. Не всегда эти действия приносят бизнес‑результат. Вайб‑кодинг и нейросети уже сейчас ускоряют разработку и проверку гипотез, но принципов создания ценности никто не отменял.

Иван Замесин считает, что массовое внедрение ИИ в существующие продукты только начинается и у всех есть шанс оседлать этот тренд. Он соединяет вайб‑продакт‑менеджмент со своей методологией Advanced JTBD, чтобы создавать сильные продукты быстрее и проще. Как это работает на практике, Иван рассказывает в новой колонке для Т‑Бизнес секретов.

Это вторая колонка цикла о том, как создавать инновации по Advanced JTBD. В первой части Иван Замесин рассказал, в чем заключается его методология и как ее применять.

Коротко о деятельности Ивана Замесина

Вайб‑продакт‑менеджмент повышает скорость проверки гипотез в разы

Вайб‑продакт‑менеджмент — это подход, при котором продукт создается с участием искусственного интеллекта. При этом главная задача ИИ — увеличить количество проверенных гипотез. На практике продакт‑менеджер или собственник бизнеса проверяет несколько десятков гипотез продукта в год. Вероятность успеха каждой гипотезы — в среднем 5—10%. Поэтому одна из ключевых метрик создания продукта — это количество проверяемых гипотез в единицу времени.

ИИ повышает скорость проверки гипотез в десятки раз. С его помощью можно писать код, делать прототипы интерфейса для тестов, создавать сотни лендингов, тысячи креативов. В результате мы получаем возможность проверять сотни или даже тысячи гипотез в год.

У меня была готовая подборка промптов, которые я использовал для работы с продуктами по моей методологии Advanced JTBD. Появилась идея сделать из них каталог в телеграм‑боте. С помощью сервиса для вайб‑кодинга Lovable я собрал страницу с промптами за один вечер и запустил телеграм‑бота. За неделю промпты скопировали 5 000 раз — гипотеза была протестирована, у меня появилось понимание спроса и тысячи подписчиков на телеграм‑бота. Инвестиции были минимальные, а разработчики и вовсе не потребовались.

Людям не нужны наши продукты, фичи, макеты, сайты. Им нужно выполнить важные для себя задачи и почувствовать себя лучше. Клиенту Яндекс Музыки не нужна функция «Моя волна». Он хочет зарядиться хорошим настроением, пока едет на работу. Поэтому продукт нужно строить вокруг смысла — того состояния, в которое человек хочет попасть. Только тогда он будет работать, приносить прибыль.

Вайб‑кодинг заменяет работу с большим количеством специалистов: для значительного числа задач теперь не нужны разработчики, дизайнеры, аналитики. Но нейросети не заменяют бизнес‑мышление и способность достигать результата. ИИ — это трактор, который позволяет вспахать поле в разы быстрее, чем плугом и лошадью, но вы все еще должны сделать из этого бизнес.

Чтобы создать успешный продукт, мы должны выбрать лучший сегмент, в деталях знать задачи клиентов, создать и донести ценность, связать все решения с юнит‑экономикой. Добиться этого помогает связка Advanced JTBD с ИИ:

• Advanced JTBD позволяет растить продукт благодаря мощным стратегиям, которые строятся на более эффективном выполнении задач клиентов;
• ИИ помогает оцифровать паттерны поведения и ускорить процесс.

Что сейчас в создании продукта эффективнее делать с нейросетями:

• писать продуктовые требования и техзадания: сделать их можно за час, хотя раньше на это могли уходить недели;
• создавать прототипы: за вечер можно собрать полноценный минимально жизнеспособный продукт, MVP;
• проводить исследование рынка: лучшие модели OpenAI, Google, xAI позволяют быстро изучить, как могут быть устроены рынки, сегменты клиентов и их задачи, конкуренцию, а также логику расчета размера рынка и сегментов;
• создавать внутренние инструменты: телеграм‑боты для уведомлений, админки для упрощения рутинной работы теперь делаются быстро, просто и, главное, доступно для тех, у кого такой возможности раньше не было.

Мне пришла идея сделать конференцию про вайб‑продакт‑менеджмент. Я за час задизайнил и запрограммировал лендинг, привязал к домену, задеплоил на хостинг, прикрутил аналитику и регистрацию через чат‑бота в Телеграме. Все это без знаний, как деплоить и писать код. Раньше для этой задачи требовалось минимум два специалиста, минимум неделя работы и сотни тысяч рублей.

Нейросети позволяют достаточно быстро сформировать понимание того, как может быть устроен рынок, особенностей сегментов и их задач. Особенно в нишах с массовым продуктом, таких как ретейл или SaaS‑решения. Но чем менее массовый продукт, тем хуже ИИ генерирует сегменты клиентов и их задачи. Например, мой знакомый фаундер делает продукт, который поможет строительным компаниям выигрывать тендеры в Германии. Даже с моим промптом для поиска сегментов по AJTBD результат от ИИ получился так себе. Пришлось проводить исследование вручную.

Еще нейросети хорошо помогают в создании внутренних инструментов компании.

Федор Киреев, основатель Hotbot.ai, когда работал менеджером продукта в Skysmart, поднял средний чек на клиента в 3,5 раза благодаря JTBD‑исследованию и внутреннему инструменту, который он сам сделал. Когда звонил потенциальный клиент, менеджер по продажам спрашивал у него о задаче. Эту задачу он затем вводил в админку, а ИИ генерировал скрипт продаж ровно под нее. Скрипт был основан на отзывах и комментариях о ценности реальных клиентов, которые покупали продукт в прошлом. Подобные инструменты можно делать пачками, там зарыто много денег для бизнеса.

Исследование рынка при разработке любого нового продукта тоже удобно делать с нейросетями. Например, сейчас я вывожу свою методологию и курс на рынок Западной Европы. Для этого мне важно посчитать, сколько владельцев бизнеса, менеджеров продукта и людей на смежных ролях есть в этих странах. Я не прошу ИИ сделать все исследование рынка за меня, не опираюсь на его цифры. Я смотрю на логику, которую он предлагает: прошу дать пять альтернативных способов посчитать нужных мне людей, придумать расчет с ключевыми предположениями. И далее анализирую, нравится мне эта логика или нет, могу ли я ее применить. Получается такой интеллектуальный пинг‑понг с нейросетью, который позволяет мне оценить рынок в десять раз быстрее и значительно точнее, чем я это делал раньше.

Также при помощи ИИ можно делить аудиторию на сегменты. Представим, что нейросеть сгенерировала мне пять сегментов для выхода на новый рынок. По этим сегментам я провел валидацию с экспертом рынка, который подтвердил или опроверг данные. Три сегмента мы забрали в работу для запуска, еще два — оставили для стадии роста. Это в разы быстрее, чем собирать всю информацию вручную.

ИИ не будет думать за вас

При этом и у нас хватает слепых зон. Одна из распространенных — вера в то, что нейросети заменят продакт‑менеджеров. Я с этим не согласен и считаю это мнение очень опасным. Любой продукт проходит путь из точки А в точку Б. В точке А есть идея, в точке Б — бизнес‑результат: запущенный продукт, целевая маржинальность. Между этими точками всегда много развилок: нужно выбрать сегмент, определить задачу клиента, найти каналы привлечения, создать и улучшить воронку, понять, какой ценностью конкурировать. Это цепочка решений, которую нельзя слепо отдавать ИИ, иначе будете опираться на очень зыбкую почву — с высокой долей вероятности придете не туда, куда нужно. Нейросеть всегда выдаст очень похожий на правду результат, но это не значит, что он будет верным.

Вайб‑кодинг и нейросети радикально ускоряют создание продуктов, но не заменяют понимание бизнеса. Продукт — это не только код, интерфейсы и бизнес‑логика, это способ получить прибыль за счет выполнения задач клиента. Для этого надо понимать бизнес, уметь создавать ценности и, самое главное, доводить продукт до нужного бизнес‑результата.

ИИ нужно использовать как источник вдохновения, альтернативную точку зрения, ускоритель ручной работы. А принимать решение на всех этих развилках должен человек, опираясь на свой опыт и экспертизу. ИИ усиливает решения, но пока не заменяет мышление человека.

Также стоит помнить, что ИИ не может сам себе поставить задачу и верифицировать результат. Он может только усилить то, что уже есть: если у команды сильная логика, точное понимание сегментов и причинно‑следственных связей при выборе продукта, ИИ ускорит работу и повысит точность. А если человек сам не понимает своего клиента, нейросеть не спасет. Она просто увеличит масштаб ошибки.

Я был в жюри на ИИ‑хакатоне и наблюдал один и тот же сценарий: девять из десяти команд в качестве гипотезы предлагали фичи «которые людям точно понравятся». Они не знали, есть ли люди с такой задачей, есть ли у этой задачи связка с деньгами, почему клиент должен выбрать именно их решение. Гипотезы не имели ничего общего с бизнесом.

И наоборот, команды, которые понимали потребности людей и могли ответить на все эти вопросы, создавали сильные решения. ИИ просто помогал им сделать работу быстрее. Такие специалисты всегда будут на десять шагов впереди остальных.

Нейросеть не будет думать за вас. Если есть пробелы в знаниях, это будет видно еще на ранних этапах, как это было на хакатоне. Например, если есть пять способов получить данные клиента, нужно выбрать самый быстрый, а не по привычке добавлять регистрацию.

Процесс создания продуктов кардинально изменится

• нейросети станут стандартом в продакт‑командах;
• конкуренция между продуктами усилится;
• продукты станут гиперперсонализированными;
• доступ к автоматизации получат все;
• станет меньше узкопрофильных специалистов.

Нейросети станут стандартом в продакт‑командах. Сейчас менеджеры продукта только переходят от осторожных экспериментов к рабочим процессам с ИИ. Еще год‑два — и тесты спроса и даже продажи станут частью автоматизированного цикла. Количество проверяемых гипотез вырастет с десятков до сотен. Это уже видно по тем бизнесам, где мы внедряли связку Advanced JTBD + ИИ: скорость вывода продуктов на рынок выросла в разы.

Конкуренция между продуктами усилится. У всех одинаковый доступ к ИИ. С его помощью все смогут закрывать практическую составляющую продукта. Точки роста сместятся в дистрибуцию, маркетинг и бренд. Здесь Advanced JTBD будет особенно полезен: позволит лучше узнавать эмоции, потребности и задачи клиентов. А значит, точнее создавать ценность, лучше коммуницировать, удовлетворять неосознанные потребности.

Продукты станут гиперперсонализированными. Если раньше рынок ограничивался усредненным качеством, то теперь продукты будут все чаще подстроены под микросегменты. Например, раньше сервис готовой еды работал до 22:00, а станет до 02:00, если у него есть подсегмент, которому важно заказывать доставку в такое время. Возможно, даже код и интерфейсы будут собираться под конкретный сегмент пользователей: человек зайдет на сайт по подбору персонала, ответит на несколько вопросов и увидит страницу, сгенерированную под его цели. Один увидит список кандидатов, другой — подходящие вакансии, третий — аналитику рынка.

Доступ к автоматизации получат все. Даже те, кто раньше и близко не подходил к разработке, смогут навайбкодить себе рабочие инструменты без участия ИТ‑команды. Кладовщик сможет собрать себе интерфейс учета. Менеджер по закупкам — автоматизировать расчеты. Юрист — подготовить шаблоны документов с автоматической проверкой. Это радикально ускорит процессы, но одновременно усилит конкуренцию. Если автоматизация доступна всем, значит, все будут двигаться очень быстро. Придется работать точнее, разбираться глубже и принимать больше решений, от которых зависит успех продукта.

Станет меньше узкопрофильных специалистов. Вместо ролей «продакт» и «маркетолог» появится роль full‑stack builder. Такой человек сможет проверять гипотезы от начала до конца с минимальным привлечением разработки, дизайна и аналитики. Он сможет провести исследование, придумать ценность, навайбкодить прототип, начать продавать, собрать обратную связь, переписать тексты, улучшить интерфейс — и только потом он придет к команде разработчиков с готовым решением, в котором минимизированы все возможные риски.

По моим исследованиям, в компаниях, где активно внедряют нейросети, функциональные команды уже становятся меньше. Раньше на одного продакта в команде было четыре‑шесть разработчиков, один дизайнер и аналитик. Сейчас функциональная команда — это продакт, половина дизайнера, четверть маркетолога и один разработчик. И они достигают большего, чем команды без нейросетей.

Также у меня есть гипотеза, что рынок SaaS сильно трансформируется. Возможно, многим компаниям будет проще навайбкодить собственные программы: CRM, таск‑трекер, email‑рассыльщика, базу знаний. Если такое будет происходить, SaaS‑компаниям придется адаптироваться.

Фотограф: Никита Круглов