Подкаст make sense (Есть смысл)

make sense (Есть смысл)

Вместе с гостями подкаста make sense (Есть смысл) мы говорим о том, что важно при создании продуктов: люди, идеи, деньги, инструменты и практики

  1. 10h ago

    О скрытом обучении, вытеснении новичков из работы и двух результатах любой работы

    «У процесса всегда было два результата. Первый — сама выполненная работа. Второй — человек, который стал чуть лучше способен выполнять эту работу самостоятельно» «Одни и те же модели будут доступны огромному количеству компаний и специалистов. Дефицитом станет среда, в которой люди продолжают приобретать опыт, необходимый для управления этими моделями» Ведущие: Юра Агеев, основатель ProductSense О чем говорим: 00:00 — Введение 01:10 — Итог прошлого выпуска: ИИ снижает цену действия, но не цену решения 01:40 — Новое следствие: опытный специалист вытесняет начинающего из работы 02:10 — Кейс Мэтта Бина: как роботизированная хирургия изменила обучение хирургов 05:04 — Важный вывод: дело не в качестве операций, а в распределении работы 05:55 — «Теневое обучение»: как резиденты сами добывали практику в обход системы 07:49 — Два результата любой работы: сам результат и обученный человек 08:54 — Пример продакт-менеджера: какие задачи раньше доставались джуниорам 10:24 — Что теряется, когда модель делает эту работу за человека 11:28 — Исследование 2024 года: младшие консультанты и генеративный ИИ 13:28 — Почему нужно различать выполнение задачи и формирование навыка 14:03 — Эксперимент: программисты изучают новую библиотеку с ИИ и без 15:03 — Разница между помощью, убирающей сложность, и помощью, которая учит с ней работать 18:39 — Замкнутый круг: меньше практики — медленнее растёт способность оценивать ИИ 19:10 — Модель экономиста Энрике Иде о передаче неявного знания между поколениями 19:51 — Дилемма руководителя: джуниор или опытный сотрудник для задачи с ИИ 20:35 — Почему правка кода джуниора и модели — не одно и то же 21:49 — Контрпример: как PackBot изменил обучение сапёров 23:49 — Главный вопрос: кому достаётся управление при внедрении ИИ 26:03 — Почему запрет на ИИ для новичков — плохое решение 29:14 — Три вещи, которые должна сохранять система обучения с ИИ 32:11 — Суждение — результат переработанного опыта, а не врождённая способность

    О скрытом обучении, вытеснении новичков из работы и двух результатах любой работы

  2. Jul 15

    О дешёвых прототипах, роли суждения и почему LLM ускоряют и плохой процесс

    «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

    О дешёвых прототипах, роли суждения и почему LLM ускоряют и плохой процесс

  3. Jul 8

    О том что такое агент, уровнях автономности и проектировании рабочей среды

    «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 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 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

    О том что такое агент, уровнях автономности и проектировании рабочей среды

  4. Jul 1

    О задачах и артефактах, декомпозиции и работе с агентами

    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

    О задачах и артефактах, декомпозиции и работе с агентами

  5. Jun 24

    О том, как работать за границами своей компетентности, сигналах доверия и способах проверки ответов

    «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»

    О том, как работать за границами своей компетентности, сигналах доверия и способах проверки ответов

  6. Jun 17

    О продуктовом мышлении, роли артефактов в эпоху LLM и изменении критериев оценки результатов

    «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

    О продуктовом мышлении, роли артефактов в эпоху LLM и изменении критериев оценки результатов

  7. Jun 12

    Об устройстве контекстного окна моделей, неоднородности интеллекта и правилах контекст-инжиниринга

    «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

    Об устройстве контекстного окна моделей, неоднородности интеллекта и правилах контекст-инжиниринга

  8. Jun 3

    О децентрализованных финансах, новых классах уязвимостей, ИИ в трейдинге и смарт-контрактах

    «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

    О децентрализованных финансах, новых классах уязвимостей, ИИ в трейдинге и смарт-контрактах
See All (425)

Ratings & Reviews

4.6
out of 5
11 Ratings

About

Вместе с гостями подкаста make sense (Есть смысл) мы говорим о том, что важно при создании продуктов: люди, идеи, деньги, инструменты и практики

Information

You Might Also Like