Transcription
Всем привет. Меня зовут Байрам. Мы сегодня стартуем наш курс по AI Native Product Team. И как я писал в канале, если видели, что ко мне за последние, наверное, 2-3 месяца, скорее два, очень много приходило запросов или от друзей, или от участников курсов в стиле:
"Видим, что мимо пролетает какой-то истребитель. Кто-то говорит там про 70% больше пулреквестов, кто-то говорит, как они там тремя агентами без человека сделали систему на миллионы строк и так далее и тому подобное. И как бы я не понимаю, это как бы хайп или реальность. И, если это реальность, то как мне на эти рельсы поставить команду?"
И, собственно, про это наш курс и наша задача в течение пяти встреч. И поскольку, безусловно, в этой задаче есть как личные аспекты, да, то есть я должен как фаундер, CPO, product engineering-менеджер и так далее, я должен сам поменять, трансформировать свою работу. Но второе, не менее важное, — это я должен выстроить какую-то систему, а, и её, скажем так, мм, как бы имплементировать в своей компании.
А как я использую AI? И, ну, проще всего было взять вот этот конкретный воркшоп, вот этот конкретный курс. И как я, собственно, с помощью AI, это тоже некоторого рода цифровой продукт, да, может быть, там, меньше каких-то артефактов, каких-то больше. Но как, собственно, я это делал, и давайте я мы посмотрим короткий ролик, а я потом прокомментирую, и можно будет задать вопросы и вообще подумать, о'кей, как это соотносится с тем, что вы делаете, с тем, какие задачи есть?
Угу. Подожди.
>> То есть сначала мне, а, нужно было создать контекст про про кастомеров, да, про вас по сути. И поэтому ваши селф-представления, те, кто их сделал в телеграме, в Telegram-группе, я зафидил Яю, чтобы он создал, а, то есть три персоны, которые, прошу прощения, которые, собственно, описывают на основе того, что вы, э, как бы говорили, я сгруппировал их в эти три персоны. Кстати, интересно, как вы считаете, вы попадаете в какую-то из вот этих категорий с персон? То есть это enterprise transformer. Тот, кто на уровне энтерпрайза решает задачу трансформации AI, а, лидер, которому нужно 10 раз быстрее всё делать, нужна, собственно, система, и стартап founder или builder, которому необходимо, собственно, ускорить циклы разработки и четвером-пятером работать как 40-50.
О'кей, конечно, когда мы делаем продукт, нам, а, мы всегда приходим к необходимости сформулировать какие-то персоны. И в моём случае понятно, что ваши представления, самопредставление — это был источник для этой информации. И я не просто там так просил добавить LinkedIn или Twitter, а потому что я использовал, ну, если он был указан, то я использовал эту информацию, чтобы понять больше про вас дальше.
Когда у меня есть эти персоны, когда я готовил эти слайды, эти упражнения, которые мы сейчас будем делать, то я по сути прогонял, а, поскольку три разные персоны и один продукт, и нужно как-то, как и в любом разработке продукта, нужно как-то адаптировать, чтобы продукт, с одной стороны, был релевантен для всех персон, с другой стороны, он бы давал какую-то ценность конкретно для определённой персоны. И поэтому, а, когда я, например, какое-то упражнение делал, я просил, видите, здесь AI Review, то есть у меня был отдельный агент под каждого из персон. И он критиковал какой-то, да, или какой-то слайд. Вот, например, вот здесь показано, что когда появился контекст персоны, что вот, например, стартап персонала, определённые изменения к одному из exercises, который мы будем делать. Enterprise — другая. Мы здесь видим, если стартап — это прототипировать свою core фичу, например, то enterprise — это скорее proposal к для пилота, потому что есть больше процессов и задач, которые требуют согласования и обработки.
Поэтому, а, основной мой point, почему я это показал, что, безусловно, а, то, о чём мы будем говорить, это применимо не только к разработке софта, к разработке цифровых продуктов. Это применимо, по моему мнению, во многих частях жизни. И профессионально, поскольку мы разрабатываем всё, что касается sales, в sales, например, это тоже абсолютно применимо. Просто вместо персон появляется так называемый ideal customer profile.
Собственно, а для того, чтобы стартовать, я просил вас к встрече поставить cloud-code, поэтому давайте сделаем следующую штуку. Нужно создать папку на своём компьютере под этот курс. Можете её назвать "Native Product Team", можете назвать как-то по-другому, это ваш выбор. Но основное, что создайте, пожалуйста, папку, а, и в ней запустите cloud-code.
А, если вы вдруг не знаете, как в папке запустить cloud-code, то я сейчас это покажу, собственно. А, допустим, у меня есть какая-то папка, ну, у меня она, GitHub, это значит, и experiments. Сейчас я зашерю экран. Сейчас вы должны видеть. И, собственно, я могу, ну, мне нужно попасть в нужную папку. Для этого используется команда CD, если вы в терминале. И надо указать путь к этой папке, которую вы создали. Самый простой способ указать путь к этой папке, которую вы создали, — это перенести drag-and-drop эту папку из своего, а, если вы на Маке, например, из своего Finder. Ну вот смотрите, допустим, если бы я хотел сделать это вот в этой папке, допустим, я создаю папку, назову её Workspace, пишу CD, а это чтобы перейти в заданную папку, и переношу просто её drag-and-drop. И тогда у меня путь как бы автоматически записывается, и я могу перейти в эту папку.
Если же вы используете cloud-code на десктопе, то у вас, собственно, в cloud-приложении будет закладка "Code" наверху. И в этой закладке внизу вот здесь вы можете выбрать папку, в которой вы хотите делать этот проект. Поэтому нажимаете сюда, выбираете "Choose different folder" или что-то похожее, а, у вас, и, соответственно, указываете путь к той папке, которую вы создали, и, соответственно, чтобы в неё как бы попасть. Собственно, как только вы откроете, вот он Workspace, как раз папочка, я её выбрал, и теперь у меня в этой папке будет происходить всё остальное.
Когда я делал этот, ну, готовился к этому воркшопу, мне нужно было каким-то образом задать контекст о своей, ну, о том, что мы делаем, да, что это курс такой-то, что на нём есть вот такие-то участники. На самом деле я ему дал просто доступ к Telegram-группе, и он сам её потянул. Но основной point, что cloud-code не смог бы придумать те три персоны, которые мы сейчас посмотрели, если бы у него не было контекста. И этот контекст, с одной стороны, я попросил вас выдать, да, то есть вы пошерили его в группе, некоторые из вас, большинство из вас. И второе, я должен был каким-то образом простроить механизм передачи этого контекста из Telegram-группы в cloud-code.
И к чему я это всё, что контекст — это первое суперважная шаг в том, чтобы полноценно использовать cloud-code и подобные инструменты как для себя лично, для своей работы над проектом, продуктом в компании, а так и для — это первый шажок для того, чтобы построить систему. И мы будем говорить про разные аспекты этой системы, построить систему для своей компании или продуктовых команд.
Поэтому первое, что вы, что мы сделаем, это мы попросим cloud-code проинтервьюировать нас. То есть что мы хотим? Мы хотим сделать первый шажок, безусловно. Сейчас будет ограниченное время, и вы потом в рамках домашнего задания я попрошу вас вернуться к документу и доделать его. Но сейчас мы попросим его проинтервьюировать нас, а, и, собственно, узнать, что за размер команды, роли, что за продукт мы делаем, какой у нас процесс, как мы используем AI, где основные проблемы, и создать два файла. А, а, точнее, да, два файла.
Первый файл — это будет, по сути, центральный файл, который я объясню. Пока просто зафиксируйте, что он называется cloud.md. Неважно, что он делает, и вы видели в видео про него. Но основной point, что это один из центральных файлов для cloud-code, чтобы понимать контекст, чтобы иметь контекст. И я вам покажу, например, как выглядит cloud-code для нашего вот этого проекта, да? Смотрите, я говорю ему, что это там пять воркшопов, я говорю даты, я говорю, кто есть на встречах, когда они проходят, даты и что будет на каждой встрече. Какой ключевой фреймворк мы с ним сегодня познакомимся. Я использую, чтобы оценивать, где находится команда с точки зрения внедрения AI и, соответственно, куда она хочет прийти, потому что каждый из вас сегодня должен будет оценить через специальные инструменты, оценить, где вы находитесь, куда вы хотите прийти. Собственно, там, ну, структура файлов, принципы дизайна воркшопов, то есть которые я себе принимаю. Ну, например, я хочу показывать там, в чём красота cloud-code. А здесь, как делать презентации, потому что это один из ключевых артефактов, который нужен, что используются специальные иллюстрации, которые у нас есть, и так далее и тому подобное. И вы даже здесь увидите те самые персоны, которые я создал на основе ваших самопредставлений, потому что, как я сказал, оттуда мы используем этот данные. И вот такой же cloud.md, такой же центральный файл, вам нужно будет создать.
Поэтому, а, что нужно сейчас сделать? Это скопировать вот этот промпт, а, запустить его в той, ну, в папке, в которую вы открыли, которая будет под этот проект. А, и в течение следующих 5 минут, а, ответить на вопросы. Почему у меня всё на английском? А, потому что английский берёт в полтора-два раза, ну, полтора скорее, меньше токенов, чем, а, ну, не не латинские буквы. И, соответственно, поэтому я использую английский везде. А, ну и плюс некоторые термины очень тяжело на русский переводятся. Надеюсь, для вас о'кей. Но если нет, то вы можете, а, сказать, э, что, эй, интервьюируй меня на русском, или просто начать отвечать на русском. Он, скорее всего, с вами согласится, дальше будет говорить по-русски.
Максим, да, а, в целом вполне, а, вполне достаточно будет санет. Чуть попозже расскажу, почему я вообще везде использую Opus, но, а, в целом вы правы. Можно использовать другую модель. Соответственно, а, кто не знает, как переключается модель, ну, в десктопе это очень легко. Это вот здесь, да, в десктоп-версии. А, в этой, в cloud-code, ну, в терминальной версии, или, как Егор уже нас научил, можно попросить это сделать cloud-code. Но, а, если нет, то можно нажать, написать команду "model", косая черта "M", и он начнёт предлагать, и здесь выбрать ту модель, которая есть. Мы чуть попозже поговорим, а, что такое и в чём будет принципиальная разница.
Так, сначала он спрашивает: "А что за продукт я делаю?" Ну, а, я говорю, что это AI Native Product Team Online Course, taught in Zoom. И я, поскольку у cloud-code есть доступ к, возможно, есть возможность искать в интернете и подтягивать информацию из интернета, то я ему, а, чтобы много не объяснять, я ему просто открою страничку курса, которую вы все видели, и скажу, что, а, возьми, короче, сам отсюда, чтобы просто сократить себе время.
К чему я это? Что вы могли бы дать ему возможность из какого-то источника, например, у вас есть документ, вы можете просто скопировать Ctrl+C, Ctrl+V, скопировать ему, и он сам прочитает этот документ, или сделать скриншот, или указать, как я сделал, ссылку. А, если вы не работали с cloud-code до этого, то, а, у cloud-code очень хорошая система защиты от того, чтобы, скажем так, не было определённого вида атак на ваш компьютер. И поэтому он спрашивает всегда, когда делает что-то, что находится за пределами вашего, как бы, фолдера. И поскольку здесь он хочет обратиться к интернету, чтобы скачать информацию про этот курс, потому что я ему дал, он спрашивает у меня разрешение, и я могу или разрешить, или не разрешить, или разрешать всегда. Поскольку это мой домен, мой сайт, там нету ничего плохого. Я ему даю разрешение номер два, чтобы он больше меня не спрашивал, если это будет касаться именно эмпатики.
Считал, ну, скачал эту информацию, понял про курс. Теперь он говорит: "А, как бы, на какая насколько большая команда?" А, а, на нас двое, да? А, соответственно, me, Байрам. А, а, зачем? А, а, course и модина, а, management and video production, да? А, соответственно, а, я как бы описал, кто в команде есть и, соответственно, кто за что отвечает. Ну, он спрашивает, какие метрики у нас. Это основная, а, core метрика — это repeat purchase, да? То есть какой процент тех, кто прошёл курс, курс идёт дальше. Это core метрика как бы качества. А, и соответственно, а, сегменты — aspens and engineering leaders. Ну, это по факту на основе ваших, этот, ну, и соответственно, development process I use AI extensively.
Вот код. Ещё раз, если вдруг вы ответили на все вопросы, то можно плюсик. Я хочу вам показать один момент, что иногда, ну, когда задают много вопросов, писать всё это лень. И из-за этого ты даёшь слишком мало контекста. Из-за этого, если у мало контекста, то менее ценен и полезен получается то, что генерирует AI, то, что делает AI. А, и поскольку он меня вот тут спрашивает, что, как бы, как, мм, я хочет больше информации, то я включу голосовой ввод и скажу ему, а, так у меня, видимо, из-за зума не хочет. О'кей. Из-за зума, видимо, он перехватывает. Ну, тогда я ему это напишу. Но к чему я вам? Что вы можете использовать безусловно голосовой ввод, чтобы просто ускорить этот. А, если вдруг сейчас не хотите отвечать, можете ему всегда сказать, типа "забей", и он как бы пройдёт это.
И, соответственно, он спрашивает, что ещё: video for materials, calendar for schedule, plus GitHub for reusable skills, соответственно, ну, и там bottlenecks. Мне кажется, что видео ed convert recording into YouTube video, что видеомонтаж забирает много времени. Вот. И в принципе, после того, как я ответил на эти вопросы, он создаст те два файла, и мы увидим с вами их через мгновение. Вот он создаёт их. Он попросит разрешения. Как только он в первый раз захочет что-то редактировать, он попросит у вас разрешение это делать. Опять же, система защиты. И после этого появятся эти файлы. И давайте мы их посмотрим.
Вот, собственно, он создал контекст про продукт, про сегменты, про главную метрику, про команду, про инструменты, которые мы используем и так далее. И второе, он создал отдельный файл про профиль. И, в принципе, я бы мог дать ему больше контекста. В целом, здесь ничего сложного. Основной point, что мы подготавливаем почву к тому, чтобы получать больше ценности, а дальше, чтобы дать cloud-code контекст, который ему важен. И, безусловно, вот, как я сказал, в домашнем задании вам вы сможете дать ему больше информации, чтобы он это организовал лучше для ваших целей, вплоть до того, что cloud-code можно, и мы это будем с вами смотреть и делать, можно подключать к вашим системам, в которых вы ведёте, ну, например, к Notion, допустим, или к Slack или Telegram и так далее, и автоматом вытаскивать информацию.
Мы дали первый уровень контекста нашему cloud-code. И, соответственно, теперь так же, как у вас в ChatGPT или в Claude или в Gemini, а вы знаете, что он по мере общения с вами он потихоньку вытаскивает и запоминает какую-то информацию о вас и потом её использует. Вот здесь мы просто инициализировали сразу этой информацией.
Собственно, а для того, чтобы пойти дальше, я напомню, цель сегодняшней встречи в соответствии с программой курса — это понять, где ваша команда, вы сейчас находитесь на, как бы так называемой карте или фреймворке, фреймворке автономии продуктовой организации, которую я сформулировал. Давайте я объясню. А потом, а вы, когда поймёте, напишите одну циферку, буквально в Zoom-чат, как вы думаете, где находится, по вашим ощущениям, находится ваша команда.
Первый, нулевой уровень. А, рядом с, как это относится к продуктовой организации, я буду говорить аналогию из, откуда взят этот фреймворк. Этот фреймворк взят из аналогии самоуправляемых автомобилей, self-driving cars. И поэтому я буду под каждый уровень пояснять на основе этой аналогии. Ну, первый уровень — мы всё делаем ручками. Мы пишем код ручками, мы пишем документы руками, мы создаём артефакты руками. В общем, весь процесс, все задачи делаются руками, или я не знаю, как делаются у других, поэтому думаю, что, наверное, это делается руками.
Первый уровень — это assistive, то есть где мне помогает AI. Например, в случае автомобиля — это круиз-контроль. Он мне говорит, когда я начинаю заезжать на другую дорожку, на другую линию. А, это значит, наши сотрудники используют или ChatGPT, или Claude, или Gemini, для каких-то своих задач, для подготовки драфтов, черновиков, каких-то артефактов, но нету какого-то общего движения и общей, общей координации.
Partial, то есть когда, например, машина за нас ускоряется и тормозит, когда видит определённые знаки или машину перед нами. Это в терминах продуктовой организации, что у нас есть какие-то общие workflows, и где-то собирается контекст о нашем продукте, о нашей компании.
А третий — это когда, ну, на там, где мало неопределённости, например, на шоссе, машина в целом едет сама. Но когда что-то не так, например, какой-то accident или ещё что-то, то вы уже включаетесь. В терминах продуктовой организации это могло бы быть так: допустим, code review делается автоматически, а люди просто смотрят за, а, правильно ли он сделал code review.
Я вижу, что многие поделились уровнем от нуля до двух. Наша задача на этой встрече, на вот этом курсе — сдвинуться хотя бы на один уровень вперёд, а желательно на два. Единственное, что я скажу, что я пока, а, пока не могу сказать, что пятый уровень достижим с текущим объёмом, с текущим интеллектом моделей. То есть я точно могу сказать, что третий и четвёртый — это достижимые уровни. Наша команда вот именно в части продуктовой она находится примерно на третьем уровне, по крайней мере, я так считаю. Вот. И наша задача сейчас — повысить уровень автономии. И я буду про это много говорить. Но при этом, э, соответственно, пятый уровень я просто пока считаю недостижимым.
И поэтому, что мы с вами сделаем следующим, следующим как бы шагом, это я попробовал вот эти уровни разбить на более, как сказать, на более конкретные измерения. Вот, например, аа, если мы говорим про продуктовую организацию, то, допустим, один из классных аспектов, где AI может помочь — это увеличить так называемую метрику time to insight, то есть время до инсайта. Вот мы в пятницу запускались на Prod, а вчера где-то минут, наверное, за 30 вместе с AI мы подготовили релиз-отчёт, который я пошерил с командой. И завтра в понедельник мы, а, будем, у нас будет митинг, они этот документ прочитают, отчёт, и мы будем обсуждать, что мы должны отработать по результатам этого запуска и какие инсайты, проблемы, и кто что возьмёт в работу. То есть вот time to insight у меня занял где-то 30-40 минут. В основном им. У нас будет про это целая встреча, а, там, потому что пока AI иногда даёт банальные выводы и в некоторых аспектах, ну, не учитывает какую-то информацию, но в целом за 30-40 минут вместо того, чтобы или самому разбираться с SQL запросами, писать их, или смотреть кучу дашбордов, или, не дай бог, поскольку только в пятницу был запуск, ждать ещё несколько дней, пока команда аналитики всё это подтянет и, а, если вдруг нужно будет ещё какая-то информация, то дозапрашивать, и тогда это неделя или две. Вот time to insight — это один из аспектов, который, ну, dimensionшнсов, который может описывать аспект автономии продуктовой организации. Поэтому я это сделал. И, а, мы с вами, вы сейчас познакомитесь с этим фреймворком. Мы с вами будем по этим направлениям оценивать автономию и двигаться по ней.
Вообще, а, собственно, основной как бы point, который у меня есть, что, а, если мы говорим про первый уровень, то первый уровень — это в основном вида, ну, то, что называлось и называется prompt engineering, то есть когда мы, а, это вопрос-ответ. Возможно, у вас есть какая-то библиотека промтов, с которой согласована, и все её используют, чтобы получать результаты. Возможно, это просто из головы люди формулируют, как они просят AI что-то сделать. И поскольку нет достаточного контекста, то получается, что иногда этот, или мы получаем слоп, или мы получаем очень неадекватные выводы, потому что у AI нет достаточного контекста. Именно поэтому мы первое упражнение, которое мы сделали, это мы начали создавать этот контекст.
Второй уровень — это вот как раз, когда мы создаём контекст, но с контекстом есть одна проблема, и её, собственно, Михаил поднял, что что делать, если, ну, насколько подробный должен cloud.md cloud быть и есть лимиты, когда это слишком плохо? На самом деле есть, и мы будем про это с вами детально говорить на следующей встрече. Но сейчас я пока скажу, что контекст — это не только cloud.md файл. Это первое. Второе, куски контекста могут находиться в разных документах. Например, если это процесс разработки, то эти, как это сказать, conventions, да? Coding conventions, то есть как пишется код, а он может быть описан в отдельном документе. И этот контекст динамически будет подтягиваться только тогда, когда стоит задача, связанная, например, с проверкой кода на его адекватность. Или, допустим, есть контекст про то, как устроена база данных, в которой хранится информация про юзер, про поведение юзеров в вашей платформе. В этом случае нам нужен этот контекст только, если мы, допустим, готовим аналитику. И поэтому куски контекста будут разбредаться по разным файлам. И из-за этого возникает задачка, или не задачка, а дисциплина, которая называется context engineering.
И вот внизу приведён, приведена цитата Карпатова — это такой известный researcher в области AI и очень много делает для образования, связанного с machine learning и AI. И у него он дал прикольное определение context engineering. Это что? Это искусство и наука, как подавать AI в нужное время нужную информацию, нужный контекст. Например, у Anthropic, производителей Claude, у них определение соженельник тоже очень интересное. Оно звучит так: это минимальный объём информации, который даёт максимальный сигнал о том, как AI должен что-то сделать.
На самом деле, если мы подумаем, то что делает Claude или другие? Они генерируют что-то, поэтому Generative AI называется. Они что-то генерируют, в данном случае текст. И, а, когда, поскольку они натренированы на всём интернете, то они, если не дать контекст, они генерируют то, что самое популярное в интернете. И когда мы задаём контекст, мы, по сути, задаём ограничение в вот этом пространстве генерации. То есть мы говорим: "Генерируй больше вот этого, а не вот".
"этого". Как вы понимаете, даже наш вот этот промт - это контекст, потому что если бы я бы не сказал ему вот это, он бы, ну, мог рандомное слово первое, ну, скорее всего, оно было бы "хай", но абсолютно рандомное слово, а могло быть сгенерировано.
Поэтому, по сути, когда мы инженерим контекст, когда мы отбираем кусочки информации, которые нужно подать как бы AI для той или иной задачи, мы снижаем степень свободы для AI при генерации того, что они нам хотят.
А по поводу, какая структура файлов и в какой момент что нужно добавлять, про это у нас будут вот все последующие встречи. Ну, они будут по определённым дисциплинам. Например, как когда мы генерируем прототип, как структурировать контекст для него, а когда мы занимаемся аналитикой продуктовой и так далее. То есть, Михаил, постепенно, а это вы увидите, как это будет появляться в зависимости от задачи.
У Claude-Code больше возможностей понимать, поскольку у него есть инструменты файловой системы, поскольку у него есть инструменты поиска внутри файла и так далее и тому подобное, у него больше, и мы можем дописывать какие-то аспекты. У него больше возможностей инженерить вот этот контекст. А у вас, как дирижёров этого процесса, больше возможностей направлять.
Потому что когда я сказал Claude-Code: "Возьми, а с моего, а, может, кто-то из вас был на вебинаре AI Native Product Manager, возьми из него транскрипт и презентацию и используй как контекст, потому что этот вебинар был как промоушн-ивент для этого курса", и я ему, по сути, дал необходимый контекст. Но я решил, какой контекст. Я ему не сказал: "В принципе, у меня курс называется Native Productive. Всё, что найдёшь, твоё".
Но одна из задач была: "Проведи глубокое онлайн-исследование по этим топикам, и мы будем проходить это. Как это делать? Покажи мне, что другие крупные компании делают в части контекста, в части, прошу прощения, AI Native productджмента". И я потом уже отбирал кусочки, которые я считаю релевантными и нерелевантными, в том числе вот эта цитата Карпатова, понимаете, да? А поэтому она, кстати, у меня просто в одном из курсов, которые для программистов.
Собственно, зачем, да? И следующий уровень после инженеринга контекста - это, а, его, я не знаю, как правильно перевести "harness". Это типа не костыли, а вот в позитивном слове, в смысле коннотации, костыль, то есть, а, специальная инженерная инфраструктура вокруг вашего AI, которая помогает ему делать меньше ошибок. Подпорка, да? Вот как, да, это это подпорки, которые вы создаёте, чтобы AI меньше делал ошибок, учился. Я сейчас приведу пример. Учился на ошибках и чтобы он не забывал, как правильно делать.
Вот сейчас следующим упражнением мы познакомимся, например, с понятием "скиллов". И мы с помощью скилла сделаем ассессмент нашей команды по вот шести измерениям автономии продуктовой организации, которые я сформулировал. И, а, например, скиллы - это один из элементов, как обеспечить вот эти подпорки, как вокруг нашего AI создать аспекты, которые позволяют ему, во-первых, генерировать нужное, во-вторых, не делать ошибки или учиться о них, от них, прошу прощения. И третье - это измерять, проверять свою собственную работу.
Давайте вот на последнем кейсе расскажу, потому что он будет очень понятен. Но если есть вопросы или хотите, чтобы я привёл пример для другого аспекта, связанного с разработкой продуктов, спокойно. В общем, когда я начал первый раз использовать Claude-Code для генерации презентации к моим выступлениям, то я заметил, что он очень часто делает ошибку, что, например, текст заезжает друг на друга, да? То есть он там напихал всё по слайдам, и один текст заезжает на другой. А или когда он добавляет вот здесь, например, картинку, картинка могла быть или вот так сплющена, допустим, да, или она могла быть вот так. И, э, как бы это, ну, ошибка в терминах его работы.
И, а, как было до того? До этого я открывал презентацию, просматривал и писал ему комментарии по поводу того, что "слайд один, картинка заехала на это", делал скриншот и давал. Что я сделал сейчас? Я сделал процесс, в рамках которого он на все слайды генерирует тамнеилс, да, вот такие как бы мини-картиночки слайдов. Проходится по всем им, потому что он может смотреть, у него есть визуал. Проходится и ищет те проблемы, которые часто встречались: сплющенная картинка, заезжающий текст и так далее. И, а, в итоге проверяет и сам исправляет себя. Понимаете, что я сделал здесь? Всё, что я сделал, я дал ему знания о процессе, каким образом проверять свою работу, прежде чем давать её мне. Потому что такие проблемы он мог бы найти. Логические проблемы, нестыковки. Ему было бы, может быть, тяжелее. Но что один текст заезжает на другой, это точно через картинку он бы увидел. И вот эту систему обратной связи, вот эту систему, когда мы обеспечиваем возможность обучения AI и самоисправления - это движение к автономии. Потому что, если мы убираем себя из процесса хотя бы примитивных кросс-проверок, как выглядят слайды, то мы повышаем автономность этого процесса. Сейчас процесс генерации презентации - это максимум 10% я проверяю, потому что он любит напихать ещё текст на слайд. То есть очень много текста он любит. И поэтому это то, что я иногда проверяю для того, чтобы нам двинуться дальше.
Второе упражнение. А сначала объясню, потом вы его проделаете. А что я попрошу вас сделать? А мы познакомимся с ещё одним аспектом Claude-Code. И сейчас уже не только Claude-Code, это в целом поддержали как стандарт. Это так называемые "скиллы". А что такое скилл? Skill - это, по сути, промт, который вы хотите часто запускать. И если есть какая-то в команде повторяющаяся процедура, например, код-ревью, то или подготовка аналитического отчёта к выкли, или ежедневного отчёта - это повторяющийся workflow. В нём всегда примерно одни и те же содержания, секции и так далее. Поэтому мы можем как бы оформить этот длинный промт в скилл и не только вызывать его, как вы сейчас вызовете, для того, чтобы сделать эту работу, но и передавать другим.
Потому что я, когда сейчас вам дам скилл, который я разработал для самооценки автономности команды, насколько AI автономна команда, по вот этим шести измерениям, которые я вывел, а, собственно, я, по сути, оформил скилл и вам его сейчас передам, чтобы вы его выполнили. Но когда вы будете его выполнять, там будет примерно шесть ключевых вопросов. В некоторых вопросах он может вас попросить дать больше комментариев, но он по каждому из аспектов измерений, я сейчас объясню эти измерения, он задаст вам вопрос с примерами и попросит вас оценить вашу личную AI proficiency в этом вопросе. Ну, например, у меня есть контекст в, ну, например, о проекте. Когда я запускаю, он задаст вопрос такой: "Когда вы запускаете AI, он знает что-то про вашу команду?" Вот хорошая проверка: у него вообще есть контекст про команду или нет? И, э, вы, соответственно, он будет задавать вопросы, и вы измерите, насколько контекст о команде и продукте собирается, насколько есть повторяющийся workflow. Как быстро мы получаем аналитику, инсайты из продукта, как быстро мы создаём артефакты - это документы, презентации, код, работающий прототип и так далее, и тому, как принимаются решения, какую роль в этих решениях принимает AI, и что у вас происходит с командой. У вас сотрудники становятся. Вот у нас, например, Даня, он фронт-энд инженер, но благодаря AI он вот в прошлый релиз первый раз засабмитил заправленный PR-реквест для бэка. То есть он сделал всю фичу от фронта до бэка сам. И для меня это эволюция роли, потому что я считаю, что мы превращаемся все в таких, как LinkedIn называет это "фулстек билдеров". То есть инженеры становятся фулстек в том плане, что они умеют дизайн. И мы будем про это смотреть и показывать. Да, даже вот это видео, которое я вам показал, оно сделано с помощью AI. Я бы не сделал такое видео 5 лет назад. У нас для этого был специальный человек. Сейчас я это видео сделал минут за 30 вместе с AI. И поэтому, а, будет вопрос, связанный с эволюцией ролей в вашей команде. Видите ли вы роли?
И вот тут я могу показать, я вам показываю, что вы в результате получите: ассессмент своей команды и план, куда вы хотите прийти через 6 месяцев с ней, потому что этот план нам надо в ближайшие 3 месяца превращать в реальность. И вот зелёным - это где мы сейчас, а красным - это куда мы хотим прийти по каждому из. У вас это может быть по-своему, но вот здесь видите, например, в "onsite" мы очень хорошо делаем, быстро получаем инсайты, потому что, ну, сделали этот процесс. Мы неплохо эволюционирует роль. Я вот привёл вам пример Дани. Но, например, "reusable workflows" у нас пока не очень. А по моей оценке, у нас контекст о'кей, но есть куда стремиться, вы видите. И поэтому в итоге получается, что вы для своей команды создадите вот такую как бы штуку. А заодно узнаете, если вдруг ещё нет, про скиллы.
Итак, что такое скиллы и как нам этим воспользоваться? А сначала вам нужно поставить скилл. И скиллы, может, кто-то уже знает, но кто-то ещё нет. Скиллы - это некоторое расширение возможностей Claude-Code внешними, вот как я сказал, программами. Первое, что делается, это устанавливается, я бросил в Zoom-чат, так называемый Marketplace. Это типа Store скиллов. Я создал под наш, под наш курс Marketplace, который называется AI Native Product. Собственно, первый промт устанавливает Marketplace, где будут все скиллы, которые мы будем с вами использовать в этом курсе, и они будут потихоньку появляться там. И второй, второй команду, которую нужно вызвать, это которая поставит именно этот скилл, скилл, который я создал, который называется Team Assessment.
Перед тем, как вы можете выполнить команду, чтобы поставить этот скилл, но перед тем, как запускать его, давайте я объясню его суть, и вы, а, после этого запустите и сделаете вот такой же результат, который я показал. А, итак, а что делает этот скилл? На самом деле, как я сказал, скилл - это просто промт. Это промт, который вы хотите реиспользовать. В моём случае, вместо того, чтобы скопировать весь промт и вам отправлять через Zoom-чат, я просто его оформил в виде скилла. И здесь посмотрите, что происходит. Аа, он выполняет всего одну команду: Teams. И я ему говорю: "Перед стартом проверь, есть ли вот эти файлы, которые вы создали в первом упражнении, чтобы получить контекст про команду и про ваш проект/продукт". Дальше, а, мм, этот, как его, поприветствуй и объясни, что ты хочешь делать. Приведи пример Shopify. В Shopify приняли такой стандарт, что перед тем, как вы хотите получить ресурс, ну, разрешение на ресурсы, денежные или людские, вы должны доказать, почему AI не может это сделать. Ещё раз, они ввели организационное правило. Мы будем говорить про организационные правила, чтобы не разрастался, а чтобы люди учитывали использование AI в своих решениях. А, собственно, а дальше, э, вы, соответственно, он говорит, и потом он начинает задавать по шести измерениям вопросы и, соответственно, исполнять их. И в итоге создаст документ Team Assessment, в котором опишет ваше текущее состояние и желаемое. И второе - сгенерирует картиночку типа той, которую я показал.
Собственно, Максим задал вопрос правильный, и я просто забыл про это сказать. Итак, в десктопной версии Claude-Code, да, те, кто использует эту терминал, а если вы поставили и после того, как вы поставили, вам нужно перезапустить Claude-Code, то есть сделать exit и заново запустить Claude. После этого у вас появится вот такая команда, которая называется Team Assess. Запускаете её и начинаете отвечать на вопросы. А для тех, кто использует на десктопе, а, соответственно, здесь вы вообще, а, я давайте сначала проверю. А, просто Максим, если что, помоги. А, когда запускаете, так он не срабатывает, потому что по идее должен, но если нет, сейчас, сейчас, сейчас проверим. Если нет, то я покажу, как. Не срабатывает. О'кей, тогда, а, сейчас я вам расскажу, как как это сделать по-другому.
Итак, поскольку, о'кей, я вижу, что в терминале у некоторых тоже проблема. Тогда сейчас для всех покажу, как можно это поставить без без этих команд. Во-первых, давайте сначала у тех, у кого десктоп или в терминале говорит, что это там, и, ээ, причина, потому что он не может, ну, у вас нету определённых инструментов на вашем компьютере, связанные с GitHub. Но, а, мы можем это сделать по-другому. Поскольку скилл - это всего лишь фолдер, по сути, то мы можем скачать себе локально этот скилл и Claude-Code попросить его установить этот скилл из фолдера. Собственно, как скачать? А вот идём на вот этот адрес, как раз GitHub, где куда я разместил эти скиллы. И здесь будет кнопочка "Code" и будет кнопочка "Download ZIP". То есть он, а, скопирует архив вот этого, а, проекта, вот этого как бы этого. И когда он скопирует, а, скачает, прошу прощения, он у вас откроет, ну, скачает это где-то. И Claude установит этот скилл из папочки. Если вы используете терминал, если вы используете, а, этот, десктоп, то а в десктопе есть раздел, который называется "My". И здесь вы увидите, у вас не будут вот этих плагинов. У вас или будет пусто здесь, или будут какие-то другие стандартные. А у вас будет кнопочка плюс, плюсик. То есть это значит "добавить новый плагин" или "подгрузить". А это, и здесь будет опция "Upload plugin". Выбираете эту опцию и находите, а, куда вы скачали, а, вот тот как бы, а, тот фолдер, который мы скачали из GitHub. А, наверное, а, ему нужен ZIP. А, да, собственно, а, вы даже не нужно было распаковывать, прошу прощения, просто укажите ему этот путь к ZIP-файлу, который вы скачали, и он, а, после этого установит ваш, а, этот, а, ваш этот скилл.
Соответственно, Алекс, если в терминале установил, перезапустил, но команду не видит, то попробуйте без команды фу, без того, что видит, просто запустить с "Team Assess", да, и он, скорее всего, а её как бы просто, ну, не показывает в этом. И а уже всё о'кей, супер, отлично. Соответственно, я сейчас вызову просто старый, ну, тот разговор, который у меня уже был, ну, когда я тестировал, готовился к этой лекции, и мы с вами просмотрим, как я на него отвечал, чтобы вы понимали, какие вопросы задаются и что там, а, вообще, ребята, а, ну, на какие вопросы они отвечают и что они, а, делают.
Сейчас для тех, кто не знает, а вы всегда можете вернуться. По умолчанию 30 дней, но это можно поправить. Все разговоры, которые вы ведёте с Claude-Code, он запоминает их, и вы можете вернуться или продолжить разговор. Почему иногда хорошо продолжать разговор? Потому что контекст есть в том разговоре. И аа, здесь вот я как раз вам покажу этот вот, видите, я запустил Teams, да, эту как раз команду. И а дальше, о, я вижу уже две, э, две прислали уже. Это супер, молодцы. А вот он у меня спрашивает. Ну, у него не было контекст-файлов, потому что я хотел протестировать без них, как будет работать, убедиться, что у всех будет норм, даже если они не делали это. Вот он говорит, что в двадцать шестом году надо вопрос не юзать AI, а как глубоко. Вот про Shopify я вам сказал. И поскольку я не ответил, ну, он не нашёл файлов про, как вот сейчас мы Кате показывали, он меня хочет спросить про название команды и компании, размер. А потом здесь я уже про онсу отвечаю. А, и тут он меня спрашивает, соответственно, о'кей, а давай типа поймём, а когда вот по измерению "Context Infrastructure", когда вы открываете IT, сколько он знает про вашу команду? Ну, я говорю там, типа, для некоторых аспектов и проектов очень хорошо, для некоторых нет. Ну, типа, он говорит: "А как бы ты оценил?" Я говорю: "Ну, двойка". Он говорит: "А через 6 месяцев?" Я говорю: "Четвёрка". Отлично. Хорошо. Пошли дальше.
Второе измерение - это когда приходит новый мембер в команду. Вот он может запустить ваш как бы AI workflow без объяснений. Ну, вот, например, подготовку аналитики к выкли-митингу. И я ему говорю: "Ну, честно, нет, да, а потому что я их использую, но, допустим, они не знают, как я". Он говорит: "О'кей, значит, у тебя вот с точки зрения переносимости workflow всё плохо, а где хочешь быть?" Это как раз скиллы, да, вот которые мы с вами сейчас это. Да, есть сложности с их переносом тоже, как мы сейчас видели, но в целом мы разобрались.
Дальше он говорит: "А, о'кей, Speed to Insight". Как быстро вы получаете, переходите от "у меня есть вопрос по поводу наших пользователей и или нашего рынка или данных, которые хранятся на нашей базе данных" к моменту, когда у нас "actionable answer". А, и я говорю, ну, очень быстро, потому что у нас есть контекст и скрипты, которые тащат это. Он говорит: "О'кей, супер". А, ну, значит, типа 3-4, через 6 месяцев, ну, 4-5. О'кей.
И я думаю, вы уже поняли процесс. В итоге он выдаёт мне ассессмент, говорит, что я хочу, куда я хочу прийти, и создаёт два файла. Первый файл - он описывает детально резюме по моим ответам. А второе - он создаёт вот эту картинку, которую ребята сейчас уже присылают по своим, и а даёт визуализацию этого процесса. То есть он говорит, что типа, собственно, отлично, а вот твоя задача такая.
Давайте вернёмся к презентации. И я хотел бы, чтобы вы понимали, что это не мои какие-то придумалки и хотелки. Я хотел бы, чтобы вы понимали, что индустрия двигается туда. И в начале я сказал, что одной из причин этого курса было то, что ко мне приходили друзья, CP, CTO в компаниях крупных организациях, которые задавали, и не очень, которые задавали вот вопросы: "Пролетает мимо истребитель. У меня ощущение, что я как бы опаздываю". И поэтому я собрал вам несколько индустриальных кейсов, которые происходят сейчас и которые, я считаю, в унисон к тому, какую задачу мы ставим друг перед другом перед собой на этот курс.
Shopify. Я вам сказал, что у них есть мандат, что ты должен доказать, что ты, что AI здесь не применим, прежде чем просить headcount.
Klar. 2/3 кастомер-сервисы делают. У них есть там сложности, в том числе с этим. Но, э, я, у меня вот есть в близком доступе команда, которая, а, у них 20-25 человек, у них 90% кастомер-саппорта - это AI. То есть я вижу, что это возможно, и это действительно реальная ситуация.
LinkedIn. Я рассказывал на вебинаре и хочу показать, что отчасти в этом курсе я хочу, чтобы мы все стали немножечко вот этими фулстек-билдерами. То есть когда мы как продакты можем пройти, как я на вебинаре показывал, пройти весь этап от идеи к работающему прототипу. И, может быть, кто-то из вас, особенно если вы связаны с инженерингом или у вас достаточный уровень автономии, может быть, выкатить на пользователей. Точно выкатить в управляемой, в контролируемой среде. Контролируемая среда - это, например, на user interviews, да, можно показать сразу прототип, сказать: "Это всего лишь прототип, мы просто хотим собрать фидбэки". Но некоторые команды, мы будем про это говорить, создают так называемые "песочницы" в рамках своего основного продукта, где продукты могут экспериментировать, минуя стандартные процессы, которые есть в компании. Но, а, там есть всё равно security чек, privacy чек, ну, по понятным причинам. И они оформляют эти чеки в виде скиллов, как раз-то. То есть они организовывают, а, например, это как скилл и заставляют, чтобы обязательно был этот код прогнан через этот скилл, и тогда они: "О'кей, что можно это в песочнице развернуть и на маленькую долю юзеров раскатать эту фичу и сделать реальные замеры, а не гипотетические". Можно создавать песочницы, в которых разворачивать прототипы. Мы сейчас сделаем с вами прототипы, это последний exercй, который мы сделаем. И, соответственно, обеспечивать этот, ну, и Open JP Morgan. Вот я приводил пример, как продукт на миллион строк, в которой ни одна строка кода не была написана вручную. Но я сразу предупреждаю, это не значит, что люди не смотрели. Планирование и ревью - мы будем про это говорить - это те две точки, в которых обязательно присутствие людей при текущем развитии моделей. Но вы же понимаете, что все эти штуки тоже сохраняются. Сохраняется, как изменяется план, сохраняется, как пишутся код-ревью. И эти ревью AI-кода возвращаются обратной связью в улучшение AI, и тем самым AI становится, начинает уметь решать и эти задачи тоже.
Поэтому, э, в целом, а, это мне очень понравилось. Э, ну, я фанат Эндрю Ына, а кто не знает, это создатель Coursera, очень известный преподаватель машинного обучения. По его курсу научилась, я думаю, половина машинных инженеров в мире, и он занимал, вёл ключевые проекты, связанные с ML в Google и Baidu. У него классная есть quote, что на данный момент, короче, поскольку он считает, что написание кода становится суперпростым, а сложность переходит, и на вебинаре я про это говорил, в пимскую работу. И по его мнению, если раньше соотношение было, ну, где-то один к четырём, да, один к пяти, наверное. Как у вас, кстати, напишите в чатик, а соотношение PM к количеству инженеров? Собственно, то сейчас он говорит, должно быть наоборот, как бы, грубо говоря, ну, вернее, не грубо говоря, что пиэмов должно быть в два раза больше, чем инженеров, да? То есть, что потому что код генерировать становится всё проще. И, наверное, на текущем аспекте, это скорее провокация. На текущем аспекте развития моделей, мы ещё не там, но мы точно к этому стремительно идём.
Ну, а Борис Чёрный, считает, что создатель Claude-Code, считает, что все будут продуктами и все будут кодировать. Вот как раз этот фулстек-билдер, о котором LinkedIn говорит, и я рассказывал на это.
Собственно, давайте чуть-чуть станем фулстек-билдером. Но а мы воспользуемся чем? А мы попробуем вот этот ассессмент, который мы сделали, а и визуализацию превратить в некоторый такой как бы, аэ, дэшборд, а который веб-дэшборд, который показал бы вот эту нашу задачу трансформации и сделал бы такой небольшой UI. Считайте, что это страничка про вашу команду, то есть контекст про, ну, про продукт и про вот эту трансформацию, которую вы хотите реализовать в течение 6 месяцев. Yeah.