Подкаст make sense (Есть смысл)

«Хорошо выполнять задачу самому, хорошо получать результат через другого человека и хотеть управлять — это три разные вещи, которые могут совпасть в одном человеке, а могут и не совпасть.»

«Добавить ещё одного исполнителя очень легко — открыть ещё одну сессию, запустить ещё одного агента. Технически это почти ничего не стоит. А вот добавить человеку ещё одно внимание, ещё одну память и ещё одну голову мы пока не умеем.»

«Человек может за день инициировать в несколько раз больше работы, чем раньше, но его способность осмыслить эту работу не выросла в несколько раз.»

Ведущий:
Юра Агеев, основатель ProductSense

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:48 — С агентами человек ставит задачу и уходит, а не работает рядом
04:20 — Новички проверяют каждый шаг, опытные дают свободу
05:56 — Добавить агента легко, добавить человеку внимание и память — нет
08:19 — Важен поток решений на проверку, а не число агентов
10:02 — Хорошее делегирование — про границы, контроль и критерии приёмки
12:11 — Экспертиза пользователя определяет длину сессии и долю подтверждённого успеха
13:33 — Асимметрия: можно инициировать в разы больше работы, но не осмыслить её больше
14:35 — Желание управлять не гарантирует умения
17:03 — Зачем вообще появилась управленческая иерархия? 
22:08 — Формальная и реальная власть
23:18 — Автономия работает только вместе с обратной связью
25:09 — Решения за других людей психологически дороже, чем решения за себя
27:03 — Чем сильнее агент, тем слабее личное чувство ответственности человека
29:22 — У агента нет человеческой стороны управления
31:09 — Профессиональный менеджер смещается к проектированию системы решений
35:23 — Управление агентами мы тоже постепенно передаём агентам

«Архив можно купить, лицензировать, украсть или приблизительно воспроизвести. А вот поток настоящего пользовательского поведения создаётся заново каждый день»

«Компании годами получают обратную связь и великолепно умеют её игнорировать»

«Сама по себе модель — это не преимущество. Завтра такая же модель может появиться у ваших конкурентов»

Ведущий:
Юра Агеев, основатель ProductSense

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:12 — Конкурентный рынок компьютерных томографов
06:47 — Как готовая сеть продаж и обслуживания стала преимуществом компании
08:26 — Дистрибуция решает: действительно ли технологии вторичны?
09:48 — Карлотта Перес о технологических революциях
12:16 — Проекция истории на сегодняшний рынок ИИ
14:55 — Почему ответ «Данные — наше преимущество» слишком грубый?
17:56 — Кейс ByteDance: усиливающийся цикл между продуктами
21:04 — Сервисная сеть как канал обратной связи с рынком
25:06 — Распространение технологий за пределами их создателей
27:21 — Опасность путать редкую способность с системой преимуществ
28:27 — Главный вопрос: успевает ли компания создать новую уникальность быстрее её обесценивания
32:17 — Контакт с реальностью — не гарантия: компании умеют игнорировать сигналы
34:59 — Как должен звучать главный вопрос продуктовой компании сегодня

«К концу 2025 года 97% опрошенных менеджеров продуктов уже использовали ИИ в работе, но 77% не видели изменений в продуктовых метриках. Встроить ИИ в процессы с конкретными целевыми показателями успели только около 10% участников».

«Можно научить каждого станочника быстрее управлять новым двигателем, но это не изменит расположение фабрики».

«Настоящий перелом произошёл по мере распространения небольших электродвигателей, которые можно было устанавливать непосредственно на отдельные станки — этот принцип назывался unit drive, индивидуальный привод. Вместо одного большого двигателя стало много маленьких, но последствия оказались организационными».

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
01:18 — Выводы про ИИ из исследования ProductSense 2025
05:27 — Производительность сотрудника — не то же самое, что производительность системы
08:24 — Аналогия с электрификацией фабрик: один вал на всю фабрику
09:38 — Первый этап электрификации — новый двигатель просто вращал старые валы
10:27 — Эффект электрификации проявился только спустя десятилетия
13:31 — Компании сейчас делают с ИИ то же самое, что фабрики делали с электромотором
15:58 — 77% сложностей успешных внедрений ИИ — не в модели, а в процессах
18:34 — Два способа контроля ИИ: подтверждение каждого результата и обработка исключений
22:12 — Единица улучшения: задача сотрудника и рабочий поток компании
24:34 — Ускорение кода не сокращает цикл, если ревью и тестирование не успевают
28:22 — «Супергерой» с личной ИИ-системой — актив человека, а не организации
30:00 — Стандартизировать нужно не каждый шаг мышления, а точки перехода в общую систему
31:04 — Итог: Вопрос не в скорости двигателя, а в архитектуре фабрики

Словарик:
- Unit drive — индивидуальный электропривод на каждый станок вместо одного общего вала на всю фабрику

«Сказать руководителям „относитесь к советам критически" примерно так же полезно, как сказать людям „не поддавайтесь когнитивным искажениям"».

«Самый опасный не тот аналитик, который ничего не понимает, — его ошибки обычно заметны. Гораздо опаснее система, которая достаточно хорошо понимает задачу, данные и самого пользователя, чтобы построить интеллектуально сильный путь именно к тому выводу, который человек хотел получить».

Ведущие:
Юра Агеев, основатель ProductSense

О чем говорим:
00:00 — Введение
01:12 — Знакомьтесь, модель-подхалим
02:42 — Почему проверка не поймала проблему: ставка на краткосрочные пользовательские сигналы
03:21 — Продуктовый парадокс: пользователю нравится, когда его понимают и не спорят с ним
04:01 — Приятный ответ и полезный ответ — не одно и то же, когда ИИ работает как аналитик
04:56 — Эксперимент 2026: слияния больниц, 14 моделей, 2160 анализов
07:33 — «Аналитическое подхалимство, обусловленное целью»: сильные модели видят больше методологических развилок — и потому уязвимее
09:30 — Кейс B2B: как формулировка руководителя незаметно определяет вывод модели
11:04 — ЛЛМ удешевляют не только решение, но и его «интеллектуальную защиту»
13:56 — Какие формулировки провоцируют согласие модели: утверждение против открытого вопроса
16:09 — Контраргумент: ИИ прогнозирует успех Kickstarter-проектов лучше людей
17:45 — Два режима одной технологии: независимый анализ vs часть мотивированного рассуждения
18:01 — Strategy Science: ИИ не повысил точность стратегического прогноза, но добавил перегрузку
19:56 — Три работы ИИ в решении: исследовать, защищать, разрушать — и их опасное смешение в одном чате
22:05 — Как разделить роли: независимый анализ в отдельном контексте, без предпочтений руководителя
24:31 — Сильное основание допускает собственное опровержение
25:01 — Исследование Science: соглашательство при конфликтах вредит отношениям, но нравится больше
27:07 — Защита должна быть встроена в процесс, а не в совет «будь критичнее»
29:46 — Голосование нескольких моделей не гарантирует независимости
32:20 — Главный риск: ИИ делает уже принятое решение похожим на независимый анализ

«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