ИИ ускоряет ресёрч — и так же быстро может вас утопить

Мой метод, как получать скорость без самообмана.

Меня зовут Рома Теплоухов, я в прошлом — системный аналитик, а сейчас — менеджер проектов в Контуре. В этой статье расскажу и покажу, как можно делать продуктовые исследования с помощью ИИ. Сразу обозначу рамки: ИИ — это инструмент. Как и любой инструмент (условно, молоток или микроскоп), он даёт результат настолько хороший, насколько ответственно и грамотно им пользуется человек. Чем больше опыта работы с инструментом — тем лучше итог.

Дисклеймеры: ответственность, проверка фактов, коммерческая тайна

1. Ответственность на человеке. Результат ИИ нельзя воспринимать как «истину в последней инстанции».

2. Нужна валидация. У ИИ бывают галлюцинации. Их можно снизить чёткими инструкциями, но полностью глюки не исчезают — поэтому проверка источников обязательна.

3. Коммерческая тайна. С внешними моделями нужно быть особенно осторожными: не передавать чувствительную информацию. Если контекст нужен — его следует анонимизировать или, по возможности, использовать внутренние инструменты компании.

Почему тема актуальна для продуктовой работы

Идея сделать такое исследование возникла, когда я работал в команде Толк.ИИ и нужно было проверить гипотезу вн��дрения функциональности. Сейчас я на стыке Центра ИИ и отдела Дискавери Диадока, а исследования — это часть работы, которая будет регулярно повторяться. То же самое справедливо и для исследований маркетологов и аналитиков.

Ценность подхода в том, что ИИ помогает ускорять рутинные, алгоритмизируемые части работы (поиск, первичная выжимка, структурирование текста), а освободившееся время можно тратить на то, что пока нельзя автоматизировать: коммуникацию, принятие решений, согласования, уточнение контекста.

С чего начинать исследование: анализ конкурентов

Любое исследование разумно начинать с конкурентного анализа: посмотреть, есть ли у конкурентов нужная функциональность и как именно она реализована и упакована.

ИИ полезен здесь в двух вещах:

• поиск по интернету (если у модели есть доступ к сети),

• сведение и структурирование найденного в удобный формат (таблица/текст).

В качестве инструмента можно использовать ChatGPT (в платной версии обычно проще), либо аналоги (Gemini, Claude и др.) — на выбор. Важно, чтобы у инструмента была “память” о ваших предыдущих запросах, которые он сможет использовать как контекст для последующих запросов.

Почему важен хороший промпт и режим работы

Я использую большой промпт-шаблон, адаптированный из исследования: начинать с «чистого листа» тяжело, а шаблон снимает порог входа.

Далее:

• лучше включать режим размышлений (чтобы модель выстраивала логические цепочки),

• либо использовать режим глубокого исследования (если нужен интернет-поиск и более «исследовательская» сборка материала).

Ключевая мысль: если попросить «сделай всё сразу», качество обычно будет хуже. Генеративный ИИ лучше работает, когда ему дают небольшие, конкретные шаги.

Что именно собирать по конкурентам

В промпте я прошу:

• проверить, есть ли функциональность у конкурентов;

• найти тарифы/упаковку;

• собрать, как они описывают ценность и как продвигают;

• описать, как реализовано (на уровне публичных материалов);

• собрать отзывы/кейсы, если они есть;

• при возможности — любые публичные метрики и косвенные экономические данные (MAU/DAU обычно не найти напрямую, но иногда есть исследования/оценки).

И обязательно — давать ссылки на источники, чтобы можно было проверить и снизить риск галлюцинаций.

От конкурентов — к сценариям использования

Для любой гипотезы важны сценарии использования в домене продукта:

• иногда они очевидны (тогда ИИ нужен, чтобы быстро подтвердить и структурировать),

• иногда неочевидны (тогда ИИ можно попросить нагенерировать варианты, а вы уже оцените их на адекватность и применимость к вашему контексту).

Плюс: если у мировых сервисов уже есть такие сценарии — вам проще обосновывать, что сценарий жизнеспособен.

Проверка гипотезы: что должно быть доказано

После сценариев я предлагаю пройтись по чек-листу подтверждения гипотезы:

• доказательства спроса,

• готовность платить,

• пилоты/прецеденты,

• измеримая аналитика,

• критерии успеха.

Это помогает увидеть, что уже проверено, а что ещё нет.

Аргументы «против» и «за», и почему важен контекст компании

Отдельно интересно: почему некоторые конкуренты не внедрили функциональность. ИИ может выдать аргументы «против», но он рассуждает исходя из усреднённой картины рынка. У компании (в частности, у Контура) есть специфика: экосистемность, накопленная экспертиза, внутренние заделы.

Поэтому полезно:

1. сначала получить аргументы «против»,

2. затем дать контекст (без нарушения коммерческой тайны),

3. попросить аргументы «за» с учётом этого контекста,

4. сравнить и принять более взвешенное решение: делать/не делать, и в каком виде.

При этом важно помнить: если функциональность есть у всех — она может стать «гигиеной», без конкурентного вау-эффекта. Тогда логика внедрения будет другой.

Черновой роадмап и «быстрая ценность»

Дальше можно попросить ИИ набросать роадмап по кварталам:

• где получить ценность с минимальными ресурсами («быстрая ценность»),

• как дальше усложнять,

• как масштабировать.

Это не заменяет реального планирования, но даёт черновик для обсуждения и прикидки.

Похожим образом делается матрица сценариев (сопоставление сценариев и этапов/приоритетов).

Оценка объёма рынка (для приоритизации)

Ещё один слой — прикинуть объём рынка, чтобы соотнести гипотезу с бэклогом: насколько она денежная, насколько сложная, насколько необходимая. ИИ может дать оценки по открытым источникам, но их нужно особенно тщательно проверять.

Дополнительные рамки анализа

Я также пробовал прогонять гипотезы через известные фреймворки:

- SWOT (сильные/слабые стороны, возможности, угрозы).

- 5 сил Портера (конкуренция в отрасли, сила поставщиков/покупателей, угрозы заменителей и новых игроков).

- Business Model Canvas (Остервальдера).

- инфографика/сводки (например, через NotebookLM) — так иногда проще «схватить» материал, чем читать простыню текста (картинки оттуда разбросаны по всей статье).

Профили потребителей и сегментация

Дальше — про важность понимания потребителей:

• кто именно потребитель,

• как для него формируется ценность,

• на каких этапах потока (value stream) включается функциональность,

• какие уровни сервиса нужны под разные профили.

Качественные интервью: гипотезы и вопросы

Если есть профиль потребителя, то для уточнения информации нужны качественные интервью. ИИ можно попросить:

• сформулировать гипотезы под каждый профиль,

• предложить вопросы,

• структурировать это так, чтобы было проще использовать как заготовку.

Я также показываю смоделированные ответы (синтетика) — не как замену реальных интервью, а как способ быстрее понять направления анализа. Это можно использовать и после интервью: если остались «дыры» или неоднозначные ответы, такая модель помогает додумать, какие уточняющие вопросы ещё нужны для последующих интервью.

Черновая финансовая модель (PnL) и сценарии

В конце — черновик бизнес-модели и PnL:

• ИИ может набросать таблицу, подставить числа, предложить сценарии (консервативный/базовый/агрессивный),

• дальше это можно выгрузить в Excel и «поиграть» параметрами: п��смотреть чувствительность, точку безубыточности и реалистичность.

Повторю ключевое: внутренняя информация и реальный контекст продукта у команды всегда богаче и точнее, поэтому такие расчёты — именно «рыба» и проверка логики, а не финальная истина.

Итоговая позиция

Я не призываю воспринимать результаты ИИ-исследований как окончательные выводы. Призываю относиться к этому как к инструменту:

• всегда валидировать,

• помнить про коммерческую тайну,

• использовать ИИ для ускорения рутинных задач,

• опираться на собственный опыт и контекст при принятии решений.

На этом всё. Пишите вопросы в комментариях, буду рад конструктивной ОС. ?