Какой самый интересный проект вы делали на работе?

Самый интересный проект: Переформулирование Крупного Legacy Продукта в AI-native Solution

Этот проект был для меня точкой разворота в карьере, потому что заставил переосмыслить всё, что я знал о PM. Расскажу как это было.

Контекст: До проекта

Компания: SaaS для управления контентом (B2B, ~50M ARR, 200K пользователей)

Проблема:

• Продукт был построен 10 лет назад (Django backend, jQuery frontend)
• UI был kompleks, медленный, требовал длительного обучения
• Конкуренты внедрили AI features (автозаполнение, рекомендации)
• Мы теряли deals на конкурентов (Contentful, Strapi)
• Churn вырос с 3% до 5% в год

Мой момент осознания: На встречу с ключевым клиентом (который был готов уйти) я пришел с обычным pitch. Он сказал: "Ваш продукт хороший, но я не хочу работать в 2015-м году. Мне нужен AI copilot, который будет помогать мне."

Этот момент был золотым. Я понял: не нужно улучшать старый продукт — нужно создать новый.

Этап 1: Discovery (Месяц 1)

Что я делал:

1. Интервью 20 пользователей (power users и churn'd клиентов)
2. Анализ support tickets (что люди просят помощи?)
3. Изучал konkurenta features
4. Говорил с техтимом (что мы можем сделать?)

Key insights:

От пользователей:

• "Я трачу 40% времени на админ работу (категоризация, метаданные)"
• "Я хочу писать контент, не управлять системой"
• "Я хочу рекомендации: где закончить эту идею?"

From competitors анализа:

• Contentful добавил AI-powered descriptions
• Notion использует AI для summarization
• Canva запустила AI image generation

От техтима:

• "Мы можем интегрировать OpenAI API"
• "Нам нужно 4-6 месяцев на полный переход"
• "Но есть technical debt, нам нужна рефакторинг"

Этап 2: Strategy (Месяц 2)

Big bet: Переделать наш основной workflow, чтобы AI был в центре.

Вместо:

Пользователь → Пишет контент → Публикует → Конец

Новый flow:

Пользователь → AI помогает писать → AI предлагает улучшения → 
AI категоризует автоматически → AI рекомендует похожий контент → 
Пользователь публикует с confidence

Vision (которую я написал):

"Мы создаём первого цифрового помощника для контент-менеджеров. Не инструмент, который требует много кликов. Помощник, который понимает ваш контент и помогает на каждом шаге."

Риски, которые я видел:

1. Technical risk: Интеграция с LLM API, latency, costs
2. User adoption risk: Пользователи привыкли к старому workflow
3. Competitive risk: Contentful может скопировать за 3 месяца
4. Trust risk: LLM может генерировать плохой контент (hallucinations)
5. Regulatory risk: GDPR compliance (user content + LLM)

Как я управлял рисками:

Этап 3: Product Design (Месяцы 3-4)

Мой подход к design:

НЕ давал дизайнерам просто "добавь AI везде".

Инстид: я создал AI personas (типы помощи):

Persona 1: The Brainstormer

Пользователь пишет: "Нужна статья о SEO"
AI помогает: генерирует 5 outline вариантов
Пользователь выбирает: "outline #3 but combine с идеями из #1"
AI: генерирует draft
Пользователь: редактирует

Persona 2: The Optimizer

Пользователь: "Я закончил статью"
AI анализирует: SEO score, readability, tone
AI предлагает: "Добавьте 2 подзаголовка для SEO"
"Укоротите абзац #3 (слишком длинный)"
"Tone слишком formal, сделайте friendly"

Persona 3: The Categorizer

Пользователь: публикует статью
AI автоматически: генерирует tags, категории, summary
Пользователь: одобряет или редактирует (30 сек вместо 5 мин)

Persona 4: The Recommender

Пользователь пишет про "machine learning"
AI предлагает: "Похожие статьи: [5 результатов]"
"Возможные sequels: [3 идеи]"
"Readers of similar articles liked: [topics]"

Дизайн принципы:

• AI предлагает, человек решает (не просто apply)
• Всегда показывать confidence level
• Всегда easy undo/redo
• Education - inline (не отдельное обучение)

Этап 4: MVP & Validation (Месяцы 5-6)

MVP features:

• Только Persona #1 и #2 (brainstorming + optimization)
• Only for English content (expansion позже)
• Max 5 suggestions per piece (не overwhelm)

Beta программа:

• 50 power users (кто complain больше всего)
• Полный access + прямой feedback канал
• Weekly sync calls (не фокус группы, а реальная work)

Результаты beta:

Квалитативные:

• "Это экономит мне 2 часа в день"
• "Я более confident в качестве контента"
• "Но иногда AI suggestions не понимает мой tone"

Квантитативные:

• Time-to-publish: 120 мин → 60 мин (50% reduction)
• Content quality score: 6.8 → 7.8 / 10
• User satisfaction: 4.2 → 4.8 / 5
• Feature usage: 85% users use AI at least 1x в неделю

Что я узнал:

1. Persona #3 (Categorizer) была нужна ещё в MVP (я был неправ)
2. People want confidence scores (design was right)
3. Need better education (не все понимают как использовать)
4. Cost per request была выше чем ожидал (нужна оптимизация)

Этап 5: Launch & Scale (Месяцы 7-12)

Phased rollout:

• Week 1-2: 100 beta users get all 4 personas
• Week 3-4: 1000 users (via waitlist)
• Month 2: All existing customers (opt-in)
• Month 3: Default for new signups

Mктерия для launch:

• Uptime 99.5% (AI latency max 5 sec)
• Cost per request: <$0.02 (profitable at any plan)
• Usage: 50%+ of power users 1x/week
• Support tickets related to AI: <2% of volume

Что случилось:

Хорошее:

• Usage превысил expectations (75% пользователей в месяц 1)
• NPS вырос с 42 → 58
• Churn упал с 5% → 3.2%
• New customer win rate +40% (AI as differentiator)
• Customers stayed longer (LTV +25%)

Bad:

• Hallucinations happened (AI suggested inappropriate categories)
• API costs выше чем planned (нужна더 умная batching)
• Не все users понимали confidence scores (нужна education)
• Некоторые competitors быстро скопировали features

Этап 6: Post-Launch Learning

Biggest surprise:

Люди не хотели full automation. Они хотели помощи, но с контролем.

Это был мой ошибка в thinking. Я полагал: "Автоматизация = лучше". На самом деле: "Augmentation (помощь) = нужна, но с человеком в контроле".

Это изменило мой всю философию про AI products.

Что я изменил:

1. Переименовал feature: "AI Assistant" вместо "AI Automation"
2. Всегда добавил approval step (user должен одобрить)
3. Улучшил education (in-product guide как использовать)
4. Added feedback loop (user может сказать AI что она не права)

Этап 7: Metrics & Success

После 1 года:

Net result: Спасли продукт от стагнации, создали новый competitive advantage.

Что я узнал как PM

1. Технология это не стратегия Автоматизированно интегрировать LLM — легко. Создать value для пользователей — сложно.

2. Augmentation > Automation Люди боятся потерять контроль. Помощь + контроль = wins.

3. Listen to users, but don't always do what they say Бета users не просили Persona #3, но когда она появилась — использовали 70% времени.

4. Manage expectations о AI Люди think AI is magic. Она нет. Нужна education о limitations.

5. Risk management is everything Hallucinations, costs, regulations — все это нужно предусмотреть до launch.

Почему это был интересный проект

1. High stakes — либо спасаем продукт, либо fail
2. Learnings — каждый месяц что-то новое о AI + users
3. Impact — видел как люди работают лучше
4. Team — работал с лучшими engineers и designers
5. Uncertainty — никто не знал как это будет, нужна была смелость и адаптивность

Главный takeaway

Лучший PM проект — это не тот который имеет biggest numbers. Это проект который заставляет вас переосмыслить assumptions и расти как лидер.

Этот проект сделал из меня PM который:

• Не боится radical change (вместо incremental)
• Understands user psychology (не просто features)
• Can manage risk и uncertainty
• Sees technology как tool, не goal
• Values learning over being right

И поэтому он был самым интересным в моей карьере.