Семь лет назад мы ехали в электричке из Неаполя в Скалею и там придумали этот канал. У нас не было ни контент-плана, ни каких-то грандиозных идей. Помню, мы очень смеялись, обсуждая первые темы. В октябре @postpostresearch исполнилось 7 лет. За это время вышла книга про качественные исследования в бизнесе, состоялось несколько потоков курса, последний из которых только что закончился. А мне исполнилось пятьдесят. И я снова в Скалее. Обычно в таких обстоятельствах люди подводят итоги. Но мне интереснее то, что все это было непредсказуемо. Вряд ли в той электричке мы представляли, во что вырастет это обсуждение. С какими людьми нас это познакомит и что принесет в этот мир. I've waited a lifetime for the age of wonder. И, кажется, самое удивительное в будущем – это то, что мы не имеем ни малейшего представления о том, каким оно будет. И какие разговоры спустя семь лет мы будем вспоминать как начало чего-то большого.

ИИ и UX здорового человека. Чекер права и законов в UX Весь этот хайп автоматизации до ужаса переоценен, и вот почему: люди, которые рассуждают, вряд ли когда-то участвовали в проектах автоматизации в крупных бизнесах. Метрики автоматизации труда, пилоты замены кассиров/продавцов, магазины без сотрудников, конечно, демонстрируют рост метрик, но эти метрики влияют на другие метрики — и совершенно не факт, что позитивным образом. Приведу пример из моей сложной и богатой биографии. Вы заменили в «Пятерке» кассиров на автоматы, метрика «Очередь» упала, выросли метрики NPS. Хорошо же? А знаете, что еще выросло? Метрика churn и воровства из зала, которая реально влияет на товарооборот и влияет на бабки. Тогда вы выводите людей уже на должность следить за кассами самообслуживания, чтобы не воровали, ну и так далее. Все это в литературе давно изучено и описано, менеджеры не из UX об этом знают прекрасно, есть поговорки про «иронию автоматизации». Мой тезис заключается в том, что использование новой технологии дает наиболее сильный эффект, когда создает возможности, которых никогда не было, предлагая принципиально новые решения, а не автоматизируя старые роли и функции. Банкомат не стал заменой кассира, сидящего за окошком круглые сутки, а открыл совершенно новый способ оказывать базовую банковскую услугу — причем в любое время и в других контекстах. Сегодня я готов показать пример полугодовой работы над этим. Как это работает? Команда юристов на мировых рынках (Алексей Воробей, автор «Законов Мура», фаундер многих стартапов, и Михаил Макаров, Product Compliance Counsel) и я, как приглашенный UX-эксперт, работали над задачами автоматизированной проверки нарушений законов для экранов пейволла - тогда, когда приложение предлагает заплатить/оплатить товар или услугу. Этот экран - традиционное поле для манипуляций, темных паттернов, правового беспредела и способов нарушения законов о защите прав потребителей. В рамках работы по а) распознаванию паттернов, б) анализу конкретных судебных решений, в) материалов дел и г) юридических улик ИИ выдает ответ-оценку и проверку интерфейса: отчет с рисками для той или иной судебной юрисдикции, указывает нарушения, потенциальные штрафы, находит соответствующую юридическую практику. Что в этом инновационного? То, что это внедрение НЕ для автоматизации проверки, а использование инструментов автоматизации для создания принципиально новой возможности проверять макеты до релиза или по-новому проверять работу приложения. Это добавление в продуктовую команду новой роли, которой раньше не было, также как до этого не было роли и дизайнера, а все интерфейсы создавали разработчики. Вы создаете не синтетических респондентов, вы создаете автоматизированную роль для проверки и участия в уже существующем конвейере разработки (добавляя юридическую проверку качества, правовую инженерию качества, если угодно). Если хотите, это аэродинамическая труба или манекен для краш-тестов — ну вот раньше их не было, а теперь они появились. https://applaw.dev/ Можно проверить подобное решение самостоятельно. P.S. Кстати, те, кто говорят, что тестировщиков заменят - вряд ли понимают какой геморрой подбирать вручную бесконечные скриншоты, улики и факты нейронке, чтобы она не галлюционировала. Профессия Evaluation Engineer на подходе, и, вот в нее, в отличие от промт-инженеров, я верю

Будущее research-индустрии (часть I) Последние два месяца мне пишут из исследовательских стартапов. У одних – свой движок по распознаванию речи. У других – несколько продуктов, включая расшифровку, но еще и с «синтетическим» модератором. Третьи переупаковали Conjoint и Maxdiff. Четвертый по поводу своего движка для расшифровки подсылает ко мне своего ИИ-агента, который предварительно «прочитал» мой канал и уже «знает», чем я занимаюсь. Будущее наступило. Правда, у меня вместо чувства shut up and take my money каждый раз возникает вопрос: зачем мне это покупать? И дело тут не в том, что продукты плохие. Если раньше за всеми продуктами такого плана стояли месяцы разработки, то приходилось сначала изучать рынок и не ходить туда, где нет денег или уже тесно. Потому что разработка была дорогой. А теперь порядок радикально поменялся: Сегодня увидели проблему → вечером завайбкодили MVP →завтра утром открыли стартап. Это даже в чем-то рационально – если продукт стоит дешевле «кастдева», то, может, сразу пилить продукт? Заодно и быстрее будет, если вынести исследование за скобки. Проблема в том, что для потенциального клиента разработка тоже подешевела. Этим летом у нас вместе с Global South Research был проект в Эфиопии. В числе прочего нам потребовались расшифровки на амхарском языке. Посидев с AI, я нашел открытую модель, понимающую амхарский на Hugging Face, сконвертировал ее в формат, который понимает noScribe – и после нескольких тестов получил работающий прототип. Это заняло 4 часа. SaaS есть у нас дома! Причем именно под решение моей проблемы и без корпоративной подписки за $79 в месяц. Так что с продуктами, чья основная функция уже стала commodity в сфере исследований, происходят интересные штуки. MaxDiff и conjoint известны давно. Whisper существует с 2022 года. Раньше ценностью мог бы стать продукт, в котором все эти вещи связали с помощью LLM и упаковали в условную «одну кнопку» (кто сказал Dovetail?). Но если кнопка тоже стала дешевой, возникает довольно неприятный вопрос: Почему я должен осваивать вашу кнопку, а не попросить LLM сделать мою? Ваши продукты конкурируют не с решениями, которые уже есть у исследователей. Ваши продукты конкурируют с ChatGPT и Claude – универсальными инструментами. Конечно, это работает не везде, где продукт - commodity. Я не собираюсь писать собственный Stripe, бухгалтерию или корпоративную почту (за которые я регулярно плачу). Но там значительная часть ценности не в самой функции, а в надежности и предсказуемости: я плачу именно за то, чтобы не думать, работает ли оно сегодня. И чем ближе ваш продукт к формату «мы запрограммировали функцию X» - тем сильнее проблема. Возникает забавный эффект: Все вокруг дешевеет, а вот время человека, которому все это предлагают – дорожает. Мне говорят «попробуй бесплатно». Но это «бесплатно» подразумевает, что я должен прочитать письмо, поучаствовать в коммуникации, зарегистрироваться в сервисе, разобраться, как он работает, найти и загрузить туда тестовый кейс (который не жалко отдать третьей стороне), сравнить с тем, что я использую, понять, что лучше, а что – хуже, и затем еще и дать фидбек. Да, цена продукта тут ноль. А как насчет цены моего времени? Ситуация кратно ухудшается, когда таких продуктов становится не 1-2, а 30. Производить стало дешево. Предлагать – тоже. Дорого теперь только одно: чтобы на тебя вообще посмотрели. (о том, что останется дорогим в эпоху дешевого AI и есть ли во всем этом место для исследований – напишем во второй части.)