Я посмотрел все 21 Lightning Lesson из серии AI-Native Product Manager и написал подробный разбор на каждую. В каждом — TL;DR и полный разбор.
Сессии разбиты на три категории: Стоит смотреть (4), Что-то полезное есть (2), Пропустить (15).
TL;DR: Лучшая сессия из всех 21. Подробный walkthrough по evals на реальном примере в Claude Console. Глубоко копает, хорошо рассказано.
Разбор:
Очень годный Lightning Lesson про evals. Местами тяжеловато следить, но смотреть стоит однозначно.
Gayathri показывает fine-tuning support-чатбота для Air Canada, сфокусированного на вопросах по конкретной чувствительной политике — чтобы демо evals осталось понятным, нюансированным и правдоподобным. Умный ход. Использует встроенный Evaluation tool в Claude Console Workbench: https://platform.claude.com/docs/en/test-and-evaluate/eval-tool
Реальный пример отличный, хотя следить непросто — много текста. Пару минут видео пришлось пересматривать. Это нормально, там живой evals-кейс. Продемонстрировать такой уровень детализации трудно, и у неё это получается неплохо. Плюс она рассказывает, как использовать результаты evals и как работать с разработчиками. Сессия Hamel'а (ниже) хорошо заходит как разогрев перед этой.
Длинный и толковый Q&A. Понравился её тейк: AI-агентам не нужен
PRD. Файлы агента (например, system.md с инструкциями) и
выходы evals полезнее для разраба, чем PRD.
Кто-то спросил про инструменты автоматизации evals — она честно ответила: Claude Console это нулевой уровень, дальше — Langsmith или Braintrust. Хорошо, когда знающий человек, реально ориентированный на PM, даёт рекомендацию. Мгновенный follow.
У неё два ближайших Lightning Lesson, на которые я уже записался:
Spec Engineering: the Unclaimed Role of an AI-native PM (20 апреля)
Vibe-coding the Agent Owner Spec (7 мая)
TL;DR: Крепкое beginner-intro в evals. Hamel — настоящий. Формат Lightning Lesson идеально подходит под эту тему.
Разбор:
Название вводит в заблуждение — это про evals, а не про дебаг. Evals — редкий hard skill, который PM обязан освоить.
Hamel даёт толковые 18 минут практических beginner do's и don'ts по evals (6:00–24:00). Захотелось послушать его ещё.
Q&A тоже хороший. Особенно понравился нюанс: давать LLM не просто примеры pass/fail, а учить, почему это pass или fail (то есть критику), и делать так, чтобы часть output'а evals включала эту критику.
Ещё от Hamel'а:
Эпизод подкаста с Lenny и Shreya Shankar
TL;DR: Отличная сессия. Реальный IC PM рассказывает, как у неё устроен день с AI. Именно такого нам нужно больше.
Разбор:
Hilary берёт интервью у Anjali, IC-продакта в WHOOP. Начало слегка по скрипту и без нюансов, но по мере открытости и по ходу Q&A становится по-настоящему интересно. Именно это и нужно — реальные PM, рассказывающие про день-в-день и про то, как AI в него встраивается. Даже если они не демонстрируют тулзу на своём настоящем продукте — ценность в том, что реальный PM рассказывает, как реально им пользуется. И у Anjali это получается аутентично и с кредибильностью. Без пафоса и AI'шного virtue signaling.
Anjali рассказала success-кейс AI-фичи, которая началась с идеи разработчиков. Она подключилась после первой раскатки — дошлифовать до качества. Говорит, разрабы пришли в такой проактивный режим из-за стратегического воркшопа с руководством в начале периода. Конкретики про то, как навигировать это как PM, не так много, и всё в happy path — но я понимаю: баланс между желанием поделиться и вниманием к IP компании, к команде, к оптике и т.д.
У неё хороший тейк: при разработке AI-фич, учитывая скорость технологий, PM вполне может стартовать в режиме «решение в поисках проблемы» — выкатить на небольшую группу beta-юзеров или вовсе внутренних пользователей (dogfood), и уже по ходу формировать и проблему, и решение, удерживая команду в стратегической рамке. Приводит и негативный пример предыдущей AI-фичи, к которой подошла в дефолтном PM-режиме «сначала проблема», и что из этого вынесла.
Дальше — про реальный тулстек и как она им пользуется. Аутентичный ответ с живыми кейсами: Cursor + Claude Code для запросов к данным на естественном языке (Snowflake MCP), для чтения PRD и Jira-тикетов, для ответов на комменты к PRD в Confluence (Atlassian MCP). Replit — для прототипирования: знает, что есть инструменты лучше, но уже наклепала там базовых шаблонов WHOOP-экранов (хороший нюанс про то, когда стоит перестать гоняться за новыми инструментами и FOMO). Custom GPT'шки — для редактирования писем и сообщений, генерации test plan'ов, для маркетинговых коммуникаций. В Q&A глубже рассказывает про кейсы в Replit.
Говорит, что свой Cursor-сетап собрала по курсу Tal Raviv и Aman Khan на Maven: Build AI Product Sense
TL;DR: Три разных куска, все интересные. Чуть спрессовано — я бы предпочёл видеть это как 3 отдельных Lightning Lesson.
Разбор:
Игнорируй название. В сессии было 3 разных куска, поэтому нормального общего заголовка, наверное, и не существует. Marily — про качество AI-фич с free-text вводом, Tal — про Cursor для нетехничного use case'а, Aman — про AI-sense при работе с тулзами.
Marily (первые 11 минут). Про то, что AI-фичи, принимающие свободный ввод, вынуждены учитывать шум, bad intent и прочее — и про сложность пути от этого к качественному output'у. Аккуратно разложила проблемное поле, но про решения почти не углублялась. Сказала, что делает с подругой подкаст, где они берут разные AI-продукты и пытаются их сломать. Заинтересовала — буду следить.
Tal (14 минут). Показал быстрый обзор того, что
Cursor умеет для нетехничного юзера: LLM редактирует
.md-файлы, человек принимает/отклоняет изменения построчно
или правит вручную в IDE, LLM и человек тянут контекст из файлов
проекта. Рассказал, что стоит читать разворачиваемые «Thinking»-блоки,
чтобы понимать, как устроены AI-фичи. Показал Cursor-субагентов, которые
экономят окно контекста и деньги (субагенты идут по дешёвой модели
Cursor'а). Понравилось, что он показал и старт с пустого проекта, и
работу с уже наполненным. Потом пару минут показал свой скилл
«Familiar»: он непрерывно снимает скриншоты компьютера (фактически
записывает все сессии), и раз LLM умеют читать текст со скриншотов — он
использует свои сессии как контекст, словно транскрипт звонка. Кайфовая
идея. Кейсы типа «исходя из моей работы за последние 4 дня, какой скилл
я могу сделать, чтобы автоматизировать повторяющееся или делегировать
AI».
Aman (12 минут). Показал WhatsApp-тред со своим OpenClaw — тот собирает expense-отчёты на основе скриншотов и файлов из Google Drive. OpenClaw упёрся, когда не смог подключиться к Drive — а Aman, зная возможности тулзы, подтолкнул её решить это самой. Задача техническая, но его промпты — нет. Хорошая демонстрация AI-sense: если у тебя есть понимание, на что AI способен, ты лучше её направляешь — что как PM, строящий фичи, что как человек, использующий AI как партнёра.
Q&A — понравились ответы Marily и Aman'а на вопрос о корпоративных ограничениях на AI-тулзы из-за security/бюджета. Оба ответа практичные и явно из опыта.
TL;DR: Крепкая, но базовая советы по коммуникации с экзеками. К AI вообще не относится.
Разбор:
Нормальный Lightning Lesson про общение с руководством. Весь контент толковый, но для опытного PM — базовый. Джуниор и сам наработает по ходу, но что-то почерпнёт из этой сессии.
AI-составляющей нет. Она мимоходом говорит, что коммуникацию с экзеками не стоит слепо делегировать AI (например, доносить решения, написанные LLM, без курирования и критики), но большинство и так понимает, насколько это чувствительные взаимодействия.
TL;DR: Сфокусировано на маркетинге/росте через соцсети, не на PM. Но хорошие примеры того, что можно делать маркетологам через Claude Code.
Разбор:
Это про маркетинг и рост через соцсети — название настраивает правильно. Для PM'а менее релевантно, но я всё равно посмотрел.
Интересно, что маркетинг через соцсети даёт кучу universal для роли кейсов по сборке внутренних тулов через AI. Они хорошо показали, что возможно в Claude Code/Cursor через кодинг для нетехнарей, и дали намёки, как к этому прийти. Не копали глубоко в имплементацию и поддержку, но в конкретных «вот что возможно» примерах есть польза. Сказали: пусть Claude Code сам проведёт тебя к имплементации — это лучший способ учиться.
TL;DR: Полная потеря времени. Обещали PM-кейсы на OpenClaw, выдали только слайды без демо — и те редкие кейсы, что обсуждались, были маркетинговые.
Разбор:
Эта — просто разозлила. Ничего из секции «Что вы узнаете» на странице Maven не выдали.
Первый звоночек, что PM-кейсов не будет: Dmitry показал скриншот LinkedIn-поста «продакт собрал команду агентов, чтобы вести инфлюенсер-аккаунты» — как пример «hype is real». Управление инфлюенсерами — это маркетинговый кейс, а не PM.
Я ждал, что он реально покажет один-два кейса на OpenClaw, но он зачитал bullet-презентацию верхнего уровня про то, «что это за тулза» — с фразами, которые ты уже слышал в соцсетях: «Бутылочное горлышко теперь не инжиниринг, а продакт-менеджмент… Сейчас время играть и экспериментировать, чтобы быть наверху learning curve… Не бойся технически — используй терминал» и т.д. Понимаю, цель — продать его курс, где он это покажет. Но всё равно: покажи мне один кейс на OpenClaw, даже пусть не PM-овский.
По ходу Q&A и глядя на его продукт (похож на Zapier для кейсов в медиакреативе), видно, что он скорее в маркетинг/инфлюенсер-нишу — и этот Lightning Lesson, кажется, попытка выйти на PM без адаптации контента. Уверен, курс учит тулзам, но PM-кейсов я бы там не ждал, плюс часть курса — про его собственный продукт. Он практически признаёт, что учит там генерации изображений/видео и управлению блогом через Claude Code (43:00–44:15) — опять маркетинг.
Наконец на 59:08 кто-то спрашивает про кейс поддержки PRD и сложность держать их актуальными. Ответ Dmitry — две минуты отмашек и бормотания: это и выдало его оторванность от мира продакт-менеджеров.
TL;DR: Потенциал большой, обучающего момента —
никакого. 20 минут частного гайда по её собственному
slash-command-workflow'у под названием
workflow-decisions.
Разбор:
Caitlin показывает workflow как one-shot-запуск в Claude Code, с кучей заранее заготовленного и синтезированного контекста. В демо нет human-in-the-loop, output'ы — длинные текстовые файлы. Это понятно и по-настоящему, но бесполезно для обучающей сессии. Получается тягомотное объяснение высокого уровня, а не демо. Она говорит, что специально делает это в one-shot, чтобы быстрее, но в демо как раз не хватает интерактива с Claude Code — чтобы мы поняли, как она рулит процесс. А ещё лучше — если бы она сделала упрощённый workflow с нуля, чтобы можно было учиться собирать многошаговый workflow, как у неё. По ней видно, что она шарит.
Говорит, что делает это в своём двухнедельном курсе, но после этого Lightning Lesson я сомневаюсь (возможно, зря). К тому же нигде нет ссылки на показанный workflow — не понимаю, какая цель была у сессии.
TL;DR: Про AI — ничего. Базовые PM-принципы, которые любой B2B-PM знает с первого дня.
Разбор:
Говорит про очень базовое: «отгружай минимально и быстро для валидации», «клиенты говорят в терминах решений, твоя задача — нащупать проблему». Весь доклад звучит как FDE, случайно открывший для себя продакт-менеджмент. Возможно, полезно самим FDE'шникам — чтобы помочь своим PM'ам.
TL;DR: Общие советы. Мяса нет. Название не отрабатывает.
Разбор:
Конкретики для PM или руководителей/GM — крайне мало. Peter проходит по базовым советам, которые на текущем этапе мало кому ещё полезны. Типа «прототип — это интерактивный способ показать идею», «строй сайты, приложения и игры, чтобы понять, что возможно с AI», «создавай скиллы под свою повседневную работу», «играй с OpenClaw, чтобы понять, что возможно». Пробегает буквально пару примеров из личной жизни и работы подкастером.
На 20:20–25:30 показывает слайды с «нагетами» из трёх интервью с индустриалами. Но слайды и комментарии — ощущение, что это разведённый пересказ того, что могло быть реально полезным в оригинальных эпизодах.
TL;DR: Сотрудник V0 демонстрирует V0. Чистое product demo. Показал сугубо технический процесс, который фрустрирует любого нетехничного PM.
Разбор:
Показал, как в V0 можно собрать чат-агента, который отдаёт через Slack, и интерфейс для мониторинга и тестирования чатов. В промпте — очень специфические технические детали, которые он почти не объяснил; плюс много настроек Slack — тоже без объяснений. Выглядело максимально технично и как результат его предыдущих trial and error. Ничего plug-and-play. Как нетехничному PM — фрустрирующе, ощущение чёрного ящика. 33 минуты идёт, и я всё ещё не понимаю, куда это и при чём тут продакт-менеджмент.
На 38:00 скелет Slack-бота уже собран, и он наконец переходит к кейсу: бот, ревьюящий PR'ы на GitHub. Инженерный кейс. Хорошо знать, что в V0 можно собрать и задеплоить внутреннего Slack-агента с отдельным тестовым интерфейсом, но весь процесс выглядел чёрным ящиком, на который ушли бы часы проб и ошибок. Было бы реально полезно, если бы он снял шляпу разраба и прошёл бы это как PM без dev-бэкграунда.
Дальше — сборка кнопки, открывающей чат Skills-ассистента на публичной странице Skills library у Vercel (V0 — продукт Vercel). Тот же путь, та же фрустрация. Он хотел показать, что можно собрать и задеплоить end-to-end в веб через V0 — но кейс был для публичной страницы, а не для веб-приложения (а PM'ам чаще нужно именно приложение). Хотелось бы более базовый end-to-end — что это вообще значит по setup'у; ещё лучше — пригласить их клиента и услышать, как его PM'ы делают это, для каких фич и как выглядит workflow с разрабами.
TL;DR: Ощущение pet-project'а, выданного за scale-экспериз. Сердцевинный evals-контент упрощён и утоплен в текстоёмких слайдах.
Разбор:
Ощущение, что человек сделал pet-project, незрелый и без пользователей, но это не помешало ему провести Lightning Lesson так, будто он строил подобные фичи на масштабе. Не знаю, правда или нет, но ощущение именно такое.
Первые 13 минут Shankha показывает, как подойти к классификации email-сценариев для продукта авто-ответа на письма. Обсуждает X% порог для каждой категории, но расплывчат про то, как этот порог рассчитывается и как получить качественное значение. А это и есть суть темы — если он оставляет её чёрным ящиком, я ничему не учусь. Я остановился на 2 минуты и спросил AI: «объясни классификаторы в контексте AI-фич» — получил гораздо более структурированный ответ, чем его 13-минутная evals-презентация. Затем: «каковы best practices расчёта порогов» — выглядит потенциально сложной темой, которую он (1) упростил до бесполезности, (2) оставил слишком привязанной к своему email-кейсу, (3) подал на крайне текстоёмких слайдах.
Кто-то спросил про расчёт порога на 26:20 — ответ был таким же расплывчатым и неструктурированным, как презентация. Jason вмешался и дал более честный ответ: best practice тут нет. Но даже поболтав с AI, видно: есть несколько нормальных подходов, и это — настоящая «кроличья нора».
TL;DR: Честно, но actionable — ничего. Похоже, технология для synthetic users в discovery ещё не готова.
Разбор:
Её пример про «willingness to pay» — по сути, негативный. Она говорит, что это не кейс для synthetic users, потому что это эмоциональное поле, — но не приводит примеров, где synthetic users работают.
На 27:30 её об этом прямо спрашивают. Ответ на 2 минуты сводится к: нет смысла создавать synthetic users, если у тебя нет данных реальных пользователей вокруг исследуемой темы. То есть работу руками всё равно делать придётся.
Честный тейк, но если методологии и технологии пока нет — сессия оставляет без особой пользы.
TL;DR: Промпт-шаблоны годичной давности. Устаревшее.
Разбор:
Показывает свои предписанные промпт-шаблоны 101 для PM'ов в Claude chat. Ничего про то, как использовать промпты в связке с контекстом. Год назад, может, и было полезно. Сегодня — общее место, а с учётом продвижения LLM и инструментов промпты могут быть гораздо сложнее показанных.
TL;DR: Кликбейтное название. Больше подкаст, чем Lightning Lesson. Ведущие обаятельные, контент поверхностный.
Разбор:
Больше похоже на эпизод подкаста, где Ben интервьюирует Tomer'а про его время экзеком в LinkedIn и продуктовый re-org (переход от дерева по функциям к дереву по линейке продуктов) — что с названием особо не связано. Как lesson это и не задумано, и Ben честно расставил ожидания в начале, так что ок.
Чуть интересный кусок на 18:13–25:12, где Tomer рассказывает про наём джунов после re-org'а. Вещи в основном прямолинейные, но подаёт неплохо.
Не уверен, что вытащил из Tomer'а глубокий тейк на то, что он имеет в виду под «full stack builder». По мне — он упрощает это до «человек, который глубоко лезет в проблему, имеет хороший вкус на good и умеет пользоваться инструментами для дизайна и кода». Нюансов мало, звучит как LinkedIn-пост экзека — но Tomer обаятелен, и я в меру остался вовлечён. Ben хороший интервьюер с годными вопросами. Хотелось бы услышать, что в re-org'е LinkedIn пошло хорошо, а что — нет, но, может, Tomer об этом рассказывает в других подкастах.
TL;DR: Напоминание думать про эмоциональные мотиваторы пользователей. Поверхностно. К AI, несмотря на название, отношения никакого.
Разбор:
Nesrine написала книгу и ведёт курс про delight в продукте. Объясняет, что delight = joy + surprise. Потом уходит в очень высокоуровневый твист фреймворка: сегментировать не только по функциональным мотиваторам, но и по эмоциональным — и тогда твой double diamond начинается с мотиваторов, а не с проблем. И решения для эмоциональных мотиваторов должны идти дальше, чем «единорожки успеха», пляшущие на экране. Мало нюансов и ни одного реального end-to-end-кейса из её времени в Google или Spotify.
TL;DR: Корявое демо собственного продукта. Не про продакт-менеджмент.
Разбор:
Это демо продукта спикера, Vellum. Альтернатива OpenClaw, позиционируется как plug-and-play AI-ассистент. Реальных PM-кейсов не показано.
Показал end-to-end-кейс: создание Gmail-черновиков, персонализированных под инфлюенсеров, для продвижения своего продукта. Когда он попробовал итерировать черновики через свой продукт — тот порекомендовал сначала вручную удалить старые, мол, это быстрее. Странно и намекает на зрелость продукта или на базовую технологию.
Потом показал создание текстового видео для соцсетей через Remotion-скилл. В промпте прямо указано использовать Remotion — так что неясно, что именно добавила «обвязка» его продукта за пределами того, что скилл был предзагружен. Получилось так себе, а после ошибки в тулзах он с трудом добился работоспособности. Я уверен, что это почти так же делается в OpenClaw или Cursor/Claude Code, так что хотелось бы услышать — в чём конкретная ценность Vellum, кроме облегчённой настройки.
Дальше — глубокий дата-аналитический кейс, который, по его словам, как экс-дата-человеку занял бы у него 6–12 часов. Опять проблемы после исходного супер-специфичного copy/paste-промпта. Понадобилось 3 попытки и более техническое направление промпта, чтобы получить результат. Попытался сделать дашборд — застрял, после пары попыток бросил. В итоге, уже перестав шарить экран, он перешарил, чтобы показать, что дашборд всё-таки удалось.
Ничего в демо не шло гладко, хотя всё было заскриптовано заранее. Либо продукт ещё незрелый, либо это более глубокая feasibility-проблема собрать универсальный OpenClaw с гладким чат-UI-слоем.
TL;DR: Marketing 101, упакованный как AI-контент. Ценности сверх отсылки к оригинальному фреймворку April Dunford — никакой.
Разбор:
Не про продакт-менеджмент. Показывает фреймворк позиционирования April Dunford и просто объясняет его через AI-продукты — чтобы звучало как бы AI-овый добавочный уровень. Но нюансов и реальной добавленной ценности за пределами оригинального контента April — нет. По сути: не пиши «AI powered X» на главной, а говори о value, которое из этого AI получается.
На 16 минуте показывает своего AI-ассистента, который делает teardown позиционирования компаний на их главных. Его промпт дословно просит оформить разбор в рамках фреймворка April Dunford, и, похоже, у system-промпта есть свои output-предпочтения. По сути — Claude Project / Gem / Custom GPT, который он позиционирует как продукт под названием PMMSherpa. Потом кратко — про работу с trust-проблемами в AI-позиционировании. Ну очень базово.
TL;DR: Всё — поверхность, сути нет. Могло быть твитом.
Разбор:
Не интересно, полезного не узнал. Глубины и нюансов ноль. Не уходит даже на полуровень глубже, чем буллеты на странице Maven. 25-минутный доклад в суперверхушечном регистре, подаётся как hot take, который ни hot, ни take — слишком общо. Это точно не Lightning Lesson. Реальной ценности нет. Могло быть слайдом или твитом. 14-минутный Q&A — такой же поверхностный.
TL;DR: Слишком высокоуровнево, чтобы быть полезным. Демонстрация devin.ai выглядела как product placement, а единственная интересная тема (PRD-driven development) — не раскрыта.
Разбор:
Узнал термин «background agent». Знал концепт, но не знал термин. Как знакомство с тулзами — неплохо, они показали devin.ai, но только то, как триггерить Devin: без end-to-end-флоу, без того, насколько сложно настроить под качество, без того, в чём он хорош или плох по качеству/нагрузке на R&D. 4-булл-слайд про setup — чересчур высокоуровневый. Я узнал больше, просто просмотрев главную страницу devin.ai, чем от этих минут в Lightning Lesson. К тому же, если спросить у Gemini или Perplexity «какой sentiment по Devin AI?» — не вдохновляет, и от этого ощущение, что сами они им не пользуются, а это product placement-партнёрство с Devin (опять же, только ощущение).
Тот же вопрос про Devin задавали и в Q&A, но ответы супер-высокоуровневые, без нюансов. Могли бы пропустить общие объяснения про Claude Skills/compound engineering — не добавили.
Потом Claire кратко рассказала про, по сути, PRD-driven development (не называя термином). Она — адвокат этого подхода, что логично для её продукта (ChatPRD). Но я бы охотно послушал плюсы и минусы, и на что смотреть при написании PRD, дружественного к агентам, особенно в средних/крупных оргах.
TL;DR: Анонсированный контент едва затронул. Generic-демо, стыдные моменты.
Разбор:
Потеря времени. 13 минут generic-буллет-слайдов до того, как он начал промптить OpenClaw. Респект за то, что настроил фиктивную среду с Slack, Git и Confluence — чтобы показать кейс. Но его промпт в OpenClaw через Slack — очень generic: «прочти всё в Slack, GitHub, Confluence и поищи в сети — дай идею одной фичи, которая сдвинет метрики». Показал, как под капотом тулза проходит по настроенным тулам и скиллам. Если ты хоть немного знаком с OpenClaw — это уже очевидно, а для тех, кто слышит впервые, — не лучший intro.
Не понравился one-shot-кейс «промпт-и-выхлоп» — бесполезно выглядит. И кроме Slack как чат-интерфейса, OpenClaw не даёт добавленной ценности по сравнению с Cursor/Claude Code/Codex (Slack тут скорее ограничитель). Потом он показал стыдное OpenClaw-демо, где она через voice-тулзу звонит в кофейню, чтобы узнать загруженность. Человек на том конце тут же бросил трубку.
Q&A тоже бесполезный. Когда его напрямую спросили, как он сам пользуется OpenClaw (кейсы), он ушёл в общий ответ про LLM-кейсы. Супер-поверхностно и generic-совет, который видно везде.