Как проектировать задачи с помощью ИИ: практический гайд для аналитиков и продакт менедежров

Описание:

Часто продакт-менеджеру приходится решать непростые вопросы от инженеров и аналитиков на этапе проектирования. А иногда аналитиков вообще нет, и приходится продумывать все самому. В этой статье расскажу, как использовать языковые модели (LLM) для проектирования сложных задач и поделюсь готовым промптом.

Проблема: сложность проектирования в продуктовой разработке

В сложных задачах обычно переплетаются:

• Требования бизнеса
• Потребности пользователей
• Логический уровень архитектуры
• Технические ограничения
• Сроки реализации

Ключевая функция менеджера — умение принимать решение, как соблюдая ограничения выдать максимально приближенный к желаниям пользователей и бизнеса функционал. Часто приходится жертвовать возможностями или продавливать команду на реализацию критичного функционала.

Как LLM помогает в проектировании

Главное преимущество использования языковых моделей в проектировании — это выявление граничных случаев (corner cases).

Основные опасения при больших изменениях в системе — не сломается ли что-то по пути. LLM справляется с анализом граничных случаев лучше человека, если правильно направлять модель.

Промпт для проектирования тут: [Ссылка на промпт]

Пошаговый процесс проектирования с Claude

Шаг 1: Подготовка контекста проекта

Создаю проект в Claude и загружаю туда контекст:

• Архитектуру системы
• Существующие требования
• Технические ограничения
• Бизнес-контекст

Шаг 2: Загрузка промпта системного аналитика

Вставляю специальный промпт, который превращает LLM в архитектора/системного аналитика.

Ключевая задача промпта: "Взять бизнес-требования и понять КАК это сделать на логическом уровне, подготовив детальный контекст для написания технического задания."

Шаг 3: Диалог с моделью

LLM начинает задавать уточняющие вопросы по сценарию. Я отвечаю, направляя модель в нужную сторону.

Шаг 4: Итерации и доработка

После 3-4 итераций вопросов LLM выдает черновик решения. Я изучаю его, даю комментарии, и мы правим требования до тех пор, пока описание не станет готовым к реализации и не будет удовлетворять всем требованиям.

Шаг 5: Написание требований

Когда проектирование завершено, переходим к этапу написания технических требований.

Когда использовать этот подход

Метод эффективен в следующих случаях:

• Фича сложная и затрагивает разные части системы
• Нужно проверить себя на граничные случаи
• Требуется логическое проектирование без детального API и структуры БД

Не подходит для проектирования API и схемы базы данных

Как начать лично тебе:

Первый запуск

1. Возьмите готовый промпт (ссылка в конце статьи)
2. Загрузите в Claude или ChatGPT
3. Объясните модели задачу, которую вы уже спроектировали и запустили
4. Сравните результат с тем, как получилось у вас в реальности

Улучшение промпта

Если результат не соответствует ожиданиям:

1. Доведите решение до нужного через диалог
2. В конце попросите: "Мы с тобой спроектировали задачу. Улучши изначальный промпт аналитика, чтобы в будущем мои комментарии учитывались на этапе проектирования"

Повторяйте процесс при каждом последующем проектировании. LLM со временем обогатит контекстом изначальный промпт, и качество проектирования будет расти.

Результаты использования

По моему опыту, такой подход к проектированию:

• Экономит время на выявление граничных случаев
• Снижает риски пропуска важных сценариев
• Улучшает качество технических решений
• Помогает структурировать мышление при решении сложных задач

Выводы

Использование LLM в проектировании — это не замена аналитика или архитектора, а мощный инструмент для усиления возможностей продакт-менеджера. Модель помогает не пропустить граничные случаи и структурировать сложное решение.

Начните с простых задач, улучшайте промпт с каждой итерацией, и через несколько проектов вы получите инструмент, настроенный под специфику вашей системы.

Полезные материалы:

• [Ссылка на промпт]
• [Предыдущий пост про подготовку контекста проекта]
• [Пост про написание требований с LLM]