Почему я пишу эту статью

За полгода я собрала с Claude больше десяти продуктов: сайты, ботов, админки, тренажёр и личного ассистента. При этом я не разработчица. У меня около 10 лет в IT-продуктах как у продакт-дизайнера и менеджера продукта, в финтехе, EdTech и маркетплейсах.

Осенью я ушла из найма, чтобы строить CaseSociety, сообщество про продуктовое мышление для дизайнеров и продактов. Команды у меня нет. Поэтому AI стал для меня не «умным поиском», а напарником: он пишет код, спорит со мной о стратегии, разбирает интервью и учит тому, чего я ещё не умею.

В этой статье я рассказываю, как устроена наша работа, как Claude меня учит и как в итоге я создаю продукты. Без магии, с реальными примерами и ошибками.

Как устроена наша работа

Главное правило: я решаю, что и зачем делать, а Claude помогает сделать это быстро и честно. Он не принимает решения за меня и не хвалит ради похвалы. Если идея слабая, он говорит об этом прямо.

С чего всё началось и почему агентов не нужно обучать, а нужно давать им контекст, я уже рассказывала в статье «Как я незаметно начала работать с ИИ-агентами». Здесь — как это устроено сейчас.

Роли. Я выступаю как продакт и заказчица: формулирую задачу, проверяю результат, выбираю из вариантов. Claude работает как команда из нескольких человек сразу: разработчик, аналитик, редактор, исследователь и наставник.

Память. Claude помнит контекст между чатами: мои проекты, стек, решения и правила. Мне не нужно каждый раз объяснять, что такое CaseSociety, где лежит репозиторий и почему цены на воркшопы именно такие. Когда я что-то меняю, например замораживаю продукт, это тоже фиксируется.

Скиллы. Повторяющиеся процессы я превращаю в скиллы, то есть в готовые инструкции. Например, публикация статьи в блог: Claude сам готовит текст, собирает страницу, обновляет sitemap и деплоит сайт. Я ничего не делаю руками. Подробнее о том, как это устроено, я писала в статье про скиллы в Claude.

Живые документы. Стратегии, программы обучения и роадмапы мы ведём не в чате, а в документах, к которым возвращаемся. Программа моего обучения AI-инженерии закреплена, и Claude открывает её каждый раз, когда я учусь или пишу об этом.

Система файлов. Все проекты лежат в одной папке на моём Mac: входящие, проекты, статьи, материалы, архив. Правила этой системы записаны в файле, который читают и Claude, и Codex. Если я потеряю доступ к одному инструменту, смогу продолжить в другом.

Прямой доступ к компьютеру. Claude работает с моими файлами напрямую: правит код, делает коммиты и деплоит на Cloudflare. Я не копирую куски кода из чата и не вставляю их руками. Мне нужны готовые файлы, а не инструкции.

Как Claude меня учит

Claude учит меня на моих же продуктах, а не на учебных примерах. Каждая тема сразу превращается в рабочую вещь для CaseSociety.

Честная точка старта. Когда я решила стать AI Product Builder, мы взяли программу «ИИ-инженер за 90 дней» из 84 тем и прошлись по ней построчно: что я уже делаю, что частично, чего не делала никогда. Из этого получился маршрут на 10 недель и статья с планом обучения.

Программа с упражнениями. Потом мы написали свою программу «AI Engineering для продактов». В каждом модуле есть цель, концепции, упражнения с галочками и критерий готовности. Например, в нулевом модуле я задаю один и тот же вопрос пять раз при разной температуре и смотрю, как меняется ответ. Так тема воспроизводимости перестаёт быть абстракцией.

Продуктовый мостик. Мне проще понять техническое через продуктовое. Claude это использует: golden set для оценки RAG — это те же JTBD-сценарии пользователей, а метрики — критерии успеха фичи. Прогон до и после изменения — это A/B-тест.

Право вернуться назад. Я перепрыгнула сразу на RAG и собрала ассистента по статьям блога в Supabase. Поняла, что базы не хватает, и вернулась к первой теме: Python и Git. Об этом тоже написала статью, потому что честный путь интереснее идеального.

Методологическая честность. Этому Claude учит меня постоянно. Одно интервью — это сигнал, а не вывод. Гипотеза подписана как непроверенная. «Вайб-чек» — не метрика.

Учёба превращается в контент и курс. В конце каждого модуля есть строка «Для курса»: как превратить тему в урок. А каждый пост серии «Становлюсь продакт-билдером» показывает карту из 12 тем и отмечает, что пройдено.

Что мы построили

Почти всё собрано на одном простом стеке: HTML/JS, Supabase, Cloudflare Pages и Claude API. Этого хватает, чтобы за день-два дойти от идеи до работающей ссылки.

ПродуктЧто этоСтатус
casesociety.kz и блогСайт сообщества, воркшопы, консультации, блог с админкой и сборкой статических страниц для поискаработает
Telegram-бот @casesociety_botЗапись на воркшопы, оплата через Kaspi, напоминания, анкета марафонаработает
CaseLabБесплатный конструктор продуктового кейса для дизайнеров и продактовбета
Продуктовый тренажёрAI-ассистент с голосовым вводом для упражнений по продуктовому подходув работе
Product Builder MarathonЧетырёхнедельная программа и лендинг, дальше — учебная платформа для курсаглавный фокус
Author VoiceПереписывает тексты моим голосом; профиль собран по моим постам в LinkedInработает
Voice Mapper и база исследованийГолосовые интервью → инсайты → гипотезы с порогом уверенностиработает
Админка с AI Knowledge EngineСканирует сайт и собирает профиль бизнеса, частые вопросы и аудит для AI-поискаMVP
Eugenia OSЛичный планировщик, который становится личным AI-ассистентом 2.0проектирую
Конструктор макетов из дизайн-системСборка макетов из готовых дизайн-систем по описаниюзаморожен

Последняя строка таблицы тоже результат. Я собрала лендинг и короткий технический прототип, увидела, что продукт работает слабо, и заморозила его за две недели, а не за полгода. Дешёвая проверка идеи — главный плюс такого способа работы. Как я собирала CaseLab, подробно рассказала в отдельной статье.

Как я создаю продукт: шаг за шагом

У меня сложился повторяющийся цикл из семи шагов. Скорость даёт AI, а качество даёт продуктовое мышление на каждом из них.

  • 1. Начинаю с проблемы, а не с фичи. Источники — интервью, вопросы в сообществе «Продуктовые разборы», мои собственные боли. Транскрипты я отдаю Claude, он раскладывает их по цепочке «исследование → доказательство → паттерн → возможность → продукт», а я читаю выводы. Подробнее — в статье от интервью к инсайтам.
  • 2. Пишу ТЗ или обсуждаю стратегию. Иногда ТЗ собираю в другой модели и приношу готовое. Claude задаёт уточняющие вопросы и предлагает варианты, решение остаётся за мной.
  • 3. Делаю MVP или короткий технический прототип. Сначала проверяю самую рискованную часть. Для нового продукта — отдельный поддомен, отдельный репозиторий, чтобы не сломать основной сайт.
  • 4. Просматриваю превью до деплоя. Весь визуал в едином стиле экосистемы CaseSociety: зелёный акцент, один шрифт, одно меню на всех страницах.
  • 5. Запускаю и ставлю аналитику. Clarity, Яндекс.Метрика, Meta Pixel, Search Console. Без данных я снова буду гадать.
  • 6. Рассказываю об этом. Сначала статья на сайте, потом пост в LinkedIn со ссылкой и карусель для Instagram. Продвижение медленное и этичное, без счётчиков «осталось 2 места».
  • 7. Смотрю на реакцию и решаю: развивать, ставить на паузу или замораживать. Так было с Кейс-клубом: я перенесла запуск, потому что хочу сначала обкатать программу. И фокус перешёл на марафон.

Важно, что цены я тоже тестирую. Марафон я сначала оценила слишком дёшево. Когда мы разобрали ценность и формат с личными встречами, цена выросла в шесть раз.

Чему я научилась и что дальше

Главный вывод: AI не заменяет продуктовое мышление, он делает его дешевле в проверке. Раньше мне нужна была команда, чтобы проверить гипотезу. Теперь нужен вечер.

  • Формулировка задачи решает всё. Чем точнее я объясняю «зачем» и «для кого», тем меньше переделок. Это тот же навык, что и написание хорошего ТЗ для команды.
  • Правила нужно записывать. Память, скиллы и файл с правилами системы экономят часы. Когда я один раз описала процесс публикации, он перестал ломаться.
  • Просить честности, а не одобрения. Самые полезные разговоры были те, где Claude не соглашался: про цены, про слабые гипотезы, про выводы по одному интервью.
  • Разработка больше не барьер, барьер — фокус. Собрать новый продукт легко. Сложнее выбрать один и довести его до первых пользователей.
  • Понимать, что под капотом, всё равно нужно. Поэтому я учу RAG, оценку качества и агентов. Вайбкодинг даёт скорость, но без понимания нельзя сделать надёжный AI-продукт.

Что дальше. Я собираю Product Builder Marathon: четыре недели, за которые участники проходят тот же путь от проблемы до работающего продукта с AI. Продуктовая часть курса у меня есть, а техническую я сейчас прохожу сама.

Хотите следить за путём и обсуждать продукты вместе — приходите в сообщество «Продуктовые разборы».