Stanford Online: ИИ оценит эффект и стоимость, но приоритет выберет человек

Stanford Online опубликовал видео, где Anand Subramani, лектор Стэнфордского университета, и Jiaona «JZ» Zhang, Chief Product Officer в Laurel, разбирают приоритизацию продуктового роадмапа. Схема состоит из трёх шагов: оценить эффект, оценить стоимость, затем принять решение, которое электронная таблица принять не способна. ИИ, по их словам, годится для стресс-теста первых двух шагов. Третий шаг он не заменяет.

Ограничение сразу: в нашем распоряжении только описание ролика, без полной расшифровки. Поэтому ниже пересказаны заявленные тезисы, а практические выводы помечены как наша трактовка.

Три шага, два из которых поддаются проверке моделью

Первые два шага выглядят знакомо любому продакту. Сначала оценка эффекта: сколько пользователей затронет фича, что она изменит в удержании, выручке или нагрузке на поддержку. Затем оценка стоимости: инженерные недели, зависимости от других команд, цена поддержки после релиза. Обе оценки можно свести в таблицу и отсортировать по соотношению пользы к затратам.

Именно здесь, по версии спикеров, помогает ИИ. Ключевое слово в описании ролика — pressure-test, то есть проверка на прочность. Модель можно попросить найти слабые допущения в прогнозе эффекта, напомнить о скрытых зависимостях, сравнить оценку с похожими проектами или задать неудобные вопросы к цифрам. Она работает как въедливый оппонент на совещании, а не как автор финального списка.

Где заканчивается таблица

Третий шаг в описании назван судейским решением (judgment call). Две колонки с оценками не знают о стратегии компании, о риске потерять ключевого клиента, о моральном состоянии команды и о том, что конкурент выкатит через квартал. Эти факторы плохо кодируются в числа, и ответственность за них несёт человек.

Спикеры формулируют проверочный вопрос: «Почему это на первом месте?» Если ответ звучит «так решил ИИ», это, по их формулировке, передача собственного мышления на аутсорс. Продакт, который не может объяснить логику приоритета без ссылки на модель, не владеет своим роадмапом.

• Формат: видео Stanford Online, опубликовано 15 октября 2026 года.
• Участники: Anand Subramani (лектор Стэнфорда), Jiaona «JZ» Zhang (Chief Product Officer, Laurel).
• Шагов в схеме: три — эффект, стоимость, суждение.
• Что делегируется ИИ: стресс-тест оценок эффекта и стоимости.
• Что остаётся человеку: итоговое решение и его обоснование.
• Контрольный вопрос: «Почему это наверху?»

Как это применять

Ниже наша трактовка тезисов, а не цитаты из видео.

Первое: используйте модель после того, как собственные оценки уже записаны. Если дать ей сделать первый набросок, вы рискуете закрепиться на её цифрах, а не на своих допущениях. Сначала ваша таблица, потом запрос «найди, где я ошибаюсь».

Второе: просите критику, а не рейтинг. Формулировка «перечисли пять причин, почему этот прогноз завышен» даёт больше пользы, чем «отсортируй задачи по важности».

Третье: фиксируйте обоснование приоритета своими словами в одном абзаце. Если абзац не получается без фразы «модель посчитала», решение ещё не принято.

Четвёртое: разделяйте входные данные и вердикт. ИИ может расширить вход, например добавить риски и альтернативы. Вердикт остаётся за тем, кто потом объясняет его команде, руководству и клиентам.

Материал скорее методический, чем новостной. Он не сообщает о новых продуктах или метриках, но описывает рабочую границу между автоматизацией и ответственностью, которую многие продуктовые команды сейчас выстраивают на практике.