Телеграм

Yandex for Products

@yandexforproducts Карьера и вакансии
РКН: проверяем Иноагент: проверяем
Номер заявления в РКН - № 6186502612

Канал для продактов от Яндекса. Рассказываем о событиях, делимся кейсами и знакомим с нашими командами.

Чат → @yandexforproductschat

Все каналы Яндекса по стекам разработки: https://t.me/addlist/Hrq31w2p1vUyOGZi

Статистика обновлена 20.11.2026 в 05:56 · 1 просмотр страницы · Хотите больше просмотров?

Подписчики17 986
Охват поста3 610 20% от подписчиков
ERR за месяц20,07%
ERR за 24 часа12,64%

Динамика за 30 дней

Рекламные публикации

Рекламных публикаций не найденоЗа последнее время мы не нашли на площадке ни одного рекламного поста.

Последние публикации

Все посты канала →
Y
Yandex for Products tg17 тыс. подписчиков
Открыть пост ↗
🎈 Теперь AI помогает ресторанам автоматизировать брони

Знакомьтесь, это Артём Ильин. Полтора года назад он пришёл в Яндекс после учёбы на факультете компьютерных наук ВШЭ и стал одним из создателей стартапа ИИ-хостес. Что это такое и как работает — смотрите в видео выше.

🔸 ИИ-хостес — это один из первых кейсов новой программы Яндекса 75/75/75. В ней сотрудники используют AI, чтобы ускорить разработку и быстрее вывести продукты на рынок.

Подписывайтесь:
💬 @Yandex4Products
📹 @YandexforProducts
👁 1.5 тыс. 🔥 4❤ 3 💬 3 ↻ 21 вчера в 13:11
Y
Yandex for Products tg17 тыс. подписчиков
Открыть пост ↗
🤔 Зачем продакту проводить собеседования

Привет, с вами Костя Каличава, менеджер продукта Роботакси. Я провожу много интервью с кандидатами и считаю, что каждому продакту хотя бы разок стоит попробовать себя в этом. Для меня проведение собеседований стало мощным инструментом профессионального роста:

🟣 В процессе вы сможете регулярно закреплять и углублять свои знания

🟣 А в результате начнёте лучше понимать, как устроен процесс найма, какие специалисты нужны команде и как эффективно взаимодействовать с разными людьми

🕵️‍♂️ В карточках я собрал 8 преимуществ, которые даст вам самостоятельное проведение собеседований

Подписывайтесь:
💬 @Yandex4Products
📹 @YandexforProducts
👁 2.3 тыс. ❤ 11🔥 5🌚 2 💬 2 ↻ 8 17 ноября
Y
Yandex for Products tg17 тыс. подписчиков
Открыть пост ↗
🎈 Как AI помогает избежать когнитивных искажений в работе

Привет, меня зовут Никита Дубко, я старший руководитель продуктов в Яндекс Контесте. Сегодня я хочу предложить решение с AI, которое поможет вам отловить когнитивные искажения в своей работе.


➰ Начнём с проблематики. Договоримся, что когнитивное искажение — это повторяемый способ ошибаться в похожих условиях. Думаю, вы уже слышали или знаете о различных когнитивных искажениях, но давайте представим конкретные ситуации, в которых они негативно влияют на работу менеджера в IT:

🟣 Яркий сигнал кажется нам частым. Негативный фидбэк от самого важного заказчика или от пользователя, который громче всех кричит «Караул!», заслоняет собой более частотные проблемы

🟣 Авторитет подменяет доказательство. Если уважаемый эксперт или ваш начальник предлагает решение, оно по умолчанию кажется подтверждённым

🟣 Уже вложенные ресурсы требуют новых трат. Типичная ситуация, при которой жалко закрывать проект, над которым все уже долго и упорно работают

🟣 Короткий тест и удобная метрика подменяют эффект. Мы склонны верить даже некорректно проведённым тестам, если они подтверждают наше мнение

AI может помочь бороться с подобными казусами. Но здесь нужно быть аккуратным, потому что «железный» мозг подвержен искажениям не меньше нашего.

LLM склонна следовать за позицией пользователя и одобрять её. Для этого есть специальный термин — sycophancy. Он означает изменение содержательной позиции в сторону мнения пользователя, иногда вопреки фактам или первоначальному правильному ответу.

Есть и несколько других особенностей. Например, модель привносит в анализ статистические ассоциации из данных. Причём это не галлюцинации (о которых мы тоже помним), а следствие выборки, на которой модель обучена. По этой же причине LLM чаще дают ответы исходя из европейских или американских реалий. А нам зачастую нужен анализ именно российского рынка.

К сожалению, знание о существовании когнитивных искажений не гарантирует защиту от них. Но AI может помочь, если правильно с ним работать.

🔸 Моё решение — это два скила для LLM. Вы можете внедрить их в свои процессы как есть или адаптировать под свои нужды. Что они умеют:

🎊 Первый скил objective-prompt-rewriter читает черновой промпт и убирает места, где автор уже подсказал вывод. Он не «прожаривает» гипотезу, но уже требует от модели быть более объективной и не опираться на непроверенные допущения

🎊 Второй скил audit-product-biases помогает валидировать гипотезы, PRD и прочие продуктовые артефакты. По сути, скил — это четыре субагента: Пруфер, Шаблонизатор, Душнила и Летописец. Я назвал их Гуси-доколебуси. У каждого из них своя зона ответственности. Они будут находить в ваших гипотезах когнитивные искажения, логические ошибки, недостаток данных и так далее. А потом передавать вам это в форме, удобной для чтения

После этого PRD, скорее всего, придётся дорабатывать. Но вы примете гораздо более взвешенные решения и сохраните много времени команде.

📺 Смотрите мой доклад с ProductSense’26 на ютубе или в VK Видео. Там я на примере вымышленного рабочего кейса разобрал когнитивные искажения, о которых писал в этом посте, и рассказал подробности про свои скилы для AI-агента.

Подписывайтесь:
💬 @Yandex4Products
📹 @YandexforProducts
👁 3.5 тыс. 🔥 15❤ 12 💬 2 ↻ 48 12 ноября