Генератор фич: что выяснило исследование, как устроен предложенный подход и что из него применимо
Разбор исследовательского пакета о том, как продуктовые фичи могут системно появляться из накопленного знания о продукте, а не придумываться с нуля. 24 источника, семь школ продуктовой разработки, нормативная модель из четырнадцати шагов и девяти гейтов, аудит пакета и разбор его применимости к Product Lab. Этот разбор заменяет ввод в курс дела от 4 сентября.
Как читать. Ссылки в квадратных скобках указывают файл и раздел пакета; SRC-NNN — карточка источника, CLAIM-NNN-NN — пронумерованное утверждение внутри карточки. Сами внешние статьи и книги не читались: всё, что сказано об источниках, известно через карточки. Новый внешний ресёрч не проводился намеренно: предмет — уже существующий пакет, чьи числа проверены его собственным аудитом.
Проблема и главный ответ
Что хотели
У пользователя есть конвейер продуктовой разработки (Product Lab), где идея последовательно превращается в бриф, концепт и продуктовую стратегию. Следующая стадия — появление фич — не спроектирована. Вопрос исследования: как построить воспроизводимый и обоснованный процесс, в котором кандидаты в фичи возникают из накопленного знания о продукте, пользователе, рынке и стратегии, а не придумываются с нуля; какие части такого процесса формализуемы и какие допустимо отдать языковой модели.
Явно оговаривалось: это не «генерация бэклога языковой моделью», а часть общего процесса разработки, и если исследование найдёт более сильную модель, чем исходная гипотеза, приоритет у исследования. Исходная гипотеза: между сигналами и решениями нужен отдельный слой формализованных проблем или возможностей. Постановка называла её предметом проверки, а не требованием [source-docs/chatgpt-thread.md].
Что предложено
Из находок собрана нормативная модель конвейера: четырнадцать шагов, девять гейтов, два независимых слоя генерации (что запустило и каким способом ищем), каталог семнадцати линз для расхождения в решения разного устройства, контракт кандидата, машинная прослеживаемость происхождения от источника до результата и методика оценки самого генератора на четырёх несводимых уровнях.
Модель написана нарочно обобщённо — для организации с командой, телеметрией и историей релизов [03_reference_model.md].
Что нашли: три результата держат всё остальное
Ни одна из семи школ не разрешает прямой путь «запрос клиента → бэклог». Все вставляют между сигналом и списком фич именованный артефакт — возможность, формулировку проблемы, документ-гипотезу — с одинаковым содержанием: кто носитель проблемы, в чём разрыв между ожиданием и реальностью, кого касается и насколько серьёзно, какая метрика и порог считаются успехом.
Гипотеза постановки подтвердилась как норма отрасли. Но влияние этого слоя на продуктовый результат не измерил ни один источник: слой обязателен по согласию школ, а не по доказанной пользе [отчёт §1, §6, §16; FINDING-01].
У языковых моделей измерено сильное и слабое место. Сильное — при зафиксированной проблеме модель даёт хорошие отдельные идеи, в верхний хвост качества попадает чаще людей. Слабое — набор её идей однороден: варианты пересказывают друг друга, и это устойчивое свойство, которое не лечится настройками сэмплирования.
Лечится оно заданием разных условий на входе — персона, функциональное ограничение, «человек фиксирует проблему, модель ищет другое решение». Отсюда центральная инженерная идея: разнообразие решений измеряется на уровне набора и обеспечивается структурой входа, а не просьбой «будь креативнее» [отчёт §8, §14; SRC-002, SRC-007, SRC-023].
Единственное звено всей цепочки с причинно-следственным подтверждением — дисциплина проверки. В рандомизированном эксперименте на 116 стартапах группу учили формулировать фальсифицируемые гипотезы, задавать валидные метрики и пороги решения до сбора данных. Обученные чаще меняли направление и охотнее отказывались от идеи, закрывались не реже контрольной группы и показывали более высокую выручку по кросс-секции.
Эффект выразился не в выживаемости идей, а в своевременности отказа от них [SRC-003; отчёт §10].
Что это значит для проекта. Отдельный разбор соответствия показал: Product Lab исполняет две стадии из семнадцати, телеметрии и истории релизов нет, шесть из девяти гейтов исполнять не на чем. Рекомендация разбора — взять из модели одну вещь, слой возможностей, в минимальной форме: возможность записывается раньше любой фичи, под каждой значимой возможностью три решения разного устройства (одно — без разработки), у кандидата восемь полей вместо семидесяти трёх, фичу нельзя закрыть без записи того, что вышло. Остальное — знание в архиве.
Индекс репозитория называет это принятым решением; сам разбор — рекомендацией на момент, когда пользователь даст команду. Подтверждение решения в репозитории Product Lab в рамках этого разбора не проверялось [product-lab-fit-2026-09-04.md «Вердикт»; INDEX.md].
Что удалось установить
2.1. Как читать силу выводов
Корпус заморожен на 24 источниках: после заморозки ничего не добавлялось, а всё недостающее записано пробелом, а не закрыто новой ссылкой. Это осознанное решение ради воспроизводимости — иначе любой неудобный вывод чинился бы поиском ещё одной статьи [журнал решений REJ-06]. Каждому источнику присвоена сила доказательства от 1 до 5 по устройству, а не по авторитету: 5 — рецензируемое исследование с выборкой и размерами эффекта, 4 — первоисточник компании с собственными измерениями, 3 — методология, описывающая предписанный процесс. Сила не равна полезности: методология силы 3 может быть практичнее статьи силы 5 [отчёт §2].
Асимметрия корпуса определяет асимметрию выводов. Измерены свойства генерации и отбора идей — на студентах, краудсорсинговых конкурсах и научных идеях. Нормированы процедуры организаций — без данных о том, соблюдаются ли они и что дают. И почти нигде не измерена связь между первым и вторым [модель §1]. Всё, что ниже помечено как результат исследования, получено в лабораторных или внепродуктовых постановках; перенос на фичи цифрового продукта — допущение, которое пакет признаёт явно (ASM-04) и авторы источников прямо ограничивают.
Главный вывод аудита. Правило «каждое утверждение опирается минимум на два источника» выполнялось формально. Пустышки убраны, но читать число ссылок под утверждением как меру его силы нельзя [audit-2026-09-04.md Б-02]. В прочитанных редакциях отчёта и модели названные аудитом места исправлены — проверено выборочно.
2.2. Откуда берутся фичи
В зрелых организациях кандидаты входят как сигналы пяти групп каналов: интервью с клиентами, обращения в поддержку и продажи, продуктовая аналитика, внутренние технические обязательства, стратегия и партнёры. Один класс сигналов проходит мимо всякого отбора — безопасность, потеря данных, надёжность — с обязательствами по уровню сервиса; методологические школы такого класса не знают [отчёт §4; SRC-010].
Единственные измеренные доли выживания идей получены на открытых площадках, не в бэклоге: около 9 % из 7 тысяч идей на форуме одной компании, 2,2 % и 0,2 % на двух других [SRC-004]. Распределение источников внутри компании и связь канала с судьбой кандидата не измерены никем (GAP-12).
Сигнал становится доказательством не по содержанию, а по метаданным
Есть ли разрешимая ссылка на первоисточник, каким механизмом наблюдалось, когда, до какого срока годно. Достаточность задаётся не баллом, а дискретной лестницей из практики GitLab: «задокументировано» (прямая обратная связь), «хорошо понято» (серия интервью или сошлись два независимых механизма наблюдения), «измерено количественно». Численных порогов достаточности не даёт никто (GAP-11) [отчёт §5; SRC-009].
Спрос ведёт себя как порог, а не как объём
На форуме идей вероятность реализации росла до одного голоса в день и дальше не росла; при этом сам сигнал копится годами — среднее время до решения около трёх лет [SRC-004, CLAIM-004-05]. Это расходится с непрерывной шкалой охвата в формуле RICE у GitLab (CONFLICT-13); модель совмещает обе формы.
Самое слабое место конструкции. Продуктовая документация как источник доказательств не описана ни одним из 24 источников, хотя именно она — половина входа генератора (GAP-01). Журнал решений: генеративная предпосылка системы не имеет в корпусе даже нормативной опоры [журнал DEC-15, GAP-01].
2.3. Слой возможностей
Содержание слоя совпадает у всех школ. Практический тест, отличающий возможность от замаскированного решения, дан прямо: «есть ли более одного способа её закрыть?» Если способ единственный, перед нами фича, записанная задом наперёд. Реакция на провал теста — не удалить, а разрезать многослойную проблему по измерениям [SRC-017, CLAIM-017-02; SRC-016].
Экономика слоя нормирована, но не измерена: «треть усилий до начала проектирования» у Intercom — иллюстративная диаграмма, «70 % времени продакт-менеджера на понимание проблемы» у GitLab — предписание [отчёт §6].
2.4. Генерация и разнообразие
Качество лучшей идеи процесса раскладывается на четыре переменные: среднее качество, число идей, разброс качества внутри набора и умение отличить лучшие при отборе. Разрыв между процессами виден на верхнем хвосте — по лучшей пятёрке он втрое больше, чем по среднему [SRC-001, CLAIM-001-01, -03]. Эксперимент лабораторный: 44 студента, полчаса, потребительские товары.
Число идей само по себе не признак качества. В мета-анализе 43 сравнений эффекты вмешательств на количество и на качество коррелируют практически нулём [SRC-024, CLAIM-024-06]. Пакет здесь осторожен, и это стоит сохранить: авторы мета-анализа сами пишут, что исследований мало и мощности может не хватать, а корреляция между исследованиями — не проверка гипотезы «больше идей — лучше лучшая»; другой источник удерживает число идей одной из четырёх переменных. Расхождение не снято (CONFLICT-09), поэтому модель меряет верхний хвост и разброс набора, а не объём.
Языковые модели однородны
Набор идей одной модели однороднее человеческого во всех 32 сравнениях на пяти сторонних наборах данных; средняя попарная близость 0,22 у людей против 0,41–0,43 у модели. Совместная работа человека с моделью роняет разнообразие сильно при умеренном приросте качества [SRC-002, CLAIM-002-03; SRC-023, CLAIM-023-03]. Повторные ответы одной модели в 79 % случаев держат близость выше 0,8 — они пересказ друг друга [SRC-007, CLAIM-007-01].
Единственный измеренный рычаг — гетерогенность входа
На шкале, где человеческий набор даёт 0,773, весь диапазон температуры двигает разнообразие лишь с 0,618 до 0,679, а случайные персоны дают 0,757, схема «человек фиксирует проблему — модель ищет другое решение» 0,739, случайные функциональные ограничения 0,735. Приёмы «сделай смелее» и изолированные сессии по одной идее ухудшают показатель до 0,575 и 0,452 [SRC-002, CLAIM-002-05]. Числа получены на одном энкодере и одной задаче; между энкодерами абсолютные значения не переносятся.
Примеры на входе одновременно вдохновляют и фиксируют — это два разных показателя, не два ответа на один вопрос. У людей показ примера повышает новизну и долю связанных с ним идей, но снижает разнообразие категорий; польза убывает с числом примеров и с их обыденностью; показ до начала работы лучше показа в процессе [SRC-024]. На языковых моделях знак по новизне разворачивается: несколько удачных примеров прошлых лет снизили новизну [SRC-002]. Спор не снят (CONFLICT-04); модель подаёт не более одного нетипичного примера до старта.
Помогает ли смешивание разных вендоров, корпус решает противоречиво: композит четырёх вендоров дал разнообразие, неотличимое от человеческого, в одной работе, а в другой межмодельная близость 0,71–0,82 и общие приоры обучения (CONFLICT-08) [SRC-002, CLAIM-002-04; SRC-007, CLAIM-007-03].
2.5. Отбор
Автоматический отбор — фильтр нижней полосы, а не выбор победителей. На 21 конкурсе с 4 191 идеей ни одна из четырёх моделей не воспроизвела выбор экспертов; потолок точности вне обучающей выборки — AUC 0,69–0,73. AUC — вероятность, что модель поставит случайную хорошую идею выше случайной плохой: 0,5 — случайный отбор, 1 — безошибочный. Достижимый режим — отсеять 44 % кандидатов ценой 14 % тех, кто попал бы в шортлист; на отложенном конкурсе один текстовый признак снял 62 % идей, не потеряв ни одного победителя, тогда как эксперты потеряли четырёх из пяти [SRC-005, CLAIM-005-01, -02, -04]. Более высокие значения точности (до 0,9) достигаются только с накопленным поведенческим сигналом сообщества, которого у нового кандидата нет (CONFLICT-14) [SRC-004].
Шумный отбор обнуляет преимущество генератора
Процессы, различавшиеся по качеству лучшей пятёрки почти на балл, после группового отбора не различались [SRC-001, CLAIM-001-05]. Способность порождать не даёт способности различать: ранговая корреляция самооценки генерирующих групп с независимыми судьями ниже 0,2 [CLAIM-001-04]. Аудит уточнил: это измерено на студентах 2010 года, а не на языковых моделях; отчёт был исправлен. Для моделей есть смежный факт без числа: автоматические судьи хуже всего согласуются с людьми на ответах сопоставимого качества — там, где отбор и решается [SRC-007, CLAIM-007-04].
Нетипичность и судьба кандидата связаны неоднозначно
U-образно на форуме идей (и очень похожие, и очень непохожие реализуются чаще средних) и монотонно у скринера конкурсов, причём тот текстовый признак сильнее всего коррелирует с оценкой «как сформулировано», а не «что предложено» (CONFLICT-07) [SRC-004; SRC-005, CLAIM-005-06].
2.6. Языковые модели: сильное и слабое
При зафиксированной проблеме идеи GPT-4 получили покупательское намерение 46–49 % против 40 % у идей студентов MBA и попадали в лучшие 10 % в семь раз чаще; перефразирование человеческих идей моделью оценок не изменило — выигрыш не в подаче [SRC-002, CLAIM-002-01, -02]. Задача — потребительский товар до 50 долларов.
Оценка замысла не переносится на исход. Когда 43 исследовательские идеи довели до реализации и слепо отрецензировали, идеи модели потеряли 1–2 балла из десяти, человеческие почти не потеряли; преимущество модели, значимое до реализации, исчезло, а по строгости человеческие оказались лучше — при одинаковом качестве исполнения. Механизм — смена критериев: в оценке замысла строгость и эмпирика почти не весят, в оценке исполненного доминируют [SRC-006, CLAIM-006-01…04].
Измеренный дефект машинных идей — не выдуманные факты, а неисполнимый план проверки: чаще правились датасеты и метрики, шесть идей закладывали оценку, которую исполнители не смогли провести [CLAIM-006-05]. Область — научные идеи в NLP; перенос на фичи авторы не проверяли.
Мета-анализ 28 исследований среднего превосходства модели над человеком не находит и обнаруживает публикационное смещение, разворачивающее оценку; прирост от совместной работы есть, но сосредоточен у непрофессионалов и в задаче генерации продуктовых идей [SRC-023, CLAIM-023-01, -04, -05]. Аудит нашёл в отчёте подмену: прирост от коллаборации был подан под сравнением «модель против человека»; исправлено.
Применение моделей в самом discovery не описывает ни один источник компаний или методологий; единственная корпоративная статья о моделях — об оценке их выводов, а не о производстве идей, и её сквозной пример объявлен вымышленным (GAP-09) [SRC-011].
2.7. Проверка, эксперименты, измерение
Проверка проблемы и проверка решения разделены объёмом убиваемого: провал первой закрывает возможность со всеми решениями под ней, провал второй — одно решение при живой возможности. Проверяются не идеи целиком, а допущения пяти типов (нужность, осуществимость, удобство, жизнеспособность, этика), сначала важные при слабых доказательствах, дешёвыми средствами, с критерием успеха, записанным до теста [SRC-017, CLAIM-017-04, -06; SRC-021]. Отказ везде типизирован: пять исходов неодобрения у Amazon, четыре у Stage-Gate с подтверждением ресурсов [SRC-019, SRC-020].
Что считать единицей проверки — цельный письменный документ (Amazon) или отдельное допущение на прототипе (Continuous Discovery, Dual Track) — спор не снят: стороны измеряют разное и обе нормативны (CONFLICT-02).
Метрика должна быть заранее проверена на чувствительность
Вероятность увидеть эффект равна произведению вероятности того, что метрика вообще двигается от такого вмешательства, на статистическую мощность. В Microsoft Teams метрика времени в приложении пропускала тесты с реальным эффектом и была заменена [SRC-012, CLAIM-012-01, -04]. Единственный источник, без таблиц.
Годный для решения исход, а не победа
Результат эксперимента, годный для решения, — валидная постановка плюс достаточная мощность по каждой метрике; знак не важен. Недобор мощности — «нет обучения», брак измерения, а не поражение идеи. У Spotify доля таких экспериментов 64 % при разбросе 16–76 % по командам, доля побед около 12 % — из одного блога без методики [SRC-013]. Другая позиция — выходом считать только улучшение показателей (GitLab) — не согласована с первой (CONFLICT-11).
Результат не наследуется когортой
У Atlassian вариант, давший почти 30 % прироста у одной аудитории, у другой дал значимое падение и был откачен [SRC-014, CLAIM-014-05]. Один кейс без выборки и интервалов. Единственный измеренный мост от практики к бизнес-результату — наличие инструмента экспериментирования у стартапов; величина эффекта расходится между двумя версиями одной работы (около 10 % против 30–100 %) и не разъяснена авторами, причинность не установлена (CONFLICT-15) [SRC-008].
2.8. Чего не знает никто
Это определяет, чему в модели можно верить.
- Связь качества системы, порождающей кандидатов, с продуктовым результатом не измерена ни одним источником (GAP-05). Все связи идут через прокси: решение менеджеров, экспертный шортлист, заявленное намерение покупки. Журнал решений формулирует прямо: «главное обоснование системы — лучше кандидаты значит лучше продукт — не подпёрто в корпусе ничем», а спецификация исключает из своих границ утверждение, что система улучшает результат [журнал GAP-05; спецификация §28].
- Сквозного размеченного корпуса «сигнал → возможность → фича → результат» нет ни у одной организации (GAP-04); любой офлайн-бенчмарк будет измерять воспроизведение прошлых решений, а не их правильность.
- Прослеживаемость происхождения описана только как дисциплина, ни у кого — как схема данных (GAP-06).
- Никто не сообщает базовых долей отбраковки (GAP-07), не измерял оптимального числа альтернатив (GAP-08), не проверял порогов достаточности на исходах (GAP-11), не даёт правила соответствия тяжести процесса размеру ставки (GAP-10).
Как работает предлагаемый подход
3.1. Главная идея одной фразой
Запись меняет тип на каждом шаге, каждое превращение может закончиться типизированным отказом, и ни одно решение не принимается по самооценке того, кто породил кандидата. Сигнал — не доказательство, доказательство — не возможность, возможность — не решение, решение — не кандидат, кандидат — не фича, выпуск — не результат.
3.2. Сквозной пример
Единственный сквозной случай в корпусе — эксперимент Atlassian, рассказанный участником [SRC-014]. Он проведён через шаги модели ниже; где модель требует больше, чем было в кейсе, это отмечено. Кейс доказывает существование практики, не её эффективность.
Пользователи Trello переходят в Jira через экран, объясняющий ценность Jira; 58 % уходят с него, кнопку жмут около 40 %.
- СигналЧисло из аналитики воронки с датой и источником. Само по себе ещё ничего не значит.
- ДоказательствоСигнал допущен: источник разрешим, механизм наблюдения — телеметрия, ступень зрелости «измерено количественно».В модели здесь стоит первый гейт: недопустимый источник или ссылка, которая не разрешается, отклоняются.
- ВозможностьНоситель — пользователь Trello, впервые попавший в Jira; разрыв — ждёт понять, зачем ему Jira, а получает экран, с которого уходит; текущее состояние измерено (58 %); целевая метрика — доля начавших пользоваться Jira; прогноз около 10 %. У Atlassian этот «анализ возможности» служил гейтом на инвестицию: только он «дал достаточно сигнала» начинать.Модель добавила бы тест «решается ли более чем одним способом» и требование источника доказательства второго типа — в кейсе качественного слоя нет, и это одна из позиций спора о достаточности данных (CONFLICT-06).
- Гипотезы решенийУ Atlassian после «нескольких итераций дизайна» выбрано одно решение — карусель изображений о ценности Jira.Модель требует иного: не менее трёх решений разных классов механизма — например, убрать экран вовсе, показать ценность в момент первого действия, закрыть проблему без разработки письмом от команды. Набор оценивается целиком: если три варианта оказались вариациями одной карусели, гейт убивает набор, а не выбирает лучший.
- КандидатУбеждение отделено от гипотезы: «мы верим, что подсветка отличий Jira поможет понять пользу» против «мы предполагаем, что обновлённый экран снизит уход и повысит долю начавших».Модель требует дописать численный порог решения до теста, условие опровержения, самое рискованное допущение и его тип, оценку в человеко-днях, и хранить всё это только с добавлением, без переписывания.
- Проверка и готовностьМетрики разделены на основную, вторичные и сторожевые (удержание, использование обоих продуктов). Раскатка под флагом долями 5 → 15 → 25 → 50 → 100 % с остановкой при нарушении сторожевой.Модель до этого шага требует ещё сертификацию чувствительности метрики на прошлых тестах и расчёт мощности по каждой метрике.
- ИсходОколо 20 % больше кликов и почти 30 % больше начавших — исход «победа». Перенос того же варианта на пользователей Bitbucket: падение целевого действия на 12 % и удержания на 11 % — исход «откат».В модели перенос на другую когорту — новый кандидат, результат не наследуется.
- Урок«Наши догадки могут быть неверны, даже если выглядят как верный успех» возвращается в пул доказательств и порождает новые гипотезы под той же возможностью.
Операция «объясни кандидата» в такой системе идёт по ссылкам назад: кандидат → гипотеза → возможность → доказательства → источник, и вперёд: кандидат → эксперимент → исход. При обрыве она возвращает не «неизвестно», а первое недостающее звено и гейт, обязанный был его потребовать [модель §10].
3.3. Четырнадцать шагов и девять гейтов
Гейты различаются не строгостью, а объектом убийства
«Убить» в пакете — перевод исхода Kill из модели Stage-Gate: решение прекратить работу над сущностью. Убитое не удаляется: хранится с типизированной причиной и пополняет размеченный негативный корпус — без него офлайн-калибровка отбора невозможна [модель §6.0; DEC-07, DEC-23].
Отдельный исход на любом гейте — «данных недостаточно». Сущность в порядке, отсутствует аппарат измерения. Корпус называет этот образец на одном гейте (недобор мощности — «нет обучения»); модель поднимает его до сквозного класса всех девяти гейтов. Чтобы класс не стал свалкой, у записи обязательны недостающий вход, ответственный, дата пересмотра и лимит открытых записей; дефицит, специфичный для сущности, после двух циклов добора становится убийством, а структурный дефицит платформы (нет корпуса, мал трафик) в убийство не эскалирует — иначе холодный старт уничтожил бы первую когорту кандидатов по причине, к их качеству не относящейся [модель §6.11].
3.4. Что может делать машина
Этот раздел отвечает на вопрос, какие решения в конвейере можно доверить машине, а какие обязан выносить человек, и почему граница проходит именно там [модель §6.0 И-3; DEC-18].
Где какой уровень. Допуск доказательств (G0), квалификация возможности (G1), скрининг (G4) и готовность к выпуску (G7) на A2; портфельный отбор (G2), проверка проблемы (G5), проверка решения (G6) и разбор исхода (G8) на A1. Полная раскладка — в таблице гейтов поддерживающих материалов.
Почему граница именно такая. Она проведена не по удобству, а по двум измерениям из корпуса. Первое: у тех, кто порождает идеи, самооценка почти не совпадает с оценкой независимых судей, ранговая корреляция ниже 0,2 [SRC-001, CLAIM-001-04]. Второе: потолок точности автоматического отбора около 0,7 по AUC, то есть машина не воспроизводит выбор лучших идей экспертами, но хорошо отсекает заведомо слабые [SRC-005, CLAIM-005-01]. Отсюда правило: автоматический балл годится как единственное основание там, где решается судьба набора целиком, дубля или нижней отсекаемой полосы, и не годится там, где выбирается победитель. Ошибка в сторону большей автоматизации означала бы, что выбор победителей молча передан машине. Ошибка в сторону меньшей означала бы, что человек вручную смотрит каждый дубль, и стоимость растёт вместе с объёмом генерации.
Что делает языковая модель
Работает как предлагающий контур: делит документы на утверждения, набрасывает черновики возможностей, порождает решения и кандидатов, предлагает направление, суммирует трейсы. Общее правило: её выход — предложение, а решение выносит другой контур [спецификация §24].
Где модель запрещена
- как единственное основание вердикта на гейтах, где решается ценность: квалификация возможности, портфельный отбор, скрининг выше точки отсечения, обе проверки, готовность к выпуску, разбор исхода;
- как источник допустимости доказательства: если основанием служит самооценка генератора, это отдельный класс отказа на первом гейте;
- как автономный перезапуск после того, как набор решений схлопнулся: новые условия задаёт человек, иначе система исполняет измеренный антипаттерн самоусиления;
- как оценщик собственного выхода в любой точке [DEC-05].
Следствие для одиночной работы. Если агент, породивший кандидата, сам же заполняет числовые оценки эффекта и порога, это и есть самооценка генератора, которую первый гейт существует ловить. Поэтому в восьми полях кандидата минимальной версии нет ни одного измеряемого, а пометку «гипотеза» предлагают распространить на все числовые поля [разбор соответствия «Чем модель может испортить»].
3.5. Движок: что запустило и каким способом ищем
У генерации есть два независимых вопроса, и модель нарочно не смешивает их [модель §7].
Первый вопрос: что запустило генерацию
В модели это называется режимом, их шесть. Генератор не работает постоянно, его что-то будит:
- принят полный входной контекст, пул пуст, это первый прогон;
- пересчёт показал дыры в покрытии: у какой-то возможности нет решений некоторых классов;
- появилось новое доказательство, например интервью или сдвиг метрики;
- пересмотрена стратегия;
- закрылся цикл проверки с исходом, годным для решения;
- человек решил проработать направление, например удержание.
Второй вопрос: каким способом ищем
Это методы, их семь:
- разложить стратегию в дерево «результат → драйверы → проблемы»;
- извлечь проблемы из накопленных доказательств;
- разобрать работу пользователя по шагам и найти шаги, которые он делает вне продукта;
- найти количественные разрывы в телеметрии;
- сопоставить нужные механизмы с возможностями платформы;
- породить следующий шаг из результата предыдущего;
- развести решения при уже зафиксированной проблеме.
Из семи методов только последний даёт решения, остальные шесть ищут возможности.
Зачем разделять. Одно и то же событие можно обрабатывать разными способами, а один способ подходит для разных событий. Если бы всё это слили в один список «поводов что-то сгенерировать», каждый новый тип входа требовал бы переписать процедуру. При разделении новый источник данных просто становится ещё одним поводом, а способы поиска не меняются. Это и есть ответ модели на требование о масштабировании входов [DEC-08].
| Режим ↓ / метод → | Разложение стратегии | Проблемы из доказательств | Работа пользователя по шагам | Разрывы в телеметрии | Возможности платформы | Следующий шаг из результата | Дивергенция решений |
|---|---|---|---|---|---|---|---|
| Первый прогон | основной | основной | основной | нет: своей телеметрии до запуска нет | дополняющий | нет: истории проверок нет | основной |
| По разрывам покрытия | дополняющий | дополняющий | основной | дополняющий | дополняющий | дополняющий | основной |
| По новому доказательству | дополняющий | основной | дополняющий | основной при количественном сигнале | дополняющий | нет: вход — сигнал, не исход | дополняющий, после G1 |
| По пересмотру стратегии | основной | дополняющий | дополняющий | дополняющий | основной при новой технологии | дополняющий | дополняющий |
| По уроку | нет: исход эксперимента не меняет стратегию | дополняющий | дополняющий | основной | дополняющий | основной | основной |
| По направлению | основной | дополняющий | основной для цикла и активации | основной | дополняющий | дополняющий | дополняющий, под лимитом, после G1 и G2 |
Матрица шесть на семь по разделу 7.3 модели. «Основной» — метод несёт нагрузку прогона, «дополняющий» — служит проверкой. Четыре ячейки «нет» — часть спецификации: они запрещают методу читать вход, которого в данном режиме не существует.
Почему режим «по направлению» опасен. У пяти режимов повод внешний: пришли данные, изменилась стратегия, закрылся эксперимент. У шестого повод внутренний, это желание человека. Значит генератор может запускать сам себя сколько угодно раз, и идеи начинают рождаться ради метрики направления, а не из проблемы пользователя. Это та самая ловушка, когда фичи штампуют под график. Модель ставит четыре ограничителя: направление не считается основанием, пока для него не измерено текущее значение метрики и не названо целевое; нет квоты «сгенерировать столько-то», зато есть лимит на число непроверенных кандидатов в работе; гейт квалификации отсекает готовое решение, поданное под видом направления; убить такого кандидата на выходе считается нормальным исходом [модель §7.1].
Для Product Lab всё это сжимается: пять из шести режимов становятся просто поводами перезапустить одну и ту же процедуру с другим входом, а режим «по разрывам покрытия» откладывается, потому что карты покрытия пока нет.
3.6. Семнадцать линз
Линзы заставляют решения различаться по устройству, а не по формулировке [модель §8].
Что такое линза. Это вопрос, который задают возможности, чтобы получить один конкретный способ её закрыть. Например, для экрана Atlassian, с которого уходят 58 % пользователей (пять ответов ниже придуманы здесь как иллюстрация, в кейсе их не было):
- «убрать шаг»: можно ли вообще не показывать экран и сразу пускать в Jira;
- «подсказать в момент действия»: объяснять пользу Jira не отдельным экраном, а по ходу первого действия внутри неё;
- «посчитать заранее»: показать пользователю его собственные доски Trello уже перенесёнными в Jira, до того как он спросит;
- «закрыть без разработки»: письмо или звонок от команды тем, кто ушёл с экрана;
- «переформулировать проблему»: а точно ли проблема в экране, а не в том, зачем людей вообще ведут из Trello в Jira.
Что такое класс механизма. Каждой линзе соответствует метка, по которой устроено решение. Класс нужен для счёта. Три варианта карусели на одном экране остаются одним классом, потому что устроены одинаково. Убрать экран, объяснить по ходу и написать письмо будут тремя классами, потому что это три разных механизма.
| Линза | Вопрос к возможности | Класс механизма |
|---|---|---|
| Убрать шаг | Какой шаг упразднить, чтобы возможность не возникала? | step-elimination |
| Автоматизировать | Какую работу человека выполнит машина, оставив шаг? | agent-transfer-to-machine |
| Передать другому | Кто ещё — роль, партнёр, служба — возьмёт работу? | agent-transfer-to-another-actor |
| Выбрать за пользователя | Какое решение система примет сама и обратимо? | decision-preselection |
| Сжать варианты | Как сжать варианты, оставив выбор пользователю? | option-set-ranking |
| Посчитать заранее | Что посчитать заранее, до просьбы или ошибки? | temporal-shift |
| Сделать невозможным | Какое нежелательное состояние сделать невозможным? | state-constraint |
| Подсказать в момент действия | Чего пользователь не знает в момент действия? | in-context-competence |
| Показать скрытое | Какое состояние невидимо, хотя решение на него опирается? | state-surfacing |
| Вмешаться самому | Когда система должна сама вмешаться и по какому порогу? | attention-routing |
| Свести разрозненное | Что разбросано и сводится в одну единицу или операцию? | consolidation |
| Различить сегменты | Для какого сегмента поведение должно отличаться? | context-adaptation |
| Ввести второго актора | Какого второго актора ввести и что меняется при этом? | multi-actor-coordination |
| Дать точку вариативности | Какую точку вариативности дать пользователю? | variation-point |
| Переехать в чужое окружение | В каком чужом окружении пользователь уже находится? | surface-relocation |
| Закрыть без разработки | Как закрыть возможность вообще без разработки? | out-of-product-operation |
| Переформулировать проблему | Верна ли формулировка и как её разрезать? | problem-restatement (мета-линза) |
Правило применения и как считает гейт
На каждую значимую возможность нужно не меньше трёх решений разных классов. Если решение несёт большой риск или должно отличать продукт от конкурентов, нужно шесть линз из разных семейств: снятие работы, передача работы другому, сдвиг момента, добавление информации, подстройка под контекст, выход за границу продукта.
Гейт разнообразия смотрит не на то, сколько линз заполнено, а на то, сколько разных классов осталось среди кандидатов после того, как схлопнули дубликаты. Семь ответов на семь линз, которые по сути описывают одну автоматизацию, дадут один класс и гейт не пройдут. Плюс требуется хотя бы два независимых источника генерации; несколько моделей одного семейства за независимые не считаются.
Пустая линза и четыре понятия, которые легко спутать
Если на вопрос ответа нет, это записывается как «неприменима» с причиной и считается данными, а не провалом. Если пустыми оказались целые семейства линз, это признак того, что возможность сформулирована как готовое решение, и запись отправляется на переформулирование.
Линза — это вопрос. Класс механизма — метка устройства ответа, по ней считают разнообразие. Гипотеза решения — утверждение «решение такого класса закроет эту возможность», на ней хранятся линза и класс. Кандидат — оформленное предложение под гипотезой со всеми полями контракта. У одной гипотезы может быть несколько кандидатов, если их проверяют разными метриками [модель §10].
Статус набора. Сам список из семнадцати линз и деление на классы в корпусе источников отсутствуют (GAP-15, ASM-05). Это конструкция авторов модели, обоснованная аналогией: измерено, что функциональное ограничение в отдельном вызове модели поднимает разнообразие почти до человеческого уровня [SRC-002, CLAIM-002-05], и линза трактуется как такое ограничение. Критерий гейта от состава линз не зависит, поэтому набор можно заменить, не трогая гейт. Для Product Lab это единственная часть модели, которую разбор соответствия называет исполнимой одним агентом сегодня, без эмбеддингов и базовых линий.
3.7. Контракт кандидата и прослеживаемость
Контракт кандидата
Кандидат не выходит из генератора без разведения убеждения и проверяемой гипотезы; метрики с направлением, предсказанным размером эффекта и численным порогом решения, записанным с отметкой времени до теста; условия опровержения; самого рискованного допущения и его типа из пяти; оценки в человеко-днях с диапазоном; охвата когорты. Журнал полей ведётся только добавлением; отметка времени порога после старта теста неизменяема [модель §5 T7; DEC-20]. В полной схеме у кандидата 73 поля; по подсчёту аудита все 29 требуемых техническим заданием на месте.
Прослеживаемость как поле схемы
Цепочка источник → доказательство → возможность → гипотеза → кандидат → эксперимент → исход, ссылка хранится на дочерней записи, восемь инвариантов блокируют гейт при разрыве, отозванном источнике или истёкшем сроке годности доказательства. Пулы возможностей и фич — живые слои: записи переоцениваются, а не переписываются, старые вердикты сохраняются, у слоя есть версия, сущности стареют по сроку, а вход нового кандидата при исчерпанной ёмкости поставки требует убить или задержать другого [модель §9–§10].
3.8. Как оценивается сам генератор
Четыре несводимых уровня, потому что оси измеренно движутся врозь: генерация моделью одновременно поднимает средний балл идеи и роняет разнообразие набора, а порядок вариантов меняется между стадией замысла и реализацией [протокол оценки §1–5; DEC-11].
Разрешаются ли ссылки, входит ли процитированное в извлечённое, цела ли цепочка, не копирует ли выход вход. Почти целиком проектный уровень; блокирующий.
Шесть измерений в слепом ревью; новизна описательна и ни в один порог не входит. Слабейший уровень, частично опровергнут собственным корпусом; не основание решений выше пола.
Доля дублей, семантическое разнообразие, покрытие возможностей и пространства решений. Обеспечен лучше всех; блокирующий: регресс останавливает версию даже при росте B.
Главная метрика — доля кандидатов, доведённых до исхода, годного для решения, независимо от знака; доля побед вторична и между версиями отдельно не сравнивается. Горизонт не короче года.
Единого сводного балла нет по построению. Семь сторожевых величин, ухудшение любой из которых блокирует версию, включая инвертированную: доля опровержений и убитых сущностей не должна падать к нулю — правильный discovery убивает много идей [протокол §6]. Сам протокол обеспечен доказательствами неравномерно, и это объявлено.
Почему выбраны эти решения
4.1. Что измерено, а что назначено
Каждое утверждение модели несёт одну из трёх пометок. «Подтверждено» — прямо следует из названных источников. «Выведено» — из сопоставления нескольких. «Проектное решение» — корпус в этой точке молчит, и решение подлежит проверке на собственных данных, а не переносу как нормы. Пометка не означает произвола, но и не означает доказанности [модель §1]. Таблица численных ориентиров модели предваряется фразой: «ни один не является отраслевой нормой» [модель §12].
| Узел модели | Основание | Прочность |
|---|---|---|
| Разнообразие меряется на наборе; сэмплирование не лечит; вход — лечит | три независимые измеренные работы (SRC-002, 007, 023) | самый прочный узел величины непереносимы между энкодерами |
| Автоотбор — фильтр снизу с потолком около 0,7 | две измеренные работы на конкурсах и форуме (SRC-005, 004) | прочный ground truth — шортлист или решение фирмы, не рынок |
| Оценка замысла не предсказывает исход | один рандомизированный эксперимент на научных идеях (SRC-006) | прочный в своей области перенос на фичи не проверен |
| Дисциплина проверки повышает частоту отказа, не выживаемость | один RCT на стартапах (SRC-003) | единственная причинная опора см. 4.3 |
| Слой возможностей обязателен | норма семи школ | устойчиво по согласию эффект не измерен |
| Три решения разных классов | рекомендация одного практика (SRC-017) | норма, не оптимум GAP-08 |
| Порог дублирования 0,8; разнообразие 0,9 от человеческого; охват ≥ 1,5; 60 % из 50 интервью; доли раскатки; согласие судьи 80 % | перенос по аналогии из чужих постановок (ASM-03, 06, 07) | перекалибровать правила гейтов ссылаются на имя параметра, не на значение |
| Провенанс как схема данных; операция «объясни» | два нормативных источника, ни одного измерения (GAP-06, GAP-13) | целиком проектное обосновано нуждой офлайн-калибровки |
| Семнадцать линз и классы механизма | в корпусе нет ни списка, ни таксономии (GAP-15) | проектное развязано от критерия гейта |
| Направления классификации | обещанная спецификация не поступила (ASM-01, GAP-03) | допущение направление группирует, не отсеивает |
| Сквозной исход «данных недостаточно» | образец на одном гейте у Spotify, поднят до всех девяти | проектное несёт риск свалки |
| Главная метрика — доля исходов, годных для решения | один блог без методики (SRC-013) | прокси риск, что не коррелирует с результатом (GAP-05) |
4.2. Принципы и их обоснование
Одиннадцать принципов модели [§2] — это компактная форма ответа «почему так».
- Обязательный слой возможностей — иначе генератор становится фабрикой фич под график.
- Дивергенция на уровне набора — иначе гейт пропустит семь вариаций одного механизма.
- Разнообразие входом, не сэмплированием — температура измеренно не работает.
- Генерация отделена от оценки — способность различать не наследуется от способности порождать.
- Недоверие к самооценке и калибровка судей — некалиброванный судья хуже отсутствия судьи.
- Провенанс как поле схемы — без него теряется разметка «принято/отклонено», задним числом невосстановимая.
- Право убивать с типизированной причиной — высокий отсев есть нормальная работа.
- Калибровка порогов вместо ложной точности — грубые шкалы не должны печататься с двумя знаками.
- Порог до данных — единственное правило с причинным основанием.
- Сертифицированный план измерения как условие допуска — измерительная часть и есть то, что ломается у машинных кандидатов.
- Здоровье — доля исходов, годных для решения, а не доля побед — при базовой доле побед около 12 % победа есть шумная метка.
4.3. Одна оговорка к «единственному каузальному правилу»
Модель и журнал решений называют записанный до данных порог «единственным правилом системы с каузальным подтверждением» [PRINCIPLE-09; DEC-20]. Карточка источника говорит осторожнее: различие между группами «свелось к 30 % времени на научный подход — фальсифицируемые гипотезы, валидные метрики, явные пороги решения» [CLAIM-003-01], а запись о пробелах признаёт, что эксперимент «не различает ни тип доказательства, ни конкретный порог» [GAP-11]. То есть причинно подтверждён пакет практик, а не отдельно взятый порог. Журнал это частично признаёт («переносима именно форма, а не числовое значение»).
Следствие: обоснованно требовать всю связку — гипотеза, метрика, критерий до теста, — а не выделять из неё одно поле как доказанное. Прежний ввод в курс дела воспроизводил формулировку модели без этой оговорки.
4.4. Что рассмотрели и отвергли
Одиннадцать отвергнутых подходов записаны с причинами [журнал REJ-01…11]. Существенные для понимания:
- Прямая генерация фич из документов, минуя слой возможностей — отвергнута как нарушающая первый принцип, но сохранена как вариант сравнения в методике оценки именно потому, что эффект слоя не измерен: её выигрыш на собственном бенчмарке доказал бы избыточность слоя.
- Счётчик идей как критерий — количество и качество разъезжаются систематически.
- Температура и «будь смелее» — измеренно ухудшают разнообразие; возврат на гейт разнообразия разрешён только при изменённой конфигурации входа.
- Единый агрегированный балл кандидата — замаскировал бы ровно ту регрессию, которую корпус измерил.
- Доля побед как главная метрика — при 12 % побед обнаружение прироста в 5 пунктов требует около 675 кандидатов на вариант; для доли исходов, годных для решения, при 64 % — около 370.
- Расширение корпуса под каждый пробел — превратило бы доказательную базу в подогнанную под конструкцию; закрыть пробелы источниками — новое исследование с новым корпусом.
- Подача собственного пула как контекста догенерации — запрет по аналогии с измеренными компонентами самоусиления; сам замкнутый контур никто не тестировал.
4.5. Как встроены неснятые споры
Пятнадцать конфликтов источников записаны с обеими позициями. Десять встроены в модель как решения: спор «гейты или поток» — режим исполнения есть свойство размера ставки, а не гейта; «идеи модели лучше или нет» — запрет опираться на предреализационный рейтинг; «примеры вдохновляют или фиксируют» — один нетипичный пример до старта; «достаточно ли количественного сигнала» — строгая ветвь без запрета количественного входа; «штрафовать ли нетипичность» — отказ от априорной формы штрафа; «помогает ли смешение вендоров» — требование независимых источников с измерением вклада; «можно ли доверять автосудье» — калибровка и запрет решать на кандидатах сопоставимого качества; «что считать результатом» — двухуровневая метка; «спрос порогом или объёмом» — обе формы рядом; «какая точность отбора достижима» — нижняя оценка.
Один конфликт не снят и назван неснятым: кто принимает решение на портфельном гейте — продуктовое лидерство или распределённые владельцы ресурсов; решающая роль стала полем записи. Четыре на конструкцию не влияют и оставлены открытыми: единица проверки, формула против голосования, объём против качества, величина эффекта экспериментирования [модель §13].
4.6. Порядок внедрения
Путь от контекста до квалифицированного пула фич с хранилищем провенанса и блокирующими инвариантами, только первичный режим, скринер на переходной точке отсечения. Провенанс входит сюда, хотя видимого результата не даёт: разметка создаётся только в момент решения и задним числом невосстановима.
Проверка, поставка, измерение, режимы по новым данным, стратегии и направлению.
Петля обучения, перекалибровка скринера по собственной кривой, стенд оценки с калибровкой судей, режимы по разрывам покрытия и по уроку. Читает то, что пишет шаг 2, а корпус копится годами [спецификация §27; DEC-25].
Что это означает для Product Lab
5.1. Состояние Product Lab на 4 сентября 2026
Product Lab — документо-ориентированная спецификация конвейера из семнадцати стадий, а не работающий конвейер. Исполняется одна связка скиллов, ведущая две стадии — концепт и продуктовую стратегию. Одиннадцать шаблонов из семнадцати содержат буквально «стадия не спроектирована», восемь файлов скиллов пусты. Стадии не сцепляются автоматически: человек запускает следующую командой. Бриф не производит никто, хотя донорский контракт стадии фич требует его на входе; донор требует файл продуктовой стратегии под одним именем, репозиторий производит под другим. Стадии наблюдения и итерации, которые замкнули бы петлю, не спроектированы [разбор соответствия «Что есть на самом деле»].
Шаблон стадии фич и правила репозитория
Шаблон — 429 байт: один markdown-файл в корне проекта, имя выходного файла не назначено. Два правила ограничивают перенос: в каталоге шаблонов лежат только семнадцать номерных, и шаблон не содержит промпта — линзы, гейты и процедура могут жить только в скилле.
Самое нагруженное перекрытие
Концепт уже содержит четыре корзины фич (базовые, удерживающие, расширяющие, продающие) и таблицу экранов. По букве модели это заранее сформированный перечень решений, который понижается до сигналов и проходит слой возможностей заново. Чем стадия фич отличается от стадии концепта — в репозитории не сказано нигде, и это решение придётся записать явно: расширять, дедуплицировать или оспаривать.
Что концепт гарантирует на вход генератора: один первичный сегмент по девяти осям, одну формулу задачи пользователя с описанием проблемы, обещание продукта, основной цикл с тремя строками возврата, четыре корзины фич, метрику Северной звезды и пять поддерживающих, позиционирование, монетизацию. Что не гарантировано вообще: числовые цели метрик, второй сегмент, технические, ресурсные и правовые ограничения (раздела нет ни в одном шаблоне), приоритеты и трудоёмкость, внешняя валидация (методология не требует ни интервью, ни данных), идентификаторы разделов.
5.2. Почему модель не ложится как есть
- Входной контракт даёт вечную блокировку. Четыре документа и четыре направления внешнего исследования, иначе старта нет и частичного прогона нет. Брифа нет, внешнего исследования нет. «Стадия, которая формально существует и никогда не запускается, хуже честного „не спроектирована“».
- Шесть из девяти гейтов исполнять не на чем структурно. Внешние источники и калиброванный судья, шкала охвата, бюджет и владелец ресурса, 60 % из 50 опрошенных, трафик и сертификация метрики, проверки мощности — ни одного из этих входов нет и не появится от решения их завести.
- Гейт разнообразия в полной форме не работает: один вендор, ноль исторических наборов для базовой линии. Скринер без корпуса — «генератор, оценивающий сам себя», прямое нарушение принципа разделения.
- Из 73 полей кандидата заполнимо порядка двадцати. Заполнять остальные «приблизительно» хуже, чем не заполнять: число с двумя знаками в таблице через месяц читается как факт.
- Генерация при нулевой ёмкости проверки — уже наблюдавшийся отказ. Банк идей: восемь записей, доведена до конца одна. Три кандидата на возможность при десятке возможностей — тридцать открытых записей на одного человека.
- Уровень оценки качества кандидата недоступен целиком, а автосудья запрещён собственным правилом модели. Уровень результатов требует года и сотен наборов.
- Девять гейтов и 23 объекта сделают самый лёгкий конвейер самым тяжёлым: между утверждённой стратегией и первой веткой встанет процедура, шесть проверок которой не дают ответа при имеющихся данных.
Модель сама не обещает улучшения продуктового результата; по словам разбора, «окупается одна её страница — контракт кандидата».
5.3. Что рекомендовано взять и что при этом теряется
Вердикт разбора: одну вещь — слой возможностей. Стадия фич проектируется как «возможность → не менее трёх решений разных классов механизма → кандидат с рискованным допущением», выходной файл — один документ в корне проекта, исполнитель — один новый скилл по образцу скилла концепта: маршрутизация, процедура, каталог линз отдельным файлом. Остальное — схемы, протокол оценки, спецификация, гейты G0/G2/G5/G7/G8 — остаётся знанием в архиве [разбор соответствия «Вердикт»].
Возможность — носитель из первичного сегмента концепта, шаг задачи или основного цикла, разрыв, ссылка на раздел концепта или стратегии, серьёзность прозой — и под ней три–шесть кандидатов, у каждого свой класс механизма.
Ссылка на возможность; кому; класс механизма и линза; формулировка решения; самое рискованное допущение с типом из пяти; как проверю дёшево, с ограничением по времени; что увижу, чтобы признать неудачу; оценка в днях. Всё формулируемое, ничего измеряемого.
Перед показом: у каждой значимой возможности не менее трёх кандидатов разных классов, ни один не пересказывает другой, среди классов обязателен «без разработки», ссылка каждого кандидата на возможность разрешается.
Два поля в файле фичи — чего ожидал (копируется из кандидата) и что вышло (заполняется при выпуске) — и запрет ставить статус «выпущено» при пустом результате, по образцу уже работающего запрета закрывать идею без исхода.
Вместо пулов-хранилищ, лимитов и оценки версий — одна строка правила о числе непроверенных кандидатов в работе.
Сначала один прогон на реальной идее, потом правка шаблонов до статуса «проверен».
Прежний ввод в курс дела формулирует то же как «шесть правил» и ставит первым «единый список входов» — генератор читает один список источников с пометкой «наблюдение или мнение», а не документы по именам. В тексте разбора соответствия этого правила нет; оно исходит из требования пользователя о масштабировании входов и является уменьшенной копией разнесения осей модели. Это решение пользователя, зафиксированное поверх пакета, а не вывод из него.
5.4. Статус решения
Разбор соответствия описывает состояние на 2026-09-04 и сам оговаривает: «это рекомендация на момент, когда он даст команду, а не сама команда»; разрешение даёт колонка состояния в дорожной карте Product Lab, где стадия фич помечена «не спроектирована». Индекс репозитория называет разделы разбора «принятым решением». В сегодняшнем состоянии проекта следует убедиться отдельно, прежде чем считать что-либо из раздела 5.3 сделанным. План приземления с восемью развилками для владельца лежит рядом со снимком пакета в product-lab/donors/feature-pool/landing-plan.md.
Что остаётся неизвестным
6.1. Пробелы, меняющие вес выводов
- Связь качества генератора с результатом продукта (GAP-05, GAP-14). Цепочка «лучше кандидаты → лучше продукт» из трёх звеньев, и первое рвётся. Если дисциплина проверки не воспроизведётся, «у системы не останется ни одного эмпирически обоснованного основания предпочесть её ручному процессу».
- Документация как источник (GAP-01, ASM-10). Вся входная половина конструкции стоит на предпосылке, которую корпус не поддерживает даже нормативно. Если документация окажется источником самоподтверждения, обнаружить это можно только по росту копирования классов механизма из входных документов.
- Перенос лабораторных величин на продуктовые фичи (ASM-04). Все измеренные ориентиры получены на студентах, потребительских товарах, научных идеях и открытых чат-запросах. Из них взяты направления эффектов; пороги сделаны относительными на случай неверности.
- Оптимальное число альтернатив (GAP-08). Тройка — норма практика; сам практик привязывает её к рискованным и дифференцирующим решениям, а не ко всем.
- Провенанс (GAP-06, GAP-13). Самый нагруженный узел стоит на двух нормативных источниках без единого измерения; стоимость поддержания и точка разрыва на масштабе неизвестны.
6.2. Споры без разрешения
Кто выбирает проблемы — продуктовое лидерство или распределённые функции (CONFLICT-12). Единица проверки — документ или допущение (CONFLICT-02). Формула или коллективное суждение при приоритизации, и что делать при их расхождении (CONFLICT-05). Повышает ли объём генерации шанс на хорошую идею (CONFLICT-09). Величина эффекта экспериментирования на бизнес (CONFLICT-15). Ни один не блокирует понимание подхода, но каждый ограничивает соответствующий вывод: например, доверять любому предреализационному рейтингу как прогнозу результата оснований нет.
6.3. Что решается только наблюдением за собственной работой
Двенадцать открытых вопросов журнала [OPQ-01…12]: собственные доли отбраковки на каждом гейте; число решений, после которого следующее перестаёт окупаться; граница между потоковым и заседательным режимом гейта; вклад каждой оси гетерогенности; какая метка бенчмарка ближе к правильности, а не к конформности; частота фабрикации фактов о продукте; точность автоклассификации по направлениям; кто решает на портфельном гейте; стоимость провенанса; коррелирует ли главная метрика здоровья с результатом; какие пороги верны для конкретной организации. Для одиночной работы без телеметрии большинство не встанет; встанут первые два и предпоследний в упрощённом виде.
6.4. Границы этого разбора
Первоисточники не читались — только карточки. Спецификация прочитана по структуре и ключевым разделам, компоненты построчно — нет. Схемы прочитаны в части инвариантов и объекта метрики; число полей кандидата (73) взято из аудита и не перепроверено. Из исправлений аудита проверены по тексту те, что касаются модели, отчёта, метрики и правила допуска версии; исправление петли обучения в схеме не проверялось. Состояние Product Lab известно на 2026-09-04 из разбора соответствия; сегодняшнее не проверялось. Все внутренние нестыковки, найденные при разборе, перечислены в журнале расхождений в registry.md.
Источники и подробности
Куда идти по вопросу
| Вопрос | Где (относительно репозитория пакета) |
|---|---|
| Исходная постановка и её оговорки | source-docs/chatgpt-thread.md |
| Находки с числами и оценкой прочности | synthesis/02_research_report.md §1, §17 |
| Весь конвейер на одном экране | synthesis/03_reference_model.md §4 |
| Гейты: что проверяют, что убивают | там же, §6 |
| Линзы и правило их применения | там же, §8 |
| Пороги и откуда каждый взят | там же, §12 |
| Почему решено именно так, что отвергнуто, что спорно | synthesis/07_decision_log.md: 26 решений, 11 допущений, 15 конфликтов, 16 пробелов, 11 отвергнутых, 12 открытых |
| Как оценивать генератор | synthesis/05_evaluation_protocol.md |
| Что не входит в спецификацию | synthesis/06_implementation_spec.md §28 |
| Насколько верить числам | audit-2026-09-04.md «Обоснованность», Б-02 |
| Что делать в Product Lab | product-lab-fit-2026-09-04.md «Вердикт», «Минимальная работающая версия», «Чем модель может испортить»; план приземления — product-lab/donors/feature-pool/landing-plan.md |
| Конкретное число и его оговорки | карточка corpus/sources/SRC-NNN.md, разделы Supported Claims и Limitations |
Поддерживающие материалы разбора
supporting-materials.md — карта обработки со статусами файлов, тематические заметки, таблица линз, таблица гейтов, конфликты и пробелы в одном месте, словарь терминов, сводка аудита. registry.md — реестр атомарных записей (около 260) с типом, происхождением знания, статусом решения, источником и оговорками; журнал расхождений, найденных при разборе. Оба лежат в feature-generator/docs/claude-research-summary-2026-09-05/ и в копии донора product-lab/donors/feature-pool/summary/.
Прежний ввод в курс дела от 2026-09-04 сверен после разбора; композиция и главные выводы совпадают. Этот разбор добавляет: оговорку о причинном основании (4.3); происхождение пакета и итоги аудита как условие чтения чисел (2.1); различие исходов «выпущено», «результат измерен» и «эффект наблюдён»; статус решения как рекомендации (5.4); противоречие в описании ручного гейта (5.3, п. 3); происхождение правила «единый список входов» вне пакета; неснятые споры и открытые вопросы целиком.
Источники
Локальные материалы (предмет разбора). Репозиторий ~/dev/projects/personal/feature-generator: постановка, корпус из манифеста, матрицы и 24 карточек, шесть файлов синтеза, аудит, разбор соответствия, индекс. Снимок — ~/dev/projects/personal/product-lab/donors/feature-pool/research/. Новый внешний ресёрч не проводился намеренно: предмет — существующий пакет, чьи числа проверены его аудитом (52 числовых утверждения сверены с карточками, 44 подтвердились точно).
Внешние источники корпуса — 24 работы, известные через карточки; ссылки из манифеста корпуса. В скобках — категория и сила доказательства по шкале пакета.
- Girotra, Terwiesch, Ulrich. Idea Generation and the Quality of the Best Idea. Management Science, 2010 (академ., 5). https://doi.org/10.1287/mnsc.1090.1144
- Terwiesch, Meincke, Girotra, Mollick, Nave, Ulrich. Artificial intelligence and its impact on creativity and diversity. Production and Operations Management, 2026 (академ., 5). https://doi.org/10.1177/10591478261474243
- Camuffo, Cordova, Gambardella, Spina. A Scientific Approach to Entrepreneurial Decision Making: Evidence from a RCT. Management Science, 2020 (академ., 5). https://doi.org/10.1287/mnsc.2018.3249
- Hoornaert, Ballings, Malthouse, Van den Poel. Identifying New Product Ideas: Waiting for the Wisdom of the Crowd or Screening Ideas in Real Time. JPIM, 2017 (академ., 5). https://doi.org/10.1111/jpim.12396
- Bell, Pescher, Tellis, Füller. Can AI Help in Ideation? A Theory-Based Model for Idea Screening in Crowdsourcing Contests. Marketing Science, 2024 (академ., 5). https://doi.org/10.1287/mksc.2023.1434
- Si, Hashimoto, Yang. The Ideation-Execution Gap: Execution Outcomes of LLM-Generated versus Human Research Ideas. ICLR, 2026 (академ., 5). https://iclr.cc/virtual/2026/poster/10010564
- Jiang et al. Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond). NeurIPS, 2025 (академ., 5). proceedings.neurips.cc — Artificial Hivemind
- Koning, Hasan, Chatterji. Experimentation and Start-up Performance: Evidence from A/B Testing. Management Science, 2022 (академ., 5). https://doi.org/10.1287/mnsc.2021.4209
- GitLab Handbook. Product Development Flow, правки до 2026-08-27 (компания, 4). handbook.gitlab.com — Product Development Flow
- GitLab Handbook. Product Processes, правки до 2026-08-27 (компания, 4). handbook.gitlab.com — Product Processes
- Airbnb Tech Blog. Eval-driven development: Lessons from evaluating GenAI at scale, 2026 (компания, 3). medium.com/airbnb-engineering — Eval-driven development
- Microsoft ExP. Beyond Power Analysis: Metric Sensitivity Analysis in A/B Tests, 2021 (компания, 3). microsoft.com/research — Beyond Power Analysis
- Spotify Engineering. Beyond Winning: Spotify's Experiments with Learning Framework, 2025 (компания, 4). engineering.atspotify.com — Experiments with Learning
- Atlassian. Life of a Growth experiment, 2021 (компания, 4). atlassian.com — Life of a Growth experiment
- Amazon. An insider look at Amazon's culture and processes, 2021 (компания, 4). aboutamazon.com — insider look
- Intercom. Product principles: Start with the problem to achieve better solutions, 2022 (компания, 3). intercom.com — Start with the problem
- Torres. Continuous Discovery Habits, Product Talk, 2021 (методол., 3). producttalk.org — Continuous Discovery Habits
- SVPG. The Product Operating Model: An Introduction, 2023 (методол., 3). svpg.com — Product Operating Model
- Bryar, Carr. Working Backwards: Insights, Stories and Secrets from Inside Amazon, 2021 (методол., 3). workingbackwards.com
- Cooper, Stage-Gate International. The Stage-Gate Model: An Overview, 2026 (методол., 3). stage-gate.com — The Stage-Gate Model
- Patton. Dual Track Development is not Duel Track, 2017 (методол., 3). jpattonassociates.com — Dual Track Development
- Perri. Escaping the Build Trap, 2018 (методол., 3). melissaperri.com/book
- Holzner, Maier, Feuerriegel. Generative AI and Creativity: A Systematic Literature Review and Meta-Analysis, arXiv 2505.17241, 2025 (обзор, 5). https://arxiv.org/abs/2505.17241
- Sio, Kotovsky, Cagan. Fixation or inspiration? A meta-analytic review of the role of examples on design processes. Design Studies, 2015 (обзор, 5). https://doi.org/10.1016/j.destud.2015.04.004
Разбор выполнен 2026-09-05 по промпту саммаризатора исследовательского пакета (ред. v0.2). Автор публикации — Павел Диордиц; текст подготовлен агентом Claude и сверен с карточками источников выборочно. Текстовая версия — generator-fich-podhod-2026-09-05.md рядом с этим файлом.