Medium: непрерывный продуктовый Discovery в масштабе с AI

О чём статья

Жока Торрес опубликовал этот материал на Medium в мае 2026 года, обращаясь к противоречию, знакомому большинству продуктовых команд: непрерывный Discovery считается ценным, но редко практикуется системно. Конфликты в расписании, сложность рекрутинга, нехватка времени и организационная бюрократия исторически превращали Discovery из постоянной практики в эпизодическую. Статья описывает, как AI-агент изменил эту динамику для команд, с которыми работает Торрес.

Контекст и метод

Описываемый агент — ReveLumi, который проводит качественные исследования через WhatsApp. Он берёт на себя весь рабочий процесс: планирование исследования, рекрутинг участников, проведение интервью в формате переписки и подготовку отчёта с ключевыми темами и предлагаемыми следующими шагами. Команды, которые раньше проводили интервью с пользователями раз в квартал — когда позволяли проектные дедлайны, — начали проводить десять и более интервью в неделю без добавления штата и изменения структуры команды.

Торрес позиционирует это как качественное, а не только количественное изменение. До появления AI-помощи в Discovery весь процесс зависел от человеческих усилий на каждом этапе: исследователь планировал исследование, рекрутировал участников через email или Dovetail, согласовывал расписание, проводил интервью, делал заметки, кодировал темы и синтезировал выводы. Каждый этап создавал задержку и риск сбоев из-за расписания. ReveLumi сжимает это в координированную автоматизированную последовательность, где человеческое суждение вступает на этапе планирования — определить, какие вопросы задавать и почему — и на этапе интерпретации — решить, что выводы означают для дорожной карты.

Ключевые выводы

Торрес аккуратен в том, что именно изменилось, а что осталось прежним. Агент не заменяет суждение исследователя о том, что спрашивать и как интерпретировать выводы в контексте бизнеса. Он устраняет координационный и исполнительный слой, делавший исследования дорогостоящими. Discovery становится рутиной, а не исключением, потому что предельные издержки следующей волны интервью существенно снижаются.

Торрес также фиксирует, что AI-помощь в Discovery не меняет: важность точно сформулированных исследовательских вопросов, риск ошибки подтверждения в интерпретации выводов и разрыв между юзабилити и соответствием продукта рынку. Он указывает на риск того, что команды перестают достаточно долго осмыслять проблемы, принимая быстрое прототипирование и моментальную обратную связь за замену более глубокого стратегического мышления.

Кому полезна статья

PM и руководителям исследовательских направлений в командах, где непрерывный Discovery остаётся декларируемой практикой, которая не выживает при столкновении с реальным расписанием. Также актуально для тех, кто оценивает AI-инструменты для исследований и хочет получить практический отчёт о том, где агентные workflow работают по заявлению и где требуют того же суждения, что и раньше.