Как провести JTBD Canvas Workshop: практический гайд с AI-промптами

JTBD Canvas Workshop — это коллаборативный метод исследования и выравнивания, разработанный Джимом Калбахом (автор книги The Jobs to Be Done Playbook). Метод использует структурированный канвас для картирования элементов работы клиента (job-to-be-done). Он сочетает качественные интервью с командным воркшопом по синтезу результатов, связывая сырые клиентские инсайты с конкретными продуктовыми решениями. JTBD Canvas Workshop синтезирует идеи из обеих школ — Улвика (ODI) и Моэсты (Switch Interview) — в практичный формат, доступный кросс-функциональным командам.

Место JTBD Canvas Workshop среди подходов JTBD

Jobs to be Done — не единый метод, а семейство подходов, основанных на общей идее: люди «нанимают» продукты, чтобы добиться прогресса. Сформировались три школы:

JTBD Switch Interview — Боб Моэста / Клейтон Кристенсен. Качественный. Изучает, почему люди переключаются между решениями. Результаты: диаграммы сил, job stories, таймлайны переключения. Подходит для: маркетинга, позиционирования, снижения оттока.
Outcome-Driven Innovation (ODI) — Тони Улвик. Количественный. Картирует желаемые ауткомы и находит недообслуженные. Результаты: job maps, opportunity scores, сегменты на основе ауткомов. Подходит для: системных продуктовых инноваций, приоритизации.
JTBD Canvas Workshop — Джим Калбах. Смешанные методы. Практический синтез обеих школ в формате канваса. Результаты: JTBD Canvas, job stories, карты возможностей. Подходит для: agile-команд, кросс-функционального выравнивания, связки исследования и стратегии.

Подход Калбаха не рассматривает раскол Улвик-Моэста как бинарный. Канвас берёт утверждения ауткомов (из ODI), эмоциональные работы (из школы Switch) и добавляет собственные структурные элементы — обстоятельства, связанные работы и стремления. Результат — метод, разработанный для команд, которым нужно понять клиентов без полных затрат на ODI или глубины Switch-интервью.

На какой вопрос отвечает JTBD Canvas Workshop?

Какую основную работу наш целевой клиент пытается выполнить, независимо от продукта или технологии?
Какие шаги, критерии успеха, эмоции и обстоятельства определяют выполнение этой работы?
На каком шаге работы клиенты испытывают наибольшие трудности?
Какие job stories фиксируют пересечение ситуации, мотивации и ожидаемого результата для наших ключевых болевых точек?
Как связанные работы и стремления расширяют или ограничивают то, что мы должны построить?
Какие возможности команда должна приоритизировать и как они связаны с бизнес-целями?

Когда использовать

Когда кросс-функциональной команде нужно общее понимание работы клиента — канвас создаёт выравнивание без необходимости читать 50-страничный отчёт.
Когда начинается фаза discovery и нужен структурированный способ оформить проблемное пространство перед генерацией решений.
Когда хочется применить JTBD, но нет бюджета или времени на полноценное ODI-исследование (8-24 недели) — канвас-воркшоп может дать действенные инсайты за 2-4 недели.
Когда нужно перевести качественные данные интервью в формат, с которым продуктовая и инженерная команды могут работать напрямую.
Когда хочется объединить элементы обеих школ JTBD — утверждения ауткомов из традиции Улвика и эмоциональный/ситуационный контекст из традиции Моэсты — в одном фреймворке.
Когда у команды есть существующие данные о клиентах (тикеты поддержки, результаты опросов, аналитика), которые нужно организовать через призму JTBD.

Не подходит, когда нужна статистически валидная приоритизация по 100+ ауткомам (используйте ODI), когда нужно реконструировать эмоциональную историю решения о покупке (используйте Switch Interview), когда тестируется конкретный UI (используйте юзабилити-тестирование), или когда у команды нет предварительного контакта с клиентами.

Что вы получаете (артефакты)

JTBD Hypothesis Canvas: одностраничный визуальный артефакт, картирующий исполнителя работы, основную работу, связанные работы, стремления, шаги, критерии успеха, эмоции и обстоятельства
Карта работы (job map): 12-20 шагов, организованных хронологически (планирование, подготовка, выполнение, мониторинг, модификация, завершение)
Критерии успеха: 50-100 дискретных измеримых утверждений в ODI-совместимом формате
Job stories: структурированные утверждения в формате «Когда [обстоятельство + ситуация], я хочу [прогресс/результат], чтобы [ожидаемый исход]» — обычно 5-10 приоритетных историй
Приоритизированные болевые точки: 3-5 шагов и 5-10 критериев успеха, где клиенты испытывают наибольшие трудности
Карта возможностей: визуализация, связывающая приоритетные неудовлетворённые потребности с направлениями решений

Участники и сроки

Интервью с клиентами: 8-12 исполнителей работы. Рекрутируйте широко: прошлые клиенты, пользователи конкурентов, люди в разных контекстах. Сессии 30-60 минут.
Участники воркшопа: 4-8 членов команды из продукта, дизайна, инженерии и стейкхолдеров.
Общая длительность: 2-4 недели. Фаза Frame: 2-3 дня. Фаза Discover: 1-2 недели. Фаза SPIN: 2-3 дня.

Как провести JTBD Canvas Workshop (пошагово)

1. Определите игровое поле и выберите исполнителя работы

Соберите команду и определите домен. Избегайте отраслевых ярлыков — используйте простой язык: «Мы помогаем людям [глагол + объект]». Из этого домена перечислите всех стейкхолдеров и выберите одного как исполнителя работы — человека, который реально выполняет работу, а не покупателя или лица, принимающего решение.

2. Определите основную работу и картируйте связанные работы

Определите основную работу в формате: [глагол] + [объект] + [уточнитель]. Работа не должна содержать прилагательных (они принадлежат критериям успеха) и не должна зависеть от решения. Затем картируйте связанные работы, стремления и начальные шаги работы. Разместите их на JTBD Hypothesis Canvas.

3. Создайте гипотетическую карту работы

До интервью постройте начальную карту работы из трёх источников: универальный фреймворк карты работы, знания коллег и экспертов предметной области, AI-сгенерированные списки шагов. Гипотетическая карта — это ваш гайд для интервью, а не скрипт.

4. Проведите качественные интервью с исполнителями работы

Проинтервьюируйте 8-12 людей, регулярно выполняющих работу. Используйте гипотетическую карту как навигатор разговора. Начните с того, как они последний раз выполняли работу. Пройдите по хронологии: «Что вы делали до этого? Что после?» На каждом шаге зондируйте критерии успеха, эмоции, обстоятельства и трудности.

5. Извлеките и категоризируйте находки

Разберите транскрипты по четырём категориям JTBD-элементов: шаги работы, критерии успеха, эмоции и обстоятельства. Ожидайте 12-20 шагов, 50-100 критериев успеха, 10-20 эмоций и 10-15 обстоятельств по всем интервью.

6. Приоритизируйте неудовлетворённые потребности

Выявите, какие элементы представляют наибольшие болевые точки. Ищите шаги, где множество участников сообщали о трудностях, критерии успеха, упомянутые многими, но не удовлетворённые, и обстоятельства, значительно усложняющие работу. Сузьте до 2-3 приоритетных шагов, 5-10 топовых критериев успеха, нескольких доминирующих эмоций и 3-5 ключевых обстоятельств.

7. Напишите job stories и синтезируйте находки

Объедините приоритизированные элементы в job stories: «Когда [обстоятельство + ситуация], я хочу [прогресс/результат из критериев успеха], чтобы [стремление или ожидаемый исход]». Напишите 5-10 job stories, фиксирующих топовые находки команды.

8. Активируйте инсайты с командой

Переведите job stories в действенные форматы: «How Might We» для идеационных сессий, матрицы pain-matching, деревья «opportunity solution tree» или канвасы ценностного предложения. Этот шаг — место, где многие JTBD-усилия терпят неудачу: инсайты в отчёте не меняют решений.

Как AI меняет этот метод

AI-совместимость: partial — AI может ускорить генерацию гипотез, анализ транскриптов и извлечение элементов, но не может заменить качественные интервью, фасилитацию командных воркшопов или стратегическое суждение для приоритизации и активации инсайтов.

Что может AI

Генерировать гипотетическую карту работы: LLM может создать подробную начальную карту с 12-20 шагами, критериями успеха и обстоятельствами за 15 минут.
Извлекать JTBD-элементы из транскриптов: сокращает анализ с 2-3 часов на транскрипт до 20-30 минут ревью.
Составлять черновики job stories: по приоритизированным элементам генерирует кандидатные job stories для ревью команды.
Готовить материалы для воркшопа: HMW-утверждения, заполненные шаблоны канваса, гайды для дискуссий.
Находить паттерны по всем интервью: какие элементы упоминаются чаще всего.

Что требует человека-исследователя

Фасилитация командных воркшопов: JTBD Canvas Workshop — коллаборативный процесс. Фасилитатор читает обстановку, управляет разногласиями и обеспечивает участие всех голосов.
Проведение качественных интервью: Калбах подчёркивает, что AI «неполон и лишён контекста реального мира». Как минимум 6-8 интервью с реальными людьми необходимы.
Стратегическая приоритизация: какие потребности таргетировать, как выстроить последовательность возможностей, что строить первым.
Валидация формулировок: AI-генерированные формулировки часто включают прилагательные в работы или решения в критериях успеха.

AI-улучшенный рабочий процесс

До появления AI фаза Frame требовала дней десктопного исследования для создания гипотетической карты работы. С AI исследователь может сгенерировать первый черновик канваса менее чем за час. Команда ревьюит и корректирует этот черновик на 2-часовом воркшопе вместо построения с нуля.

Фаза Discover выигрывает больше всего от AI-анализа. Вместо ручного разбора 300 страниц транскриптов исследователь подаёт каждый транскрипт в LLM с промптом, задающим четыре категории JTBD. LLM выдаёт категоризированные списки, которые исследователь валидирует и корректирует за треть прежнего времени.

Фаза SPIN меняется меньше, потому что её ценность в коллаборации, а не в обработке данных. Job stories и HMW-утверждения можно AI-сгенерировать как отправные точки, но командная дискуссия остаётся полностью человеческой. Общий таймлайн может сократиться с 3-4 до 1,5-2 недель при AI-поддержке.

Ошибки новичков

Путаница между исполнителями работы и персонами

Исполнитель работы определяется выполняемой работой, а не тем, кто он. «Программист» — это должность; «код-ревьюер» — исполнитель работы. Смешение этих понятий приводит к канвасам, описывающим демографические атрибуты вместо функциональных потребностей.

Определение основной работы с прилагательными или решениями

«Эффективно управлять таймлайнами проектов с помощью нашего софта» содержит две ошибки. Правильная форма: «координировать работу команды по нескольким проектам для соблюдения обязательств по срокам».

Заполнение канваса из предположений без интервью

Формат канваса приглашает заполнить его на брейнсторме. Команды, заполняющие канвас без интервью с реальными исполнителями, создают артефакты, отражающие внутренние предположения, а не реальность клиентов.

Переход к решениям до написания job stories

Без job stories разные члены команды уходят с разными интерпретациями одних и тех же данных, и «инсайт» живёт только в головах участников воркшопа.

Восприятие канваса как одноразового упражнения

JTBD Canvas — живой документ. По мере того как команда строит и выпускает продукт, появляется новая информация. Планируйте ежеквартальные ревью канваса.

Пример из практики

B2B SaaS-компания, разрабатывающая ПО для управления проектами, заметила, что корпоративные клиенты запрашивали фичи, которые средний рынок никогда не просил, хотя у обоих сегментов были похожие должности и размеры команд. Персоны не объясняли расхождение. Продуктовая команда провела JTBD Canvas Workshop.

За две недели команда проинтервьюировала 10 проект-менеджеров — 5 из корпоративных аккаунтов и 5 из среднего рынка — по основной работе «координация работы команды по нескольким проектам для соблюдения обязательств по срокам». Канвас показал, что хотя обе группы выполняли одну и ту же работу, их обстоятельства кардинально различались: корпоративные PM работали под требованиями регуляторной отчётности, а PM среднего рынка — в среде, где неформальная коммуникация заменяла формальные статусы.

Команда написала отдельные job stories для каждого кластера обстоятельств и провела pain-matching воркшоп. Обнаружилось, что продукт хорошо обслуживал корпоративную потребность в мониторинге, но не имел возможностей для «детекции исключений» среднего рынка. Это привело к новой фиче (автоматическое обнаружение блокеров с уведомлениями в Slack), которая снизила отток среднего рынка на 18% за два квартала.

Инструменты

Фасилитация воркшопа:

Miro — цифровая доска с шаблонами JTBD-канваса
FigJam (Figma) — инструмент GitLab для JTBD-канвасов, легче Miro
Физические доски + стикеры — по-прежнему лучший вариант для очных воркшопов

Интервью и запись:

Zoom, Google Meet — запись удалённых интервью
Otter.ai, Rev.com — транскрибирование
Grain, Dovetail — нарезка и тегирование моментов интервью

Анализ и синтез:

Dovetail — тегирование транскриптов по категориям JTBD
Notion, Airtable — организация извлечённых элементов в структурированных базах
Excel / Google Sheets — подсчёт частот и приоритетных оценок

Шаблоны:

JTBD Toolkit (jtbdtoolkit.com) — официальные шаблоны канваса Калбаха
Miro JTBD template — шаблон сообщества с готовой структурой канваса