Бытует мнение, что «менеджеру продута нужно разбираться в техе, чтобы понимать, когда тебе говорят завышенные трудозатраты/сроки». И как только ты разберешься в технологиях, это волшебным образом изменится.

Так вот. Когда разработка говорит тебе «завышенные сроки», то это значит только одно — ты их задолбал в усмерть. Это последняя стадия коммуникации, когда никто уже не ждет, что продакт услышит, что говорит команда, и примет риски. Серьезно, проблема здесь около-джуновая: продакт не воспринимает разработку как процесс с множеством переменных, который может пойти не по плану и задержаться х2-3-4, и команда митигирует риски доступным способом — сама умножает х4 все без исключения задачи, чтобы не вступать в игру «а вы не сделали как обещали».

Но самое интересное — в другом. Продакту совершенно необязательно разбираться в техе, чтобы понять, что трудозатраты неадекватны. Для этого качается его личная нейросетка: чем больше задач запускает продакт в этой команде, тем больше примеров, за сколько запускается фича.

Но качать собственную нейросетку нужно с умом: 1️⃣_собирать статистику аналогичных кейсов._ Когда-то в Марусе я довольно успешно скорила беклог по RICE, зная, что обычно скилл помощника занимает около недели, если нет отягощающих факторов 2️⃣_искать закономерности._ Например, если есть авторизация, то это плюс 1-2 недели, если есть интеграция со сторонним сервисом, то это не меньше 2 недель.

Никто специально сроки не задерживает. Для этого нет причин. Почему такая нейросетка полезна: ☑️можно приводить примеры прошлых кейсов коллегам на грумминге. Людям свойственно забывать все, что с ними происходило, а грумминг «с чистого листа» не использует опыт прошлых фичей ☑️если ты получил «большую оценку», то это значит, что тех закладывает в оценку больше, чем ожидает продакт: нагрузку, сценарии, корнер-кейсы, о которых продакт на подумал.

Нужен ли для такой нейросетки тех бекграунг или понимание технологий? Обычно — нет. Достаточно внимательно слушать про «ручки» и «канарейку» на созвонах и собирать те самые кейсы, на которых учится насмотренность «что сколько стоит».

Вот и все. Это всего лишь нейросетка, которая не понимает истинных причин, но может предсказать результат. Все как с любимым GPT, который обучился и теперь может отвечать на базе, полученной из датасета, все еще ничего не понимая в вопросе. Но такая нейросетка нужна продакту, чтобы помогать команде адекватно выставлять оценки и учиться на прошлых фичах👌