2.4 instruction — Transcript Coder & Real-time CP Update¶

Этап RB-STEP-2 — CUSTOMER VALIDATION (Stage 1) · Линза: Product (контекст: Business/Strategy) · Инструкция для Инженера Продукта нового поколения (PAF, [S1],[S2]). Преемственность метода: исходный раннбук RB-STEP-2-CUSTOMER-VALIDATION/2.4 Проведение интервью и валидация гипотез.md (открытие/квалификация/основная часть/валидация в реальном времени, правило «провал всех гипотез — сигнал»).

🎯 Цель в PAF-оптике¶

Заменить ручную транскрипцию и ручную валидацию на цикл ASR → кодирование → авто-валидация → event-driven обновление CP. Интервью (ведёт человек) обрабатывается Кортексом в реальном времени: каждая реплика респондента соотносится с гипотезой-узлом, CP обновляется событийно (а не раз в неделю) [S1] VI.2, VI.7. Внутри цикла работает Harvesting-микроинкремент: каждое интервью — инкремент контекста в Нексус. Null-base продукт двигается через Understand→Identify→Execute [S1] VI.5.

👤 Роль и ответственность¶

Product Engineer — ведёт интервью (на ранней зрелости) или модератирует; интерпретирует кодировки; защищает от «вежливых» ответов.
Product Ops — настраивает ASR-пайплайн, JTBD-RAG, триггеры авто-валидации, флаги увядания узлов.
Growth Engineer — следит за mNSM-сигналами (готовность платить, ценность) в кодировках.
Зона человека: решение «pivot/продолжать» при провале гипотез — стратегический вызов, не передаётся ИИ [S2] III.4.

🤖 Что делает Кортекс-агент¶

Кодировщик транскриптов (Transcript Coder Agent): - Вход: аудио/видео интервью → ASR (транскрипция). - Действие: кодирует реплики в единицы знания о поведении (действие/ситуация/цель/причина/проблема — по шаблону исходного 2.5); соотносит с гипотезами из Банча (✅ подтверждена / ❌ опровергнута / 🆕 новая); извлекает цитаты-доказательства; авто-валидирует (≥70% подтверждают / ≤30% опровергают — критерий из исходного 2.1); event-driven пересчитывает CP узлов; триггерит Harvesting-инкремент в Нексус. - Выход: обновлённые узлы Нексуса с новым CP + карточка интервью + новые гипотезы-кандидаты.

Цикл обработки (event-based, по [S1] VI.2)¶

аудио → ASR-транскрипт → кодирование в единицы знания
   → соотнесение с гипотезами-узлами (маппинг из 2.3)
   → авто-валидация (≥70% / ≤30%)
   → event: «CP узла изменился» → пересчёт CR Нексуса
   → если сработал риск → CP падает (Кортекс/инженер)
   → Harvesting-микроинкремент: узел закоммичен в Нексус

Это не «раз в неделю сводим таблицу», а событийное обновление — устраняет простои, усиливает ИИ [S1] VI.2.

Валидация гипотез в реальном времени (по исходному `2.4`)¶

Принцип: респонденту НЕ показывают список гипотез и НЕ спрашивают «согласен?». Исследователь соотносит рассказанное со своими гипотезами мысленно/в заметках. Пример: гипотеза «ищет через знакомых, потому что не доверяет интернету»; респондент: «я сначала спросила в чате у подруг…»; отметка: ✅ поведение совпало; уточняющий вопрос «почему у подруг, а не в интернете?» → «не знаю как оценить незнакомого» → гипотеза подтверждена полностью.

Единица знания о поведении (по исходному `2.5`)¶

Шаблон кодировки: Действие (что делает) · Ситуация/Триггер · Цель · Причина/Мотивация · Проблема (если есть) · Источник: интервью #N · Частота: все/большинство/некоторые. Отделять поведение от мнений/пожеланий («хотел бы, чтобы была оценка» — пожелание, не поведение → отдельный узел, низкий CP).

Карточка интервью (по исходному `2.4`)¶

Профиль респондента · ключевые ответы · прямые цитаты · инсайты исследователя · статусы гипотез (✅/❌/🆕) · сводный вывод. Каждая цитата привязана к узлу-гипотезе → готовность к сборке графа в 2.5.

🧠 Что делает человек (метапознание)¶

Чекпоинт: Product Engineer проверяет, что кодировка не «натянута» на гипотезу (галлюцинация соответствия).
Veto-право: переопределить авто-статус гипотезы, если респондент сказал «вежливое да» (Mom Test).
Метапознание: «провал всех гипотез — это ценный сигнал, а не катастрофа» (по исходному 2.4); решение о pivot — за человеком.

Интервьюер = человек (ограничение зрелости)¶

На ранней зрелости Кортекса ИИ — только кодировщик транскрипта, не собеседник [reformation 2.9]. Причины: риск искажения интервью (тон ИИ, интерпретация пауз), потеря невербалики, «дофаминовая петля» (респонденту приятнее говорить с ИИ, чем с человеком → рост когнитивной нагрузки, не снижение [S2] III.7). Человек ведёт интервью, Кортекс — фиксирует и кодирует. На фазе 3 зрелости — возможно частичное делегирование модерации с метапознание-гейтом.

Суррогатная валидация — только дополнение¶

Анализ форумов/отзывов/G2/Reddit через Кортекс может дать первичные сигналы, но НЕ заменяет живое интервью. Используется как затравка для гипотез (2.1) или triangulation (перекрёстная проверка), но CP от суррогата ниже, чем от интервью. Маркировка источника обязательна.

JTBD-RAG и кодирование по Jobs-to-be-Done¶

Кодировщик опирается на JTBD-RAG — индекс по корпусу транскриптов в формате «Когда я <ситуация>, я хочу <цель>, чтобы <результат>». Это позволяет соотносить реплики с jobs-узлами Нексуса, а не только с гипотезами 4 типов. JTBD особенно силён для выявления контекста/мотивации/результата (исходный index.md этап 3: JTBD-интервью как тип глубинного интервью).

📦 Артефакт = узлы Нексуса потребителя¶

Единицы знания о поведении → узлы (действия, триггеры, проблемы+причины, мотивация).
Цитаты-доказательства привязаны к узлам (источник-интервью[N], частота: все/большинство/некоторые — из исходного 2.5).
CP узлов обновлён; новые гипотезы-кандидаты добавлены в Банч; статус увядания отслеживается.
Context Ripeness растёт по мере насыщения данных.

🚦 Confidence Point-гейт¶

Критерий: насыщение данных (после ~12 интервью ответы повторяются — data saturation, по исходному 2.3); CP фокус-гипотез ≥ gate.
Стоимость риска: «Сколько ресурсов потратим, если валидируем на ненасыщенной выборке или с искажённой кодировкой?»

🔭 Связь с Тремя Линзами (3PL)¶

Product Lens — кодировки питают Product Sprint (Understand→Identify). Business Lens — mNSM-сигналы (WTP) обновляют бизнес-слой сегмента.

🛡️ Анти-workslop чекпоинт¶

ASR-транскрипт хранится как первоисточник; кодировка трассируется до цитаты.
Искажение интервью ИИ-интервьюером: на ранней зрелости ИИ только кодировщик, не собеседник [reformation 2.9].
Суррогатная валидация по форумам/отзывам — только как дополнение, не замена живого интервью.

🔄 Преемственность: классика → PAF¶

Было (исходный `2.4`)	Стало (PAF)
Интервью вдвоём, ручная транскрипция	ASR + Кодировщик-агент (цикл кодирования)
Валидация «потом», разовая сводка	Event-driven авто-валидация + обновление CP в реальном времени
Статусы гипотез в таблице вручную	Авто-статусы (✅/❌/🆕) с критерием ≥70%/≤30%
«Провал всех = катастрофа»	Сигнал pivot — ценное знание (за человеком)
Фиксация = карточка в Notion	Harvesting-инкремент: commit единиц знания в Нексус
Линейный конвейер 2.1→2.7	Цикл Product Sprint (Understand→Identify→Execute)

📚 Ключевые термины PAF на этом шаге (по naming_conventions)¶

Harvesting — итог/фиксация; инкремент контекста в Нексус после каждого интервью [S1] VI.4.
Und-Id-Ex — Understand (анализ Нексуса) → Identify (генерация/тест, рост CP) → Execute (масштаб) [S1] VI.5.
Null-base / Data-base — нет продукта → discovery с нуля; есть продукт → извлекаем знания о поведении.
Метапознание — «мышление о мышлении»; критический навык валидации ИИ [S2].
Event-driven — обновление по событиям (CP изменился), не по каденсу [S1] VI.2.
Цифровой профиль продукта — единая точка контекста (аналог claude.md); документация исчезает [S2] III.5.

🧩 Маппинг к Skill Map / профстандарту 06.012¶

Skill Map сектор 1 (Discovery) — качественные исследования, кодирование [S3].
Профстандарт B/01.5 «Продуктовые исследования» [S4].
Уровень: средний круг (анализ, агрегация, обоснованные выводы).

📖 Пример единицы знания и обновления CP (AI-репетитор)¶

Из интервью #1: респондент рассказывает: «Сначала спросил у подруг в чате, одна посоветовала. Попробовали — не зашло, объясняла слишком быстро. Пришлось искать снова, зашёл на Авито, огромный список, не знал как выбирать — у всех "опытный педагог", нет реальных отзывов». Кодировщик: единица знания #7 — Действие: ищет через рекомендации · Ситуация: нужен репетитор · Цель: проверенный специалист · Причина: не доверяет анонимным профилям · Проблема: нет кому рекомендовать → идёт в интернет «угадывать» · Источник: #1, #3, #5, #7, #9, #11 (6/12) · Частота: большинство. Event: ГП-01 подтверждена поведением (6 интервью), ГПр-01 подтверждена (сложно сравнить), ГБ-01 подтверждена (все анкеты одинаковы) → CP этих узлов растёт → CR Нексуса растёт. ГЦ-01 пока без подтверждения → CP не растёт, идёт в следующую волну.

❓ Контрольные вопросы (метапознание)¶

Не «натянута» ли кодировка на гипотезу? (галлюцинация соответствия)
Каждая ли единица знания — реальное поведение, а не мнение/пожелание?
Достигнуто ли насыщение данных (после ~12 ответы повторяются)?
Обновляется ли CP event-driven (а не раз в неделю)?
На ранней зрелости — интервью ведёт человек, Кортекс кодирует?
Если все гипотезы опровергнуты — это сигнал pivot (за человеком), а не катастрофа?
Привязаны ли цитаты к узлам (трассировка для анти-workslop)?

⚠️ Типичные ошибки 2.4¶

Кодировка «вежливого да» как подтверждения → переопределение человеком (Mom Test).
Поведение смешано с пожеланием → «хотел бы оценку» ≠ «оценивает». Разделять.
Обновление CP раз в неделю → теряется асинхронность; CP должен быть event-driven.
ИИ-интервьюер на ранней зрелости → искажение, потеря невербалики, дофаминовая петля.
Суррогат форумов как замена интервью → только triangulation, CP ниже.
«Провал всех = провал стадии» → это сигнал pivot/смены сегмента, ценное знание.
Галлюцинация соответствия (Кортекс «находит» подтверждение там, где его нет) → трассировка до цитаты.

🔗 Связи¶

Назад: 2.3 instruction · Дальше: 2.5 instruction Связанные: reformation · index · naming_conventions · PAF-ANALYSIS