7.3 instruction — Pitching of Trust и Stage-Gate по Confidence Point¶

Этап RB-STEP-7 — SOLUTION VALIDATION (Stage 6) · Линза: Product · Инструкция для Инженера Продукта нового поколения (PAF, [S1],[S2]). Преемственность метода: исходный раннбук RB-STEP-7-SOLUTION-VALIDATION/7.3 Валидация решения и скоринг.md.

🎯 Цель в PAF-оптике¶

Юзабилити-тестирование прототипов с реальными пользователями (≥5, правило Якоба Нильсена: 5 пользователей выявляют ~85% проблем UX) переинтерпретируется как Pitching of Trust [S1] VI.4: команда челенджит Банч гипотез решения, Кортекс модерирует сессии, а скоринг решений считается через mNSM/NPV, а не через взвешенную матрицу ценность/стратегия/ресурсы 1–10.

Дешевле переработать прототип, чем готовый продукт: юзабилити-проблемы на этапе прототипа стоят часов работы дизайнера; те же проблемы в готовом продукте — недели работы разработчика и потерянные пользователи. Pitching of Trust ловит их на этапе «картона».

Pitching of Trust в PAF — ритуал защиты банча: команда «заваливает» аргументы → формируется Confidence Point. Слабые фичи (CP < gate) drop, сильные (CP ≥ gate) approved → в разработку.

Логика выбора: когда у тебя несколько прототипов с приемлемыми результатами, выбор «по ощущениям» опасен. Скоринг через mNSM × вероятность (из CP) → вклад в NPV Банча даёт объективный критерий. Проигравшие решения не выбрасываются — документируются с условием возврата. Цель 7.3 — пройти Pitching of Trust gate и зафиксировать финальное решение для разработки. Прототип — это гипотеза, а не истина; без тестирования продукт строится на предположениях.

👤 Роль и ответственность¶

Product Engineer — отвечает за конвергенцию: какие фичи Банча подтверждены и идут в MVP, какие отброшены, какие требуют итерации. Решение «что разрабатываем». Данные важнее предпочтений команды — Product Engineer не является типичным пользователем.
Discovery / Launcher PM — минимизация цикла «прототип → сигнал → итерация»; вайбкодит итерации прототипа по результатам тестов; 2–3 итерации — норма, после 3-й при недостижении метрик — пересмотр концепции (возврат к 7.1).
AI UX Designer — анализирует поведенческие сигналы (где паузы, где клик не туда, где «не понимаю»), отличает «вежливость участников» (politeness bias) от реальной конверсии; предлагает правки интерфейса.
Technical / AI Product Manager — для AI-фич: разделяет «оффер сработал» от «ценность подтверждена»; оценивает техническую реалистичность масштабирования; COGS токенов при масштабе.
Product Ops — поддерживает модератор-агент и CP-скоринг; следит, чтобы CP пересчитывался только от поведения, а не от самооценки; фиксирует решение в Нексусе.
Зона человека [S2] III.4: финальное решение о фокусном решении для разработки — стратегический выбор, veto при равных скорах («если бы оба решения стоили одинаково — какое?»).

🤖 Что делает Кортекс-агент¶

Модератор юзабилити-тестов — ведёт сессию по гайду:
разогрев 5 мин (мы тестируем продукт, а не тебя; нет правильных/неправильных ответов; думай вслух; можно записать?);
контекстные вопросы 5 мин (расскажи о себе; сталкивался ли с проблемой; как решаешь сейчас);
задания 15–25 мин (по сценарию 7.2);
вопросы после 10 мин (что было сложнее всего; что понравилось; что изменил бы; стал бы пользоваться; как описал другу);
NPS и закрытие 5 мин.
Задаёт нейтральные вопросы («Что ты сейчас думаешь?», «Расскажи, что происходит»); не подсказывает и не задаёт наводящих; фиксирует паузы, клики не туда, «не понимаю».
Кодировщик транскриптов — ASR (Otter.ai/Grain-класс) → кодирование наблюдений (выполнено/нет/частично, время, проблемы, дословные цитаты) → авто-валидация против гипотезы-источника; метод Think Aloud.
Affinity-агент — группирует наблюдения всех сессий в паттерны (карта связей); выделяет:
ТОП-3 проблемы с частотой «X из N участников»;
ТОП-3 позитивных паттерна с цитатами-доказательствами;
общую статистику (выполнено задание X/N, средний NPS, среднее время).
Pitching of Trust-агент (Red-Team) — для защиты Банча: симулирует «kill it», задаёт скептические вопросы, челенджит каждую фичу на стоимость риска [S1] VI.7.
NPV/mNSM-скорер — заменяет матрицу ценность/стратегия/ресурсы: для каждого прототипа считает кандидат mNSM × вероятность (из CP) → вклад в NPV Банча; ранжирует решения; учитывает долгосрочный потенциал масштабирования и барьеры копирования.
Рекрутёр-агент — отбирает 5–8 участников из целевого сегмента (попадают в сегмент, имеют реальный опыт с проблемой, готовы на 30–60 мин); избегает знакомых с прототипом, сотрудников компании, родственников, людей без опыта; источники — база из Stage 4–6, Telegram-сообщества, знакомые точно в сегменте, Respondent.io/UserTesting.com.
B2B-адаптация-агент — для B2B-сегмента сокращает сессии до 20–30 мин, проводит онлайн, планирует заранее (за 1–2 недели); оффер: «20 минут твоего времени — и твоя обратная связь определит продукт, которым ты будешь пользоваться».
Compensation-агент — определяет стимул для участников (символическая оплата $10–25, сертификат, подарок повышает явку и серьёзность); для своей базы — «ранний доступ к продукту».

🧠 Что делает человек (метапознание)¶

Валидация ИИ-генерации синтеза: человек проверяет, что паттерны из Affinity-агента основаны на реальных цитатах/поведении, а не на галлюцинации:
каждый паттерн ≥ 2 цитатам-доказательствам;
«1 из 8 не понял» → индивидуальная особенность;
«80% не нашли кнопку» → проблема.
Veto на premature conclusions: «пользователям понравилось» (politeness bias) ≠ конверсия — человек отделяет намерение (NPS) от поведения (конверсия); наблюдает, нажали ли реально. Тест «Хотите, запишу прямо сейчас?» — реакция на реальное предложение честнее слов.
Конвергенция CP: Product Engineer утверждает статус каждой гипотезы:
подтверждена (метрика ≥ порога);
частично (итерация: исправить конкретные элементы, повторный тест с 3–5 пользователями);
опровергнута (конверсия <50% от цели, большинство не понимают ценность → возврат к 7.1).
Решение при ничьей в скоринге: повторить тест с 3–5 участниками в точке различия; вопрос «если бы стоили одинаково — какое?»; посмотреть на масштабируемость и барьеры копирования; если всё равно ничья — выбрать то, что быстрее сделать.
Дерево решений после валидации:
Путь 1 — все гипотезы подтверждены → переход к 7.4;
Путь 2 — есть проблемы UX, но концепция верна → итерация прототипа (1–3 дня на итерацию, 1–2 дня на повторный тест с 3–5);
Путь 3 — гипотезы опровергнуты (конверсия <50% от цели) → возврат к 7.1.
Politeness bias: «вам понятно?» — всегда «да». Нейтрализуется методом Think Aloud («расскажи, что ты думаешь, пока пользуешься») и наблюдением за поведением (куда тыкает мышью, на что обращает внимание, где паузы, где переспрашивает).
A/B при ничьей: если прототипы A и B показывают близкие метрики — провести целевой A/B-тест на точке различия с дополнительной выборкой, а не решать по интуиции.
Управление рисками = управление знаниями [S1] Принцип 4: Pitching of Trust — не «убедить команду», а сократить риски (энтропию по Шеннону) через насыщение Нексуса поведенческими данными. Потери — прошлое, риски — будущее.
Креативность ≠ автоусилитель [S2] III.7: ИИ усиливает креативность команды только при сильном метапознании; полевой эксперимент (250 чел.) — поэтому Red-Team-агент работает в связке с человеком-валидатором.
Стратегический выбор фокуса — за человеком; агенты предлагают, человек несёт ответственность [S2] III.4.
Дофаминовая петля ИИ [S2] III.7: с ИИ приятнее взаимодействовать, чем с людьми — рост когнитивной нагрузки, а не снижение; поэтому метрика ритуала Pitching of Trust = изменение CP/NPV Банча, а не «команде понравилось».

📦 Артефакт = узлы Нексуса продукта¶

usability-session — узел сессии {участник (профиль), дата, длительность, задания с результатами (выполнено/нет/частично, время), проблемы, цитаты, NPS, готов пользоваться, топ-3 инсайта}.
affinity-pattern — узел повторяющегося паттерна {описание, частота X/N, цитаты[], вывод}.
validation-result — узел обновлённой гипотезы решения {статус: подтверждена/частично/опровергнута, метрика факт vs цель, CP-дельта, источник-сессии[]}.
pitching-of-trust — узел защиты Банча {аргументы, челленджи Red-Team, стоимость риска, вердикт по каждой фиче}.
final-solution — узел финального решения для разработки {прототип-победитель, что входит в MVP с обоснованием, что НЕ входит с причиной, ключевые инсайты, решения-проигравшие с условием возврата}.
hypothesis-summary — сводная таблица гипотез после валидации {№, гипотеза, метрика цели, метрика факт, статус, следующий шаг}.
Каждый узел: источник, CP, timestamp, статус увядания. Context Ripeness после 7.3 → ~60% стадии.
test-report — узел краткого отчёта по тестированию {дата, участников, прототип, ключевые метрики (задания выполнено, средний NPS), ТОП-3 проблемы, ТОП-3 позитивных момента, рекомендации, решение о следующем шаге}.
losing-solutions — узлы решений-проигравших {прототип, скор, почему не выбрали, условие возврата после PMF}.

🚦 Confidence Point-гейт¶

Gate 7.3 → 7.4 (Pitching of Trust пройден):
≥5 юзабилити-тестов проведено (минимум 5, лучше 5–8 целевых участников);
карточки гипотез обновлены (каждая со статусом подтверждена/частично/опровергнута);
Pitching of Trust проведён (команда челленджила Банч, оценена стоимость риска);
финальное решение зафиксировано.
Слабые фичи CP < gate выкинуты, сильные CP ≥ gate → в разработку.
CP растёт по колесу Гилада [S1] VI.7: только от снижения неопределённости поведенческими данными; падает при срабатывании рисков или отклонениях.

🔭 Связь с Тремя Линзами (3PL)¶

Product Lens [S1] VI.1: Pitching of Trust — ключевое событие Product Sprint (защита Банча → формирование CP как gate).

Принцип 1 PAF [S1]: прозрачность до очевидности. Pitching of Trust поднимает доверие к решениям через рост прозрачности (полнота + непротиворечивость + доступ стейкхолдеров). Чем выше прозрачность, тем выше шанс прохождения гейта или осознанного отказа.

Связь с Business Lens: скоринг через mNSM/NPV связывает решение с возвратом монетизируемой ценности (полное NPV Банча замыкается в 7.6 Harvesting как инкремент контекста).

Связь со Strategy Lens: финальное решение — это шаг к закрытию Гэпа к Видению; проигравшие решения документируются как Ставки на следующие итерации после PMF.

🛡️ Анти-workslop чекпоинт¶

Workslop в синтезе — AI-сгенерированные паттерны без цитат-доказательств; «вежливость участников» принята за подтверждение; выводы на 2–3 сессиях до проявления паттернов.
Метапознание-фильтр: каждый паттерн ≥ 2 цитатам; конверсия (поведение) > NPS (намерение); минимум 5 сессий перед выводами; сегментация при разных результатах.
Трассировка до Нексуса: каждый validation-result связан с узлом solution-hypothesis и usability-session; CP-дельта обоснована данными конкретных сессий.
premature PMF-риск: 5–8 тестов прототипа ≠ PMF; PMF требует конвергенции ≥3 сигналов (retention-плато + опрос ≥40% + рекомендация без стимулов + NPV > 0) и замыкается только в 7.6.
CP как новая vanity: CP растёт только от снижения неопределённости, не от количества сессий само по себе.
Видео против цифр: при защите решения перед стейкхолдерами видеозаписи сессий убедительнее цифр — живое видео с реальным пользователем, который не может найти кнопку, нельзя поставить под сомнение.
Стоимость риска как gate-критерий [S1] VI.7: CP включает не только вероятность, но и оценку стоимости риска — «сколько ещё потратим ресурсов и негативного эффекта на клиентскую базу при таком уровне рисков?». Фича с высоким CP, но неприемлемой стоимостью риска — drop.

🧩 Маппинг к Skill Map / профстандарту 06.012¶

Skill Map [S3] IV:
сектор 1 Discovery & Researches (юзабилити-тесты, качественный синтез, Affinity Map);
сектор 2 Value & Solution Design (скоринг решений).
Профстандарт 06.012 [S4] V: обобщённая функция B «Управление ИТ-продуктом», уровень 5 — B/01.5 «продуктовые исследования» + B/02.5 «определение продукта/дизайн». Связка стандарт ↔ PAF интерпретативна [S3]+[S4].

🔗 Связи¶

Назад: 7.2 instruction · Дальше: 7.4 instruction — Цифровой профиль продукта Связанные: reformation · index · naming_conventions