Build your personal AI copilot

Build your personal AI copilot

Создайте своего личного AI-копилота

A guide to using AI as a long-term thinking partner (including prompts to get you started)

Руководство по использованию AI как долгосрочного партнёра по мышлению (включая промпты, чтобы начать)

👋 Welcome to a ✨ free edition ✨ of my weekly newsletter. Each week I tackle reader questions about building product, driving growth, and accelerating your career. For more: Lenny’s Podcast | How I AI | Lennybot | Courses | Swag

👋 Добро пожаловать в ✨ бесплатный выпуск ✨ моей еженедельной рассылки. Каждую неделю я разбираю вопросы читателей о создании продукта, росте и ускорении карьеры. Больше материалов: Lenny's Podcast | How I AI | Lennybot | Курсы | Мерч

One of my favorite collaborators, Tal Raviv, is back with another incredible piece that will change how many of you operate at work. If you’re looking for the promised AI productivity gains everyone’s talking about, start here.

Один из моих любимых соавторов, Tal Raviv, снова с нами с очередным потрясающим материалом, который изменит то, как многие из вас работают. Если вы ищете тот самый прирост продуктивности от AI, о котором все говорят, начните отсюда.

For more from Tal, check out his 63 free video tutorials on using AI agents at work, his other guest post, “PM is an unfair role. So work unfairly”, and his episode on Lenny’s Podcast. You can also book Tal for an AI build sprint with your team.

Больше от Tal'а: его 63 бесплатных видеоурока по использованию AI-агентов на работе, другой его гостевой пост «PM — нечестная роль. Так работайте нечестно» и эпизод на Lenny's Podcast. Вы также можете заказать у Tal'а AI build sprint с вашей командой.

Here’s my embarrassing story: 11 months ago I wasn’t using AI at work—at all.

Вот моя неловкая история: 11 месяцев назад я не использовал AI на работе — вообще.

My team and I were building AI products used by tens of thousands of people. But when it came to using AI in my own job, I was a proud Luddite.

Мы с командой создавали AI-продукты, которыми пользовались десятки тысяч людей. Но когда дело доходило до использования AI в моей собственной работе, я был гордым луддитом.

I didn’t want to sound like “the average of the internet.” I was worried that if I let AI tools do things for me, I’d lose my edge. When I tried using ChatGPT, I found it disappointing for strategic and innovative work—like consulting a chatty Wikipedia.

Я не хотел звучать как «среднее интернета». Я боялся, что если позволю AI-инструментам делать что-то за меня, я потеряю свою остроту. Когда я пробовал ChatGPT, он казался мне разочаровывающим для стратегической и инновационной работы — как болтливая Википедия.

Deep down, I felt discouraged that I didn’t know the exact magic spells of prompting that only influencers seemed to know.

В глубине души мне было досадно, что я не знаю тех самых магических заклинаний промптинга, которые, кажется, известны только инфлюенсерам.

Then my engineering team kicked off a new, paperwork-intensive version of Scrum for a large initiative that required me to write dozens of detailed user stories. I couldn’t keep up, and all of a sudden I became my team’s bottleneck.

А потом моя инженерная команда запустила новую, документоёмкую версию Scrum для крупной инициативы, которая требовала от меня писать десятки подробных user story. Я не справлялся, и внезапно стал бутылочным горлышком своей команды.

I did what any experienced product manager would do: I whined and complained. Eventually my eng manager, Oleksii, took pity on me and showed me how to write detailed, near-perfect user stories with ChatGPT (which I covered in my discussion on Lenny’s Podcast!).

Я сделал то, что сделал бы любой опытный продакт-менеджер: ныл и жаловался. В конце концов мой инженерный менеджер, Oleksii, сжалился надо мной и показал, как писать подробные, почти идеальные user story с помощью ChatGPT (о чём я рассказывал в выпуске Lenny's Podcast!).

Oleksii instructed me to (1) paste in an example template of a user story and (2) use speech-to-text as I blabbed on and on about how the product experience should work. I also ended up dictating the background story of the initiative to ChatGPT, just like I would at a team kickoff.

Oleksii велел мне (1) вставить пример шаблона user story и (2) использовать речевой ввод, пока я в свободной форме рассказывал, как должен работать продуктовый опыт. В итоге я надиктовал ChatGPT и предысторию инициативы — точно так же, как сделал бы это на kickoff'е с командой.

ChatGPT replied with user stories that were concise, thoughtful, and airtight. The edge cases were extremely relevant, as if it had been a member of the team for months. Not only did the results translate my ramblings to engineering’s structured template, but each user story also included stipulations (mobile responsiveness, accessibility, pricing tiers) that I’d often forget.

ChatGPT ответил user story, которые были лаконичными, продуманными и непробиваемыми. Edge case'ы были крайне релевантными, как будто он был членом команды уже несколько месяцев. Результаты не только переводили мои рассуждения в структурированный шаблон инженерной команды — каждая user story включала ещё и пункты (адаптивность для мобильных, доступность, тарифные планы), о которых я часто забывал.

The results were nearly perfect, and my fingers never even touched the keyboard. ChatGPT was exhibiting superpowers I didn’t know existed.

Результаты были почти идеальными, а мои пальцы при этом даже не коснулись клавиатуры. ChatGPT демонстрировал сверхспособности, о существовании которых я и не подозревал.

I had a hunch that mere user stories were just the beginning of how I could use it at my job. Could AI help me with higher-level tasks? Could it answer the ultimate question of knowledge work: What is the most important thing I should do next?

У меня было предчувствие, что user story — это лишь начало того, как я могу использовать его в работе. Может ли AI помочь мне с задачами более высокого уровня? Может ли он ответить на главный вопрос интеллектуального труда: что самое важное мне нужно сделать дальше?

I realized that AI tools had felt like blunt, generic instruments because I wasn’t providing enough context. LLMs can be highly effective for intelligent knowledge work, but only when we provide them with the same background knowledge that any person would need to do the same work.

Я осознал, что AI-инструменты казались тупыми и универсальными именно потому, что я не давал им достаточно контекста. LLM могут быть крайне эффективны для интеллектуальной работы — но только когда мы даём им те же фоновые знания, которые понадобились бы любому человеку, чтобы сделать ту же работу.

Recent advances in LLMs allow us to maintain (and grow) this context over time and across conversations, the same way we might keep a colleague in the loop. And we can even instruct LLMs to use consistent behaviors, values, and guidelines for interacting with us.

Недавние достижения в LLM позволяют поддерживать (и наращивать) этот контекст со временем и через разные разговоры — так же, как мы держим в курсе коллегу. И мы даже можем дать LLM указания вести себя последовательно, с определёнными ценностями и принципами взаимодействия с нами.

When LLMs have this valuable and ongoing context about our goals, our role, our projects, our team, and our wider org, they become our “AI copilot”—a real thinking partner for long-term, complex work. Remember my fear of losing my edge? When we treat LLMs as partners that inspire rather than replace our thinking, our output only gets sharper.

Когда у LLM есть этот ценный и постоянно растущий контекст о наших целях, роли, проектах, команде и более широкой организации, они становятся нашим «AI-копилотом» — настоящим партнёром по мышлению для долгосрочной, сложной работы. Помните мой страх потерять свою остроту? Когда мы относимся к LLM как к партнёрам, которые вдохновляют, а не заменяют наше мышление, наш результат становится только острее.

An AI copilot might be the least “agentic” way of using AI, and that’s the point. As AI tools proliferate and become more capable, our AI copilot is there to support us and make us better at our jobs. An AI copilot can work with us, not just for us. And that can make all the difference.

AI-копилот, пожалуй, — наименее «agentic» способ использования AI, и в этом весь смысл. По мере того как AI-инструменты множатся и становятся всё более способными, наш AI-копилот рядом, чтобы поддерживать нас и делать нас лучше в нашей работе. AI-копилот может работать вместе с нами, а не просто за нас. И в этом вся разница.

Over nearly a year now, I’ve taught workshops to more than 20,000 tech employees and founders on how to leverage AI for complex, innovative tasks at work. I can confirm: regardless of company size, vertical, or fluency in AI, many tech workers today are missing out for the same reason I was. They’re not giving LLMs the context needed to experience their full potential.

За почти год я провёл воркшопы для более чем 20 000 сотрудников и фаундеров техкомпаний о том, как использовать AI для сложных, инновационных задач на работе. Подтверждаю: независимо от размера компании, вертикали или уровня владения AI, многие сегодняшние сотрудники tech-индустрии упускают возможности по той же причине, что и я когда-то. Они не дают LLM контекст, необходимый, чтобы раскрыть их полный потенциал.

Below, I’ll share how to change the way you think about working with AI, and how to practically construct your own AI copilot.

Ниже я расскажу, как изменить отношение к работе с AI и как на практике собрать собственного AI-копилота.

What are AI copilots good for?

Для чего хороши AI-копилоты?

Leveraging a copilot isn’t about AI producing perfect answers—it’s about getting the most out of ourselves. Daniel Kahneman won the Nobel Prize in economics for his collaboration with Amos Tversky, and I love his reflection: “I am not a genius. Neither is Tversky. Together, we are exceptional.”

Использование копилота — это не про то, что AI выдаёт идеальные ответы; это про то, чтобы выжать максимум из самих себя. Daniel Kahneman получил Нобелевскую премию по экономике за сотрудничество с Amos Tversky, и мне очень нравится его рефлексия: «Я не гений. Tversky тоже нет. Вместе мы — исключительные».

After we work together to build AI copilots, my students start using LLMs to help them make strategic decisions, brainstorm roadmap ideas, develop their soft skills, and even support them emotionally. Their copilots challenge their thinking, analyze data, apply decision frameworks, prioritize, and help rehearse hard conversations.

После того как мы вместе строим AI-копилотов, мои студенты начинают использовать LLM, чтобы принимать стратегические решения, генерировать идеи для roadmap, развивать soft skills и даже получать эмоциональную поддержку. Их копилоты бросают вызов их мышлению, анализируют данные, применяют фреймворки принятия решений, расставляют приоритеты и помогают репетировать сложные разговоры.

AI copilots also make it infinitely easier to vibe code an AI prototype, run meaningful data analysis, launch an AI automation, generate AI slide decks, and insert-AI-tool-we-don’t-even-know-about-yet. Because our copilots hold up-to-date context about us and our work, we’re often one chat message away from getting a detailed prompt we can take anywhere else.

AI-копилоты также бесконечно упрощают vibe-кодинг AI-прототипа, осмысленный анализ данных, запуск AI-автоматизации, генерацию AI-презентаций и вставьте-сюда-AI-инструмент-о-котором-мы-пока-даже-не-знаем. Поскольку наши копилоты держат актуальный контекст о нас и нашей работе, мы часто в одном сообщении в чате от детального промпта, который можно отнести куда угодно ещё.

And yes, AI copilots can also draft PRDs, user research plans, meeting agendas, and Slack updates. (When you regularly loop LLMs into your thinking, generating documents feels like an afterthought.)

И да, AI-копилоты также могут готовить PRD, планы пользовательских исследований, повестки встреч и апдейты в Slack. (Когда вы регулярно вовлекаете LLM в своё мышление, генерация документов становится чем-то почти побочным.)

Months after building a copilot, students tell me they “use it every day” and it’s “always open at work.” Their copilots keep them focused, remind them who to talk to, catch nuances they would have missed, and turn them into superpowered contributors who can analyze data and discuss technical concepts. They move so fast that leadership taps them to teach everyone else how they got so productive.

Спустя месяцы после создания копилота студенты рассказывают мне, что «используют его каждый день» и он «всегда открыт на работе». Их копилоты помогают им оставаться сфокусированными, напоминают, с кем поговорить, ловят нюансы, которые они бы упустили, и превращают их в суперпродуктивных сотрудников, способных анализировать данные и обсуждать технические концепции. Они движутся настолько быстро, что руководство просит их научить остальных, как они стали такими продуктивными.

And they do! One student created a career development copilot for women on her team. Another is piloting AI coaching for sales managers doing one-on-ones. A third built an onboarding copilot when joining a new company. Two weeks in, when he presented his product strategy, his CEO remarked, “It feels like you’ve been here for months.”

И они учат! Одна студентка создала копилот для развития карьеры для женщин в своей команде. Другая пилотирует AI-коучинг для sales-менеджеров, проводящих one-on-one. Третий построил копилот для онбординга, когда пришёл в новую компанию. Через две недели, когда он представил свою продуктовую стратегию, CEO заметил: «Кажется, ты у нас уже несколько месяцев».

How do I build an AI copilot?

Как собрать AI-копилота?

You can build a valuable AI copilot in a number of ways—anything from keeping a long chat thread to creating a geeky Cursor repository. But my preferred method is using the “Projects” feature in my favorite LLM. Projects are available in ChatGPT, Claude, M365 Copilot, and Gemini’s paid and enterprise plans. (The latter call them “declarative agents” and “Gems,” respectively.)

Собрать полезного AI-копилота можно по-разному — от ведения одного длинного чат-треда до создания гиковского репозитория в Cursor. Но мой любимый способ — использовать функцию «Projects» в моей любимой LLM. Projects доступны в ChatGPT, Claude, M365 Copilot и в платных и корпоративных планах Gemini. (В последних двух их называют «declarative agents» и «Gems» соответственно.)

With Projects, building your AI copilot is much like bringing on a new teammate. Each project is made up of three elements: project knowledge, instructions, and chat threads. And each of these elements corresponds with a step in the onboarding process:

С Projects сборка AI-копилота во многом похожа на найм нового члена команды. Каждый проект состоит из трёх элементов: знаний проекта (project knowledge), инструкций (instructions) и чат-тредов. И каждый из этих элементов соответствует своему шагу в процессе онбординга:

Наймите своего копилота: используйте instructions, чтобы задать роль, личность и поведение копилота.Онбордите своего копилота: заполните project knowledge документами уровня компании и организации, которые станут общим контекстом для всех будущих разговоров с копилотом.Запустите инициативу: откройте чат-тред на каждую инициативу, над которой работаете.Запустите копилота в работу: создавайте простые, разговорные промпты.

With this framework in mind, open your favorite LLM (upgrade to paid if you haven’t already), navigate to Project/Gem, and let’s get hands-on.

С этим фреймворком в голове откройте свою любимую LLM (перейдите на платный тариф, если ещё этого не сделали), зайдите в Project/Gem, и давайте перейдём к практике.

What if your LLM at work doesn’t have projects? No worries, I’ve included a workaround for you at the end of this post.

А что если в вашей рабочей LLM нет projects? Не волнуйтесь, в конце поста я привёл обходное решение для вас.

Step 1: “Hire” your AI copilot

Шаг 1. «Наймите» своего AI-копилота

The first step is to create a new project. I’m naming mine “Tal’s AI Copilot.” Don’t worry about giving it a description.

Первый шаг — создать новый проект. Я называю свой «Tal's AI Copilot». О описании можно не беспокоиться.

Inside our project, we’ll “hire” our thinking partner by deciding what values and behaviors we want it to have. Like when selecting a colleague or a coach, we’ll choose traits that transcend the initiatives we’re working on, company strategy, or what quarter we’re in.

Внутри проекта мы «нанимаем» своего партнёра по мышлению, решая, какие ценности и поведение мы хотим в нём видеть. Как при выборе коллеги или коуча, мы выбираем черты, которые выходят за рамки конкретных инициатив, стратегии компании или того, какой сейчас квартал.

Projects allow us to do this by defining instructions. Think of these as the “super-prompt” that the LLM applies throughout the conversation, slightly stickier than any prompts you type into a chat conversation. (If you’ve worked on an AI product, you might recognize this as extending the “system prompt.”)

Projects позволяют нам делать это, задавая instructions. Думайте о них как о «супер-промпте», который LLM применяет на протяжении всего разговора, — чуть «прилипчивее», чем любые промпты, которые вы пишете в самом чате. (Если вы работали над AI-продуктом, вы можете узнать в этом расширение «system prompt».)

To get you started, copy and paste the following prompt into your project’s instructions. Make sure to fill in the placeholders with what’s relevant to your role:

Чтобы вам было с чего начать, скопируйте и вставьте следующий промпт в instructions вашего проекта. Не забудьте заполнить плейсхолдеры тем, что релевантно вашей роли:

I am a [role] at [company name], and you are my expert coach and advisor, assisting and proactively coaching me in my role to reach my maximum potential.

Я [роль] в [название компании], а ты — мой эксперт-коуч и советник, помогающий и проактивно тренирующий меня в моей роли, чтобы я достиг своего максимального потенциала.

I will provide you with detailed information about our company, such as our strategy, target customer, market insights, products, internal stakeholders and team dynamics, past performance reviews, and retrospective results.

Я буду давать тебе подробную информацию о нашей компании: нашу стратегию, целевого клиента, инсайты о рынке, продукты, внутренних стейкхолдеров и динамику команды, прошлые ревью производительности и итоги ретроспектив.

In each conversation, I will provide you with information about a particular initiative so you can help me navigate it.

В каждом разговоре я буду давать тебе информацию о конкретной инициативе, чтобы ты помогал мне в ней разобраться.

I expect you to: ask me questions when warranted to gain more context, fill in important missing information, and challenge my assumptions. Ask me questions that will let you most effectively coach and assist me in my role.

Я ожидаю от тебя: задавать мне вопросы, когда это уместно, чтобы получить больше контекста, восполнять важную недостающую информацию и оспаривать мои предположения. Задавай мне те вопросы, которые позволят тебе максимально эффективно коучить и помогать мне в моей роли.

Encourage me to: [list the values and behaviors that make you successful in your role]

Поощряй меня к: [перечислите ценности и поведение, благодаря которым вы успешны в своей роли]

I want you to find the balance of: [traits you want in a thought partner and coach that will be both effective and fun to work with]

Я хочу, чтобы ты нашёл баланс между: [черты, которые вы хотите видеть в партнёре по мышлению и коуче, — такие, чтобы было одновременно эффективно и приятно работать]

There’s nothing sacred about this prompt. It’s a starting point, and you should tweak it over time, according to how you want your copilot to behave. Maybe you want it to be sassier, or more skeptical of what you say. Maybe you want it to be more supportive or perhaps more wildly creative (or all of the above!). The key is to make it yours: treat these instructions as a set of knobs you can play with for the lifetime of your copilot.

В этом промпте нет ничего священного. Это отправная точка, и вам стоит донастраивать его со временем — под то, как вы хотите, чтобы вёл себя ваш копилот. Может, вы хотите, чтобы он был более дерзким или более скептичным к тому, что вы говорите. Может, вы хотите, чтобы он был более поддерживающим или, наоборот, более диковинно креативным (или всё сразу!). Главное — сделать его своим: относитесь к этим инструкциям как к набору ручек, которые можно крутить на протяжении всей жизни вашего копилота.

Step 2: Onboard your copilot

Шаг 2. Онбордите своего копилота

Congrats! You’ve hired a copilot with a stellar personality and aligned values, and now it’s their first day on the job. Time to onboard them to the realities of your organization, team, and role.

Поздравляю! Вы наняли копилота с прекрасной личностью и согласованными ценностями, и вот — его первый рабочий день. Пора онбордить его в реалии вашей организации, команды и роли.

Think: What would you provide to a new teammate in their first week on the job, before they’re assigned any particular initiative or responsibilities? What’s relevant to and informs all initiatives that you work on? We’ll start by uploading these documents to our project knowledge.

Подумайте: что бы вы дали новому коллеге в его первую неделю на работе — до того, как ему назначат конкретные инициативы или обязанности? Что релевантно всем вашим инициативам и формирует их фон? Мы начнём с того, что загрузим эти документы в project knowledge.

Here are some examples of valuable context for your AI copilot:

Вот несколько примеров полезного контекста для вашего AI-копилота:

Лендинг вашей компании/продукта (используйте «сохранить как PDF» в браузере)Презентация стратегии вашей компании (экспортируйте в PDF)Вся ваша сегментация клиентов и исследовательские инсайтыИсследования вашей конкурентной средыВидение компании, стратегия, документы квартального планирования и т. д.Процессы компанииОргструктура вашей команды и ролиПрошлые ретроспективы вашей командыВаш последний performance review или неформальная обратная связь от менеджера

Grab two or three that are readily available; don’t overthink it.

Возьмите два-три документа, которые легко доступны; не переусердствуйте.

If you don’t have a lot of written documentation available, ask your LLM to interview you to make up for any gaps in its knowledge. Imagine this as having coffee with a sharp colleague a few days after they join the team—they’re probably bursting with questions.

Если у вас не так много письменной документации, попросите LLM задать вам вопросы, чтобы восполнить пробелы в знаниях. Представьте, что это кофе со смышлёным коллегой через несколько дней после его прихода в команду — у него наверняка целая куча вопросов.

Please review what I’ve shared with you and ask me questions to help complete your knowledge.

Пожалуйста, посмотри, чем я поделился с тобой, и задай мне вопросы, чтобы дополнить свои знания.

What important information are you missing (company- and product-level) that you need to help me across all my initiatives, present and future?

Какой важной информации тебе не хватает (на уровне компании и продукта), чтобы помогать мне во всех моих инициативах — нынешних и будущих?

Focus more on company, org, and industry level. Focus less on short-term conditions or initiatives (e.g. resources, constraints, or individuals), as those will change over time.

Фокусируйся больше на уровне компании, организации и индустрии. Меньше — на краткосрочных условиях или инициативах (например, ресурсы, ограничения или конкретные люди), так как они будут меняться со временем.

I want you to ask me these questions sequentially (most crucial questions first), so I can answer one at a time.

Я хочу, чтобы ты задавал мне эти вопросы последовательно (сначала самые важные), чтобы я мог отвечать по одному.

When you’re ready to wrap up the conversation, ask it to generate a document that you can upload to your project knowledge:

Когда вы будете готовы закончить разговор, попросите LLM сгенерировать документ, который можно загрузить в project knowledge:

Please create a document with the new information you’ve learned in our conversation. Only include new information learned in this conversation (i.e. that wasn’t already in project knowledge). Don’t outline any outstanding gaps in the document.

Пожалуйста, создай документ с новой информацией, которую ты узнал в нашем разговоре. Включи только новую информацию, полученную в этом разговоре (то есть ту, которой ещё не было в project knowledge). Не описывай в документе оставшиеся пробелы.

Optimize the document for adding to the project knowledge, so it can apply in all our future conversations.

Оптимизируй документ под добавление в project knowledge, чтобы он применялся во всех наших будущих разговорах.

Use exact quotations of my original words for the most salient and important things.

Используй точные цитаты моих оригинальных слов для самых значимых и важных вещей.

Once the document is ready, download it as a file, and re-upload it to your project knowledge.

Когда документ готов, скачайте его как файл и заново загрузите в свой project knowledge.

Step 3: Kick off an initiative

Шаг 3. Запустите инициативу

Now that your new copilot is up to speed on the big picture, it’s time to involve it in a specific initiative.

Теперь, когда ваш новый копилот в курсе общей картины, пора подключить его к конкретной инициативе.

I recommend keeping each initiative in its own chat thread. That way, your LLM can track the full context with the least amount of effort from you. You’ll use this dedicated chat thread to kick off, brainstorm, and make decisions with your copilot. It’s where you’ll update your copilot throughout the life of the initiative, and where together you’ll navigate the inevitable twists and turns. (Below we’ll cover what to do if you hit thread limits.)

Я рекомендую держать каждую инициативу в отдельном чат-треде. Так LLM сможет отслеживать полный контекст с минимальными усилиями с вашей стороны. Вы будете использовать этот выделенный чат-тред, чтобы запускать инициативу, генерировать идеи и принимать решения вместе с копилотом. Это место, где вы будете обновлять копилота на протяжении жизни инициативы и где вы вместе будете проходить через неизбежные повороты сюжета. (Ниже разберём, что делать, если упрётесь в лимиты треда.)

Inside your project, open a new chat thread, and paste in the following prompt:

Внутри вашего проекта откройте новый чат-тред и вставьте следующий промпт:

Now that you have the context on my company and my team, I want to tell you a bit about the initiative that I am working on and give you the specific initiative context.

Теперь, когда у тебя есть контекст о моей компании и моей команде, я хочу рассказать тебе об инициативе, над которой работаю, и дать тебе её конкретный контекст.

This is the starting point of what I know, and I’ll be updating over time as more information and insights come in:

Это отправная точка того, что я знаю; я буду обновлять её со временем по мере поступления новой информации и инсайтов:

[Share what you know about this initiative at the start in any order.]

[Поделитесь тем, что вы знаете об этой инициативе на старте, в любом порядке.]

I recommend using the dictation feature (built into ChatGPT, Gemini, and M365 Copilot, or found in Claude’s mobile app) to ramble about what you know to get things started. Let loose about the problem, customer, background, stakeholders, organizational politics—everything that’s on your mind and relevant to this initiative.

Я рекомендую использовать функцию диктовки (встроена в ChatGPT, Gemini и M365 Copilot или доступна в мобильном приложении Claude) и в свободной форме рассказать то, что знаете, чтобы запустить разговор. Выговоритесь о проблеме, клиенте, бэкграунде, стейкхолдерах, организационной политике — обо всём, что у вас на уме и релевантно этой инициативе.

Don’t worry about structuring your thoughts in a clean, professional way. Just get it out there in a stream of consciousness. I find that when I start to talk, I’m reminded of additional details I may not have included if I’d structured my thoughts prematurely.

Не переживайте о том, чтобы структурировать мысли в аккуратной, профессиональной манере. Просто выдайте поток сознания. Я замечаю, что когда начинаю говорить, мне вспоминаются дополнительные детали, которые я бы не включил, если бы пытался преждевременно структурировать свои мысли.

At this point, people usually ask me what model to select. My answer is always: the smartest model available to you at work. We’re not using AI at scale here, so get the best brain you can, even if it’s considered “expensive” or “slow” by engineering terms. (Your only constraints should be where and how your company allows you to upload sensitive information.)

На этом этапе люди обычно спрашивают меня, какую модель выбрать. Мой ответ всегда один: самую умную из доступных вам на работе. Здесь мы не используем AI «в масштабе», так что берите лучший мозг, какой можете, — даже если он считается «дорогим» или «медленным» с инженерной точки зрения. (Единственными вашими ограничениями должны быть требования компании к тому, куда и как можно загружать чувствительную информацию.)

To recap: You “hired” your copilot with instructions, you “onboarded” your copilot with project knowledge, and now you’ve kicked off an initiative in a chat thread. With all this context, it’s time for the copilot to dig in.

Подводим итог: вы «наняли» копилота через инструкции, «онбордили» через project knowledge, а теперь запустили инициативу в чат-треде. С таким контекстом копилоту пора приступать к делу.

Step 4: Put your copilot to work

Шаг 4. Запустите копилота в работу

With your initiative thread kicked off, paste the following into the chat:

После того как тред инициативы запущен, вставьте в чат следующее:

What is the single most important thing I should do next?

Что самое важное мне нужно сделать дальше?

Take a look at the results. Can you imagine sending that prompt to a blank LLM chat thread (before you had a copilot)? Since you’ve provided ample context and instructions, your copilot returns thought-provoking reflections, spot-on questions, and concrete next steps. In my case, since I told my copilot about my team members and stakeholders, it specifically calls out my colleagues by name (!).

Посмотрите на результат. Можете ли вы представить, как отправляете тот же промпт в пустой чат LLM (до того, как у вас появился копилот)? Поскольку вы дали достаточно контекста и инструкций, ваш копилот возвращает заставляющие задуматься размышления, точные вопросы и конкретные следующие шаги. В моём случае, поскольку я рассказал копилоту о членах команды и стейкхолдерах, он называет моих коллег по имени (!).

When we approach AI as a thinking partner full of relevant context, it can serve as endless inspiration. Here’s a list of use cases and example prompts to get your imagination going:

Когда мы подходим к AI как к партнёру по мышлению, наполненному релевантным контекстом, он может служить бесконечным источником вдохновения. Вот список юзкейсов и примеров промптов, чтобы разогнать ваше воображение:

Notice how there’s nothing fancy about these prompts. Since the LLM has so much context, conversational one-liners are often all you need. Expect surprising and delightful moments. In the words of Karina Nguyen, an AI researcher who’s worked at both Anthropic and OpenAI, “Models are really good at connecting the dots.”

Обратите внимание: в этих промптах нет ничего хитрого. Поскольку у LLM так много контекста, разговорных однострочников часто вполне достаточно. Ожидайте сюрпризов и приятных моментов. По словам Karina Nguyen, AI-исследовательницы, работавшей и в Anthropic, и в OpenAI: «Модели действительно хорошо умеют соединять точки».

Other ways to leverage your copilot

Другие способы использовать копилота

Using your copilot to build AI prototypes

Использование копилота для создания AI-прототипов

Using AI to prototype shortens the path to making something people want, in three ways:

Использование AI для прототипирования сокращает путь к созданию того, что нужно людям, тремя способами:

Итерировать с самим собой: отточить своё видениеИтерировать с командой: держать обсуждения на земле, в конкретикеИтерировать с клиентами: валидировать usability и жизнеспособность

AI tools for building prototypes (i.e. vibe coding) have gotten so good at this that the hardest part is articulating what you want.

AI-инструменты для создания прототипов (т. е. vibe coding) стали настолько хороши, что самое сложное теперь — сформулировать, чего ты хочешь.

Since our copilot has been with us on our entire journey, it becomes much easier to come up with a detailed description of our solution. Once you’ve converged on a direction, ask your copilot to create a prototype directly in the chat (e.g. Claude Artifacts or OpenAI Canvas). Continuing in the same conversation thread, fill out the following prompt:

Поскольку наш копилот шёл с нами весь путь, гораздо проще составить детальное описание решения. Когда вы сошлись на направлении, попросите копилота создать прототип прямо в чате (например, через Claude Artifacts или OpenAI Canvas). Продолжая в том же треде, заполните следующий промпт:

Help me generate an interactive prototype of this idea.

Помоги мне сгенерировать интерактивный прототип этой идеи.

We are going to build only the interactive, client-side prototype version of this (without deep functionality) to serve as a good internal feedback tool that can also help test the usability with customers.

Мы собираемся построить только интерактивную, клиентскую версию прототипа (без глубокой функциональности) как хороший внутренний инструмент для сбора обратной связи, который также можно использовать для тестирования usability с клиентами.

Keep the scope extremely focused on what we’ve discussed explicitly. “Happy path” only for now.

Держи скоуп крайне сфокусированным на том, что мы явно обсудили. Пока только «happy path».

[Optional: I have attached a screenshot of the current interface. Make sure it looks pixel-perfect and as similar as possible to the original.]

[Опционально: я приложил скриншот текущего интерфейса. Сделай так, чтобы прототип выглядел pixel-perfect и максимально похожим на оригинал.]

Don’t build it yet; make a plan first. If needed, remind me what other files or images or resources I should provide you to help you do an amazing job.

Пока не строй; сначала составь план. Если нужно, напомни мне, какие ещё файлы, изображения или ресурсы я должен тебе предоставить, чтобы ты сделал отличную работу.

You can also have it generate a prompt to use in an external text-to-UI tool like v0, Replit, Lovable, Bolt, and so on. Just append the following lines to the prompt above:

Также можно попросить сгенерировать промпт для использования во внешнем text-to-UI инструменте, таком как v0, Replit, Lovable, Bolt и т. д. Просто добавьте к промпту выше следующие строки:

Create a separate document with a prompt that I can directly paste into an external AI prototyping tool (all commentary should be outside, so I can just copy and paste the doc as is). This should be a developer-ready specification that can be used to build this interactive prototype.

Создай отдельный документ с промптом, который я могу напрямую вставить во внешний AI-инструмент для прототипирования (все комментарии — за пределами промпта, чтобы я мог просто скопировать и вставить документ как есть). Это должна быть готовая для разработчика спецификация, которую можно использовать, чтобы построить этот интерактивный прототип.

Assume the tool has no prior context except what you include in the prompt.

Считай, что у инструмента нет никакого предыдущего контекста, кроме того, что ты включишь в промпт.

Using your copilot to build AI automations

Использование копилота для создания AI-автоматизаций

AI automations can take repetitive, energy-draining tasks off our plate. Unfortunately, they’re not magic genies, and shine under specific conditions. This makes it hard to get started, because the first challenge is thinking of a use case that is both genuinely valuable and also a good fit for AI automation platforms.

AI-автоматизации могут снять с нас рутинные, выматывающие задачи. К сожалению, они не волшебные джинны и хорошо работают только в определённых условиях. Из-за этого тяжело начать: первая сложность — придумать use case, который одновременно действительно ценный и подходит для платформ AI-автоматизаций.

Did someone mention generating ideas based on personalized context? Sounds like a job for your AI copilot. You can use this prompt in an existing chat thread or start a new one as a throwaway brainstorm. Either way, it’ll base its ideas on your project knowledge:

Кто-то сказал генерировать идеи на основе персонализированного контекста? Звучит как работа для вашего AI-копилота. Этот промпт можно использовать в существующем чат-треде или начать новый — как одноразовый брейншторм. В любом случае копилот будет основываться на вашем project knowledge:

Based on what you know about me and my organization, please brainstorm five ideas for an AI automation I can build using platforms such as Zapier Agents/Lindy AI/Relay app/Cassidy AI/Gumloop/etc. Limit yourself to what makes sense to build in those platforms.

Опираясь на то, что ты знаешь обо мне и моей организации, пожалуйста, набросай пять идей AI-автоматизации, которую я могу построить на платформах вроде Zapier Agents/Lindy AI/Relay app/Cassidy AI/Gumloop/и т. д. Ограничься тем, что имеет смысл строить именно в этих платформах.

These should help me, as a product manager, save time on draining yet essential tasks that take me away from more valuable, strategic, and creative uses of my attention and energy.

Это должно помочь мне, как продакт-менеджеру, экономить время на выматывающих, но необходимых задачах, которые отвлекают меня от более ценного, стратегического и креативного использования внимания и энергии.

Ask yourself: What ongoing repetitive work requires some judgment and writing abilities but not my full expertise and intuition? Put another way, if my company assigned me a junior intern, what would I have them do?

Спроси себя: какая постоянная рутинная работа требует некоторой рассудительности и навыков письма, но не моей полной экспертизы и интуиции? Иначе говоря, если бы моя компания дала мне junior-стажёра, что бы я ему поручил?

Try to phrase each idea in one or two sentences, exactly the way you would in a message asking a junior intern to do something. Additionally, follow up each idea with a brief explanation of why you chose this over other ideas. Pitch me as the product manager in terms of business outcomes and the value of my time.

Постарайся сформулировать каждую идею в одно-два предложения — ровно так, как ты сформулировал бы это в сообщении junior-стажёру с просьбой что-то сделать. Дополнительно за каждой идеей добавь короткое объяснение, почему ты выбрал её, а не другие. Питчи мне как продакт-менеджеру в терминах бизнес-результатов и ценности моего времени.

# IMPORTANT: These should be event-driven AI automations, not batch tasks.

# IMPORTANT: это должны быть event-driven AI-автоматизации, а не batch-задачи.

Only suggest event-driven automations that process items one at a time as they arrive——with currently available information. Do NOT suggest batch tasks that process multiple items on a schedule (e.g. “every morning, scan all...” or “weekly, compile...”).

Предлагай только event-driven автоматизации, которые обрабатывают элементы по одному, как только они появляются, — с уже доступной информацией. НЕ предлагай batch-задачи, которые обрабатывают много элементов по расписанию (например, «каждое утро просканировать все…» или «еженедельно скомпилировать…»).

[Why: AI automations shine in one-at-a-time, repetitive tasks. They do best when designed for immediate responses to individual triggers.]

[Почему: AI-автоматизации лучше всего работают в рутинных задачах «по одному за раз». Они лучше всего показывают себя, когда спроектированы под немедленный ответ на индивидуальные триггеры.]

❌ WRONG (Batch Task): “Every morning, scan all new support tickets and summarize them”

❌ НЕПРАВИЛЬНО (batch-задача): «Каждое утро сканировать все новые support-тикеты и подытоживать их»

✅ RIGHT (Event-Driven): “When a new support ticket arrives, analyze it and alert me if it’s urgent”

✅ ПРАВИЛЬНО (event-driven): «Когда приходит новый support-тикет, проанализировать его и предупредить меня, если он срочный»

Before finalizing your suggestions, verify each one:

Перед тем как финализировать предложения, проверь каждое:

- Does it trigger on a specific event? ✓

- Запускается ли оно на конкретное событие? ✓

- Does it process one item at a time? ✓

- Обрабатывает ли оно один элемент за раз? ✓

- Could it run multiple times per day as events occur? ✓

- Может ли оно запускаться много раз в день по мере появления событий? ✓

If any answer is “no,” revise it to be event-driven.

Если на любой вопрос ответ «нет», пересмотри идею так, чтобы она была event-driven.

The only exception to this is if the end-result value is being delivered on a particular timeline, for example to centralize information and reduce noise (e.g. weekly update, daily brief on upcoming events, or weekly digest of changes). If you believe that a use case falls under this exception, please note your reasoning.

Единственное исключение — если итоговая ценность доставляется на определённой временной шкале, например для централизации информации и снижения шума (например, еженедельное обновление, ежедневная сводка по предстоящим событиям или еженедельный дайджест изменений). Если ты считаешь, что use case попадает под это исключение, пожалуйста, обоснуй своё рассуждение.

# Examples

# Примеры

Below are examples of use cases where product managers have gotten a lot of value from AI agents. Remember, these are just examples to inspire you to think of use cases that make sense for you.

Ниже примеры use case'ов, где продакт-менеджеры извлекли много пользы из AI-агентов. Помни, это лишь примеры, чтобы вдохновить тебя думать о юзкейсах, которые имеют смысл именно для тебя.

1. Compile fragmented information that would require a lot of clicks:

1. Собрать фрагментированную информацию, которая иначе потребовала бы много кликов:

“When a new message is posted in the #feature-requests Slack channel, distill the customer request into 2-5 keywords. Search those keywords in recent Slack threads, HubSpot conversations, and Gong snippets, and reply to the thread with links to what you find.”

«Когда в Slack-канал #feature-requests постится новое сообщение, выдели из клиентского запроса 2–5 ключевых слов. Поищи эти ключевые слова в недавних Slack-тредах, разговорах HubSpot и фрагментах Gong и ответь в треде ссылками на найденное».

“Every morning, scan my calendar for customer calls, and instead of searching the web, DM me with recent interactions from this customer in Salesforce, Gong, and Zendesk.” (Example of an exception where the value is the daily delivery timeline to centralize information.)

«Каждое утро сканируй мой календарь на наличие звонков с клиентами и, вместо того чтобы я искал в вебе, напиши мне DM с недавними взаимодействиями этого клиента в Salesforce, Gong и Zendesk». (Пример исключения, где ценность — именно в ежедневной доставке для централизации информации.)

“Every Monday morning, prepare a competitor activity digest by scanning recent blog posts, App Store updates, and X announcements.” (Example of an exception where the value is the weekly delivery timeline to reduce noise.)

«Каждый понедельник утром готовь дайджест активности конкурентов, сканируя их недавние посты в блогах, обновления в App Store и анонсы в X». (Пример исключения, где ценность — в еженедельной доставке для снижения шума.)

“When a customer churns, post a message in the #churn-lessons channel with recent support interactions, NPS rating and date, and churn survey response.”

«Когда клиент уходит в churn, постни сообщение в канал #churn-lessons с недавними обращениями в саппорт, NPS-оценкой и датой, а также ответом из churn-опроса».

2. Boring, Sisyphean tasks with high upside:

2. Скучные сизифовы задачи с высокой потенциальной отдачей:

“Monitor the pricing pages of 5 competitors for changes.”

«Отслеживай страницы цен 5 конкурентов на предмет изменений».

“When a bug nears its SLA deadline for the associated customer, ping this dedicated Slack channel and cc each respective customer success representative.”

«Когда баг приближается к SLA-дедлайну по соответствующему клиенту, пингани специальный Slack-канал и поставь в копию ответственного customer success representative».

3. Scanning exhausting amounts of data:

3. Сканирование изматывающих объёмов данных:

“DM me when a support case is resolved as a ‘product confusion’ reason rather than a technical issue.”

«Напиши мне в DM, когда саппорт-кейс закрывается по причине “product confusion”, а не как технический ивент».

“Ping this channel when you see a feature request that showed up for the first time.”

«Пингани этот канал, когда увидишь feature request, который появился впервые».

“When an NPS survey text response is posted in the Slack channel, decide if it’s clearly a technical issue and, if so, create a support ticket in Zendesk.”

«Когда в Slack-канал постится текстовый ответ из NPS-опроса, реши, явно ли это техническая проблема, и если да — создай support-тикет в Zendesk».

4. Drafting updates:

4. Подготовка апдейтов:

“Every Friday at 10 a.m., write up a summary of progress made across all teams in our project board, across all epics, changes made to scope, and highlighting any timeline changes.” [Example of an exception where the value is the daily weekly timeline to centralize information]

«Каждую пятницу в 10:00 пиши саммари прогресса по всем командам в нашей доске проектов, по всем эпикам, изменениям в скоупе и выделяй любые сдвиги по таймлайну». [Пример исключения, где ценность — в еженедельной доставке для централизации информации]

Notice the pattern? Good automations start with “When [specific event happens],” not “Every [time period],” unless there’s specific value in triggering on a daily/weekly/etc. cadence.

Видите паттерн? Хорошие автоматизации начинаются с «Когда [происходит конкретное событие]», а не «Каждый [промежуток времени]» — если только триггер по дневной/еженедельной/и т. д. каденции не несёт особую ценность сам по себе.

Scan the resulting use cases and use them as inspiration. Have a conversation! Engage with the results and push back on parts that don’t sit right with you. The goal is finding a use case you’re excited to make happen. With this in hand, turn on deep research mode, and ask your copilot to generate a personalized, step-by-step tutorial on how to construct the automation.

Просмотрите получившиеся юзкейсы и используйте их как вдохновение. Ведите диалог! Реагируйте на результаты и спорьте с теми частями, что вам не подходят. Цель — найти юзкейс, который вам реально захочется воплотить. Когда такой найден, включите режим deep research и попросите копилота сгенерировать персонализированный пошаговый туториал по созданию этой автоматизации.

Gossiping to your AI copilot

«Сплетничайте» со своим AI-копилотом

Shit happens. A stakeholder changes their mind, new data arrives, or things turn out to be way higher-effort than planned. One hallway conversation can upend everything.

Всё бывает. Стейкхолдер меняет своё мнение, приходят новые данные или что-то оказывается куда более трудозатратным, чем планировалось. Один разговор в коридоре может перевернуть всё.

For your AI copilot to help you navigate, you’ll need to loop it in. I call this habit “gossiping” to AI, because I fill in my copilot the same way I’d lean over and vent to a colleague sitting next to me.

Чтобы ваш AI-копилот помогал в этом разбираться, его нужно держать в курсе. Я называю эту привычку «сплетничать» с AI — потому что ввожу копилота в курс дела так же, как наклонился бы и пожаловался коллеге, сидящему рядом.

I love using speech-to-text here as well: “You won’t believe what just happened in my conversation with so-and-so. . .” That’s it. No structured format, no formal update process. Just the exasperated sharing that comes naturally.

Здесь я тоже обожаю использовать речевой ввод: «Ты не поверишь, что только что случилось в моём разговоре с таким-то…» И всё. Никакого структурированного формата, никакого формального процесса апдейта. Просто эмоциональный «слив», который рождается естественно.

Even if I don’t have any action items, my AI copilot remembers and references these updates later. Unlike with most coworkers, you can bluntly add:

Даже если у меня нет никаких action item'ов, мой AI-копилот запоминает эти апдейты и ссылается на них позже. В отличие от большинства коллег, ему можно прямо сказать:

I don’t want solutions right now; I want you to listen. Confirm with just a “yes.”

Сейчас мне не нужны решения; я хочу, чтобы ты выслушал. Просто подтверди словом «да».

Gossip keeps the context fresh and effective.

Сплетни поддерживают контекст свежим и работающим.

Pro tip: I personally use my LLM’s native mobile app for dictation on the go. This makes gossiping feel as lightweight as sending a WhatsApp voice message to a friend or coworker.

Pro tip: лично я использую нативное мобильное приложение моей LLM для диктовки на ходу. Это делает «сплетни» такими же лёгкими, как голосовое в WhatsApp другу или коллеге.

Habits for getting the most out of your AI copilot

Привычки, чтобы выжать из AI-копилота максимум

Getting the most out of our copilot depends on us, not the AI. The difference between an okay AI copilot and an exceptional one isn’t the tech—it’s the habits we build around it.

Получение максимальной пользы от копилота зависит от нас, а не от AI. Разница между нормальным AI-копилотом и исключительным — не в технологии, а в привычках, которые мы вокруг него строим.

Cultivating an “AI mindset”

Воспитание «AI-мышления»

Your AI copilot will undoubtedly be delightful, but it most certainly won’t always be right. That brings me to the most important component of using an AI copilot: our mindset.

Ваш AI-копилот, без сомнения, будет восхитителен, но точно не всегда будет прав. И тут мы подходим к самой важной составляющей использования AI-копилота: к нашему мышлению.

Working successfully with a thinking partner—human or machine—is about taking the good and disregarding the bad. If our car’s driver assist beeps loudly on a wide-open highway, it’s no harm done. We still keep it activated in case it alerts us to something on the road we didn’t see. Or think of your favorite mentor or confidant: we don’t constantly judge if their advice could “replace our thinking.” Rather, we focus on the parts of what they say that are valuable and inspiring.

Успешная работа с партнёром по мышлению — человеком или машиной — состоит в том, чтобы брать хорошее и отбрасывать плохое. Если ассистент водителя пищит на пустом шоссе — ничего страшного. Мы всё равно держим его включённым на случай, если он предупредит о чём-то на дороге, что мы не заметили. Или подумайте о вашем любимом наставнике или доверенном лице: мы же не оцениваем постоянно, может ли их совет «заменить наше мышление». Скорее, мы фокусируемся на тех частях их слов, что ценны и вдохновляют.

Even when they’re wrong, LLMs can be weirdly inspiring and motivating. Often when I disagree with what my AI copilot suggests, it still gets me thinking. As with any outside advice, it spurs me to crystallize what I think I should do instead.

Даже когда они неправы, LLM могут быть странным образом вдохновляющими и мотивирующими. Часто, когда я не согласен с тем, что предлагает мой AI-копилот, это всё равно заставляет меня думать. Как и любой совет извне, это толкает меня кристаллизовать, что я думаю я должен сделать вместо.

It’s up to us to apply taste and judgment based on hard-earned product intuition. To quote David Lieb (YC partner and founder of Google Photos), “Your gut is the world’s most sophisticated machine learning model ever created.” When working with generative AI, apply your craft and taste to identify what’s valuable.

Это на нас — применять вкус и суждение, основанные на упорно заработанной продуктовой интуиции. По словам David Lieb (партнёр YC и фаундер Google Photos): «Ваше чутьё — самая совершенная модель машинного обучения, когда-либо созданная». Работая с генеративным AI, применяйте своё мастерство и вкус, чтобы определить, что действительно ценно.

If you’re frequently getting outputs you’re not happy with, ask yourself, “What context does the AI need to succeed here?” or “Does it have enough guidance to deliver results?” Since we’re using LLMs for their intelligence (rather than for their knowledge), it’s on us to think about what we should provide to set them up for success.

Если вы часто получаете результаты, которыми недовольны, спросите себя: «Какой контекст нужен AI, чтобы здесь преуспеть?» или «Достаточно ли у него указаний, чтобы выдать результат?». Поскольку мы используем LLM ради их интеллекта (а не знаний), на нас лежит ответственность подумать, что нужно дать, чтобы настроить их на успех.

To tweak your inputs, hover your mouse over your last chat message and click the “edit” button (or ✏️ icon) found in all major LLMs. Provide a tiny bit more guidance or background information, and submit again. If you find the same gap happening over and over again, consider adding that information to the project knowledge.

Чтобы донастроить ввод, наведите курсор на своё последнее сообщение в чате и нажмите кнопку «edit» (или иконку ✏️ — она есть во всех крупных LLM). Дайте чуть больше указаний или фоновой информации и отправьте снова. Если вы замечаете один и тот же пробел снова и снова, подумайте о том, чтобы добавить эту информацию в project knowledge.

Growing your copilot’s knowledge over time

Развитие знаний копилота со временем

Our investment in our AI copilot also earns compound interest. Beyond regularly providing context in each initiative thread, we can also make sure our project knowledge continues to grow, instantly benefiting current initiatives as well as those to come.

Наши инвестиции в AI-копилота тоже приносят сложный процент. Помимо регулярного предоставления контекста в каждом треде инициативы, мы также можем следить за тем, чтобы наш project knowledge продолжал расти, мгновенно принося пользу как текущим, так и будущим инициативам.

The end of an initiative is a great opportunity to update the project knowledge. Start by sharing the outcome, good or bad. Include any retrospectives your team ran. Turn on speech-to-text and add your personal reflections. Finally, ask it to output a “new lessons learned” document.

Конец инициативы — отличная возможность обновить project knowledge. Начните с того, что поделитесь результатом — хорошим или плохим. Приложите все ретроспективы, которые проводила ваша команда. Включите речевой ввод и добавьте свои личные размышления. В конце попросите копилота сгенерировать документ «новые извлечённые уроки» (lessons learned).

You can guess what’s coming next: download the document, and upload it to the project knowledge. When we add real-world lessons to our project knowledge, we accelerate the opportunities for our copilot to “connect the dots” and surprise us with delightfully wise counsel.

Догадываетесь, что дальше: скачайте документ и загрузите в project knowledge. Когда мы добавляем уроки из реального опыта в project knowledge, мы ускоряем для копилота возможности «соединять точки» и приятно удивлять нас мудрыми советами.

You can think of this as memory, but a transparent, curated memory that’s completely under your control for a professional context.

Думайте об этом как о памяти — но прозрачной, курируемой памяти, полностью под вашим контролем, для профессионального контекста.

Note: What if you hit chat size limits?

Заметка: что делать, если упёрлись в лимит размера чата?

Different LLMs have different context window limits. If you run into a limit, you can use a prompt to have the LLM summarize the conversation so you can start a new thread with the key context carried over.

У разных LLM разные лимиты context window. Если вы упёрлись в лимит, можно использовать промпт, который заставит LLM подытожить разговор, чтобы вы могли начать новый тред с перенесённым ключевым контекстом.

To use this prompt, hover your mouse over your last chat message and click the “edit” button (or ✏️ icon). Replace with the following prompt, and hit enter.

Чтобы использовать этот промпт, наведите курсор на ваше последнее сообщение в чате и нажмите кнопку «edit» (или иконку ✏️). Замените его следующим промптом и нажмите Enter.

Finally, start a new thread using the output.

Наконец, начните новый тред, используя полученный результат.

This conversation has reached its context limit. Create a document that can serve as the initial context for a fresh blank LLM thread. Your goal is to preserve approximately 90% of the conversation’s value and context while reducing its length by ~90%.

Этот разговор достиг своего лимита контекста. Создай документ, который сможет послужить начальным контекстом для свежего пустого треда LLM. Твоя цель — сохранить примерно 90% ценности и контекста разговора, при этом сократив длину примерно на 90%.

Act as an expert handing off to another expert who will help me, and set them up for maximum success, as close as possible to having been there all along. Tell the new expert what instructions or behaviors to exhibit that I’ve implicitly or explicitly requested of you. Tell a chronological story.

Действуй как эксперт, передающий дела другому эксперту, который будет мне помогать, и подготовь его к максимальному успеху — как если бы он всё это время был рядом. Расскажи новому эксперту, какие инструкции и поведение проявлять — те, что я неявно или явно у тебя запросил. Изложи это как хронологическую историю.

Use your best judgment when it would be particularly valuable to use the original exact words of either the user or AI.

Используй своё лучшее суждение, когда особенно ценно сохранить оригинальные точные слова пользователя или AI.

Skip any context that is already found in the project knowledge or in your system instructions, since this will be available automatically to the new thread.

Пропусти любой контекст, который уже есть в project knowledge или в твоих system instructions, — так как он автоматически будет доступен в новом треде.

Create a second, separate document with what you chose not to include, and why.

Создай второй, отдельный документ с тем, что ты решил не включать, и причинами почему.

Where might copilots evolve next?

Куда копилоты могут эволюционировать дальше?

It feels like we’re only at the beginning. Every day I use my AI copilot, I bump into moments where I think, “I wish it could just. . .” From what I hear from my workshop participants, I’m not alone.

Чувствую, что мы только в начале. Каждый день, используя своего AI-копилота, я натыкаюсь на моменты, где думаю: «Эх, если бы он мог просто…». Из того, что я слышу от участников моих воркшопов, я в этом не одинок.

Today’s friction points reveal where the real opportunities lie for both founders and incumbents alike, and many startups today are gunning for these opportunities from different angles. Here’s my wish list for what comes next:

Сегодняшние точки трения раскрывают, где лежат реальные возможности — и для фаундеров, и для крупных игроков, и многие сегодняшние стартапы метят в эти возможности с разных сторон. Вот мой список желаний на ближайшее будущее:

Make it easier to update project knowledge

Упростить обновление project knowledge

Today, I’m the human API between my copilot and everything else. I manually recount what happened in conversations, export strategy decks as PDFs, and update my project knowledge when I remember to. It works, with a lot of work.

Сегодня я — человеческое API между моим копилотом и всем остальным. Я вручную пересказываю, что произошло в разговорах, экспортирую стратегические декки в PDF и обновляю project knowledge, когда вспомню. Работает — но ценой большого количества работы.

Imagine if your copilot could pull directly from new department templates, project management, or team messaging, dynamically updating as your world changes. I wish it could have all this information without getting confused, overwhelmed, or over-indexing to irrelevant details. I want information to flow the other way as well: what if thinking, planning, and scrapbooking could happen in the same place?

Представьте, если бы копилот мог напрямую подтягивать данные из новых департаментных шаблонов, систем управления проектами или командных мессенджеров, динамически обновляясь по мере изменения вашего мира. Я хочу, чтобы у него была вся эта информация — но без того, чтобы он путался, перегружался или излишне фиксировался на нерелевантных деталях. Я хочу, чтобы информация текла и в другую сторону: что если бы мышление, планирование и скрапбукинг могли происходить в одном и том же месте?

But what really excites me is transparent, editable knowledge that feels like a living document. Imagine today’s consumer “memory” features, but with professional-grade control.

Но что меня по-настоящему вдохновляет — это прозрачные, редактируемые знания, которые ощущаются как живой документ. Представьте сегодняшние потребительские функции «памяти», но с контролем профессионального уровня.

I’m inspired by how Cursor works for coding: imagine selective context, where you choose which documents and initiatives your copilot considers for each conversation. Sometimes you want one feature initiative to take another into account; sometimes you don’t.

Меня вдохновляет, как Cursor работает с кодом: представьте выборочный контекст, где вы выбираете, какие документы и инициативы копилот учитывает для каждого разговора. Иногда вы хотите, чтобы одна продуктовая инициатива учитывала другую; иногда — нет.

I want to benefit from being on a team

Я хочу извлекать выгоду из того, что я в команде

What if every teammate joining you had a copilot waiting for them that was 80% ready to rock? Instead of starting from scratch, picture shared knowledge layers curated by leadership. You’d still have your personal context, but now it sits on top of your team’s collective intelligence.

А что если у каждого нового члена команды копилот уже был бы на 80% готов к работе? Вместо старта с нуля представьте общие слои знаний, курируемые руководством. У вас по-прежнему будет личный контекст, но теперь он стоит поверх коллективного интеллекта вашей команды.

New PMs would start with company-specific templates, relevant frameworks, and real lessons learned. Over time, our copilots become smarter not just from individual experiences but from your entire team’s wins and failures.

Новые PM начинали бы с шаблонов под конкретную компанию, релевантных фреймворков и реальных извлечённых уроков. Со временем наши копилоты становятся умнее не только благодаря личному опыту, но и благодаря победам и провалам всей команды.

Push me

Подталкивай меня

Even with the best-constructed copilot, there’s that moment of writer’s block. What should I update it on? What question do I even ask? Building the habit is harder than building the tool.

Даже с лучшим образом собранным копилотом случается момент «писательского ступора». О чём его обновить? Какой вопрос задать? Сформировать привычку сложнее, чем построить инструмент.

I would love for AI to push me like a sharp chief of staff that doesn’t wait to be asked. Imagine checking in based on your calendar: “Hey, you have that stakeholder review tomorrow. Want to role-play scenarios?” Or pushing me to focus: “This would be a really good time to schedule user research and get input from the sales team.”

Я бы очень хотел, чтобы AI подталкивал меня — как смышлёный chief of staff, который не ждёт, когда его спросят. Представьте такую проверку по календарю: «Эй, у тебя завтра ревью со стейкхолдером. Хочешь прорепетировать сценарии?». Или подталкивание к фокусу: «Сейчас было бы очень хорошее время запланировать user research и собрать вход от sales-команды».

The opportunity isn’t in making copilots smarter, but rather in making them more connected, more collaborative, and more proactive. The future of AI at work may be more about asking better questions of us than offering better answers.

Возможность не в том, чтобы делать копилотов умнее, а в том, чтобы делать их более связанными, более совместными и более проактивными. Будущее AI на работе, возможно, больше о том, чтобы задавать нам лучшие вопросы, чем давать лучшие ответы.

Context changes everything

Контекст меняет всё

Using AI at work shouldn’t mean sifting through generic responses or conjuring perfect prompts. The most fruitful way to think about using LLMs is like collaborating with an inspirational colleague who knows your company strategy, remembers that conversation with your manager from last Tuesday, and can challenge your assumptions when everyone else has gone home.

Использование AI на работе не должно сводиться к просеиванию шаблонных ответов или подбору идеальных промптов. Самый плодотворный способ думать об использовании LLM — это как о сотрудничестве с вдохновляющим коллегой, который знает стратегию вашей компании, помнит ваш разговор с менеджером в прошлый вторник и может оспорить ваши предположения, когда все остальные уже разошлись по домам.

When we give AI the context it needs—and treat it like a partner sitting next to us rather than a magic oracle—we don’t lose our edge; we sharpen it.

Когда мы даём AI необходимый контекст — и относимся к нему как к партнёру, сидящему рядом, а не как к волшебному оракулу, — мы не теряем свою остроту; мы её затачиваем.

Thank you to Alex Furmansky for being an amazing (human) thinking partner for these ideas. And thank you to Colin Matthews for lending his deep expertise on AI prototyping.

Спасибо Alex Furmansky за то, что был потрясающим (человеческим) партнёром по мышлению в этих идеях. И спасибо Colin Matthews за то, что поделился своей глубокой экспертизой в области AI-прототипирования.

Appendix: What if my LLM doesn’t have “projects”?

Приложение: что если в моей LLM нет «projects»?

While projects are supported by the major LLM providers on all paid plans, many tech workers (especially in Big Tech) don’t have access to projects as part of the internal tools they’re required to use to access LLMs.

Хотя projects поддерживаются крупными провайдерами LLM на всех платных тарифах, многие сотрудники tech-индустрии (особенно в Big Tech) не имеют доступа к projects в составе тех внутренних инструментов, через которые им разрешено пользоваться LLM.

If this is you, don’t worry. Projects are not a fundamental LLM capability; they are a UX convenience.

Если это вы — не переживайте. Projects — это не фундаментальная возможность LLM, это UX-удобство.

The simplest solution is to do things manually. Assemble your instructions and project knowledge in one long text file. Each time you start a new chat thread, start by pasting in the entire file. This is a decent approximation of how projects work behind the scenes (and way better than working without context). It’s not elegant, but hopefully you won’t have to do this very frequently (more on chat threads later).

Самое простое решение — делать всё вручную. Соберите свои instructions и project knowledge в один длинный текстовый файл. Каждый раз, начиная новый чат-тред, начинайте с того, что вставляете весь этот файл. Это неплохая имитация того, как projects работают «под капотом» (и куда лучше, чем работать без контекста). Не очень изящно — но, надеюсь, делать это вам придётся не слишком часто (подробнее о чат-тредах ниже).

For those who want a more adventurous solution: A few Big Tech employees have realized that while they can’t access projects, they do have access to AI-powered software development environments, like Cursor. They’ve realized that those contain all the same ingredients as the projects feature (knowledge, instructions, and chat threads), and they’ve repurposed these tools as thinking partners (using them with plain English instead of code).

Для тех, кто хочет более авантюрного решения: некоторые сотрудники Big Tech поняли, что хоть они и не могут получить доступ к projects, у них есть доступ к средам разработки на базе AI вроде Cursor. Они заметили, что в них есть все те же ингредиенты, что и в Projects (знания, инструкции и чат-треды), и переоборудовали эти инструменты под роль партнёра по мышлению (используя их с обычным английским вместо кода).

(If the geeky approach sounds appealing, I’m hosting a free lightning lesson featuring live hands-on demos of how people are doing this.)

(Если такой гиковский подход вам близок, я провожу бесплатный lightning-урок с живыми демо того, как люди это делают.)

Thanks, Tal!

Спасибо, Tal!

Have a fulfilling and productive week 🙏

Желаю вам полноценной и продуктивной недели 🙏

If you’re finding this newsletter valuable, share it with a friend, and consider subscribing if you haven’t already. There are group discounts, gift options, and referral bonuses available.

Если эта рассылка вам полезна, поделитесь ею с другом и подумайте о подписке, если ещё не подписаны. Доступны групповые скидки, варианты подарка и бонусы за рефералов.

Sincerely,

Искренне ваш,

Lenny 👋

Lenny 👋