В последнее время я много читаю о надежности корпоративных платформ, и наткнулся на интересную точку зрения, которая действительно бросает вызов тому, как большинство организаций думают о лидерстве в продукте.

Кратко: надежность больше не сводится к времени безотказной работы или своевременной доставке функций. Это о том, как системы действительно ведут себя, когда всё идет не так. Как они восстанавливаются. Как адаптируются, когда сигналы неполные. Вот настоящий показатель доверия.

Автор этой идеи — человек, который более 20 лет строит масштабируемые платформы в Fidelity, Deloitte, LTI Mindtree и doTERRA. Что привлекло мое внимание, — его переход от восприятия корпоративных систем как проектов с конечными сроками к видению их как живых продуктов, которые постоянно эволюционируют.

Вот где становится интересно для лидерства в продукте: он заметил еще на ранних этапах, что большинство корпоративных неудач связаны не с инженерными возможностями. Они связаны с мышлением. Команды оптимизировали под контрольные точки и даты релизов, а не задавались вопросом, как системы реально будут работать в реальных условиях. Когда он переосмыслил это — сосредоточившись на поведении после внедрения, восстановлении инцидентов и плавном снижении качества — результаты стали заметными. Время восстановления после инцидентов сократилось на 30%. Автоматизация с помощью ИИ снизила время решения проблем клиентов с 15 минут до менее 3 минут. Сотрудники стали самым надежным сигналом обратной связи.

Но что действительно выделяется — с внедрением ИИ в платформы возник новый класс проблем. Трение при входе, прерванные сессии, частичные идентификаторы — эти проблемы не вызывают сбоев систем, но тихо подрывают доверие. Большинство команд воспринимают их как шум. Он же рассматривал их как поведенческие сигналы, из которых можно учиться.

Его подход — проектировать системы так, чтобы они были надежными при искажениях. Системы, которые остаются согласованными даже при неполных сигналах или разрозненных путях пользователя. Вместо того чтобы игнорировать сигналы о сбоях, он создавал архитектуры, которые воспринимают повторные попытки и тайм-ауты как ценные входные данные. Например, — AI-управляемая система правил для регулируемой платформы, которая динамически адаптирует аутентификацию в зависимости от контекста, а не жестко следовать правилам. В ситуации высокого риска, когда родственники нуждаются в срочном доступе к важным документам, этот подход снизил количество ошибок входа примерно на 15%, не нарушая безопасность. За это он получил награду CLARO.

Еще один аспект лидерства в продукте, который я нашел убедительным: реконструкция клиентского пути. Большинство предприятий по-прежнему рассматривают это как задачу сопоставления данных. Он переосмыслил это как задачу восстановления. Вместо требования к идеальным сигналам его системы ориентируются на вероятностную согласованность — связывают разрозненные идентификаторы через поведенческие паттерны и контекст. В doTERRA это объединило телефон, чат, email и веб в единый омниканальный обзор. Результат: снижение среднего времени обработки на 30%, возможность видеть ситуацию в реальном времени для более чем 2000 агентов.

Общая философия, лежащая в основе всего этого, тоже интересна. По мере автоматизации платформ он сознательно избегает непрозрачности. Его взгляд: некоторый трение — это на самом деле защита. Если система не может объяснить себя в стрессовой ситуации, ей не стоит действовать самостоятельно. Автоматические решения проходят через пороги доверия. Люди остаются важной частью процесса.

Что я извлекаю из этого: будущее лидерства в продукте — это не о том, чтобы двигаться быстрее. Это о создании платформ, которые заслуживают доверия, адаптивны и действительно ориентированы на человека, который ими пользуется. Системы, которые учатся, восстанавливаются плавно и остаются понятными даже при сбоях. Именно такое мышление отличает платформы, которые просто работают, от тех, что действительно заслуживают доверия со временем.