Claude Code для продактов: практический гайд

Современные инструменты LLM прошли три этапа эволюции:

1. Умные чаты: сначала ChatGPT от OpenAI, затем Google Gemini, потом Claude от Anthropic и другие. Вы могли (и все еще можете) задать любой вопрос и получить (обычно, правильный) ответ. Проблема в том, что этим чатам не хватало контекста вашей работы, и они не могли ничего сделать, кроме как отвечать текстом на текст. Например, "Дай 3 новых идеи для продукта подкастов Spotify" за которым следовал (часто водянистый) ответ LLM-ки.
2. Агенты для программирования: код — это просто текст, по которому существует огромное количество обучающих данных (например, все общедоступные репозитории кода), поэтому LLM оказались исключительно полезными для задач программирования. Особенно для поверхностного прототипирования (только фронтенд), что покрывает 90% потребностей нас, продактов. Именно здесь стали известны кодинг-агенты Lovable, Replit, Bolt, v0 и т.д. Их ограничение в том, что они строят код с нуля и в изоляции от существующего кода компании. В этом, кстати, и их преимущество: если вы хотите запустить пет-проект на внешнюю аудиторию, то с Replit это можно сделать за вечер (научиться можно здесь).
3. Встроенные агенты: они работают с реальными данными и системами компании и могут их читать и как-то использовать. Здесь правят Claude (через MCP и коннекторы), ChatGPT (с коннекторами/приложениями) и Glean.

Я хочу, чтобы вы остановились и глубоко прочувствовали силу этого утверждения:

• Агент может автономно решать, что ему нужно.
• Затем он может получить доступ к сотням систем и источников данных по всей вашей компании, либо просто для чтения данных (например, кода, спринтов Jira или таблиц данных),
• либо даже для их создания (например, написания нового кода, создания нового тикета в Jira и т. д.).
• Это может происходить в последовательности, которую определяет агент: он может начать с поиска в интернете, затем сделать поиск кода, затем проверку существующих документов, затем снова поиск кода, затем запрос к базе данных и т. д., - все автономно с целью решения поставленной вами задачи.

Да, магия, сравнимая с Гарри Поттером.

Я приведу несколько конкретных примеров того, может Клод. Поняв их, вы придумаете остальные 100 вариантов использования его для ваших собственных задач.

Пример 1: Проверить, существует ли конкретная фича в коде
Вместо того чтобы спрашивать разработчиков, вы можете просто… спросить Клода. Ниже приведен пример вопроса по реальному коду приложения для трекинга электричества, к которому имеет доступ Claude Code. Я просто спрашиваю его на простом английском языке (а можно и на русском, сработает также); он выполняет поиск в коде и выдает мне ответ: такой фичи нет. 30 секунд!

Аналогичным образом, вы можете проверить, действительно ли то, что отмечено как «Done» в Jira, реализовано в коде.
Или создать апдейт для руководства, не беспокоя никого: просто попросите Клода проверить, что действительно реализовано, и на основе это создать короткий отчет.

Пример 2: Вайбкодинг поверх существующей кодовой базы
В наши дни, если у вас есть идея, вы можете сразу же воплотить ее в жизнь, навайбкодив прототип. Например, в том же приложении для трекинга элекричества вы можете захотеть добавить не только потребление энергии, но и ее выработку (например, от солнечных батарей). Через 10 минут у вас будет что-то подобное (синяя линия — потребление, зеленая — выработка).

Конечно, вам все еще нужно будет это по-настоящему закодить (это сделают программисты), но это уже позволит вам быстро оценить полезность фичи "на глаз", а следом и провести небольшой кастдев. Ну и сделать ваш PRD более конкретным, добавив к словам картинку.

Пример 3: Состояние Jira спринта

Поскольку Клод можно подключить к вашей Jira, то ему можно задавать вопросы о бэклоге и спринтах. И если вы разрешите, Клод даже сможет даже насоздавать тикеты! Ниже я прошу Клода дать сводку спринта и объяснить, почему один тикет заблокирован. И снова, за 20 секунд я получаю четкий призыв к действию — разработчик ждет моего решения, надо срочно ему писать!

Возможности безграничны: я могу задать любые вопросы о своем бэклоге. Например, есть ли среди сотни тикетов дубликаты? Надо чистить.
Есть ли что-то, что мы уже реализовали в коде, но все еще упоминается в бэклоге? Если да, то опять же - надо чистить!

• Доставайте данные из базы данных: например, вы можете попросить Клод сделать статистику ежемесячных продаж, и он сгенерирует правильный SQL-запрос, сам его запустит и вернется с ответом. Я также использую его для поиска конкретных примеров в таблицах с free-текстом, например, по отзывам клиентов. Например, "найди, где клиент упоминает ХХХ".
• Работайте с сообщениями Slack/Телеграм/и тд. Например, я использовал Клод, чтобы находить чаты, где я что-то обещал, но так и не выполнил обещание и не ответил собеседнику. Он читает сотни моих переписок и выводит те, где нужно связаться. Удобно!
• Все вышеперечисленные примеры можно объединить в «навык» (skill): при анализе спринта Клод может (а) проверить Jira, (б) проверить кодовую базу и (в) прочитать Slack, чтобы дать вам взвешенный ответ, основанный на 3 источниках. Затем можно оформить это как шорткат (например, «/standup») и запускать его в качестве подготовки перед ежедневными стэндапами

Клод пока не отнимет вашу должность. Но он автоматизирует достаточно рутинной работы, чтобы вы могли сосредоточиться на действительно важных вещах — решениях, стратегии и жалобах на качество кофе в автомате.

Волшебство становится возможным благодаря двум ключевым концепциям: MCP и тулам (tools). Возьмем конкретный пример: Jira.

Claude подключён к Jira напрямую через MCP (Model Context Protocol). Если по-простому, главная идея MCP такая: любой AI-агент на планете знает, что любому сервису, который поддерживает MCP (Jira, Google Maps, Stripe, Notion и т.д.), можно задать два вопроса: «какие инструменты (tools) ты умеешь — с описанием каждого» и «вызови инструмент X». Для разработчиков сервиса «обернуть» свои API в MCP — задача несложная (буквально несколько десятков строк кода), но ценность именно в едином стандарте: они один раз описывают свой MCP — и сразу все агенты планеты могут узнать, что этот сервис умеет, и, если подходит, начать его вызывать (нередко — за комиссию).

В случае Jira, ее разработчики определили набор tools, например, "создать задачу", "найти тикет", "обновить статус". Агент (Claude) подключается к этому MCP-серверу и видит этот список с пояснением, что именно делает каждый инструмент. Магия: дальше агент сам решает, какой tool вызвать и когда.

Большинство примеров по Claude для продактов довольно бесполезны, потому что вам показывают игрушечные примеры, которые никогда не увидите на работе («Сгенерируй мне идею продукта», «Напиши PRD по идее Х»). Без интеграции с реальными инструментами результат получается ванильным и непригодным для использования. Плавать "в теории" не научишься, плавать надо в воде.

Вот если бы продакты могли изучать Claude на полноценном смоделированном стартапе: реальный продукт с код базой код, реальная Jira, база данных, помойка из документов, заполненная PRD и стратегиями (как в жизни)? Чтобы можно было практиковаться в среде, которая действительно похожа на вашу работу. Погодите-ка, именно это мы в ProductDo и запилили.

Студенты, отучившиеся на симуляторе, назвали его «понятным», «мотивирующим», «без воды» и «одним из немногих курсов, которые можно сразу применить на практике».

Почитать реальные отзывы, программу и начать учиться можно здесь.

Авторы:
Владимир Калмыков, Group PM Booking.com
Андрей Менде, Sr. PM AI Booking.com