Как продакту работать с RnD и добывать Technology Value

Резерв

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Доклад о работе с R&D. Возможно, мало кто из зрителей работает с R&D-отделами. Зато внутри команд мы регулярно ставим задачи на ресерч. А потом не понимаем, как их оценивать, как презентовать промежуточные результаты и когда считать завершенными. Анатолий подробно расскажет как раз об этом.

Целевая аудитория

Тимлиды и руководители разработки продуктовых команд, Project and Product Managers, CTO, тимлиды и эксперты RnD-команд.

Тезисы

Культура разработки и исследований многих RnD-команд имеет особую форму организации и может выглядеть экстремальной на фоне процессов и практик традиционной продуктовой разработки. Процессы и практики технологических RnD-команд могут легко внести существенную неопределенность в управление продуктом или значительной его частью. Отдельные сложные главы данной истории — это планирование, формулирование и оценивание KPIs и процессы исполнения задач.

Интеграция RnD-команды в структуру продуктовой разработки и настройка управляемого и прогнозируемого процесса поставки технологий в продукт может представлять собой весьма нетривиальную задачу, которая порой должна решаться «под ключ» с учетом специфики существующих процессов подразделений. Попытка жесткого приведения процессов RnD-команды к традиционным продуктовым процессам может вылиться в ряд упущенных возможностей для продукта и компании вследствие потери capability и мотивации RnD-команды.

В докладе на основе более чем 10-летнего опыта работы в RnD-командах известных компаний будет рассказано, как руководителям разработки продукта и Product manager’ам выстроить процессы взаимодействия с RnD-командой и за счет их кастомизации наладить стабильное и достаточно прогнозируемое получение технологической ценности (Technology Value) продуктам и компании.

Руководитель ML Research-команды в MTS AI. ex-Huawei, ex-Kaspersky. Более 10 лет опыта в RnD, более 7 лет опыта лидерства технологических RnD-команд. Занимается качеством генерации LLM под кастомные диалоговые сценарии и исследованиями применения LLM в голосовых технологиях. До этого много лет занимался Computer Vision и анализом веб-данных, программировал на C++, был графическим программистом в Навигаторе, работал в backend-разработке. Ментор и консультант для экспертов и руководителей разработки и ML.
Выпускник факультета ПМиК ТвГУ по Сomputer Science и машинному обучению.

Видео