Вайб-аналитика прижилась. Знакомьтесь, Клавдия В прошлом году я ввёл термин «вайб-аналитика» и написал, что AI-агент вполне может заменить дата аналитика. В феврале показал, как за пару минут собрать дашборд. Вчера, Андрей И. (развивает мобильное приложение), один из участников 3го потока AI Product Engineer, прислал такой кейс: В ходе прохождения курса я сделал через Claude desktop скилл работы с аналитикой и был безумно счастлив. За прошедшие два месяца пошел дальше и сделал в slack бота Claudia, которая отправляет headless запрос в Claude code на vps, которую мы подняли вместе с Claude code. У Клавдии есть доступы в Clickhouse, PostgreSQL, Redash, Growthbook, Notion, Trello, Google таблицы, Zoom... и теперь это наш супер мега сотрудник живущий в слаке который очень много чего полезного нам делает. Прикольно то что первую рабочую версию я сделал в аэропорту за два часа в ожидании самолета. Что Клавдия умеет: - Аналитические запросы: retention, воронки, когорты - Анализ A/B-экспериментов - Ежедневный дайджест в 6 утра: баги, отзывы из App Store/Google Play, фичер-реквесты - Еженедельные отчёты по экспериментам и контенту - Индустриальный дайджест: парсит 9 отраслевых блогов (revenuecat, adapty, lenny's и др) - Транскрипция голосовых - Читать и соотносить код из GitHub Под капотом: Claude Code CLI в headless-режиме + 7 MCP-серверов для доступа к данным и инструментам. $100/мес по подписке, не по API. Статистика за 3 недели: - 428 запросов, 14 уникальных пользователей - Рекорд: 89 запросов в один понедельник - Команда научилась писать «быстро» для скорости и «opus» для глубокого анализа Из забавного: команда пыталась выудить у Клавдии токены (бот отказал 3 раза за 1.5 часа), задавала философский вопрос «прилично ли спрашивать у дамы размер окна контекста?», а единственный голосовой запрос за всё время: «напиши в канал General, чтобы все срочно улыбались». Но ключевое в словах Андрея: Самое главное (чего не было в прошлых попытках внедрения ИИ) это ретеншн. Сотрудники к ней ежедневно обращаются, значит видят ценность. 14 человек, каждый день, 3 недели. Причём не только продакты или аналитики: на скриншоте, например, UX-ресерчер готовится к интервью с пользователем и просит Клавдию показать паттерны использования. Это не «вау, прикольно» после демо, а product-market fit для AI-инструмента внутри команды. И это главный вопрос любого AI-внедрения: будут ли люди возвращаться? Три урока из их опыта: 1) Система знаний > память модели. Markdown-файлы с паттернами и правилами работают надёжнее, чем надежда, что модель «помнит» схему БД 2) Возможность запускать код заблокирована. Prompt injection через Slack реальная угроза 3) Сессии по тредам = естественный UX. Один тред = один контекст. Ничего не нужно изобретать Собственно, главное захотеть и сделать. Дерзайте