Data Agent
От идеи к продукту за 2 месяца
R&D-проект без ТЗ и PM: вдвоем с разработчиком вывели продукт на международный рынок. Определила ЦА, требования и спроектировала билдер RAG-ассистента.
Gen-AI
R&D
Новый продукт
Роль:
Senior Product Designer с функциями PM
Команда:
1 программист
Срок:
2 месяца от идеи до запуска
Визуал:
Дизайн-система Just AI
Контекст и проблема
Продукт
Data Agent на технологии RAG — это билдер AI-помощников, обученных на пользовательских данных: веб-ссылках, документах, интеграциях с Google Drive, Dropbox, SharePoint и ведущих CRM-системах. В ответ на запрос пользователя Ассистент проводит глубокий контекстный поиск по всей информации, анализирует ее и дает точные ответы.
Проблема бизнеса
Just AI решила исследовать рынок RAG-ассистентов: проверить жизнеспособность RAG-технологии в реальном продукте — быстро и с минимальными ресурсами. Задача на входе: «Сделай билдер ботов на основе технологии RAG». Без ЦА, конкурентного анализа и продуктового менеджера.
Что это значило на практике (и Что я делала)
  • Нет ТЗ → нужно самостоятельно определить, для кого и зачем.
  • Нет PM → все продуктовые решения принимаю я.
  • Жёсткий дедлайн: 2 месяца до выхода на рынок.
Исследование
Главный вопрос: Для кого продукт?
Прежде чем проектировать интерфейс, я провела анализ рынка и сегментировала потенциальных пользователей.
HR-менеджеры (B2B)
Нужен ИИ-помощник, который отвечает сотрудникам по внутренним регламентам и снимает нагрузку с HR. Критично: интеграция в корпоративные порталы (Slack, виджеты на сайте).
Аналитики и исследователи (Pro)
Нужна умная интерактивная библиотека для работы с большими объёмами документов. Интеграции не нужны — работают прямо внутри платформы.
Ключевые решения
Быстрый путь к ценности
Нажми «Создать» → загрузи документы → бот готов к диалогу. Протестировать можно сразу, без регистрации карты и без обучающего туром на 15 шагов. Time-to-value — меньше минуты.
Split-view для экрана билдера
В RAG-продуктах ценность не в хранении документов, а в качестве ответов нейросети. Поэтому я отдала большую часть экрана под окно тестирования, а настройки (загрузка файлов, выбор модели, промпт) убрала в боковую панель.
Бэкенд не мог хранить исходные файлы — только парсил контент. Это ограничивало варианты действий с загруженными данными.
Один чат, два бота
В окне чата одновременно живут два ассистента: RAG-бот, которого настраивает пользователь, и системный ассистент платформы, помогающий разобраться с интерфейсом.

Риск: пользователь запутается и/или начнет беспокоиться, что системный бот попадет в финальную версию ассистента для клиентов. Я заложила жёсткие сценарные правила поведения, которые доработали дизайнеры диалогов, и проверила гипотезу на коридорных тестах. Результат: пользователи воспринимают системные подсказки как естественный «голос интерфейса» и не опасаются, что этот голос случайно прозвучит в чате с реальным клиентом.
Лёгкий чат-виджет
Стандартный виджет Just AI — мощный, но тяжёлый: он проектировался под любые сценарии взаимодействия с ботами. Для роли быстрого ассистента это избыточно — пользователю нужен мгновенный ответ, а не интерфейс с возможностями.
Мне удалось отстоять разработку нового виджета — минималистичного помощника: всегда рядом, не мешает и ничего не требует. Коридорные тесты и интервью после запуска подтвердили: пользователи воспринимают виджет как быструю помощь, а общение — как лёгкую задачу.
MVP на международном рынке — 2 месяца, 2 человека
Проект признан успешным. Технология RAG подтвердила жизнеспособность в реальном продукте. Data Agent переведён из стадии R&D в полноценную разработку и вышел на международный рынок под брендом Tovie AI.
Made on
Tilda