95% of PMs can't really code. Claude and Codex didn't change that. What they changed is that those PMs can now create code instead of writing it. The 5% who were already decent engineers make "just build it" look easy, so everyone else tries to follow and ships output they can't fully reason about. The bottleneck was never typing the code. It was knowing what to build. Making code cheap to produce doesn't help you if you're pointed at the wrong thing. You just get there faster. Roadmaps have the same problem. Now that Claude generates one in seconds, people ask whether dedicated roadmap tools still earn their place. They're asking about the cheap part. A roadmap is a visual summary of decisions you already made, arranged on a timeline. Claude produces a clean one. A roadmap tool produces a clean one. The artifact was never where the value sat. Most of the value sits in the process around it: sync, ownership, accountability, links to work items, statuses, dependencies, the record of what changed and why. That's what you're paying a roadmap tool for, and generating a document doesn't replace it. The rest sits in a layer almost no tool handles. A good roadmap shows why you decided to build something, not just what. What customers say on calls. What keeps coming back in support. What stalls deals in the pipeline. What's already half-built in your dev tracker. This is where the AI conversation lost the plot. The energy goes into token maxxing: faster generation, more output, cheaper tokens, more documents an hour. But a roadmap built faster isn't a better roadmap. Impact maxxing is the thing that matters. Did what you built move the metric you cared about. That comes from the context feeding the decision, not the speed of the artifact. And it forces a question: how do you know you put effort where it actually matters? Right now the answer is a PM squinting at the output and deciding it looks about right. Same trap as the code they can create but can't reason about. So the answer for the 95% isn't more code or more roadmaps. Go back to the signals. The feedback. What customers and support and the pipeline keep telling you. Make sense of it well enough to act on. That's the layer we built at Bagel. We pull scattered signals into structured decision context, so when an AI tool generates the roadmap or the brief or the ticket, it works from what's real instead of what happened to be in the prompt. Speed was never the problem. Producing the wrong thing quickly was. The win is reaching the right thing, the right way, at the right time, faster. @ohadbiron

"Can't we just build an agent to connect all our systems?" Sure. Just connect Slack, Zendesk, Gong, Jira, and the rest. Keep the integrations from breaking when their APIs change. Dedupe the feedback. Cut it by ARR, by ICP, by how often it gets asked. Tune the prompts. Catch the hallucinated themes before they hit the roadmap. Re-eval every time the underlying model updates and quietly drifts. Close the loop back to the field so nobody's input dies in a void. And don't forget to hand it all to Claude so it actually builds the right thing, or stand up an MCP server for that too. Then maintain the whole thing forever, around the roadmap your analytics team already has. Or you can just Bagel it: lnkd.in/deyudixq

Somewhere right now, an engineer is building something nobody asked for. Fast. That's the thing about AI. It'll build anything you point it at. Point it at the wrong thing and you get a beautifully engineered mistake. Bagel figures out what's actually worth building, so the thing that ships is the thing customers were asking for all along. Fewer rebuilds. Calmer retros. An occasional early weekend.

Everyone's saying MCP. Loudly. (Some of them know what it means.) Your AI agents each know exactly one thing: Cursor knows your codebase. Claude Code knows your docs. Glean knows your wiki. Not one of them knows a single customer, which is awkward, because customers are the reason any of it exists. MCP fixes the introductions. We wrote up what changes for product teams once your agents stop guessing, and yes, where Bagel fits: bagel.ai/blog/how-mcp-is-cha…

Yes sir, we can boogie, but we need a certain signal.

כששולחן מבקש לדבר איתי אני ישר נדרך, בעיקר ביום כמו היום, כשאנחנו בחוסר צוות מטורף, עם עבודה שהתחילה מוקדם מוקדם בלי רגע שניה לנשום. כשכולם רצים ומנסים לצוף מעל המים. להספיק לנקות ולהוציא ולהביא חשבון ולנקות את השולחן שממתין בסבלנות כבר עשרים דק. ומטבח שמתלונן על טעות של מלצרית לפעמים בצדק לפעמים פחות אבל מה זה משנה עכשיו יש לקוח שמחכה. ואתה רץ ומוציא ומכבה שרפות וסופר את הדקות למלצרית הבאה שתגיע שתביא איתה אולי איזה שפיות מול כמות העבודה. אבל היום הכל היה על הקצה והכל היה כל כך קשה. אז ביום כזה כששולחן מבקש לדבר איתי אני נדרך, בעיקר ביום כזה. כי אף לקוח אין לו מושג מה קורה מאחורי הקלעים , כמה אנחנו חסרים בצוות, כמה הכל כל כך על הקצה וכל טעות קטנה יכולה לגרור לכאוס מוחלט. ואני לא עוצר הושבה. כי גם לבנק לא אכפת אם היה לך מלצר נוסף או שלא. ואני הולך לשולחן, מנסה להרגיע את העצבים שעולים עוד לפני שאני בכלל שומע על מה הם הולכים להתלונן. מנסה להזכיר לעצמי שאין שום טעם בעימות גם אם לפעמים אני כל כך אוהב… ומגיע והם שואלים אם אני הבעלים. ואני אומר כן. והם אומרים שהיה מדהים. והצוות היה פשוט הכי מקסים. והאוכל היה מעולה. ותודה לכם שאתם קיימים. ופתאום יש לי קצת דמעות מרוב התרגשות. כי בעיקר ביום כזה זה כל כך לא מובן מאיליו. לא המחמאות והחיבוק ולא שאנחנו אשכרה מצליחים לתת את מה שאנחנו כל כך מנסים. אז תודה צוות יקר ומדהים על יום בלתי אפשרי. עוד יום בלתי אפשרי שעברנו אותו כמו גדולים. אני מפורק. כאילו אחרי מסע 90. שבת שלום

We kept hearing “why can’t we just use Claude for this?” So our Head of Data & AI Neta Barkay dug into the research and our own data and wrote the answer. Spoiler: Claude writes a great summary. Your product team still ships the wrong thing. Read Here: bagel.ai/blog/your-ai-knows-…

אל תקשיבו לאינטרסנטים. בואו לראות את החיסכון בעיניים - המספרים לא משקרים.

In Cowork, Claude can now build live artifacts: dashboards and trackers connected to your apps and files. Open one any time and it refreshes with current data.