Запоздалый пост: Что такое ИИ-консалтинг и зачем он нужен
Начнем с того, что такое консалтинг Консултинг — по своей сути это предоставление полезной информации ее заказчику (своего рода незазорный инфобизнес). Например, платная консультация у юриста по налогам или совет от опытного разработчика о том, как решать технически сложную задачу.
При чем тут ИИ? Так уж сложилось, что внедрение ИИ на практике невозможно без консалтинга. Именно он является секретным соусом в успешных проектах и пресейлах. Заказчик, у которого появляется запрос на реализацию интеллектуального сервиса, не обладает ML, а часто еще и глубокой продуктовой экспертизой. Из-за этого запрос выглядит как мармеладный космолет, в мыслях и требованиях — хаос, а любые вопросы к сути проекта приводят Заказчика в ступор, заставляют сомневаться или включают режим генерации модных слов, как у не очень хорошей GPT модели. И его можно понять! Клиент не должен знать, где действительно нужна RAG-система, а где достаточно хорошей prompt инструкции.
Тут нам на помощь приходит ИИ-консалтинг. Какие есть инструменты и хитрости:
1. Discovery. Это инструмент для тех, у кого есть желание начать путешествие в прекрасный мир ИИ, но нет понимания того, какие есть кейсы, технологии, области применения, риски, где какой эффект от внедрения, где можно внедрить ИИ, а где нельзя. Часто запрос от клиента звучит как “У нас есть много данных, но мы никак их не используем / не создаем value нашим пользователям и сотрудникам / не зарабатываем на них дополнительных $$$”. С помощью нескольких сессий совместного направленного брейншторма, мы снимаем FOMO-эффект, даем список ИИ инициатив, с оценкой эффекта и требованиями по ресурсам / бюджету.
2. Правильные вопросы. По бизнесу, продукту, запросу. Примеры: а зачем вам ML/AI? а почему нельзя посадить человека делать эту работу? как сейчас вы решаете эту задачу? откуда в ТЗ требование о 56% точности? какой сценарий использования ML модели предполагается? ну и самое главное - какую бизнес задачу вы решаете?
3. Погружение в бизнес-процессы. Чтобы понять применимость и вариант реализации ML сервиса - без этого шага никак.
4. Выделение главного. Отделяя зерна от плевел, можно-таки докопаться сквозь 50-страничное ТЗ до реального запроса, критической гипотезы, проверить которую и должен AI. Если это удалось сделать - успех. А уровень экспертизы компании-разработчика как раз и определяется тем, на сколько хорошо и точно она способна это делать.
5. Переформулирование запроса. Еще одно отличие хороших консультантов от плохих состоит в том, что последние, анализируя стандартный плохо сформулированный запрос, говорят, что это невозможно / бесконечно дорого / нереализуемо и вообще, что заказчик какой-то не такой. Хитрость и опыт состоит в том, чтобы найти тот сценарий при котором и Заказчик понимает, что это его истинный запрос, и мы, как подрядчик, можем это сделать, адаптировав под конкретные нужды и цели клиента. А главное верим в это!
6. Честность. Последнее, но очень важное - мы честно отговариваем заказчика делать AI, если это не нужно; не использовать LLM, если им там не место; что часть гипотез успешно провалятся, и вообще AI - это часто не самая лучшая инвестиция. И знаете, это работает. Кто это не готов принять и хочет жить в розовых очках с надписью “ИИ - волшебная и бесплатная таблетка” — уходит, но те, кто остаются, с ними действительно можно что-то построить.
В общем, ИИ консалтинг - это инструмент, который помогает лучше понять а) чего хочет клиент, б) нужен ли ему реально ИИ, в) если нужен, то в какой форме реализации.
В комменты закину симптомы того, что вам нужен ИИ консалтинг, дополняйте 👇🏻
Запоздалый пост: Что такое ИИ-консалтинг и зачем он нужен
Начнем с того, что такое консалтинг Консултинг — по своей сути это предоставление полезной информации ее заказчику (своего рода незазорный инфобизнес). Например, платная консультация у юриста по налогам или совет от опытного разработчика о том, как решать технически сложную задачу.
При чем тут ИИ? Так уж сложилось, что внедрение ИИ на практике невозможно без консалтинга. Именно он является секретным соусом в успешных проектах и пресейлах. Заказчик, у которого появляется запрос на реализацию интеллектуального сервиса, не обладает ML, а часто еще и глубокой продуктовой экспертизой. Из-за этого запрос выглядит как мармеладный космолет, в мыслях и требованиях — хаос, а любые вопросы к сути проекта приводят Заказчика в ступор, заставляют сомневаться или включают режим генерации модных слов, как у не очень хорошей GPT модели. И его можно понять! Клиент не должен знать, где действительно нужна RAG-система, а где достаточно хорошей prompt инструкции.
Тут нам на помощь приходит ИИ-консалтинг. Какие есть инструменты и хитрости:
1. Discovery. Это инструмент для тех, у кого есть желание начать путешествие в прекрасный мир ИИ, но нет понимания того, какие есть кейсы, технологии, области применения, риски, где какой эффект от внедрения, где можно внедрить ИИ, а где нельзя. Часто запрос от клиента звучит как “У нас есть много данных, но мы никак их не используем / не создаем value нашим пользователям и сотрудникам / не зарабатываем на них дополнительных $$$”. С помощью нескольких сессий совместного направленного брейншторма, мы снимаем FOMO-эффект, даем список ИИ инициатив, с оценкой эффекта и требованиями по ресурсам / бюджету.
2. Правильные вопросы. По бизнесу, продукту, запросу. Примеры: а зачем вам ML/AI? а почему нельзя посадить человека делать эту работу? как сейчас вы решаете эту задачу? откуда в ТЗ требование о 56% точности? какой сценарий использования ML модели предполагается? ну и самое главное - какую бизнес задачу вы решаете?
3. Погружение в бизнес-процессы. Чтобы понять применимость и вариант реализации ML сервиса - без этого шага никак.
4. Выделение главного. Отделяя зерна от плевел, можно-таки докопаться сквозь 50-страничное ТЗ до реального запроса, критической гипотезы, проверить которую и должен AI. Если это удалось сделать - успех. А уровень экспертизы компании-разработчика как раз и определяется тем, на сколько хорошо и точно она способна это делать.
5. Переформулирование запроса. Еще одно отличие хороших консультантов от плохих состоит в том, что последние, анализируя стандартный плохо сформулированный запрос, говорят, что это невозможно / бесконечно дорого / нереализуемо и вообще, что заказчик какой-то не такой. Хитрость и опыт состоит в том, чтобы найти тот сценарий при котором и Заказчик понимает, что это его истинный запрос, и мы, как подрядчик, можем это сделать, адаптировав под конкретные нужды и цели клиента. А главное верим в это!
6. Честность. Последнее, но очень важное - мы честно отговариваем заказчика делать AI, если это не нужно; не использовать LLM, если им там не место; что часть гипотез успешно провалятся, и вообще AI - это часто не самая лучшая инвестиция. И знаете, это работает. Кто это не готов принять и хочет жить в розовых очках с надписью “ИИ - волшебная и бесплатная таблетка” — уходит, но те, кто остаются, с ними действительно можно что-то построить.
В общем, ИИ консалтинг - это инструмент, который помогает лучше понять а) чего хочет клиент, б) нужен ли ему реально ИИ, в) если нужен, то в какой форме реализации.
В комменты закину симптомы того, что вам нужен ИИ консалтинг, дополняйте 👇🏻
BY Ну Шмулев, погоди!
Warning: Undefined variable $i in /var/www/group-telegram/post.php on line 260
Given the pro-privacy stance of the platform, it’s taken as a given that it’ll be used for a number of reasons, not all of them good. And Telegram has been attached to a fair few scandals related to terrorism, sexual exploitation and crime. Back in 2015, Vox described Telegram as “ISIS’ app of choice,” saying that the platform’s real use is the ability to use channels to distribute material to large groups at once. Telegram has acted to remove public channels affiliated with terrorism, but Pavel Durov reiterated that he had no business snooping on private conversations. That hurt tech stocks. For the past few weeks, the 10-year yield has traded between 1.72% and 2%, as traders moved into the bond for safety when Russia headlines were ugly—and out of it when headlines improved. Now, the yield is touching its pandemic-era high. If the yield breaks above that level, that could signal that it’s on a sustainable path higher. Higher long-dated bond yields make future profits less valuable—and many tech companies are valued on the basis of profits forecast for many years in the future. "Someone posing as a Ukrainian citizen just joins the chat and starts spreading misinformation, or gathers data, like the location of shelters," Tsekhanovska said, noting how false messages have urged Ukrainians to turn off their phones at a specific time of night, citing cybersafety. Such instructions could actually endanger people — citizens receive air strike warnings via smartphone alerts. Apparently upbeat developments in Russia's discussions with Ukraine helped at least temporarily send investors back into risk assets. Russian President Vladimir Putin said during a meeting with his Belarusian counterpart Alexander Lukashenko that there were "certain positive developments" occurring in the talks with Ukraine, according to a transcript of their meeting. Putin added that discussions were happening "almost on a daily basis."
from hk
