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
The Dow Jones Industrial Average fell 230 points, or 0.7%. Meanwhile, the S&P 500 and the Nasdaq Composite dropped 1.3% and 2.2%, respectively. All three indexes began the day with gains before selling off. In view of this, the regulator has cautioned investors not to rely on such investment tips / advice received through social media platforms. It has also said investors should exercise utmost caution while taking investment decisions while dealing in the securities market. The last couple days have exemplified that uncertainty. On Thursday, news emerged that talks in Turkey between the Russia and Ukraine yielded no positive result. But on Friday, Reuters reported that Russian President Vladimir Putin said there had been some “positive shifts” in talks between the two sides. The S&P 500 fell 1.3% to 4,204.36, and the Dow Jones Industrial Average was down 0.7% to 32,943.33. The Dow posted a fifth straight weekly loss — its longest losing streak since 2019. The Nasdaq Composite tumbled 2.2% to 12,843.81. Though all three indexes opened in the green, stocks took a turn after a new report showed U.S. consumer sentiment deteriorated more than expected in early March as consumers' inflation expectations soared to the highest since 1981. The perpetrators use various names to carry out the investment scams. They may also impersonate or clone licensed capital market intermediaries by using the names, logos, credentials, websites and other details of the legitimate entities to promote the illegal schemes.
from us
