Стартуем с вебинара! Расскажем, что там в корпоративной AI-разработке!
Трансляция будет в канале в среду в 15-00, но вот вам таймпад на всякий)

https://dirty-party.timepad.ru/event/2917242

Ребят, выкладываем запись вебинара)

https://www.youtube.com/watch?v=DeHKbxFcakM

Обещал делиться интересными AI-запросами, что к нам приходят.
Мой топ-3 за прошлую неделю:

1. Прогнозирование затрат на строительство
Заказчик - крупный застройщик.
Идея: давайте анализировать исторические рабочие ведомости, стоимости материалов, рыночные данные и параметры построенного дома, чтобы прогнозировать стоимость и сроки нового! 👷🏻‍♂️🏢 Ну кайф же?
2. Удаленный замер … бассейна
Компания-заказчик, производитель чехлов на бассейны (pool covers) из Канады. Чтобы произвести накидку нужного размера, сотрудник выезжает на место, замеряет и передает информацию в отдел производства.
“А что если определять размер бассейна без посещения клиента и сэкономить + ускорить процесс?” — подумал Заказчик. Действительно, но как? 🤔 пишите в комменты
3. Запрос на кредитный скоринг
Да, скоринг! Да, в 2024 году!
Просто заказчик из Узбекистана, но очень крупный банк кстати.

Кстати, помимо запросов на LLM, сейчас большой всплеск на классический ML и аналитику, например, сейчас в пайплайне 3 (!) проекта с прогнозированием продаж. Как в 2018! :)

Завтра общаемся с буше, узнаем про их опыт, в 16:00 стрим на канале @r77_ai

Ребят, у нас новая движуха!

Мы ходим по крутым компаниям и спрашиваем что и как из AI они внедрили)

В этот раз у нас любимые всем "буше" из Питера!

Расскажут, как сделали чат-бота, которые отвечает на вопросы по базе знаний сотрудников — а их оочень много, я как-то пришел на их ДР, а там их несколько тысяч)

Трансляция будет в этом в канале в 16-00 во вторник следующий)

Сегодня в 14:00 поговорим о AI и таком интересном домене как металлургия и производство!
Трансляция будет тут: @r77_ai

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 👇🏻

Смотрю присланные CV и слегка в шоке) Ребята сейчас в 11 классе проходят курсы по DL, а, обучаясь в вышке на пми, параллельно фуллтайм вджобывают)