Разумненько

Учёные создали AI, который экономит страховщикам 2,42 секунды. И тут я не выдержал

Разговоров про ИИ много — выхлопа мало. И все уже начинают от этого уставать. Gartner прогнозирует, что более 40% проектов с ИИ-агентами закроются к 2027 году — из-за раздутых ожиданий и банального непонимания, нужен ли там вообще агент.

На днях я наткнулся на статью, где британские ученые создали «умного» чат-бота для страховых агентов. Он экономит 2.5 секунды на запрос. Две. Секунды. С половиной. Авторы называют это «трансформацией страховой индустрии». У меня накипело. Давайте сейчас разберёмся, кто виноват и что делать.

AI-помощник в каждый дом

Все просто обожают внедрять AI-помощников. Есть человек, он что-то делает, а ему ещё AI помогает. Допустим даже, что человек рад этой помощи. Но делает человек. AI может суммаризовать встречу, подсказать текст письма, поискать в интернете. Но делает человек. Эта схема очень удобная, потому что не растит риски. Человек сам отвечает за свое делание. Ошибся — сам дурак, AI не при делах.

Если AI помогает непрерывно во всём рабочем потоке — это может быть полезно. Но чаще всего делают решение для какой-нибудь микро-пуська-задачи. Вот в той самой статье про помощника страховщика бот решал задачу — поиск информации — и ускорял её на 2,4 секунды. Пусть у страховщика даже сотня таких поисков в день — это плюс 4 минуты. Его лучшие 4 минуты за рабочий день!

Я знаю один успешный кейс связки агента и человека: разработка. Он успешный потому, что человек и агент работают в одном интерфейсе непрерывно, делают всю работу вместе. Разработчик не скидывает агенту одну микро-задачу — они пишут код бок о бок, весь день, на каждом этапе. AI видит контекст, понимает, что происходит, и помогает не на 2 секунды, а постоянно. Только так работает.

Нужно поднимать ставки

Важно понять. Основная польза агента — не в качестве одного конкретного ответа. Как бы качественно ты ни суммаризовал совещания, эффект будет ограниченным. Настоящая ценность агента — в принятии решений. И чем больше решений агент принимает сам, тем больше операционной нагрузки он снимает с человека.

Это сразу поднимает ставки. Агент начинает отвечать за часть бизнес-процесса. Естественно, он может ошибиться. Но мы и не перепроверяем каждое его действие человеком — мы вводим правила контроля. Всё как с людьми: вы же не проверяете каждое решение сотрудника, но при этом контролируете, как он справляется.

Как контролировать агентов

Самое главное: не пытайтесь оптимизировать сразу все важные бизнес-процессы. Не получится, и вы только расстроитесь. Возьмите один — самый простой, самый понятный — и полностью перестройте его на AI-агентах. Так вы снимете главный риск: откусить больше, чем можете прожевать.

Помимо этого, есть методы локального контроля:

- метрики качества и observability, чтобы наблюдать, что всё ок (см. пост)

- guardrails — проверка ответов другой моделью (см. кейс)

- human-in-the-loop — подключение человека в определённых случаях (см. статью).

- контроль доступов, чтобы агент не лез куда не надо (см. статью)

Взяли один бизнес-процесс, перестроили его, обвешались системами контроля — работает. Выдохнули, пошли делать следующий. Вся инфраструктура при этом полностью переиспользуется.

Резюме

Есть два мира:

Первый — пластмассовый мир AI-пилотов. В нём миллион внедрений, каждое оптимизирует что-то нерискованное, всё красиво отрисовано на слайдах, но никто не может честно сказать, что понимает, зачем это нужно.

Второй — мир риска, пота и реальных денег. В нём мы берём реально важный для компании процесс, перестраиваем его и обвешиваем контролем, чтобы быть уверенными, что всё работает. Вытираем пот, собираем деньги и идём оптимизировать следующий. Шаг за шагом.

Я выбрал второй мир. Предлагаю вам присоединиться ко мне — работы там ещё очень много.

Сильная работа - ученые копченые сделали около 20К органоидов с фоторецепторами, чтобы понять, какие вещества убивают колбочки, а какие помогают им пережить стресс.

Что делали

Моделировали для колбочек “голодание” и проганяли через систему из 2707 соединений с известными мишенями. Выяснилось, что часть веществ для колбочек откровенно токсична, особенно широкий класс HDAC I/II ингибиторов. Но нашлись и защитные ходы: особенно интересно выглядело торможение CK1, которое помогало фоторецепторам выживать.

Знаю, нефига не понятные наборы букв, но важно то, что вторым этапом тему проверяли уже на грызунах и дополнительными ингибиторами, генетическим подавлением мишени, моделью окислительного стресса и дегенерации сетчатки. То есть это уже не просто биологическая картинка, а вполне рабочий намек на путь к нейропротекции.

Короче в чем прикол работы: она не дает готовое лекарство завтра утром, но дает "карту местности". Для офтальмологии это ценно и как поиск терапии, и как ранняя проверка ретинальной токсичности.

#Сетчатка #Исслеования #Фундаменталка #Демчинский

Фотик для офтальмологов!

Господа офтальмологи, которые пользуются дроидами, представляю вам первый рабочий прототип приложения, которое я собрал для того, чтобы было проще фотографировать различные участки глаза.

Логика очень простая: справа есть готовые настройки с разной яркостью, цветностью и другими штуками, которые можно увидеть в настройках. Нужен срез роговицы - жмякнул кнопочку и тут же настройки выстроились как надо, срез видно четко. Сетчатка - другие настройки. Передний отрезок - еще одни.

Сейчас вы вольны сами настраивать как вашей душе угодно, потом в готовой версии будут только готовые пресеты и никаких настроек. Поэтому попробуйте и я буду ждать от вас обратной связи. Мне надо попасть в офтальмологический кабинет и создать нужные настройки.

Установочный файл смотрите в комментариях.