Как использовать искусственный интеллект прямо сейчас и с пользой?
Очень просто. Например у нас есть простая задача обучение пользователей. А при обучении мы написали инструкцию. И пользователей хорошо бы протестировать.
Скармливаем инструкцию (я взял стандартную по управлению складскими операциями в 1С (УТ, УПП, КА, ERP) и попросил ИИ сгенерировать вопросы с вариантами ответов. Результат на картинке.
Далее, мы берем тестируем наших пользователей. Можно использовать функционал ЗУП \ яндекс анкетирование и т.д.
Но лучше разработать свой функционал (благо это не сложно).
Результаты тестов, мы отдаем ИИ и просим найти корреляцию например, по... ошибкам пользователей в системе по используемому функционалу.
Т.е. получаем обратную связь по:
1. по используемому функционалу (часть пользователей его могут и не использовать);
2. по качеству разработанной инструкции;
3. по качеству разработанного функционала;
4. по качеству проведенного обучения.
Очень просто. Например у нас есть простая задача обучение пользователей. А при обучении мы написали инструкцию. И пользователей хорошо бы протестировать.
Скармливаем инструкцию (я взял стандартную по управлению складскими операциями в 1С (УТ, УПП, КА, ERP) и попросил ИИ сгенерировать вопросы с вариантами ответов. Результат на картинке.
Далее, мы берем тестируем наших пользователей. Можно использовать функционал ЗУП \ яндекс анкетирование и т.д.
Но лучше разработать свой функционал (благо это не сложно).
Результаты тестов, мы отдаем ИИ и просим найти корреляцию например, по... ошибкам пользователей в системе по используемому функционалу.
Т.е. получаем обратную связь по:
1. по используемому функционалу (часть пользователей его могут и не использовать);
2. по качеству разработанной инструкции;
3. по качеству разработанного функционала;
4. по качеству проведенного обучения.
А что дальше? Ну во-первых, это каждый раз делать сложно. Загрузи-выгрузи... Во-вторых, это не надежно. Тут нам поможет n8n.
Сценарий такой:
1. Публикация новой инструкции (как триггер);
2. Поиск пользователей, которые работают с данным функционалом (работа для ИИ) + реестр обученных;
3. Формирование вопросов по инструкции (работа для ИИ);
4. Формирование анкет в 1С \ Яндексе;
5. Прохождение тестирования (как триггер);
6. Формирование обратной связи на основании результатов тестирования (работа для ИИ);
Все очень и очень просто.
Сценарий такой:
1. Публикация новой инструкции (как триггер);
2. Поиск пользователей, которые работают с данным функционалом (работа для ИИ) + реестр обученных;
3. Формирование вопросов по инструкции (работа для ИИ);
4. Формирование анкет в 1С \ Яндексе;
5. Прохождение тестирования (как триггер);
6. Формирование обратной связи на основании результатов тестирования (работа для ИИ);
Все очень и очень просто.
1001 реальный пример использования искусственного интеллекта в ведущих мировых организациях от Google
https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders
https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders
Google Cloud Blog
Real-world gen AI use cases from the world's leading organizations | Google Cloud Blog
Gen AI is everywhere, as top companies, governments, researchers, and startups showcase how they're already using Google's AI solutions to enhance their work.
Цифровизация и Индустрия 4.0
Мне нравится концепция немцев (National Academy of Science and Engineering) где цифровизация НЕ является частью Индустрии 4.0, но является базовым фундаментом.
Под цифровизацией понимается выполнение последовательно двух блоков задач:
1. Информатизация - автоматизация отдельных бизнес-процессов. Т.е. у нас может существовать обособлено несколько систем: ERP, MES, CAD, ТОиР и т.д.
2. Связанность - взаимная интеграция бизнес-процессов, и как следствие интеграция систем.
Это тот необходимый минимум, без которого дальнейшее движение к цифровой трансформации не приведет к требуемому результату.
В 2025 Массачусетский технологический институт (MIT) опубликовал тезис, что 95% компаний, запустивших ИИ не добиваются результата, 5% компаний добиваются роста выручки за счет ИИ.
Тут есть о чем подумать.
Мне нравится концепция немцев (National Academy of Science and Engineering) где цифровизация НЕ является частью Индустрии 4.0, но является базовым фундаментом.
Под цифровизацией понимается выполнение последовательно двух блоков задач:
1. Информатизация - автоматизация отдельных бизнес-процессов. Т.е. у нас может существовать обособлено несколько систем: ERP, MES, CAD, ТОиР и т.д.
2. Связанность - взаимная интеграция бизнес-процессов, и как следствие интеграция систем.
Это тот необходимый минимум, без которого дальнейшее движение к цифровой трансформации не приведет к требуемому результату.
В 2025 Массачусетский технологический институт (MIT) опубликовал тезис, что 95% компаний, запустивших ИИ не добиваются результата, 5% компаний добиваются роста выручки за счет ИИ.
Тут есть о чем подумать.
Продолжу про использование ИИ.
Вот мы получили довольно много информации по тестированию. У нас есть 3 источника:
1. Целевая система, в которой мы можем отследить, как и сколько использовался функционал до обучения и после обучения.
2. Система, в которой отражены инструкции, где так же можно собрать информацию по обращениям к разделам до обучения, во время тестирования и после обучения.
3. Система, в которой проходит тестирование.
Собранную информацию, превращаем в данные введя метрики, например, см. выше на картинке.
Ищем аномалии в метриках (да, опять задаем вопрос ИИ) и принимаем решения на основе данных:
1. Нужно ли изменить инструкции;
2. Нужно ли изменить интерфейс;
3. Нужно ли изменить подход к обучению;
4. Нужно ли изменить подход к сбору данных и расчету метрик;
5. Нужно ли принять к-то кадровые решения.
Через 2-3 месяца проводим новое тестирование. Смотрим на результаты. Привели ли наши действия к положительным оценкам.
Вот мы получили довольно много информации по тестированию. У нас есть 3 источника:
1. Целевая система, в которой мы можем отследить, как и сколько использовался функционал до обучения и после обучения.
2. Система, в которой отражены инструкции, где так же можно собрать информацию по обращениям к разделам до обучения, во время тестирования и после обучения.
3. Система, в которой проходит тестирование.
Собранную информацию, превращаем в данные введя метрики, например, см. выше на картинке.
Ищем аномалии в метриках (да, опять задаем вопрос ИИ) и принимаем решения на основе данных:
1. Нужно ли изменить инструкции;
2. Нужно ли изменить интерфейс;
3. Нужно ли изменить подход к обучению;
4. Нужно ли изменить подход к сбору данных и расчету метрик;
5. Нужно ли принять к-то кадровые решения.
Через 2-3 месяца проводим новое тестирование. Смотрим на результаты. Привели ли наши действия к положительным оценкам.
Так же накопленные данные по обучению, позволят более детально проводить дальнейшую оценку. К-то не доверяет себе и любит перепроверять, но при этом не допускает ошибок. К-то самонадеян и считает, что инструкция не для него, но при этом показывает низкие результаты в тестировании и т.д.
Данные накапливаются и позволяют включить их в следующий цикл - а как используется функционал и принимаются решения? Например, пользователем была утверждена смета. А использовал ли пользователь механизмы контроля данных по смете, по которым прошел обучение? Смотрел инструкцию? Открывал отчеты? Сколько времени потратил на эту задачу? Использовал к-то другие источники информации? Возможно он делегировал это своему сотруднику. А проходил ли этот сотрудник обучение? И т.д.
Данные накапливаются и позволяют включить их в следующий цикл - а как используется функционал и принимаются решения? Например, пользователем была утверждена смета. А использовал ли пользователь механизмы контроля данных по смете, по которым прошел обучение? Смотрел инструкцию? Открывал отчеты? Сколько времени потратил на эту задачу? Использовал к-то другие источники информации? Возможно он делегировал это своему сотруднику. А проходил ли этот сотрудник обучение? И т.д.