AI & Break-fast ⚡️— 15 мая

Пятница - день бизнес-завтрака. В этот раз в новом месте.

Тема будет про скорость -- как внедрить ИИ с быстрым результатом (за 2 недели, а не 2 года).

На встрече потренируемся выделять такие места/процессы. Чтобы все участники не только позавтракали, но и ушли с пониманием, что можно запустить уже на следующей неделе.

Формат без презентаций, живое общение, 7–10 человек за столом, с конкретными кейсами.

Когда: 15 мая, начинаем в 10:30.
Где: Novikov School на Якиманке.

Мест мало. Для записи пишите мне в личку — @edcode9.

AI & Breakfast — 29 мая

Этот завтрак будет тематический - с фокусом на HR-функцию. Как внедрить ИИ в HR-процессы и получить результат, который видно уже через месяц.

В своем эcce от декабря прошлого года я писал

Машины возьмут на себя рутинные задачи: скрининг, сортировку резюме, обновление знаний, построение программ обучения, аналитику, прогнозирование. Людям останется то, что невозможно автоматизировать: построение и развитие корпоративной культуры и ценностей, с которыми сотрудники себя хотят ассоциировать.

Прошло пол года, самое время посмотреть как близко мы пришли к этому прогнозу.

Формат без презентаций, живое общение, 7–10 человек за столом. Конкретные кейсы, цифры, подходы.

Когда: 29 мая, начинаем в 10:30.
Где: Novikov School.

Для записи пишите мне в личку — @edcode9. Или на TimePad.

Kimi выпустил свой аналог Claude Desktop

В версии десктоп приложений у всяких LLM-ок появляется сильно больше функционала чем когда они в виде веб-чата, в чате вы общаетесь, а на десктопе делает реальную работу

Они могут:
- Взаимодействовать с вашими файлами и папками
- Собирать документы (презы, таблички)
- Делать задачки по расписанию
И все это на вашем родном ПК

Поэтому рано или поздно у всех основных лабораторий будет такое десктопное приложение, вот и Kimi подтянулись.

Я уже давно пользуюсь Kimi, он работает без kvn и выдает качество на уровне последнего Sonnet-а и стоит в разы дешевле.

Попробуйте и вы.

95% ИИ-пилотов умирают

Я уже писал что ИИ-агенты это как электричество, когда оно появилось не сразу было ясно как его использовать на производстве. Нашел свежий отчет с анализом, почему большинство ИИ-проектов в бизнесе умирают. Прочитал его и сейчас расскажу вам почему. Спойлер (не потому что ChatGPT тупит)


1. Нереалистичные ожидания
Внедрение технологии требует подготовки данных и семантики, инфраструктурного слоя, перестройки бизнес-процессов. На деле руководители частно воспринимают ИИ как волшебство, реализуют пилоты без понятных измеримых результатов. В результате после еле-работающего пилота наступает разочарование и дальше процесс не движется.


2. Плохое планирование и отсутствие стратегии
Проблема которую мы наблюдаем в своей работе с ИИ-проектами - подход аля "прикрутим и посмотрим как заработает". По факту внедрение ИИ нужно планировать так же как планируется внедрение любого enterprise-софта -- по фазам, с понятным результатом и артефактами в каждой фазе, с адаптацией или перестройкой процессов (вроде уже писал где-то про это, но ничего, повторяться полезно).


3. Мусорные данные
ИИ-агенты работают на том уровне качества, на каком находятся ваши данные (семантика). Хорошие данные - агент работает хорошо, данные неконсистентные или устаревшие - такой же результат будет выдавать агент.


4. Работа с людьми и управление изменениями
Если внедряем ИИ, нам нужно не только разработать агентов но и управлять всеми изменениями, связанными с этим -- обучать людей, внедрять новые роли (архитектора агентов) и задачи. Нужно следить за метриками агентов, добавлять новые данных к обучающим выборкам и кучу всего другого. Что называется

Как это применимо у нас в КОД9?

Мы внедряем агентов в бизнесы клиентов, поэтому используем такой чек-лист

1. Есть ли данные и какое у них качество?

2. Процессы описаны/формализованы?

3. Компания готова вовлекать свой персонал и обучать его?

4. Есть метрики которые привязаны к бизнес-результату?

5. Сможем настроить мониторинг метрик и управление агентом?

Пробуйте, тестируйте, пишите, если нужна помощь с аудитом готовности ваших процессов к ИИ.

AI & Breakfast — 19 июня

Пятница день бизнес-завтраков)

Прошлый раз мы уже обсуждали ИИ в HR — подбор, адаптацию, пилоты за 2–4 недели.

В эту пятницу продолжим, хочу поговорить про границы ИИ в HR-функции

- Где точно не нужно применять ИИ сейчас, где риски выше выгоды, или где человек справится лучше и дешевле.

- Можно работа с ИИ и персональными данными — есть ли вообще такие решения?

- С чего начать, если хочешь запустить ИИ-пилот - какой первый шаг, который можно сделать и получить результат.

Когда: 19 июня, начинаем в 10:30.
Где: Novikov School.

Для записи пишите мне в личку (@edcode9) или не Timepad.

Движок повторных продаж

Сколько клиентов в вашей базе, до которых руки не дошли? Это риторический вопрос

Последние 3 месяца я постоянно общаюсь с руководителями B2B-продаж, поставщиками, дистрибьюторами.

Обычно в каждому случае в CRM несколько тысяч контактов, а сейлз-команда активно работают только с 30-40% базы.


Мы в КОД9 запустили движок повторных продаж.
- AI-агент сам видит, кто готов купить снова, и даёт менеджеру готовый повод выйти на связь.

Как работает:
- Агент анализирует базу - кто покупал, когда, что, когда последний контакт.
- Оценивает вероятность повторной покупки по паттернам поведения.
- Генерирует конкретный повод для контакта, реальный триггер.
- Дает менеджеру в CRM инструкцию: кто, почему готов, что сказать.

Приглашаю несколько компаний на пилот — пишите в личку.

AI & Breakfast — 2 июля

Последний в этом сезоне (до августа) завтрак будет в четверг - 2 июля.

Продолжаем про ИИ в HR. В прошлые разы обсуждали подбор, адаптацию, пилоты за 2–4 недели и границы — где ИИ не нужен.

В эту пятницу четверг поговорим про результаты.
- Какие метрики реально показывают, что ИИ работает, а не просто "внедрили"
- Почему большинство пилотов умирают не из-за технологии, а из-за отсутствия владельца процесса
- Как перевести эксперимент в стандартную операцию без потери качества

Когда: 2 июля, начинаем в 10:30.

Где: Novikov School на Якиманке

Для записи пишите мне в личку @edcode9

Страт-сессия по AI-трансформации

В пятницу провел страт-сессию в корпорации-производителе строй материалов.

Основные идеи такие:
- Нужно воспринимать AI-агентов как новых сотрудников. Если берем агента на работу - то какие у него должностные инструкции?
- Если хотим цифровизировать (ИИзировать) какую-то функцию бизнеса - раскладываем ее на задачи (таски) и для каждой задачи рисуем агента
- Дальше этих агентов раскладываем по матрице Impact/Feasability и то что в правом верхнем углу можно делать.
- Крупным компаниям нужно развивать внутреннюю AI-экспертизу, делать это они могут в том числе с нашей (КОД9) помощью.

Это я рассказывал про стратегию ИИ-трансформации.

А сейчас я уже дома)

Как раз то что вижу и что хотел написать, но Всеволод меня опередил.

ИИ это не магия, а чтобы решение заработало нужно вложить много сил/денег/времени.

Долина разочарования AI

2 недели почти не трогал ai агентов сам. И многие друзья-предприниматели кто глубоко в ai нырял, тоже в похожей точке.

1. К хорошему быстро привыкаешь. То что раньше ощущалось как магия, стало обычно.

2. То что раньше было милыми багами теперь стало бесячими косяками.

3. Запросы растут. Теперь хочется чтобы агенты понимали с полуслова, всё запоминали, но отличали важное от неважного, сами следили за контекстом, поддерживали целостность проектов, работали продуктивно по 8 часов и делали до конца хорошо - а они этого не делают (и бесят).

4. Что угодно серьезное требует дисциплины, усидчивости, самому держать в голове всё важное и отлаживать, отлаживать, отлаживать. У меня дежавю из периода когда я сам был разработчиком. Очень классное ощущение когда что-то получилось создать и оно работает. Но как же долго надо сидеть чтобы простейшая штука работала надежно.

5. Ресерчи, прототипы, эксперименты - да. Отладка, поддержка - нет, спасибо. Prototypes are easy, production is hard.

6. Выход из этого тот же, что и в прошлый раз. Нанимать людей и компании, которые буду заниматься понятной работой. Форматы те же - парт-тайм/фул-тайм сотрудники / аутстаф / заказная разработка / сервис провайдеры. Но и к тем и к другим теперь другие ожидания по срокам, качеству, объёмам.

7. (Мой) объект работы снова не код / агенты, а компания, вижн, стратегия, продукт, команда, процессы. Как и было всегда.

А у вас как?

—

@vsevolodustinovchannel - подписывайтесь чтобы читать больше демотивирующих постов про ai