НЕДЕЛЯ ЕЩЁ НЕ ОКОНЧЕНА!

СИСТЕМНОЕ УПРАВЛЕНИЕ
сохранение экспертизы

Методы робастного проектирования, в частности управления качеством, можно адаптировать и к кадровой политике — источник эффекта схожий:

Если развивать (нанятый) персонал, чтобы менять процесс, то можно менять процесс, чтобы упрощать требования к (нанимаемому) персоналу.

Чем ниже требования на входе, тем легче закрыть позицию и противостоять текучести. Однако, чтобы сделать процесс проще (например, написать инструкцию) необходимо прокачивать и мотивировать текущего сотрудника.

С мотивацией — это отдельная тема, много страхов вокруг «актуализации численности в виду снижения ценности», — сам виноват 😁

Другой вопрос — технологии сохранения и передачи экспертизы. Горькими слезами заливаюсь, когда вижу пыльные КПВО в ретро-стиле нулевых.
Так-то 20 лет прошло, можно уже:
— построить карту процесса (BPM)
— собрать Базу знаний (UIT)
— в мессенджеры боты (1С)
— в боты видеоуроки (CAT)
— установить подсветку (pick2light)
— голосовой интерфейс (СамГУ)
— записать AR-руководство (Vufotia)
— оцифровать «тень» (Газпром)
— собрать двойник (PLM)
— добавить ИИ-помощника (БТЗ)
С точки зрения личной эффективности, большая часть из этого обязательна к исполнению.

Представьте, сколько времени вы сэкономите не отвечая на частые вопросы. А сколько не пытаясь вспомнить процесс, который делегировали год назад?

Корпоративный ИИ-ассистент, как продолжение должности и хранитель корпоративной памяти — идеальное решение (быстрые запросы, простые ответы, типовые фреймворки и практичные чек-листы).

Но представьте, что ассистент не только у вас, а у всего вашего уровня управления. И они знают друг о друге (как о библиотеке экспертизы), могут призывать и взаимодействовать, без вашего участия.

КОРПОРАТИВНЫЙ ИИ-АГЕНТ
и мой новый pet-проект

Начинали мы с простой задачи — подготовка ТЗ для b2b-площадки. Вначале получили каскад промтов с функциональными требованиями от закупки, потом каскад с критериями проверки от безопасности.

В результате web-сервис обрабатывал черновик ТЗ и подсвечивал «слабые» места — ошибки в ед.изм., завышенные требования относительно рынка и прочие спорные моменты.
Задача сотрудника была набрать не менее 80% соответствия критериям до отправки в систему закупки.

Анализ рекомендаций к качеству ТЗ, выделил типовые замечания, поэтому web-сервис прокачали до ИИ-агента, который сам исправляет орфографию, переносит информацию в нужные места и в правильных терминах, а возвращает готовый к отправке файл.

В процессе подготовки агента, открыл для себя обоюдоудобный метод накопления экспертизы. Своего рода учебник, который с одной стороны легко редактируется экспертом (без навыков ИТ), с другой — легко парсится ИИ (без анализа семантики).

Кажется, я знаю как тиражировать тебя 😏

КУРИЦА ИЛИ ЯЙЦО
вопрос зрелости

На днях был вовлечен в дискуссию о противостоянии Культуры и Системы.
С одной стороны, бросались цитатами, типа Культура ест Стратегию;
с другой — примерами Систем, порождающих Культуры.

В то же время, противопоставления нет. Культура — это (инерционная) среда деятельности Системы.
Соответственно, планируя результаты системы, необходимо учитывать среду
(как выбрать насос по вязкости).

С другой стороны, если масло подогреть, оно станет жиже, т.е. инвестиции в изменение Культуры также являются проектируемым параметром ресурса Системы.

Таким образом, мы возвращаемся к восприятию Культуры с позиции профессиональной зрелости:
— пассивная, адаптированная к обстоятельствам среды
— пассионарная, бросающая вызов среде и отрицание обстоятельств
— профессиональная, управление параметрами среды в целях системы

Возможно, дальше есть что-то ещё, а пока нравственный выбор «Тварь ли я дрожащая или ...расчетливая», — это вопрос сугубо личных компетенций 😁

Фёдор Михайлович, моё почтение

ВОВЛЕЧЕНИЕ ПЕРСОНАЛА
Тренинг, который разделил опыт на ДО и ПОСЛЕ

Одного из нас вывели из аудитории, а остальным раздали роли:
— вписывается в любую предлагаемую задачу от вошедшего
— топить идею критикой, поднимать вопросы пользы и актуальности
— наблюдать за балансом сил и присоединяться к большинству
— тормозить активность детализацией и уточнением задачи
— отсидеться в нейтралитете
—... и т.д., типичное распределение Гаусса по вовлеченности.

Вошедший участник получил задачу: Поставить 5 стульев в «паровозик». Он был силен — спектр приёмов вовлечения и работы с возражениями обескураживал, но команда тоже не лыком шита — держались в роли до конца. В итоге: задача не выполнена!

Ключевой посыл тренера был, что стулья он мог поставить сам, были у него и 2-3 помощника, которым он вовремя не мог уделить внимания, добиваясь 💯 полного вовлечения.

В чем ошибка — «перепроизводство».
Многие согласятся, что 100% — это избыточно. Тогда сколько 80% или 60%?

А какой уровень вовлечения нужен вам для успеха проекта?

НЕЗАИНТЕРЕСОВАННЫЕ СТОРОНЫ
и практики принуждения

Мы обсуждали важность, но не разбирали принципы коммуникации и вовлечения. В «крупную клетку» Стороны, по влиянию и интересу к проекту, можно категоризировать — значит применить разные стратегии:

— Целевое информирование для тех кто способен заблокировать проект. Важно своевременно доносить цели, задачи и методы их достижения.

— Согласование и утверждение документации проекта, с заказчиком (службы эксплуатации результатов) и куратором (держателем ресурсов).

— Информирование о ходе проекта необходимое для обеспечения синхронизации действий всех участников.

— Отчёт о статусе проекта, как инструмент управления ожиданиями для ожидающих и не участвующих на текущем этапе.

Подобно «Шахматным доскам» AT Kearney, классификация интереса участников и методов влияния, позволяет получить 16 подходов и 64 инструмента коммуникации.

Помни, бюрократия — твой инструмент принуждения к взаимодействию, пока они (бюрократические процедуры) не на критическом пути.

Наверное, сейчас не в тему, но крайне удобный момент поделится и трактатами Kearney о функции Закупок

📜 Приятного прочтения новичкам и тёплых вспоминаний старичкам 🥹

ЧТО-ТО ВДРУГ ВСПОМНИЛ

Консультант уверен, что решает ту проблему, которая у вас есть.
Опытный консультант уверен, что у вас есть та проблема, которую он решает.
Вы, который и не подозревали, сколько у вас ещё разных проблем есть.

#экспериментальныйЮмор

САБОТАЖ И ТВОРЧЕСТВО
vs. дискретность и детерминированность

Вы верите, что успех проекта зависит от «вовлеченности команды»?
Если бы я получал 1 рубль за каждую фразу «Человеческий фактор» — был бы в списке Форбс. Люди ненадёжны, они устают, ошибаются, обижаются, интригуют и саботируют.

Дайте им четкую инструкцию и они сделают плохо, но сделают. А в следующий раз чуть улучшат — так а разве не в этом суть «непрерывного совершенствования»?

Другой вопрос, что значит «четкую»?
Строгая последовательность шагов, с подробными критериями успеха
(у этого есть сопудствующий эффект — сотрудник не нуждается в оценке руководителя, он преодолел все точки контроля, он знает, что молодец).

В то же время, малые шаги буквально бросают вызов компетенциям антагониста — как не справиться с элементарной задачей?!

Таким образом, строгий порядок, «узкий коридор» и короткие реперные точки практически исключают возможность для бездействия или скрытого противодействия проекту.

Формализм — ещё один «чёрствый пряник» мотивации

#AdminCell: РЕПЕРНЫЕ ТОЧКИ
формальные признаки зрелости:

1. Конкретизированы цели (план) подразделения (бизнес-единицы).

2. Цели #QCDM декомпозированы по участкам линии (см. #VSM).

3. Организован цикл (см. #PDCA) производственного контроля на участках линии.

4. Стандартизированы обзорные встречи (#Obeya) по результатам.

5. Выполнена привязка показателей к финансовой деятельности (#TCO).

6. Проведён анализ возможностей потока создания ценности (см. #VSA).

7. Согласован баланс параметров качества (см. #SLA).

8. Утвержден трансформационный план подразделения (#TPOC).

#FMEA: РЕПЕРНЫЕ ТОЧКИ
формальные признаки зрелости:

1. Зафиксировать целевые параметры (например, Кипяток для кофе: 92-96°С).

2. Собрать виды отклонений от целевых параметров (например:
— t > 96°C
— t < 92°C
— t < 85°C
— t < 70°C
— t < 25°C).

3. Оценить критичность последствий отклонений (от 1 до 10): S (англ. severity — суровость, тяжесть), где 10 — это катастрофа для процесса или актива.

4. Подготовить по каждому отклонению (более одной ветки, и не дальше зоны влияния) причины возникновения.

5. Оценить вероятность по каждой причине отклонения (от 1 до 10): O (англ. occurrence — возникновение), где 10 — это гарантированное событие.

6. Укажите используемые методы диагностики выявления причин и противодействия отклонениям (#BAKA, #POKA, #ANDON, #IoT,... светозвуковая сигнализация).

7. Оцените проактивность методов диагностики (от 1 до 10): D (англ. detection — обнаружение), где 10 — это отсутствие возможности диагностировать причину по факту.

8. Рассчитайте пограничное число риска S×O×D=RPN (Risk Priority Number).

9. Выделите (#80l20) причин отклонений с максимальным значением RPN.

10. Разработать мероприятия по снижению RPN — уменьшение S степени влияния отклонения, O вероятности возникновения и/или развития методов тестирования и диагностирования.

#FMEA #FMECA #FMEDA

#МУМ: РЕПЕРНЫЕ ТОЧКИ
формальные признаки зрелости:

1. Построить карту потока (#VSM) — порядок производства (без привязки к местности).

2. Построить мат.модель отражающую базовый уровень (#TaktTime/#OEE).

3. Утвердить план мероприятий по смещению «узкого места» (#TPOC).

4. Выявить потенциал — ограничение потока, следующее за «узким местом».

5. Автоматизировать учет потерь (#OEE) в процессе «узкого места».

5. Организовать систему контроля на коротком интервале (#SIC) в циклах.

6. Внедрить систему регистрации типовых ошибок цикла (#APC).

7. Собрать из доступных уровней сквозную модель контроля:
APC › SIC › OEE › VSM › EVSM

#SMED: РЕПЕРНЫЕ ТОЧКИ
формальные признаки зрелости:

1. Провести наблюдения, на диаграмме (#Gantt) разделить операции на внешние и внутренние.

2. Выявить (выделить красным) критический путь по внутренним операциям.

3. Убрать все подготовительные операции с критического пути.

4. Стандартизировать операции на критическом пути (делай #SOP).

5. Выявить лучшую практику (время) выполнения каждой стандартной операции.

6. Построить модель выполнения операций критического пути из лучших практик (только минимальное время).

7. Разницу между лучшим временем и стандартным по критическому пути, определить в буфер.

8. Остальные внутренние операции (вне критического пути) оптимизировать под лучшее время пути, без учёта буфера.

9. Организовать систему контроля за ресурсом буфера в режиме реального времени.

ХОЛОДНОЕ ДЫХАНИЕ В СПИНУ
Осталось года два¹

Целые поколения фантастов грезили о том, что вот-вот роботы примут из натруженных рук тяжелые профессии, освободив человечеству время для творчества. А выходит всё наоборот: стихи, песни, музыка, проза, анализы, синтез и прочие исследования уже на стороне ИИ (или с их применением).

Возможно, дело в том, что мы сами плохо понимаем природу Творчества. Упростили понятие до создания нового (незарегистрированного) контента и скатились на днище в копирайтинг (англ. copywriting, copy — копировать, write — писать)²

Превратили искусство в конвейер и штампуем по лекалам трендов в погоне за дешевым эндорфином, а машина делает это быстрей.
А где огонь и страсть, испепеляющая душу, и страх быть преданным огню?

— Ренессанс, который мы заслужили

В конечном счёте, проблема не в том, что ИИ скопирует Борхеса, а в том что 🫵 ты не заметишь разницы.
И остаётся верить, что машины на деле — не огонь крадут, а "переписывают" копинг (англ. coping — справиться)³ во спасение наших душ.

ГЕНЕРАЦИЯ ТВОРЧЕСТВА
дуэт энтузиаста и сноба

ИИ хорошо продаётся тем, кому нет разницы, большая это языковая модель или генеративная сеть 🤷‍♂
До тех пор, пока они не переходят к решению профессиональных задач. Будучи компетентным в вопросе, и получая посредственное 💩 решение, приходит глубокое разочарование.

Причина в том, что языковая модель (LLM, Large Language Model) — это всё ещё предсказательная математическая модель «нечёткой логики».
На вход (X1—Xn) задаётся набор единиц и нулей, а на выход Y — верный ответ. Модель подгоняет вес (%) коэффициента к каждому X, чтобы (сумма) ответ соответсвовал заданному Y.

В следующий цикл, снова корректирует веса входов, чтобы обеспечить сходимость уже двух ответов. И так далее, чем больше выборка (уникальных ответов), тем точнее система подберёт формулу их формирования — экий реинжиниринг уравнения.

👅 LLM — это предсказание Слова по ряду использованных слов (поэтому первые модели так «любят» отвечать большими простынями размышлений).
Элементом Творчества здесь является применение рандомного коэффициента (генерации случайного числа) при получении равных вероятностей и сохранение цепочки повествования.

Как результат, при одном и том же запросе, мы получаем набор неповторяющихся ответов.

Кардинально подход к моделям изменился, когда вместо последовательного предсказания следующего слова, стали применятся параллельные модели.
Таким образом, модель оценивала вероятность следующего слова, не в рамках текущего ряда слов, а из ассоциативного ряда к каждому слову.

В результате изменения подхода модель начала выстраивать ассоциативные связи, подтягивать новые опции ответа, лучше удерживала контекст запроса.

Знаковый прорыв случился, когда модель обучили на реальных переписках с форума в объеме более 40Gb текста (для сравнения: собрание всех сочинений Л.Н. Толстого – 4,2Gb).

Подобно тому, как вы смотрели на картинку и сравнивали с верным ответом (или зазубривали) билеты ПДД, проникая в таинство принципов организации дорожного движения. Модель научилась имитировать осознанную (типовой набор патернов, интересов, ассоциаций) личность.

Появление Творчества в виде свободы интерпретации (генерации случайных ассоциаций) позволило LLM преодолеть тест Тьюринга и задачи Виноградова.

В следующем поколение материал для обучения увеличили до 420Gb, добавив структурированную информацию: Википедия, библиотеки электронных книг и архивы интернет-изданий.

За счёт организованности информации модель стала лучше выполнять задачи экстраполяции – прогнозировать не чаще встречаемый, а соответствующий «фреймворку» (возможно редкий, но более ценный) вариант ответа.

В то же время модели стали «подгючивать» — перепрыгивать цепочки рассуждения (#CoT) предвосхищая ответ. Чтобы снизить негативный эффект в промт стали добавлять пошаговое предсказание или использовать каскад промтов, пресекая Творчество на корню.

А теперь, на примере данных о GPT-4, рассмотрим текущее поколение моделей. Помимо увеличение вычислительной мощности, а также ограничения размера промта до 32k токенов (важно знать, что суффиксы, корень слова и окончание — это три отдельных токена, то есть промт менее 10k слов), применены:
1. Лицензированные данные – переход от доступной информации к значимой, а также удобная лазейка по вопросам авторских прав.
2. Мультифункциональные модули, думаю, именно так был решён вопрос загрузки изображений на входе и нравственной безопасности на выходе.

Технология комбинации нескольких нейронных сетей называется генеративно-состязательной сетью (#GAN, Generative adversarial network).
Например, одна сеть выступает генератором — Творцом, а вторая дискриминатором — Экспертом.

Чтобы стать Экспертом в сеть загрузили выборку успешных работ для построения «нечёткой формулы».
Далее Творец, со скоростью вычеслительной машины, генерирует случайные результаты, получая от Эксперта лишь оценку (%) соответствия «успеху».

В итоге (вопрос вычислительной мощности), мы получим «красивую картинку» — результат соответствующий критериям приемлемого, но☝️в рамках предсказуемой математики.

продолжение ›››

ВМЕСТО ЗАКЛЮЧЕНИЯ
сети разные важны, сети разные нужны

ИИ, по своей природе, выдает хорошо структурированный результат, с нужным уровнем детализации и аргументации.
В то же время, это как попугая учить цитатам Жванецкого — выглядит впечатляюще, но доверия нет.

Нет практики, противоречия и иррациональности. Все изящество инженерной мысли в укращении вредного воздействия, в адаптации системы к среде, в трансформации недостатков в преимущества.

Сила истинного интеллекта в иррациональности поступков. Не безумие и отвага, а холодный расчёт ресурса за рамками исходных данных.
Главным козырем ИИ остаётся скорость перебора вариантов и масштаб управления данными, так используй это!

Будь исследователем, стань учителем, расширяй фреймворк — скармливай студенту слой за слоем контекст проекта. Ты — повелитель хаоса. Твоя «чуйка» заточена предвидеть непредвиденное и ожидать неожиданное. Только ты способен распознать раздолбайство или коварный замысел антагонистов.

Если ты ждал знак, когда занятся ИИ — вот он 🏁🏁🏁🚀

БЛА-БЛА-БЛА, ДАЕШЬ ПРАКТИКУ!
А я говорил вам, Константин, не надо им рассказывать

Нейроэксперт – сервис от Яндекса для работы с авторской информацией.
Изолированный «умный» ассистент, который работает только в рамках загруженных вами материалов (текст, таблица, аудио и видео до 25 файлов).

Сервис только запущен, поэтому не удивляйтесь «шероховатостям» бета версии, но по сути это отечественный ответ NotenookLM , Spaces и Project.

Понятно, у всех свои фичи (плюсы и минусы), главное же преимущество «Нейроэксперта» — это поддержание свободного диалога: поиск, пересказ, сравнение, анализ, синтез, вывод.

☝️ ИИ-агент, который не придумывает, а отвечает строго по загруженным материалам – это «облако», чат-бот и ИИ-поисковик в одном флаконе.

Пока для загрузки доступны форматы файлов: pdf, docx, pptx, xls, mp4, mp3, txt, а также ссылки на страницы и видеохостинги (YouTube 😳, VK, Rutube).

— Алиса-а-а, сервис — просто песня!

Ждем корпоративную версию, где и масштабы побольше, и безопасность повыше.

Привет всем кто переобулся, от тех кто даже не переоделся 😁

Давайте уже после майских —
скоро во всех чатах страны