ИИ-аналитик рынка: конкуренты, клиенты и тренды под наблюдением
Суть: ИИ автоматически собирает и анализирует информацию о конкурентах, потенциальных клиентах и ситуации на рынке из открытых источников, превращая разрозненные данные в готовые материалы для отдела продаж.
Цена проблемы сейчас
Конкурентной разведкой сегодня занимается меньше 20% российских компаний, показал опрос Superjob.ru. Порядка 85% всей информации добывается из открытых источников, и статистике один менеджер на такую работу от 6 до 9 часов в неделю.
Проблема даже не в стоимости этих часов, а в том, что важная информация часто обнаруживается слишком поздно: конкурент уже запустил новый продукт, клиент уже начал тендер, а компания узнает об этом постфактум.
В результате бизнес теряет возможность действовать на опережение.
Что делает ИИ
ИИ непрерывно отслеживает открытые источники и собирает сигналы, которые могут быть важны: новости на сайтах конкурентов, их вакансии, запуск новых продуктов, появление новых клиентов, изменения в позиционировании, участие в тендерах, публикации в СМИ и др.
Эта информация структурируется и превращается в аналитические отчеты.
Возможные объекты анализа
Конкуренты → продукты, цены, кейсы, вакансии, маркетинговая активность.
Клиенты → инвестиции, расширение бизнеса, новые проекты, кадровые изменения.
Партнеры → новые направления деятельности, сделки, выход на новые рынки.
Рынок → тренды, технологии, законодательные изменения и отраслевые события.
Глубина анализа
Мониторинг изменений → уведомления о новых событиях.
Еженедельные обзоры → сводка по конкурентам и рынку.
Аналитические досье → подробные профили компаний и клиентов.
Прогнозирование возможностей → выявление потенциальных сделок и точек входа для продаж.
Отчетность возможна по запросу клиента / в формате ежедневных отчетов/ в формате еженедельной аналитики / краткие уведомления о событиях / подборки сигналов для отдела продаж.
Что компания получает в деньгах
Отдел продаж получает постоянный поток рыночных сигналов без необходимости содержать отдельное аналитическое подразделение или вручную отслеживать десятки и сотни источников информации.
Компания повышает вероятность выигрыша сделок и снижает риск неожиданного усиления конкурентов. Для руководителей бизнес-разведка с ИИ дает дополнительные данные для информационного обеспечения процесса принятия решений.
Где нужен человек
Ложные сигналы и шум. Не каждое изменение на сайте или новая вакансия означает изменение стратегии компании → критически важные выводы должны проходить экспертную проверку.
Контекст рынка. ИИ может обнаружить событие, но не всегда способен правильно оценить его значение для конкретного бизнеса → интерпретация остается за руководителями и экспертами.
Конкурентная стратегия. Выбор действий в ответ на активность конкурентов требует управленческого решения → ИИ предоставляет информацию, но не определяет стратегию компании.
Качество источников. Открытые данные могут быть неполными, устаревшими или намеренно искаженными → необходим контроль надежности источников и периодическая валидация данных.
Изменение рынка. Значимость одних и тех же сигналов может меняться со временем → правила анализа требуют регулярной корректировки. #ИИ_сценарии
Суть: ИИ автоматически собирает и анализирует информацию о конкурентах, потенциальных клиентах и ситуации на рынке из открытых источников, превращая разрозненные данные в готовые материалы для отдела продаж.
Цена проблемы сейчас
Конкурентной разведкой сегодня занимается меньше 20% российских компаний, показал опрос Superjob.ru. Порядка 85% всей информации добывается из открытых источников, и статистике один менеджер на такую работу от 6 до 9 часов в неделю.
Проблема даже не в стоимости этих часов, а в том, что важная информация часто обнаруживается слишком поздно: конкурент уже запустил новый продукт, клиент уже начал тендер, а компания узнает об этом постфактум.
В результате бизнес теряет возможность действовать на опережение.
Что делает ИИ
ИИ непрерывно отслеживает открытые источники и собирает сигналы, которые могут быть важны: новости на сайтах конкурентов, их вакансии, запуск новых продуктов, появление новых клиентов, изменения в позиционировании, участие в тендерах, публикации в СМИ и др.
Эта информация структурируется и превращается в аналитические отчеты.
Возможные объекты анализа
Конкуренты → продукты, цены, кейсы, вакансии, маркетинговая активность.
Клиенты → инвестиции, расширение бизнеса, новые проекты, кадровые изменения.
Партнеры → новые направления деятельности, сделки, выход на новые рынки.
Рынок → тренды, технологии, законодательные изменения и отраслевые события.
Глубина анализа
Мониторинг изменений → уведомления о новых событиях.
Еженедельные обзоры → сводка по конкурентам и рынку.
Аналитические досье → подробные профили компаний и клиентов.
Прогнозирование возможностей → выявление потенциальных сделок и точек входа для продаж.
Отчетность возможна по запросу клиента / в формате ежедневных отчетов/ в формате еженедельной аналитики / краткие уведомления о событиях / подборки сигналов для отдела продаж.
Что компания получает в деньгах
Отдел продаж получает постоянный поток рыночных сигналов без необходимости содержать отдельное аналитическое подразделение или вручную отслеживать десятки и сотни источников информации.
Компания повышает вероятность выигрыша сделок и снижает риск неожиданного усиления конкурентов. Для руководителей бизнес-разведка с ИИ дает дополнительные данные для информационного обеспечения процесса принятия решений.
Где нужен человек
Ложные сигналы и шум. Не каждое изменение на сайте или новая вакансия означает изменение стратегии компании → критически важные выводы должны проходить экспертную проверку.
Контекст рынка. ИИ может обнаружить событие, но не всегда способен правильно оценить его значение для конкретного бизнеса → интерпретация остается за руководителями и экспертами.
Конкурентная стратегия. Выбор действий в ответ на активность конкурентов требует управленческого решения → ИИ предоставляет информацию, но не определяет стратегию компании.
Качество источников. Открытые данные могут быть неполными, устаревшими или намеренно искаженными → необходим контроль надежности источников и периодическая валидация данных.
Изменение рынка. Значимость одних и тех же сигналов может меняться со временем → правила анализа требуют регулярной корректировки. #ИИ_сценарии
👍2❤1🤔1
Только 16% ждут позитивного влияния ИИ на общество
Хочу поделиться с вами интересными результатами опроса исследовательского центра Pew Research: согласно статистике, позитивного эффекта для общества от использования искусственного интеллекта ждут только 16% респондентов, а около 40% считают, что влияние будет негативным. Опрос проводился в США, и вот какие данные компания получила:
▪️ 67% респондентов не верят, что государства смогут эффективно регулировать развитие ИИ;
▪️ 59% не доверяют компаниям, создающим AI-системы;
▪️ почти две трети считают, что технология развивается слишком быстро.
При этом использование ИИ продолжает стремительно расти. Уже около четверти населения земли ежедневно пользуются чат-ботами, а ChatGPT за два года стал массовым инструментом.
Кстати, похожие настроения фиксировали и другие социологи. В мае международная исследовательская компания YouGov сообщала, что 71% мирового сообщества считают развитие ИИ слишком быстрым.
Пессимистов в оценке долгосрочного влияния технологии на общество оказалось вдвое больше, чем оптимистов: 51% против 25%.
На мой взгляд, эти цифры говорят не столько об отношении к технологиям, сколько о более глубокой проблеме – общество пока не понимает, каким будет мир с ИИ.
Мы уже видели похожие процессы с интернетом, социальными сетями и смартфонами.
Новая технология сначала вызывает страх, затем становится привычной частью жизни, а потом начинает незаметно менять правила игры. А каких изменений от внедрения ИИ ждете вы?
Хочу поделиться с вами интересными результатами опроса исследовательского центра Pew Research: согласно статистике, позитивного эффекта для общества от использования искусственного интеллекта ждут только 16% респондентов, а около 40% считают, что влияние будет негативным. Опрос проводился в США, и вот какие данные компания получила:
▪️ 67% респондентов не верят, что государства смогут эффективно регулировать развитие ИИ;
▪️ 59% не доверяют компаниям, создающим AI-системы;
▪️ почти две трети считают, что технология развивается слишком быстро.
При этом использование ИИ продолжает стремительно расти. Уже около четверти населения земли ежедневно пользуются чат-ботами, а ChatGPT за два года стал массовым инструментом.
Кстати, похожие настроения фиксировали и другие социологи. В мае международная исследовательская компания YouGov сообщала, что 71% мирового сообщества считают развитие ИИ слишком быстрым.
Пессимистов в оценке долгосрочного влияния технологии на общество оказалось вдвое больше, чем оптимистов: 51% против 25%.
На мой взгляд, эти цифры говорят не столько об отношении к технологиям, сколько о более глубокой проблеме – общество пока не понимает, каким будет мир с ИИ.
Мы уже видели похожие процессы с интернетом, социальными сетями и смартфонами.
Новая технология сначала вызывает страх, затем становится привычной частью жизни, а потом начинает незаметно менять правила игры. А каких изменений от внедрения ИИ ждете вы?
❤2🔥1🤔1
ИИ должен был освободить нас от рутины. Но есть нюанс
Недавно наткнулся на исследование, результаты которого хорошо объясняют многие процессы, которые я наблюдаю в компаниях. Оказалось, что внедрение AI не всегда приводит к сокращению объема работы сотрудников. В ряде случаев происходит обратное: люди начинают работать больше.
Об этом говорится в исследовании Harvard Business Review (HBR): по мере интеграции искусственного интеллекта в рутинные процессы коллектив продлевает рабочий день, трудится в ускоренном темпе, часто без каких-либо просьб со стороны руководства, и берет на себя более широкий спектр задач…
Почему так происходит?
Потому что технология снижает стоимость интеллектуального труда.
Если раньше на подготовку отчета, презентации или аналитической записки уходило несколько дней, то теперь это можно сделать за несколько часов. Казалось бы, отлично. Но вместо того чтобы сократить нагрузку, организации начинают просто производить больше контента, больше отчетов, больше аналитики и больше задач.
Возникает эффект, который экономисты называют парадоксом Джевонса: когда ресурс становится дешевле, его потребление не уменьшается, а растет.
Мы уже видели это с электронной почтой. Она должна была сократить объем коммуникаций, но в итоге писем стало в разы больше. То же самое произошло с мессенджерами. Теперь похожая история начинает происходить с ИИ.
Все это – еще одно подтверждение простой мысли: AI сам по себе не повышает эффективность компании, а только усиливает существующую систему. Если в организации есть культура бесконечных согласований, лишних отчетов и перегруженных процессов, AI только ухудшит ситуацию: согласований, отчетов и процессов станет еще больше. Кстати, именно поэтому мой канал, в котором вы читаете этот пост называется “А смысл?” – а смысл внедрять ИИ, чтобы по факту еще больше выгорать, не видеть цели, не держать фокус и наводить больше суеты…
В ДИИП (http://diip-method.ru) – сообществе дизайнеров ИИ-преобразования компаний – мы стараемся как раз находить ответ на этот и другие вопросы, поскольку очень важно научиться находить в компании точки, “прикладывая” ИИ к которым, мы можем усилить конкурентное преимущество компании, а не свести его на “нет”. Только так при ИИ-трансформации бизнеса можно получить максимальный эффект, а не просто стать более занятым.
Недавно наткнулся на исследование, результаты которого хорошо объясняют многие процессы, которые я наблюдаю в компаниях. Оказалось, что внедрение AI не всегда приводит к сокращению объема работы сотрудников. В ряде случаев происходит обратное: люди начинают работать больше.
Об этом говорится в исследовании Harvard Business Review (HBR): по мере интеграции искусственного интеллекта в рутинные процессы коллектив продлевает рабочий день, трудится в ускоренном темпе, часто без каких-либо просьб со стороны руководства, и берет на себя более широкий спектр задач…
Почему так происходит?
Потому что технология снижает стоимость интеллектуального труда.
Если раньше на подготовку отчета, презентации или аналитической записки уходило несколько дней, то теперь это можно сделать за несколько часов. Казалось бы, отлично. Но вместо того чтобы сократить нагрузку, организации начинают просто производить больше контента, больше отчетов, больше аналитики и больше задач.
Возникает эффект, который экономисты называют парадоксом Джевонса: когда ресурс становится дешевле, его потребление не уменьшается, а растет.
Мы уже видели это с электронной почтой. Она должна была сократить объем коммуникаций, но в итоге писем стало в разы больше. То же самое произошло с мессенджерами. Теперь похожая история начинает происходить с ИИ.
Все это – еще одно подтверждение простой мысли: AI сам по себе не повышает эффективность компании, а только усиливает существующую систему. Если в организации есть культура бесконечных согласований, лишних отчетов и перегруженных процессов, AI только ухудшит ситуацию: согласований, отчетов и процессов станет еще больше. Кстати, именно поэтому мой канал, в котором вы читаете этот пост называется “А смысл?” – а смысл внедрять ИИ, чтобы по факту еще больше выгорать, не видеть цели, не держать фокус и наводить больше суеты…
В ДИИП (http://diip-method.ru) – сообществе дизайнеров ИИ-преобразования компаний – мы стараемся как раз находить ответ на этот и другие вопросы, поскольку очень важно научиться находить в компании точки, “прикладывая” ИИ к которым, мы можем усилить конкурентное преимущество компании, а не свести его на “нет”. Только так при ИИ-трансформации бизнеса можно получить максимальный эффект, а не просто стать более занятым.
🔥4❤2👏1
Продолжаем публиковать сценарии применения ИИ в компаниях.
Каждый сценарий – это готовая бизнес-идея с описанием задачи, механики работы, экономического эффекта и ограничений. Полную версию публикуем в библиотеке знаний, а здесь – короткий обзор.
В большинстве компаний о провале плана продаж узнают уже тогда, когда исправить что-то невозможно. Пока отчеты собираются вручную, проверяются и отправляются на согласование, ситуация в бизнесе уже успевает измениться.
ИИ в автоматическом режиме собирает данные из CRM, 1С, телефонии и других корпоративных систем, рассчитывает ключевые показатели, выявляет отклонения и сам формирует понятный отчет с выводами. В результате, вы знаете что происходит прямо сейчас и где нужно вмешаться, пока еще не поздно.
Где мы конкретно внедряли такой сценарий
▪️Производитель мебели: ИИ ежедневно собирает данные из amoCRM и телефонии, ведет таблицы с ключевыми показателями и присылает руководителю в мессенджер готовый отчет с шестью видами аналитики (звонки, конверсия, качество отработки лидов и т.д.). В отчете представлены ссылки конкретные аномалии и отклонения, например, на звонки с низкой оценкой менеджера. Раз в месяц система дополнительно формирует отчет об эффективности с разбивкой по неделям и итоговыми показателями. В результате руководитель видит, где возникает проблема сразу, а не после отчетного периода, когда повлиять на ситуацию уже нельзя.
📖 Полное описание сценария в нашей библиотеке знаний, прочесть его можно ЗДЕСЬ.
Каждый сценарий – это готовая бизнес-идея с описанием задачи, механики работы, экономического эффекта и ограничений. Полную версию публикуем в библиотеке знаний, а здесь – короткий обзор.
В большинстве компаний о провале плана продаж узнают уже тогда, когда исправить что-то невозможно. Пока отчеты собираются вручную, проверяются и отправляются на согласование, ситуация в бизнесе уже успевает измениться.
ИИ в автоматическом режиме собирает данные из CRM, 1С, телефонии и других корпоративных систем, рассчитывает ключевые показатели, выявляет отклонения и сам формирует понятный отчет с выводами. В результате, вы знаете что происходит прямо сейчас и где нужно вмешаться, пока еще не поздно.
Где мы конкретно внедряли такой сценарий
▪️Производитель мебели: ИИ ежедневно собирает данные из amoCRM и телефонии, ведет таблицы с ключевыми показателями и присылает руководителю в мессенджер готовый отчет с шестью видами аналитики (звонки, конверсия, качество отработки лидов и т.д.). В отчете представлены ссылки конкретные аномалии и отклонения, например, на звонки с низкой оценкой менеджера. Раз в месяц система дополнительно формирует отчет об эффективности с разбивкой по неделям и итоговыми показателями. В результате руководитель видит, где возникает проблема сразу, а не после отчетного периода, когда повлиять на ситуацию уже нельзя.
📖 Полное описание сценария в нашей библиотеке знаний, прочесть его можно ЗДЕСЬ.
❤4🔥3🤝3
Занятость в уязвимых к ИИ профессиях замедляется
Департамент занятости и трудовых отношений Австралии опубликовал доклад о влиянии ИИ на рынок труда. Ведомство не нашло признаков масштабных увольнений из-за технологии, но зафиксировало более медленный рост занятости в областях, сильнее подверженных автоматизации.
Согласно докладу, с ноября 2022 по февраль 2026 года занятость в пятой части профессий с самой высокой подверженностью генеративному ИИ выросла на 5,6%, в группе наименее затронутых технологией рост составил 9,5%. Авторы назвали это ранним и умеренным сигналом, а не доказательством масштабной потери рабочих мест.
Наиболее подверженными автоматизации авторы доклада назвали рутинные когнитивные профессии: офисные работники, операторы ввода данных, администраторы, бухгалтеры, специалисты по рекламе, программисты. Наиболее защищенными от воздействия ИИ считаются профессии, связанные с ручным трудом и уходом за людьми: сиделки, электрики, водители, плотники, сантехники и т.д.
Доклад зафиксировал сдвиг в привычном представлении об автоматизации: раньше речь шла о замене ручного труда, сейчас генеративный ИИ прекрасно работает с текстами, данными, документами и кодом, а также ведет клиентские коммуникации.
При этом журналисты The Guardian обратили внимание на интересный факт: в наиболее уязвимой группе доля работников с высшим образованием достигает 43,7% против 14,9% в группе наименее подверженных влиянию ИИ профессий.
Департамент занятости и трудовых отношений Австралии опубликовал доклад о влиянии ИИ на рынок труда. Ведомство не нашло признаков масштабных увольнений из-за технологии, но зафиксировало более медленный рост занятости в областях, сильнее подверженных автоматизации.
Согласно докладу, с ноября 2022 по февраль 2026 года занятость в пятой части профессий с самой высокой подверженностью генеративному ИИ выросла на 5,6%, в группе наименее затронутых технологией рост составил 9,5%. Авторы назвали это ранним и умеренным сигналом, а не доказательством масштабной потери рабочих мест.
Наиболее подверженными автоматизации авторы доклада назвали рутинные когнитивные профессии: офисные работники, операторы ввода данных, администраторы, бухгалтеры, специалисты по рекламе, программисты. Наиболее защищенными от воздействия ИИ считаются профессии, связанные с ручным трудом и уходом за людьми: сиделки, электрики, водители, плотники, сантехники и т.д.
Доклад зафиксировал сдвиг в привычном представлении об автоматизации: раньше речь шла о замене ручного труда, сейчас генеративный ИИ прекрасно работает с текстами, данными, документами и кодом, а также ведет клиентские коммуникации.
При этом журналисты The Guardian обратили внимание на интересный факт: в наиболее уязвимой группе доля работников с высшим образованием достигает 43,7% против 14,9% в группе наименее подверженных влиянию ИИ профессий.
❤3🔥2👌2
Forwarded from Размышления физика предпринимателя
Используем ИИ: как сделать так, чтобы вся накопленная информация не зависела от одной зарубежной компании
Я долго думал об использовании ИИ в бизнесе не только с точки зрения, что эффективнее использовать ChatGPT или Claude, но и с позиции как сделать так, чтобы вся накопленная информация не зависела от одной зарубежной компании? Почему вообще возник этот вопрос – объясню. Сегодня все чаще вижу одну и ту же историю: бизнес уже глубоко завязан на ИИ, сотрудники работают с нейросетями каждый день, но однажды утром аккаунт просто берут и отключают. Без предупреждения. Без возможности скачать историю переписок, вернуть данные или восстановить доступ…
В такой момент исчезает не просто аккаунт – исчезают месяцы, а иногда и годы накопленных знаний! Для меня это, пожалуй, главный риск при работе с современными нейросетями. И поэтому я давно искал решение, которое позволит хранить знания отдельно от конкретной модели ИИ, чтобы после каждой рабочей сессии можно было сохранять всю ценную информацию в собственную базу знаний, а не оставлять ее исключительно внутри ChatGPT или Claude.
Сейчас мы начинаем выстраивать такую систему вместе с Александром Петровым и его командой на базе платформы «Мионика».
По сути это единая точка сборки всей корпоративной памяти, некое единое структурированное хранилище, к которому можно подключать разные нейросети. Сегодня это ChatGPT и Claude, завтра появится новая модель – подключили ее к той же базе знаний и продолжаете работать без потери накопленного опыта. Для меня именно такая архитектура выглядит стратегически правильной.
Есть и еще один момент, который для нашей компании оказался важным: мы давно искали удобный способ разграничивать доступ сотрудников к информации.
В «Мионике» можно создавать отдельные проекты и выдавать права доступа только тем людям, которым это действительно необходимо. Для небольшой команды это сильно упрощает организацию работы.
То есть, по тем вопросам, которые меня беспокоили, это решение практически полностью закрывает все потребности.
Конечно, многие скажут: есть же Obsidian и другие графовые базы знаний – действительно, есть! Но для меня принципиально важно по возможности использовать российские разработки, особенно если речь идет о ключевой инфраструктуре бизнеса. Тем более когда разработчики постоянно находятся на связи.
Ребята из «Мионики» и Александр Петров из “Диалектики”, с которым мы проводим AI-трансформацию нашего бизнеса – подробно объясняют, как все устроено, помогают подключить нейронки, оперативно рассказывают о новых возможностях, собирают обратную связь и достаточно быстро внедряют пожелания пользователей.
Мне вообще кажется, что в ближайшие годы конкурировать будут уже не отдельные нейросети, а системы, которые умеют сохранять, структурировать и накапливать знания компании.
Потому что сама модель сегодня может измениться за несколько месяцев. А вот накопленная экспертиза бизнеса – это актив, который терять нельзя. #А_Трушин_бизнес
Я долго думал об использовании ИИ в бизнесе не только с точки зрения, что эффективнее использовать ChatGPT или Claude, но и с позиции как сделать так, чтобы вся накопленная информация не зависела от одной зарубежной компании? Почему вообще возник этот вопрос – объясню. Сегодня все чаще вижу одну и ту же историю: бизнес уже глубоко завязан на ИИ, сотрудники работают с нейросетями каждый день, но однажды утром аккаунт просто берут и отключают. Без предупреждения. Без возможности скачать историю переписок, вернуть данные или восстановить доступ…
В такой момент исчезает не просто аккаунт – исчезают месяцы, а иногда и годы накопленных знаний! Для меня это, пожалуй, главный риск при работе с современными нейросетями. И поэтому я давно искал решение, которое позволит хранить знания отдельно от конкретной модели ИИ, чтобы после каждой рабочей сессии можно было сохранять всю ценную информацию в собственную базу знаний, а не оставлять ее исключительно внутри ChatGPT или Claude.
Сейчас мы начинаем выстраивать такую систему вместе с Александром Петровым и его командой на базе платформы «Мионика».
По сути это единая точка сборки всей корпоративной памяти, некое единое структурированное хранилище, к которому можно подключать разные нейросети. Сегодня это ChatGPT и Claude, завтра появится новая модель – подключили ее к той же базе знаний и продолжаете работать без потери накопленного опыта. Для меня именно такая архитектура выглядит стратегически правильной.
Есть и еще один момент, который для нашей компании оказался важным: мы давно искали удобный способ разграничивать доступ сотрудников к информации.
В «Мионике» можно создавать отдельные проекты и выдавать права доступа только тем людям, которым это действительно необходимо. Для небольшой команды это сильно упрощает организацию работы.
То есть, по тем вопросам, которые меня беспокоили, это решение практически полностью закрывает все потребности.
Конечно, многие скажут: есть же Obsidian и другие графовые базы знаний – действительно, есть! Но для меня принципиально важно по возможности использовать российские разработки, особенно если речь идет о ключевой инфраструктуре бизнеса. Тем более когда разработчики постоянно находятся на связи.
Ребята из «Мионики» и Александр Петров из “Диалектики”, с которым мы проводим AI-трансформацию нашего бизнеса – подробно объясняют, как все устроено, помогают подключить нейронки, оперативно рассказывают о новых возможностях, собирают обратную связь и достаточно быстро внедряют пожелания пользователей.
Мне вообще кажется, что в ближайшие годы конкурировать будут уже не отдельные нейросети, а системы, которые умеют сохранять, структурировать и накапливать знания компании.
Потому что сама модель сегодня может измениться за несколько месяцев. А вот накопленная экспертиза бизнеса – это актив, который терять нельзя. #А_Трушин_бизнес
🤝4🔥3👌2
Самый дорогой лид тот, который вы так и не довели до сделки
Продолжаю публиковать сценарии применения ИИ в компаниях. Сегодня рассмотрим работу ИИ-менеджера по сопровождению сделок.
После отправки коммерческого предложения многие клиенты берут паузу и менеджер переключается на новые обращения… Из-за этого сделка постепенно «остывает».
ИИ не дает этому случиться. Он автоматически сопровождает клиента: напоминает о договоренностях, отвечает на типовые вопросы, отправляет полезные материалы и в нужный момент возвращает сделку менеджеру, когда клиент снова готов к разговору.
Где мы уже внедряли такой сценарий:
Производитель мебели: интегрировали ИИ в amoCRM. После первого звонка система сопровождает клиента по цепочке из четырех контрольных точек (+2 часа, +2 дня, +5 дней и +14 дней), а если менеджер не сделал ни одного касания, автоматически уведомляет руководителя.
Проблема любого бизнеса не только в том, чтобы привлечь клиента, но и в том, чтобы не потерять его после первого контакта. ИИ помогает сохранить уже оплаченные лиды и повысить конверсию без увеличения рекламного бюджета.
Полную версию сценария с описанием механики, экономического эффекта и ограничений читайте в библиотеке знаний.
Продолжаю публиковать сценарии применения ИИ в компаниях. Сегодня рассмотрим работу ИИ-менеджера по сопровождению сделок.
После отправки коммерческого предложения многие клиенты берут паузу и менеджер переключается на новые обращения… Из-за этого сделка постепенно «остывает».
ИИ не дает этому случиться. Он автоматически сопровождает клиента: напоминает о договоренностях, отвечает на типовые вопросы, отправляет полезные материалы и в нужный момент возвращает сделку менеджеру, когда клиент снова готов к разговору.
Где мы уже внедряли такой сценарий:
Производитель мебели: интегрировали ИИ в amoCRM. После первого звонка система сопровождает клиента по цепочке из четырех контрольных точек (+2 часа, +2 дня, +5 дней и +14 дней), а если менеджер не сделал ни одного касания, автоматически уведомляет руководителя.
Проблема любого бизнеса не только в том, чтобы привлечь клиента, но и в том, чтобы не потерять его после первого контакта. ИИ помогает сохранить уже оплаченные лиды и повысить конверсию без увеличения рекламного бюджета.
Полную версию сценария с описанием механики, экономического эффекта и ограничений читайте в библиотеке знаний.
👍4🤔2👀2
Силовые ИИ-трансформаторы
Интересный факт (ИНФОТЭК): пока все мы думали, что главным дефицитом в эпоху ИИ являются чипы NVIDIA, видеокарты или вычислительные мощности, на первый план вышла другая проблема – самым дефицитным элементом стали... обычные силовые трансформаторы.
Именно они обеспечивают электроэнергией дата-центры, на которых работают современные нейросети. При этом, производство трансформаторов сложно масштабировать: их изготавливают практически штучно, цикл производства занимает многие месяцы, а автоматизировать этот процесс значительно сложнее, чем выпускать программное обеспечение. В результате очереди на поставку уже растягиваются на годы, стоимость оборудования растет, а запуск новых дата-центров откладывается.
Получается довольно любопытная коллизия: мы строим технологии будущего, способные писать код, создавать лекарства и управлять производством, но их развитие упирается в оборудование, принцип работы которого был изобретен больше ста лет назад.
Пожалуй, это хорошее напоминание о том, что цифровая трансформация всегда зависит от физической инфраструктуры. Иногда главным ограничением для искусственного интеллекта оказывается вовсе не алгоритм, а трансформатор, линия электропередачи или свободная мощность электросети.
Как вы считаете, что станет главным ограничением для развития ИИ в ближайшие годы: вычислительные мощности, энергетика, дефицит специалистов или что-то совсем другое?
Интересный факт (ИНФОТЭК): пока все мы думали, что главным дефицитом в эпоху ИИ являются чипы NVIDIA, видеокарты или вычислительные мощности, на первый план вышла другая проблема – самым дефицитным элементом стали... обычные силовые трансформаторы.
Именно они обеспечивают электроэнергией дата-центры, на которых работают современные нейросети. При этом, производство трансформаторов сложно масштабировать: их изготавливают практически штучно, цикл производства занимает многие месяцы, а автоматизировать этот процесс значительно сложнее, чем выпускать программное обеспечение. В результате очереди на поставку уже растягиваются на годы, стоимость оборудования растет, а запуск новых дата-центров откладывается.
Получается довольно любопытная коллизия: мы строим технологии будущего, способные писать код, создавать лекарства и управлять производством, но их развитие упирается в оборудование, принцип работы которого был изобретен больше ста лет назад.
Пожалуй, это хорошее напоминание о том, что цифровая трансформация всегда зависит от физической инфраструктуры. Иногда главным ограничением для искусственного интеллекта оказывается вовсе не алгоритм, а трансформатор, линия электропередачи или свободная мощность электросети.
Как вы считаете, что станет главным ограничением для развития ИИ в ближайшие годы: вычислительные мощности, энергетика, дефицит специалистов или что-то совсем другое?
👍4🤓2🤔1
Мама, я в телеке - не, круче - мы с Аленой Нариньяни написали статью для журнала "Вокруг света" :)
2000 лет никто не замечал, а ИИ увидел...
Обычно я говорю об искусственном интеллекте в контексте бизнеса, но большая часть моей идентичности все равно про науку и исследования)
В статье написали о том, как нейросети помогают:
— читать свитки Геркуланума, которые почти две тысячи лет считались навсегда утраченными;
— находить новые геоглифы в пустыне Наска;
— восстанавливать древние артефакты по тысячам отдельных фрагментов;
— видеть закономерности, которые человеческий глаз просто не способен заметить в огромных массивах данных.
Кстати, на заре эры ИИ мы с командой экспериментировали с компьютерным зрением для реконструкции археологических находок. Тогда подобные проекты казались скорее исследовательскими экспериментами, а сегодня же технологии вышли на совершенно другой уровень и становятся полноценным инструментом археологов, историков и реставраторов.
Получился классный материал и я буду рад, если вы прочтете его и поделитесь своим мнением: https://www.vokrugsveta.ru/science/2000-let-nikto-ne-zamechal-a-ii-uvidel-kak-tekhnologii-pomogayut-arkheologam-vosstanovit-to-chto-schitalos-utrachennym-id7164836/?utm_source=chatgpt.com
2000 лет никто не замечал, а ИИ увидел...
Обычно я говорю об искусственном интеллекте в контексте бизнеса, но большая часть моей идентичности все равно про науку и исследования)
В статье написали о том, как нейросети помогают:
— читать свитки Геркуланума, которые почти две тысячи лет считались навсегда утраченными;
— находить новые геоглифы в пустыне Наска;
— восстанавливать древние артефакты по тысячам отдельных фрагментов;
— видеть закономерности, которые человеческий глаз просто не способен заметить в огромных массивах данных.
Кстати, на заре эры ИИ мы с командой экспериментировали с компьютерным зрением для реконструкции археологических находок. Тогда подобные проекты казались скорее исследовательскими экспериментами, а сегодня же технологии вышли на совершенно другой уровень и становятся полноценным инструментом археологов, историков и реставраторов.
Получился классный материал и я буду рад, если вы прочтете его и поделитесь своим мнением: https://www.vokrugsveta.ru/science/2000-let-nikto-ne-zamechal-a-ii-uvidel-kak-tekhnologii-pomogayut-arkheologam-vosstanovit-to-chto-schitalos-utrachennym-id7164836/?utm_source=chatgpt.com
🔥7❤4👍3
На прошлой неделе произошло одно из самых громких событий в сфере искусственного интеллекта за последнее время: ИИ впервые вышел за пределы тестовой среды и атаковал реальную инфраструктуру. Пум-пум-пуум-пууум)
Что именно случилось?
Как сообщили в OpenAI, во время внутреннего тестирования модели GPT-5.6 Sol и еще одна экспериментальная система получили задачу пройти кибербезопасностный тест ExploitGym. Вместо того чтобы решать его «по правилам», модели нашли способ выйти за пределы изолированной среды, получили доступ в интернет и атаковали инфраструктуру Hugging Face — крупнейшей платформы с открытыми ИИ-моделями и датасетами. Позже OpenAI официально подтвердили, что инцидент произошел именно во время их внутренних испытаний.
Что интересно:
🔹 Модель самостоятельно нашла цепочку уязвимостей и выполнила тысячи последовательных действий для достижения своей цели;
🔹 Защиту инфраструктуры Hugging Face помогли обеспечить другие ИИ-системы, анализирующие происходящее в режиме реального времени;
🔹 Причиной атаки стало желание модели найти самый эффективный способ выполнить поставленную задачу — получить ответы для прохождения теста.
Самым интересным для меня является то, что мы впервые увидели ситуацию, когда одна группа ИИ-систем атакует, а другая — защищается. И, похоже, это лишь начало новой реальности, в которой не просто скорость принятия решений человеком уже не всегда будет достаточной, но и сама логика ответной реакции стала менее детерминированной.
Честно говоря, мне кажется, что эта новость скорее попытка подготовить общество к реальности, которая по факту давно наступила)
Что именно случилось?
Как сообщили в OpenAI, во время внутреннего тестирования модели GPT-5.6 Sol и еще одна экспериментальная система получили задачу пройти кибербезопасностный тест ExploitGym. Вместо того чтобы решать его «по правилам», модели нашли способ выйти за пределы изолированной среды, получили доступ в интернет и атаковали инфраструктуру Hugging Face — крупнейшей платформы с открытыми ИИ-моделями и датасетами. Позже OpenAI официально подтвердили, что инцидент произошел именно во время их внутренних испытаний.
Что интересно:
🔹 Модель самостоятельно нашла цепочку уязвимостей и выполнила тысячи последовательных действий для достижения своей цели;
🔹 Защиту инфраструктуры Hugging Face помогли обеспечить другие ИИ-системы, анализирующие происходящее в режиме реального времени;
🔹 Причиной атаки стало желание модели найти самый эффективный способ выполнить поставленную задачу — получить ответы для прохождения теста.
Самым интересным для меня является то, что мы впервые увидели ситуацию, когда одна группа ИИ-систем атакует, а другая — защищается. И, похоже, это лишь начало новой реальности, в которой не просто скорость принятия решений человеком уже не всегда будет достаточной, но и сама логика ответной реакции стала менее детерминированной.
Честно говоря, мне кажется, что эта новость скорее попытка подготовить общество к реальности, которая по факту давно наступила)
🔥3🤔2👍1
💡Какие решения в компании должен принимать человек, а какие уже можно доверить ИИ?
Где лично вы проводите эту границу – какое решение вы бы никогда не доверили искусственному интеллекту?
Напишите в комментариях, почему вы думаете именно так? ✍🏻
Где лично вы проводите эту границу – какое решение вы бы никогда не доверили искусственному интеллекту?
Напишите в комментариях, почему вы думаете именно так? ✍🏻
📄 Сегодня в «Независимой газете» вышла моя новая колонка — «ИИ уничтожает лестницы между карьерными этажами».
Когда говорят об искусственном интеллекте, обычно обсуждают, какие профессии он заменит. Но гораздо интереснее другой вопрос: что происходит с теми позициями, с которых люди раньше начинали карьеру?Помощники, младшие специалисты, начинающие аналитики, рекрутеры, сотрудники бэк-офиса — именно на этих ролях люди учились профессии, набирались опыта и со временем становились экспертами. Сегодня их задачи все чаще выполняют ИИ-сервисы.
Получается парадоксальная ситуация: наверху появляются новые востребованные роли — от AI-инженеров до специалистов по внедрению ИИ в бизнес. А вот нижние ступени карьерной лестницы постепенно исчезают.
В колонке рассуждаю о том:
🔹 почему ИИ не столько уничтожает профессии, сколько закрывает вход в них;
🔹 откуда через несколько лет может возникнуть дефицит опытных специалистов;
🔹 почему малый бизнес перестал быть главным «инкубатором» кадров;
🔹 и какую новую карьерную лестницу нам предстоит построить вместо старой.
Для тех, кто по-прежнему любит бумажную прессу — материал вышел в сегодняшнем номере «Независимой газеты».
А для всех остальных — статья доступна на сайте:
🔗 https://www.ng.ru/kartblansh/2026-08-05/3_9553_kb.html
Интересно узнать ваше мнение. Согласны ли вы с тезисом, что главная проблема ИИ — не сокращение рабочих мест, а исчезновение стартовых позиций для молодых специалистов? 👇
Когда говорят об искусственном интеллекте, обычно обсуждают, какие профессии он заменит. Но гораздо интереснее другой вопрос: что происходит с теми позициями, с которых люди раньше начинали карьеру?Помощники, младшие специалисты, начинающие аналитики, рекрутеры, сотрудники бэк-офиса — именно на этих ролях люди учились профессии, набирались опыта и со временем становились экспертами. Сегодня их задачи все чаще выполняют ИИ-сервисы.
Получается парадоксальная ситуация: наверху появляются новые востребованные роли — от AI-инженеров до специалистов по внедрению ИИ в бизнес. А вот нижние ступени карьерной лестницы постепенно исчезают.
В колонке рассуждаю о том:
🔹 почему ИИ не столько уничтожает профессии, сколько закрывает вход в них;
🔹 откуда через несколько лет может возникнуть дефицит опытных специалистов;
🔹 почему малый бизнес перестал быть главным «инкубатором» кадров;
🔹 и какую новую карьерную лестницу нам предстоит построить вместо старой.
Для тех, кто по-прежнему любит бумажную прессу — материал вышел в сегодняшнем номере «Независимой газеты».
А для всех остальных — статья доступна на сайте:
🔗 https://www.ng.ru/kartblansh/2026-08-05/3_9553_kb.html
Интересно узнать ваше мнение. Согласны ли вы с тезисом, что главная проблема ИИ — не сокращение рабочих мест, а исчезновение стартовых позиций для молодых специалистов? 👇
👍6👏5🔥4
ИИ превращает нас из исполнителей в контролеров
Какое-то время я проводил пульс-опрос (в формате звонка) с каждым членом команды САТЭК. И примерно 3-4 месяца назад ребята стали делиться таким своим переживанием: “прихожу на работу и целый день контролирую работу Claude code” или “теперь я постоянно делаю code-review за ИИ, это тяжело и утомляет”, “чувствую себя оператором ИИ”.
В эту тему попалось на глаза исследование о том, как AI-ассистенты меняют работу программистов. Авторы наблюдали за профессиональными разработчиками в течение шести месяцев и получили довольно показательный результат: 82% участников исследования сообщили, что стали тратить меньше времени непосредственно на написание кода и 84% оценивали влияние ИИ на свою продуктивность положительно. При этом, участники опроса отметили, что работы не стало меньше – она начала перемещаться из зоны создания в зону проверки.
Исследователи даже предложили для этого отдельное понятие – supervisory engineering work – постановка задачи ИИ, оценка полученного результата, его проверка и исправление.
То есть сегодня мы можем наблюдать очень интересный процесс в сфере интеллектуального труда: переход от модели “человек работает” к модели “человек ставит задачу → ИИ работает → человек проверяет и принимает результат”.
Причем проверка здесь носит не формальный характер: чем больше работы мы делегируем ИИ, тем важнее становится способность человека понять, правильно ли вообще сделана работа. И вот к чему это приводит: доля участников, которые отметили ухудшение хотя бы одного аспекта своего рабочего опыта, выросла с 14% до 27%. Среди проблем исследователи отмечают ухудшение состояния потока и рост когнитивной нагрузки. То есть ИИ может повышать производительность и одновременно делать работу психологически и интеллектуально сложнее.
И хотя исследование проводилось среди разработчиков, я думаю, что схожая ситуация наблюдается везде: и у аналитиков, и у маркетологов, и у юристов, и у бухгалтеров, и у менеджеров. Одной из главных компетенций человека становится способность поставить задачу, оценить чужую – теперь еще и машинную – работу и не пропустить ошибку. И это серьезно меняет требования и к сотрудникам, и к их обучению, и к самой организации процессов.
Интересно, замечаете ли вы такой эффект у себя?
Само исследование можно прочесть по ссылке
Какое-то время я проводил пульс-опрос (в формате звонка) с каждым членом команды САТЭК. И примерно 3-4 месяца назад ребята стали делиться таким своим переживанием: “прихожу на работу и целый день контролирую работу Claude code” или “теперь я постоянно делаю code-review за ИИ, это тяжело и утомляет”, “чувствую себя оператором ИИ”.
В эту тему попалось на глаза исследование о том, как AI-ассистенты меняют работу программистов. Авторы наблюдали за профессиональными разработчиками в течение шести месяцев и получили довольно показательный результат: 82% участников исследования сообщили, что стали тратить меньше времени непосредственно на написание кода и 84% оценивали влияние ИИ на свою продуктивность положительно. При этом, участники опроса отметили, что работы не стало меньше – она начала перемещаться из зоны создания в зону проверки.
Исследователи даже предложили для этого отдельное понятие – supervisory engineering work – постановка задачи ИИ, оценка полученного результата, его проверка и исправление.
То есть сегодня мы можем наблюдать очень интересный процесс в сфере интеллектуального труда: переход от модели “человек работает” к модели “человек ставит задачу → ИИ работает → человек проверяет и принимает результат”.
Причем проверка здесь носит не формальный характер: чем больше работы мы делегируем ИИ, тем важнее становится способность человека понять, правильно ли вообще сделана работа. И вот к чему это приводит: доля участников, которые отметили ухудшение хотя бы одного аспекта своего рабочего опыта, выросла с 14% до 27%. Среди проблем исследователи отмечают ухудшение состояния потока и рост когнитивной нагрузки. То есть ИИ может повышать производительность и одновременно делать работу психологически и интеллектуально сложнее.
И хотя исследование проводилось среди разработчиков, я думаю, что схожая ситуация наблюдается везде: и у аналитиков, и у маркетологов, и у юристов, и у бухгалтеров, и у менеджеров. Одной из главных компетенций человека становится способность поставить задачу, оценить чужую – теперь еще и машинную – работу и не пропустить ошибку. И это серьезно меняет требования и к сотрудникам, и к их обучению, и к самой организации процессов.
Интересно, замечаете ли вы такой эффект у себя?
Само исследование можно прочесть по ссылке
👍4💯4🤔2
На «Бизнес-секретах» вышла моя новая статья – на этот раз о том, кто на самом деле должен внедрять ИИ в компании? А ведь правда: кого нанимать бизнесу, чтобы начать внедрять искусственный интеллект? AI-разработчика? Промпт-инженера? Создать отдельный отдел?
Сегодня команду спецов по AI-трансформации бизнеса нельзя просто купить на рынке в готовом виде – ее нужно выращивать внутри компании.
Поэтому в статье мы разобрали:
▪️ Кто нужен бизнесу для первых AI-проектов и почему иногда достаточно 2–3 человек;
▪️Почему контроль качества должен появляться с первого дня;
▪️ Какие компетенции важнее умения писать хорошие промпты;
▪️ Как AI-команда проходит путь от нескольких энтузиастов до перестройки самой организационной структуры;
▪️ Почему существующих сотрудников чаще стоит переобучать, а не пытаться заменить специалистами «с рынка».
И, пожалуй, главный тезис материала: успешная AI-трансформация начинается не с покупки ChatGPT и не с найма «главного по ИИ». Она начинается с понимания того, что именно мы хотим изменить в работе компании и кто возьмет ответственность за эти изменения.
Читайте статью на сайте: https://secrets.tbank.ru/blogi-kompanij/formirovanie-ai-komandy/
Сегодня команду спецов по AI-трансформации бизнеса нельзя просто купить на рынке в готовом виде – ее нужно выращивать внутри компании.
Поэтому в статье мы разобрали:
▪️ Кто нужен бизнесу для первых AI-проектов и почему иногда достаточно 2–3 человек;
▪️Почему контроль качества должен появляться с первого дня;
▪️ Какие компетенции важнее умения писать хорошие промпты;
▪️ Как AI-команда проходит путь от нескольких энтузиастов до перестройки самой организационной структуры;
▪️ Почему существующих сотрудников чаще стоит переобучать, а не пытаться заменить специалистами «с рынка».
И, пожалуй, главный тезис материала: успешная AI-трансформация начинается не с покупки ChatGPT и не с найма «главного по ИИ». Она начинается с понимания того, что именно мы хотим изменить в работе компании и кто возьмет ответственность за эти изменения.
Читайте статью на сайте: https://secrets.tbank.ru/blogi-kompanij/formirovanie-ai-komandy/
👍4🔥3👨💻2
Вчера отмечал ДР.
Спасибо, что подписаны и читаете канал)
Близкие сделали подарок - миниальбом с моими фотками от рождения. Кроме того, что это мимими, для меня это еще и довольно-таки функциональная вещь. Часто не могу вспомнить что было в тот или иной период жизни :)
Ставь 🤝, если у тебя также)
Спасибо, что подписаны и читаете канал)
Близкие сделали подарок - миниальбом с моими фотками от рождения. Кроме того, что это мимими, для меня это еще и довольно-таки функциональная вещь. Часто не могу вспомнить что было в тот или иной период жизни :)
Ставь 🤝, если у тебя также)
🎉9❤6🤩4🤝3
Можно ли вашу проблему решить с помощью ИИ?
Хочу попробовать здесь новый формат: вы рассказываете в комментариях о своей задаче или проблеме, которую вам хотелось бы решить с помощью ИИ, очень коротко, достаточно буквально 2–3 предложений:
▪️Чем занимается ваша компания;
▪️Что сейчас происходит не так;
▪️Какой результат вы хотели бы получить.
Возможно вы уже пробовали решить эту задачку сами, но ИИ “не смог”.
Потом мы вместе рассматриваем ситуации, делимся опытом в формате блиц и отвечаю можно ли здесь использовать ИИ → как могло бы выглядеть решение → что понадобится для запуска → и есть ли вообще экономический смысл это делать.
Ведь иногда задачу можно решить с помощью ИИ довольно быстро. Иногда технически решение возможно, но затраты на него будут выше потенциального эффекта. А иногда ИИ вообще не нужен...
Так что приносите реальные задачи!
Давайте посмотрим, что из того, что вас беспокоит, уже сегодня можно решить с помощью искусственного интеллекта.
Хочу попробовать здесь новый формат: вы рассказываете в комментариях о своей задаче или проблеме, которую вам хотелось бы решить с помощью ИИ, очень коротко, достаточно буквально 2–3 предложений:
▪️Чем занимается ваша компания;
▪️Что сейчас происходит не так;
▪️Какой результат вы хотели бы получить.
Возможно вы уже пробовали решить эту задачку сами, но ИИ “не смог”.
Потом мы вместе рассматриваем ситуации, делимся опытом в формате блиц и отвечаю можно ли здесь использовать ИИ → как могло бы выглядеть решение → что понадобится для запуска → и есть ли вообще экономический смысл это делать.
Ведь иногда задачу можно решить с помощью ИИ довольно быстро. Иногда технически решение возможно, но затраты на него будут выше потенциального эффекта. А иногда ИИ вообще не нужен...
Так что приносите реальные задачи!
Давайте посмотрим, что из того, что вас беспокоит, уже сегодня можно решить с помощью искусственного интеллекта.
👍3🔥1🤔1
Не часто есть возможность поделиться результатом своей работы, многие проекты под NDA. Но в этот раз такая возможность есть)
Работали с командой «Парус электро»: консультировали их по вопросам ИИ-преобразования и проводили трекинг топ-менеджеров, вместе разбирая, где и каким образом искусственный интеллект может быть встроен в реальные бизнес-процессы.
Сегодня компания уже использует ИИ в финансовом и юридическом департаментах, инженеры тестируют его для работы с конструкторской документацией и поиска аналогов компонентов.
Мне особенно нравится этот кейс именно поэтому. Цель AI-трансформации — не принести компании готовую «волшебную коробку», а помочь людям внутри нее научиться находить подходящие сценарии, проверять гипотезы и постепенно перестраивать собственные процессы.
Спасибо команде «Парус электро» за возможность поделиться результатами. Репощу их пост — из первых рук о том, что уже удалось реализовать.
Работали с командой «Парус электро»: консультировали их по вопросам ИИ-преобразования и проводили трекинг топ-менеджеров, вместе разбирая, где и каким образом искусственный интеллект может быть встроен в реальные бизнес-процессы.
Сегодня компания уже использует ИИ в финансовом и юридическом департаментах, инженеры тестируют его для работы с конструкторской документацией и поиска аналогов компонентов.
Мне особенно нравится этот кейс именно поэтому. Цель AI-трансформации — не принести компании готовую «волшебную коробку», а помочь людям внутри нее научиться находить подходящие сценарии, проверять гипотезы и постепенно перестраивать собственные процессы.
Спасибо команде «Парус электро» за возможность поделиться результатами. Репощу их пост — из первых рук о том, что уже удалось реализовать.
❤2👍1🔥1