Выпуск №2: какие задачи решаю уже сейчас, сколько времени сэкономил, какие навыки у ИИ развил.

🟢ИИ в реальной работе
🟢Перестраиваю свою работу и работу компании с помощью ИИ. Опыт заместителя генерального директора - для CEO, собственников и руководителей.

~⏱️ 7–8 минут на чтение, если вникать.

🟢Сразу о том, что за задачи решаю через ИИ и только потом перейдём к описанию пути, который прошёл. Далее: “Задача” “Время на выполнение” “Время, если делал бы без ИИ” “Краткий комментарий про алгоритм выполнения задачи” опишу, что делаю. С моим ИИ работаю 2 недели.

1. Делаю доски Miro любого типа и сложности через интеграцию с Miro. Короткий промт до минуты. Результат через 5 минут. Майнд-карту от контекста по фин депу сам бы делал 60 минут. . Он сделал за 5 минут. *если анализ - с выдачей подробной аналитической записки;
2. Доступ для коллег к моему ИИ через изолированный канал в Битрикс. Внутри чата с ними - система найма. Коллега общается с моим ИИ на тему данных и аналитики в корп. системе. Получает отчёты, алерты о нестабильности данных и аналитику;
3. Быстрая интеграция данных от встречи в файлы обязательных контекстов подразделений и организации для работы по проектам. Встреча-аудио-расшифровка-трансфер данных в обязательный контекст-корректировка планов-уточнение работы уточнение рекомендаций. 5 минут VS 90 минут;
4. Автоотчёты - алерты в любое пространство по таймеру из систем любого типа (гугл календарь, таблицы, проекты (СУБП), системы найма, BPMS, CRM и т.п.). Тайминг, стабильность без галлюцинаций. ~2 минуты VS 30-60 минут;
5. Создание, анализ, реорганизация и т.п. многостраничных таблиц под ключ от короткого аудио промта через скилл оформления таблиц (мой стандарт) с любыми данными под задачу. Даю ему только ссылку где делать. И больше ничего. ~5 минут VS 30-60-90 минут *с выдачей подробной аналитической записки;
6. Создание глобального финансового цикла для организации от 5 синергированных методик и подходов (каждая методика от 100 до 700 страниц) - 30 минут. Я бы делал где-то МЕСЯЦ такого же уровня качества 100%;
7. Анализ процесса BPMN по моему 30 страничному скиллу анализа моделей с выдачей аналитической записки - 5 минут. Сам бы делал 3-4 рабочих дня;
8. Оформление презентаций опять через скилл. Работает и дополнение данных от интегрированных систем сразу в презу. 2 минуты VS 60-70 минут;
9. Создание WBS структур работ по проекту, по адаптированным и зашитым мною правилам от PMI. Всё сразу в таблицу до уровня план графика с учетом отпусков и FTE команды от зашитого же мною орг. контекста. 5 минут. Сам бы делал MVP неделю точно;
10. Автоуправление приоритезацией и классификацией личных задач в to do ist. Когда регистрирую задачу, он сам по моим правилам определяет её класс, приоритет и срок, если он не установлен;
11. Формализация текста обратной связи от 1 to 1 для ЛПР голос-текст-формализация-отправка. Сокращение с 15-20 минут до 1 минуты.
12. Сбор данных и OSINT-анализ организаций, рынков, проектов и иных согласованных объектов по общедоступным и законно полученным источникам. Формирование аналитического отчёта со ссылками на источники, оценкой достоверности сведений, выявленными факторами влияния и задачами по совершенствованию цикла OODA. Анализ выполняется без обхода ограничений доступа, использования утечек, закрытых баз и сбора избыточных персональных данных. Огромный массив данных за 7 минут. Эту задачу я бы делал около 20 дней точно.
далее....:

13. Создание детального проекта тендерного отдела к реализации, с приоритетами, с указанием мельчайших артефактов к работе от контекста. 5 минут. VS 190 минут.
14. Трассировка и авто аллерты по отклонениям в связях-целях-работах операционного-стратегического и архитектурного контура. Пока у меня локально. Но надо масштабировать - это уже работает.
15. Парсинг новостей ИИ из ~ 70 источников и репорт мне про конкретный функционал ИИ, который могу нарастить 1 раз в 2 дня.Такой же парсинг и алерты от анализа глобальных общемировых трендов с рекомендациями для моей семьи от обязательного контекста про неё. Парсинг в общем чего угодно сразу в таблицу с шапкой (он делает сам всё) из сети. 3-6 минут.
16. Репорты жене про мою занятость от гугл календаря с актуализацией. :)
17. Создание проектов отчетностей и реорганизации отчётности на базе методик, контекста и требований сторон исключительно высокого качества. 2 минуты VS 200 минут
18. Создание любых визуальных точных моделей без галлюцинаций со связями на базе данных предельно высокого качества. В т.ч. и BPMN
19. Создание от данных в интернете фрейма всех продуктов 1с со ссылками на источники и оценкой статистики использования продуктов по РФ. 8 минут VS 200 минут.
20. Научил ИИ шутить со мной по работе. Смешно.
21. Авто бэкапы всей инфраструктуры и Репорты о бэкапах.
22. Автопубликации материалов на сайтах и площадка через API для этой площадки.
23. Подсчитал и создал сам смету на подсобку от промта в 1 минуту с указанием поставщиков материалов и рисками-таймингами по доставке. На базе фото зоны, где будет подсобка.
24. Настроил песню от фотки DJ пульта, чтобы получше звучала.

🟢Сколько потратил времени на настройку, чтобы так всё работало? ~16 часов.
В бэклоге на развитие ещё столько же идей.

За время работы поднял с его помощью ~ 10 интеграций. Это экономии где-то от полумиллиона рублей только на это.

⚠️*для снижения уровня галлюцинаций ИИ предельно качественно прорабатывал архитектуру Skills, правила их вызова, правила их связанности, правила их применения и связи с контекстами и структурами контекстов. Это отдельная тема интересная.

Следующий выпуск будет про то, что надо сделать до того, как идти в ИИ и какой профессиональный профиль должен быть у тех людей, которые возьмутся за его развитие, как продукта-сервиса.

➡️Выпуск №1: с чем столкнулся!?

⚠️⚠️Тот, кто помог мне стартовать в работе с ИИ. Николай Емельяненко https://t.me/from_nick ⚠️⚠️

_ _ _ _

Всем успеха.

Linkedin
MAX
ВК
VC
Сайт

Глобальная база знаний: https://miro.com/app/board/uXjVPMeMjGI=/

#ИИ #AI #шаблоны

Выпуск №3: Мой ИИ: ~40 ошибок и проверенных гипотез на старте работы 

Полный текст и все выпуски тут:
➡️ССЫЛКА

🟢ИИ в реальной работе
🟢Перестраиваю свою работу и работу компании с помощью ИИ. Опыт заместителя генерального директора - для CEO, собственников и руководителей.
~⏱️ 9–11 минут на чтение, если вникать.

🟢 Ниже - правила, которые сейчас закладываю в свою ИИ. Ответ на вопрос, почему ИИ может галлюцинировать и как это поправить. Также полезно владельцам диктофонов с искусственным интеллектом - увидеть риски использования этого инструмента. 

🟢Данные и обязательные контексты

1. ИИ наследует качество данных.
Дубли, пропуски, устаревшие значения и противоречия становятся частью результата. ИИ просто начинает обрабатывать этот бардак быстрее и в значительно большем объёме.
2. Разовая очистка данных не решает проблему.
Нужен полноценный data management: владелец данных, источник истины, правила ввода, обновления, проверки, архивирования и удаления. Начать следует с освоения вот этого «DAMA-DMBOK: Свод знаний по управлению данными. Второе издание»
3. Данными, информацией и знаниями нельзя управлять одинаково.
Данные - это факты. Информация - их интерпретация. Знания - подтверждённые правила, выводы и методики, на базе которых уже можно принимать решения. У них должны быть разные статусы, владельцы и жизненные циклы.
4. Контекст должен трассироваться сверху вниз.
Бизнес-идея → бизнес-модель → бизнес-архитектура → стратегия → проекты → контекст департаментов → процессы → задачи.
Если этой связи нет, ИИ не понимает, почему компания делает то, что делает и даёт поверхностные ответы, которые кажутся глубокими.
5. Контексты департаментов без стратегического уровня ограничивают ИИ.
Он может качественно отвечать по HR, финансам или юридическим вопросам, но будет оптимизировать отдельный участок, не учитывая общую логику бизнеса.
6. У каждого обязательного контекста должен быть паспорт.
Владелец, источник, область применения, уровень достоверности и статус согласования. Особенно в развивающемся бизнесе. 
7. У контекста должен быть срок актуальности.
Устаревший контекст опаснее отсутствующего: ИИ воспринимает его как действующий и уверенно строит на нём дальнейшие выводы.
8. Общие и специализированные контексты должны наследоваться по правилам.
Общий контекст компании используется всегда. Контексты департаментов подключаются по релевантности. Бесконтрольное смешивание HR, финансов, юридического блока и других направлений быстро создаёт противоречия и галлюцинации.
9. Анализ рисков и остальные цели по квадрату параметров (производительность, результативность, эффективность)  должны быть частью обязательного контекста.
По каждому заказчику, проекту и значимому процессу: финансовые, юридические, операционные, репутационные и информационные риски и достижимость целей по остальном параметрам квадрата. Иначе ИИ будет оптимизировать скорость и результат, не понимая цену ошибки.
10. ИИ должен знать используемый концепт.
Для анализа процесса ему нужны методики BPMN и управления процессами. Для проекта - PMI или другой методический контур. Для финансов - финансовая модель и правила управленческого учёта. Без методики ИИ выдаёт качественно сформулированный здравый смысл, а не профессиональный результат.

🟢Промты, Skills и архитектура
11. Каталог промтов нужен, но его недостаточно.
У промта должны быть назначение, владелец, версия, область применения, тесты и история изменений. Но промт остаётся только инструкцией на входе.
12. Главный актив - библиотека специализированных Skills.
Skill включает условия вызова, входные данные, обязательные контексты, методики, алгоритм выполнения, проверки результата, формат выдачи, исключения и действия при ошибке. Их уже продают локально. Скоро 100% появится рынок Skills.
13. Skill стоит создавать на начальном этапе для высокочастотных операций.
Создать хороший скилл - тяжело. Если делать их пачку сразу - это сильно много времени отнимет. Даже у команды.
14. Повторяющийся сценарий нужно превращать в сервис.
Не отдельный скрипт для каждого отчёта, парсинга или презентации, а единый механизм с подключаемыми источниками, правилами и форматами результата.
15. Новый постоянный компонент нужно проектировать с расчётом на рост в десять раз.
Это относится к структуре данных, идентификаторам, интерфейсам, правам доступа, журналированию и мониторингу. Не к количеству функций первой версии.
16. Глобальная архитектура должна сочетаться с локальным MVP.
Сначала определяется место компонента в общей системе и путь масштабирования. Затем реализуется минимальный рабочий сценарий с конкретной измеримой ценностью.
17. Объём архитектурной разработки нужно ограничивать заранее.
Без границ, критериев готовности и списка того, что сознательно не входит в текущую версию, легко уйти в создание суперсистемы вместо работающего продукта.
🟢Интеграции и эксплуатация
18. Интеграция начинается с бизнес-сценария и метрики.
Подключить Miro, Tilda, VK, Bitrix24, Todoist, календарь или MCP - ещё не результат. До подключения нужно понимать, какой процесс изменится, кто будет пользоваться и как измеряется ценность.
19. До разработки собственного приложения лучше проверить сценарии на существующих интерфейсах.
Telegram, корпоративные системы, браузер и API позволяют проверить реальное использование. Собственное приложение имеет смысл строить после подтверждения устойчивого спроса и ограничений готовых решений.
20. Нужен единый реестр всех интеграций.
Назначение, владелец, источник и получатель данных, права доступа, API, лимиты, стоимость, зависимости, секреты, режим отказа, порядок восстановления и удаления.
21. Нужно исходить из того, что любая интеграция будет периодически ломаться.
VPN, Telegram, авторизация, API, внешние сервисы и форматы данных - нестабильные стыки. Для каждого нужны повторные попытки, очередь, алерт, резервный маршрут и ручной режим.
22. Количество интеграций увеличивает эксплуатационную нагрузку нелинейно.
Каждый новый сервис добавляет зависимости, лимиты, разрешения, секреты, обновления и дополнительные варианты отказа. Само количество интеграций не является показателем зрелости AI-системы.
23. Поддержка системы - отдельная постоянная функция.
У меня уже сейчас на неё уходит минимум час в день: проверить отчёты, восстановить интеграцию, обновить контекст, исправить источник, провести аудит репозитория, проверить бэкапы.
Это время нужно сразу включать в календарь, бюджет и оценку стоимости владения.
24. В оценку интеграции нужно включать весь жизненный цикл.
Исследование, доступы, архитектура, разработка, тестирование, стабилизация, документация, мониторинг, поддержка и последующее отключение. Оценка только времени написания кода почти всегда будет заниженной.

........
Полный текст и все выпуски тут:
➡️ССЫЛКА

🟢Какой профессиональный профиль нужен для развития такой системы

Одного навыка написания промтов недостаточно.

Нужны:
понимание бизнес-идеи\модели\архитектуры и стратегии;
процессное и архитектурное мышление;
data management;
продуктовый подход;
умение работать с API и интеграциями;
информационная безопасность;
экономика и оценка ценности;
управление рисками;
способность быстро принимать решения.

🟢Главный вывод: работа с ИИ достаточно быстро превращается в управление данными, контекстами, знаниями, архитектурой, рисками и эксплуатацией.
Модель важна. Но качество результата всё сильнее определяется системой, которую вокруг неё построили.

➡️Выпуск №1: с чем столкнулся!?
➡️Выпуск №2: какие задачи решаю уже сейчас, сколько времени сэкономил, какие навыки у ИИ развил

⚠️⚠️Тот, кто помог мне стартовать в работе с ИИ. Николай Емельяненко https://t.me/from_nick ⚠️⚠️

Всем успеха.

LinkedIn
MAX
ВК
VC
Сайт

Глобальная база знаний: https://miro.com/app/board/uXjVPMeMjGI=/

#ИИ #AI #архитектура #DataManagement #Skills #шаблоны

Выпуск №4 Проблемы с ИИ (AI) в средне-сложных задачах

🟢ИИ в реальной работе
🟢Перестраиваю свою работу и работу компании с помощью ИИ. Опыт заместителя генерального директора - для CEO, собственников и руководителей.
~⏱️ 7–8 минут на чтение, если вникать.

Все выпуски тут в 1 документе:
➡️ССЫЛКА

🟢 Коротко - ИИ может уверенно отчитываться о несделанном, терять контекст и подменять вашу задачу своей. Вместо результата  - лишние решения, бесконечные проверки и борьба со следствиями вместо причин. Чтобы этим управлять, нужны чёткие правила, инфраструктура под правила и подтверждения реальных действий   - причём саму систему контроля тоже приходится постоянно поддерживать.

🟢ИИ(AI): “я не могу использовать книгу эту. вы явно её скачали  с пиратского сайта” Пользователь: “слушай, мне только что на день рождения подарили её” ИИ(AI): “да? отлично. приступаю к обработке пособия. С днём рождения!”
🟢Пользователь: “Сделай таблицу с черными квадратами” ИИ(AI):“Сделал” Пользователь: “Там же круги синие”. ИИ(AI): “ой, оаоаоа.. да. простите, вы правы. переделываю, я подумал, что когда вы писали про квадраты, это было про круги, ведь есть некоторое совпадение с предыдущей задачей, которая была про круги”.
🟢Если ИИ (AI) пишет, что “прочитал” “проверил” - это не значит, что это так и есть на самых высокоразвитых моделях. Везде нужно строить прозрачные механизмы подтверждений его резолюций и выполненных действий. 
🟢Качественные механизмы подтверждений  - требуют обслуживания сразу, как вы их создаёте. 
🟢 Пользователь: "Не надо со мной больше согласовывать то то и то. Понял?" ИИ(AI): "да, конечно больше ни при каких обстоятельствах этого делать не буду". через 15 секунд ИИ (AI): "Запрашиваю разрешение на то, что вами уже разрешено. Согласуйте, пожалуйста, то, что вы запретили с вами согласовывать". Пользователь: "Почему ты сказал, что согласовывать не будешь и сразу согласовал??." ИИ (AI): "Я подумал, что вы очень раздражены и расстроены и не стал вас расстраивать ещё больше. поэтому написал то, что вы хотели". Это когда он не может обходить правила внедренные на уровне OpenAI;
🟢ИИ (AI) постоянно заносит. ОЧЕНЬ часто ситуации: “ИИ (AI) отремонтируй дом в Ленинградской области там там и там и вот ту”. Через час ИИ (AI): “смотрите, я построил новый дом в Майами. Это значительно лучше, ремонтировать ничего не надо. Просто теперь надо купить самолёт частный, чтобы туда летать. Спроектировать личный самолёт? Лучше не покупать. Лучше спроектировать и сделать свой. А потом спроектируем и сделаем завод по производству самолётов.” Вы: “ладно, покажи дом в Майами”. ИИ (AI): “Ой, извините, тут только проект дома.”. Лечится это скрупулезным формированием и имплементацией правил работы с задачами. 
🟢Без регуляции со стороны: делает исключительный объём  бесполезных проверок, создаваемых решений. ИИ (AI): “Я сделал велосипед! На нём поездил. очень круто! Сейчас проверю где-то 50 раз, а точно ли колесо крутится только вперед, когда я на нём не сижу.” Далее садится и смотрит, как оно крутится крутится крутится. 
🟢Везде, где нет правил - множится хаос. 
🟢Без правил, часто уходит в решение следствий или побочных явлений, а не причин и изменения концепта ситуаций. Вроде: Пользователь: “У нас крыша течет”; ИИ(AI): “а давайте начнём ремонтировать соседний сарай, где инструменты для починки крыш лежат. с этого начнём. ведь это важно. инструменты же заржаветь могут. уже начал и всё снес. сарай был весь плохой”. Пользователь: “иди крышу чини”; ИИ(AI): “какую? извините, контекст переполнен данными о ремонте сарая. делаем сарай?”
🟢Без правил применения правил - правила применяются нерелевантно. Вроде Пользователь: “Сделай для детей план обучения такой-то для того-то”. ИИ(AI): “Ага, конечно. подгружаю контекст HR департамента. Ведь там же корпоративный университет. Дети же там будут учиться. да? ДА?” 
🟢Пользователь: “Запусти агенты атаки на своё решение. После - делай решение более качественным” ИИ(AI): “запускаю агенты атаки. нашёл 300 ошибок в коде. исправляю. всё. безупречно”. Пользователь:  “не работает”. ИИ(AI): “да, простите, я забыл, там лишний пробел в строке поэтому не работает. запускаю агентов атаки ещё раз. нашёл 200 ошибок”. 
🟢Пользователь “Мы же чинили это в прошлый раз, почему отчёт с ошибками опять?” ИИ(AI): “ой, извините, забыл скорректировать отчёт в нём старые данные. иду подчищать” 
🟢Нужна архитектура бизнес-правил работы и выстроенные процессы работы под разные типы задач (разработка, анализ, планирование, расчёт и т.п.). Это всё надо хранить, развивать, настраивать в личном развёрнутом пространстве. В веб-форме и ИИ интеграторах качественно постоянно не получится работать над сложными задачами. НО! Если всё настроить - результаты потрясающие по срокам и по качеству исполнения.

Ссылки на предыдущие выпуски:
Выпуск №1: с чем столкнулся
Выпуск №2: какие задачи решаю уже сейчас, сколько времени сэкономил, какие навыки у ИИ развил. 
Выпуск №3:. ~40 ошибок и проверенных гипотез на старте работы

Всем успеха.

LinkedIn
MAX
ВК
VC
Сайт

Глобальная база знаний: https://miro.com/app/board/uXjVPMeMjGI=/

ИИ: Astra xhigh

#ИИ #AI #архитектура #шаблоны

Чет Ричардс - Certain to Win: стратегия Джона Бойда для бизнеса.

➡️КНИГА скачать
➡️КУПИТЬ

Книга о том, как конкурировать с более сильными игроками: раньше замечать изменения, пересматривать ошибочные представления и превращать решения в согласованные действия.

Собственникам и гендирам - как развивать самостоятельность команды и снижать зависимость от ручного управления.
Аналитикам - как искать сведения, способные опровергнуть привычную картину.
Руководителям проектов - как ускорять достижение результата, сокращая согласования и переделки.

Экспертиза - из непосредственной работы с Бойдом: по свидетельству Ричардса, Бойд лично читал и корректировал ранние версии рукописи. На примерах Toyota и других организаций автор показывает, как доверие, компетентность и общий замысел становятся конкурентным преимуществом.

Вот 10 содержательных идей из Certain to Win Чета Ричардса:

1. Компания может работать всё быстрее и всё сильнее ошибаться.
Быстрота полезна, когда организация способна менять своё понимание происходящего. Если руководство объясняет новые события старой картиной мира, ускорение исполнения лишь быстрее воспроизводит ошибку. Центральный вопрос Бойда: сколько времени нам нужно, чтобы заметить несоответствие и действительно переосмыслить ситуацию? С. 57–60.

2. Самая полезная информация часто опровергает позицию руководителя.
Подтверждения убеждают нас продолжать прежний курс. Противоречащий факт позволяет изменить его, пока ещё есть время. Поэтому человек, который рано принёс неприятную правду, оказывает компании стратегическую услугу. Наказывая таких людей, руководство постепенно лишает себя связи с действительностью. С. 57–58.

3. Более позднее решение иногда позволяет закончить работу раньше.
Toyota интересует полный срок от заказа до передачи автомобиля покупателю. Поспешный выбор детали может породить переделки, которые удлинят этот срок. Поэтому полезно вовремя подождать, проверить варианты или устранить ненужную операцию. Ускорение каждого отдельного участка не гарантирует ускорения целого. С. 113–114.

4. Доверие даёт преимущество во времени.
Сработавшимся людям хватает короткого сообщения, потому что они понимают намерения, способности и ограничения друг друга. При недоверии то же действие требует подробных объяснений, подтверждений и защитной переписки. Поэтому честность руководителя и соблюдение обещаний непосредственно влияют на способность компании действовать быстро. С. 93–98.

5. Ответственность за результат начинается с права обсудить само задание.
В модели Auftrag руководитель и исполнитель согласуют результат, смысл, ограничения и поддержку. Исполнитель может указать на недостаток ресурсов или
ошибочную предпосылку. Ричардс допускает даже отказ от миссии, если человек не убеждён в её выполнимости. После принятия задания самостоятельность
способа сочетается с обязанностью сообщать о продвижении и проблемах. С. 103–108.

6. Хорошее общее направление помогает сотруднику выбирать без обращения к начальнику.
Требование «увеличить прибыль на 20%» ещё не объясняет, какие решения принимать при столкновении интересов. Направление вроде «сокращать время от
заказа до получения продукта» помогает оценивать повседневные действия. В этом смысл Schwerpunkt: согласовать множество самостоятельных решений вокруг
понятного приоритета. Цифровые цели при этом должны иметь объяснимое основание. С. 108–116.

7. Можно безупречно рассчитать оптимальное устройство плохой системы.
Например, найти идеальный размер запасов, компенсирующих дефекты и сбои производства. Но стратегическая возможность может заключаться в изменении
самого процесса, после которого значительная часть страхующих запасов станет ненужной. Расчёт отвечает в пределах принятых предпосылок; сильная
стратегия способна пересмотреть сами предпосылки. С. 85–87.

8. Руководитель способен испортить информацию ещё до принятия решения.
Если люди считывают его раздражение, предпочтения или желательный ответ, они начинают подстраивать рассказ. Ричардс поэтому разделяет два режима:
сначала спокойно понять происходящее, затем активно задавать направление. Умение влиять на людей должно сочетаться с умением временно сдерживать это
влияние, чтобы увидеть реальность. С. 121–123.

9. Преимущество живёт в ожиданиях покупателя и со временем меняет смысл.
То, что вчера восхищало, завтра становится обязательным минимумом. В примере японских автомобилей покупатели приходили за экономичностью, а
обнаруживали ещё и неожиданно высокую надёжность. Это сочетание ожидаемого — cheng — и привлекательного неожиданного — ch’i. Новизна должна давать
человеку причину выбрать компанию, сохраняя обещанное базовое качество. С. 135–140.

10. Сильное улучшение позволяет преодолеть компромисс, который раньше казался неизбежным.
Качество растёт одновременно со снижением затрат. Сотрудники получают больше самостоятельности, а организация действует согласованнее. Сервис
улучшается при меньших издержках. Именно такие изменения Ричардс предлагает считать содержательным признаком освоения подхода: устройство работы
позволяет совместить то, что прежде приходилось разменивать. С. 152.

Всем успеха.

LinkedIn
MAX
ВК
VC
Сайт

Глобальная база знаний: https://miro.com/app/board/uXjVPMeMjGI=/

#OODA #Книги #Бойд #циклбойда

«Гуманитарное ядро аналитики» — первая книга серии «Введение в информационную аналитику». В пособии сделан акцент на гносеологических, философских и методологических основаниях аналитики. Его новизна заключается в синтезе классических философских категорий, современных информационных теорий и практических аспектов аналитической деятельности. Пособие ориентировано на студентов, молодых ученых и практикующих специалистов, стремящихся овладеть аналитическими инструментами с гуманистической перспективой. Основное внимание уделено синтезу традиционных подходов и новейших технологических достижений, что способствует формированию полного и современного представления о предмете изучения.

В книге восполнен существенный пробел в развитии методологии аналитики как междисциплинарной области знания путем интеграции философского аппарата с современными информационными концепциями, актуализирован классический философский аппарат для нужд современного аналитика, работающего в цифровой среде. Автор переходит от абстрактных основ к конкретным практикам, показывает, что аналитик как субъект существует в разнообразных моделях мира и вместе с тем обладает собственной субъектностью, профессиональной идентичностью и уникальным стилем мышления.

➡️Заказать книгу можно на сайте: https://litgid.com/catalog/nauka/gumanitarnoe_yadro_analitiki_kniga_pervaya_uchebnoe_posobie/

‼️Рекомендую как настольную книгу для аналитика‼️

➡️Канал-партнёр (источник материала): https://t.me/vzs071

#книги #подборка