#внедрение_ai — Public Fediverse posts

AI-продакт и результат: как рождаются продукты, которые приносят деньги

В цифровых продуктах «сделать фичу» давно не равно «создать ценность»: она появляется, когда решение меняет процесс и дает измеримый результат. В AI-продуктах это особенно важно: ценность определяет не интерфейс и не сама модель, а способность системы стабильно и безопасно закрывать задачу с предсказуемой экономикой.

https://habr.com/ru/companies/beeline_cloud/articles/1008580/

#искусственный_интеллект #ai #продуктовая_разработка #продуктовый_менеджмент #aiагенты #внедрение_ai #бизнесметрики #humanintheloop #цифровая_трансформация #цифровая_трансформация_бизнеса

[Перевод] 12 инсайтов ведущего инженера OpenAI про разработку и внедрение AI

Это перевод основных тезисов из интервью Ленни Ракитски с Шервиным Ву, ведущим инженером из OpenAI. Оригинал на английском по ссылке . 1. AI пишет почти весь код в OpenAI . 95% инженеров используют Codex, а те, кто реально встраивает эти инструменты в работу, открывают на 70% больше pull requests, чем их коллеги - и разрыв со временем только растет. 2. Роль software engineer смещается от написания кода к управлению флотом AI-агентов . Многие инженеры ведут 10-20 параллельных Codex сессий, больше направляют и ревьюят, чем пишут код руками.

https://habr.com/ru/articles/996234/

#openai #ai #разработка #ai_агенты #ai_стартапы #внедрение_ai #vibe_coding #codex #lenny_rakitsky #продуктивность_разработчиков

«Позови оператора»

Всем привет! Я работаю в Сбере, в кластере Digital Sales & AI. Последние пару лет у нас, как и у всех, в фокусе работа с искусственным интеллектом. В прошлом году мы внедрили в СберБизнес Giga‑ассистента — ИИ‑помощника на базе GigaChat. Людям, профессионально занятым в сфере финтеха, работа с ИИ уже не кажется чем‑то новым. Более того, каждая компания строит если не наполеоновские, то вполне серьёзные планы, как применение ИИ поможет увеличить продажи, нарастить количество сервисов и их возможности, а также, чего греха таить, сократить издержки на ФОТ. В это же время по другую сторону находятся те, кто за предоставляемые услуги и сервисы должны платить. Ровно те, кто при приветствии чат‑бота в чате поддержки начинают требовать оператора. Кажется, с одной стороны мы видим готовность и намерение компаний и рынка, а с другой стороны — довольно сильное неприятие потребителя. И с этим что‑то фундаментально не так. В этой статье я попробую поднять ряд проблем, визуализировать их решение существующими инструментами, местами пофантазировать, попробовать спрогнозировать развитие этих технологий, а также ответить на вопрос пользователей, зачем им это нужно.

https://habr.com/ru/companies/sberbank/articles/991114/

#Поддержка #aiассистент #клиентский_сервис #чатботы #техподдержка #искусственный_интеллект #customer_service #llm #внедрение_ai #пользовательский_опыт

LLM нельзя внедрить сверху. Снизу тоже. А как можно?

95% корпоративных пилотов по внедрению LLM проваливаются. При этом фрилансеры и инди-специалисты показывают кратный рост эффективности с теми же инструментами. Проблема не в технологии — проблема в том, что старые методы внедрения инноваций здесь не работают. Компания не может внедрить LLM сверху, а сотрудники не хотят внедрять снизу. Почему так и что с этим делать? Ну-ка, ну-ка...

https://habr.com/ru/articles/985348/

#LLM #ChatGPT #Claude #внедрение_AI #эффективность #трудовые_отношения #автоматизация #конфликт_интересов #рынок_труда #продуктивность

Реальная ценность, а не дань моде: как внедрить AI в финтех с пользой для бизнеса

На сегодняшний день уже 78% компаний по всему миру используют AI в своих продуктах. В сфере финтеха тоже заметен рост: по прогнозам экспертов, к концу 2025 года объем рынка AI в fintech достигнет 17,1 млрд долларов. При этом в погоне за трендом компании стараются внедрить ИИ без оглядки на пользу для клиентов. В результате только 22% пилотных проектов переходят к реальному внедрению, а существенную пользу получает совсем небольшая доля бизнесов, около 4%. Большая часть проблем возникает не из-за недостатков технологии, а из-за неправильного выбора подхода. В этой ситуации особенно важно различать AI Feature и AI Native не как модные термины, а как стратегические подходы с разной экономикой и разным влиянием на продукт. Давайте разбираться, в каких случаях каждый из них может быть эффективен и как они могут применяться в финтех-продуктах.

https://habr.com/ru/companies/garage8/articles/977608/

#AI_Native #AI_Feature #внедрение_AI #стратегия_внедрения_AI #финтехпродукты #продуктовая_стратегия #управление_продуктом #CJM #product_management #product_discovery

Как мы меняем клиентский сервис с помощью AI. Часть 1

Кажется, что большие языковые модели просто созданы для того, чтобы работать в клиентском сервисе. Они умеют анализировать запрос, генерировать короткие и подробные ответы, структурировать и объяснять. Но в большинстве случаев мы все равно недовольны ответами чат-ботов и просим быстрее «перевести на оператора». Почему? Я — Максим Михайлов Читать дальше

https://habr.com/ru/companies/cloud_ru/articles/930344/

#support #поддержка_клиентов #внедрение_ai #helpdesk #help_desk #aiсервисы

От улыбки рейтинг наш светлей: Как фильтры стиля и настроения меняют рейтинг LLM

Как фильтры стиля и настроения меняют рейтинг LM Arena Привет, Хабр! Я Сергей, в Битрикс24 отвечаю за то, чтобы под капотом Copilot крутилась правильная LLM — та, что действительно помогает пользователю, а не просто разбрасывается смайликами. Выбирая лучшие языковые модели, люди далеко не всегда руководствуются точностью ответов. Иногда внимание пользователей привлекает красивое оформление или эмоциональный стиль, а не фактическая польза. На LM Arena это стало особенно заметно в последнее время и заставило команду платформы изучить, как именно эмоции и оформление влияют на рейтинг моделей. Команда площадки решила отделить форму от содержания и запустила фильтр Sentiment Control , который «вычитает» эмоции и украшательства из итогового балла. Ниже — коротко о том, как они вычислили этот «эмо-чит» и почему это важно всем, кто выбирает модель для продукта, клиентской поддержки или внутреннего ассистента. Что такое LM Arena и зачем она нужна Сейчас существует много способов измерить качество языковых моделей. Есть метрики, которые оценивают знание фактов (MMLU), способность к обобщённому рассуждению (ARC‑AGI), умение решать задачи в игровой среде (VideoGameBench) и даже подсчитывают, сколько долларов модель могла бы заработать на реальных биржах фриланса (GigBench). На этом фоне появилась LM Arena — платформа, где пользователи вслепую сравнивают ответы разных моделей и выбирают лучший. Чем больше побед у модели, тем выше её рейтинг. Это похоже на шахматы или киберспорт, где тоже используется рейтинговая система Elo.

https://habr.com/ru/companies/bitrix/articles/904092/

#lmarena #нейросети #openai #языковые_модели #chatgpt #внедрение_ai #ds #выбор_модели

От контекста до юрисдикции: 7 ключевых параметров при выборе LLM для вашего проекта

Год назад казалось, что достаточно просто выбрать GPT-4 — и все проблемы с ИИ решены. Сегодня же рынок языковых моделей напоминает зоопарк, где каждый день появляются новые экзотические виды. Claude, Gemini, Mistral, Qwen — и это только верхушка айсберга. Как в этом безумном мире нейросетей выбрать ту самую, которая подойдет именно вам? Как не утонуть в терминах, характеристиках и не выкинуть деньги на ветер? В этой статье мы разберем ключевые параметры LLM без лишней воды и заумных терминов — чтобы вы могли принять взвешенное решение и сэкономить время, нервы и бюджет на внедрении модели.

https://habr.com/ru/companies/bitrix/articles/850614/

#нейросети #llm #openai #языковые_модели #maas #chatgpt #qwen #openai_api #внедрение_ai #выбор_модели