Эд Хорьков из КОД9

95% ИИ-пилотов умирают Я уже писал что ИИ-агенты это как электричество, когда оно появилось не сразу было ясно как его использовать на производстве. Нашел свежий отчет с анализом, почему большинство ИИ-проектов в бизнесе умирают. Прочитал его и сейчас расскажу вам почему. Спойлер (не потому что ChatGPT тупит) 1. Нереалистичные ожидания Внедрение технологии требует подготовки данных и семантики, инфраструктурного слоя, перестройки бизнес-процессов. На деле руководители частно воспринимают ИИ как волшебство, реализуют пилоты без понятных измеримых результатов. В результате после еле-работающего пилота наступает разочарование и дальше процесс не движется. 2. Плохое планирование и отсутствие стратегии Проблема которую мы наблюдаем в своей работе с ИИ-проектами - подход аля "прикрутим и посмотрим как заработает". По факту внедрение ИИ нужно планировать так же как планируется внедрение любого enterprise-софта -- по фазам, с понятным результатом и артефактами в каждой фазе, с адаптацией или перестройкой процессов (вроде уже писал где-то про это, но ничего, повторяться полезно). 3. Мусорные данные ИИ-агенты работают на том уровне качества, на каком находятся ваши данные (семантика). Хорошие данные - агент работает хорошо, данные неконсистентные или устаревшие - такой же результат будет выдавать агент. 4. Работа с людьми и управление изменениями Если внедряем ИИ, нам нужно не только разработать агентов но и управлять всеми изменениями, связанными с этим -- обучать людей, внедрять новые роли (архитектора агентов) и задачи. Нужно следить за метриками агентов, добавлять новые данных к обучающим выборкам и кучу всего другого. Что называется Как это применимо у нас в КОД9? Мы внедряем агентов в бизнесы клиентов, поэтому используем такой чек-лист

1. Есть ли данные и какое у них качество? 2. Процессы описаны/формализованы? 3. Компания готова вовлекать свой персонал и обучать его? 4. Есть метрики которые привязаны к бизнес-результату? 5. Сможем настроить мониторинг метрик и управление агентом?

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

Kimi выпустил свой аналог Claude Desktop В версии десктоп приложений у всяких LLM-ок появляется сильно больше функционала чем когда они в виде веб-чата, в чате вы общаетесь, а на десктопе делает реальную работу Они могут: - Взаимодействовать с вашими файлами и папками - Собирать документы (презы, таблички) - Делать задачки по расписанию И все это на вашем родном ПК Поэтому рано или поздно у всех основных лабораторий будет такое десктопное приложение, вот и Kimi подтянулись. Я уже давно пользуюсь Kimi, он работает без kvn и выдает качество на уровне последнего Sonnet-а и стоит в разы дешевле. Попробуйте и вы.

Рассказываю про завтрак в пятницу. Пришли HRD с производства, интеграторы, консалтинг. Что обсуждали 1. Рассказал про кейс Hilton, которые сделали массовый найм через чат-бот + видеоскрининг. Кандидат проходит текстовый этап, потом видеоинтервью без человека, и только потом попадает к рекрутеру. Рекрутер пропускает больше людей, кандидаты ждут дни вместо недель. 2. Антикейс Amazon, они попытались в автоскрининг резюме - натренировали модель на исторических данных. Модель выучила, что в Amazon больше мужчин, и стала дискриминировать женщин. Если в данных есть предвзятость, то ИИ ее только усилит. 3. Правило 70/30 от BCG: 70% успеха внедрения ИИ это работа с людьми, культурой, процессами, а только 30% технология. Если менять только инструмент то ничего не измениться, нужно менять процессы и культуру. 4. Как выбирать процесс для пилота: массовый, атомарный, с чёткими регламентами, от которого освободившийся специалист пойдёт делать что-то полезное. Иначе просто автоматизируем хаос и получим автоматизированный хаос. Сначала операционка, а затем автоматизация. 5. HR - это перс данные в чистом виде поэтому важна история про безопасность данных. Какие тут есть решения - можно крутить модельки на своей инфраструктуре (дорого) или можно обезличивать данные перед отправкой в облачный ИИ. 6. Текучка и мотивация. ИИ напрямую не может решить эти проблемы, но он может помощь HR лучше работать с данными о сотрудниках, которые есть в наличии и извлекать более глубокие инсайты оттуда. Если резюмировать - внедрение ИИ в HR не заменит людей, но может освободить время HR-специалистов, чтобы было больше времени на значимые задачи и меньше приходилось тратить на рутину. Приходите к нам на бизнес-завтраки 😃

AI & Breakfast — 29 мая Этот завтрак будет тематический - с фокусом на HR-функцию. Как внедрить ИИ в HR-процессы и получить результат, который видно уже через месяц. В своем ессе от декабря прошлого года я писал

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

Прошло пол года, самое время посмотреть как близко мы пришли к этому прогнозу. Формат без презентаций, живое общение, 7–10 человек за столом. Конкретные кейсы, цифры, подходы. Когда: 29 мая, начинаем в 10:30. Где: Novikov School. Для записи пишите мне в личку — @edcode9. Или на TimePad.

AI & Break-fast ⚡️— 15 мая Пятница - день бизнес-завтрака. В этот раз в новом месте. Тема будет про скорость -- как внедрить ИИ с быстрым результатом (за 2 недели, а не 2 года). На встрече потренируемся выделять такие места/процессы. Чтобы все участники не только позавтракали, но и ушли с пониманием, что можно запустить уже на следующей неделе. Формат без презентаций, живое общение, 7–10 человек за столом, с конкретными кейсами. Когда: 15 мая, начинаем в 10:30. Где: Novikov School на Якиманке. Мест мало. Для записи пишите мне в личку — @edcode9.

Как компании трансформируются в AI-native Мы в 1900 году - электричество (ИИ-агенты) есть, а заводы (процессы) старые. Компании делают много пилотов с ИИ и получают мало результата. Поэтому интересно смотреть на компании, которые перестраивают саму структуру под ИИ, а не прикручивают иишку к старым процессам. CEO Coinbase написал о том, как они перестраивают свою компанию. Вот его принципы: 1.Меньше менеджерских уровней, быстрее решения Каждый управленческий уровень это накладные расходы на первод и пересказ контекста. Если ИИ ускоряет работу - структура должна за этим успевать, иначе ускорение упирается в менеджеров и результата нет. 2. No pure managers — нужны играющие тренеры С учетом того что ИИ инструменты появляются каждый день - нельзя управлять AI-native организацией не используя их. Иначе не будешь понимать как работает твоя команда; 3. AI-native pods — маленькие команды, изначально построенные вокруг агентов. Давайте соберем 3-5 человек, у которых половина задач делается агентами с первого дня. Без старых процессов -- по идее Coibase это будет быстрее, чем переучивать большую команду. Вся эта трансформация она про структуру организации и новые роли, а не про инструменты (итоги страт-сессии). Coinbase будет перестраивать организацию, чтобы агенты вообще начали приносить пользу. Если у вас в компании что-то подобное планируется — пишите. И приходите на AI & Breakfast, разбираем такие кейсы по пятницам. Кстати скоро будет анонс след завтрака.

Провел страт-сессию по ИИ-трансформации бизнеса Последние месяцы я собирал свою структуру для таких сессий - из чего собирал: 1. страт-сессии, где я сам был участником и мог изнутри посмотреть как все происходит и как принимаются решения. 2. наш опыт в КОД9 внедрения ИИ в бизнес - в свои и в клиентский - где-то работало, где-то не работало и не обязательно проблема была в технологиях; 3. Исследования Harward Business Review и подобные - почему компании делают пилоты которые не доходят до операционного внедрения. В итоге стало понятно., что проблема не в модельках, а в том что часто не понятно откуда нужно начинать ИИ-автоматизацию и как к ней правильно подходить, какие роли должны быть в процессе и кто за что должен отвечать. Модельки уже достаточно умные (и продолжают умнеть каждые 3-4 месяца), теперь нам нужно научиться их правильно готовить. Сессия была в компании которая занимается serm-оптимизиций. Первым процессом выбрали срез инфополя — сбор поисковой выдачи, карт, разных источников и первичный анализ тональности и наметили следующие процессы которые можно перевести на иишку, какие роли нужно сформировать внутри и какие задачи нужно сделать в ближайший месяц. Получился такой контур стратегии по внедрению ИИ в бизнес. Методологию собрал, дальше буду ее докручивать

Сделал свой первый скилл Спойлер: вайбкодинг-контент ниже Если вы работаете много с PostgreSQL и/или Supabase, то можете часто ловить проблемы с RLS - Row Level Security. На Insert политика есть, а на Update - нету и т.п. Сделай специальный скилл для ауйдита RLS-политик на проекте, проверяет ваш RLS, приоретизирует проблему и говорить как их исправить. https://github.com/ekhorkov/rls-audit ставится так

/plugin marketplace add ekhorkov/rls-audit /plugin install rls-audit@ekhorkov-rls-audit

Клод Дизайн У нас в CRM9 есть UI Kit базовый. Загрузил наш текущий код и этот UI KIt в Клод Дизайн, сделай мне мол дизайн систему. Клод долго думал, окончательно исчерпал все лимиты. На дизайн систему оч слабо похоже. Работаем дальше

Просто оставлю это здесь. Всем хорошей пятницы!

ИИ в медицине На полях Телемедфорума в Сколково сегодня будут стоять возле нашего розового🌸 ролл-апа и отвечать на вопросы про искусственный интеллект🦾. Приходите пообщаться. Регистрация кстати бесплатная. Я будут ближе к 15 часам.

Проблема последней мили По моим постам дорогой читатель уже понял, что сфера моих интересов - это ИИзация бизнеса. На эту тему вышла крутая статья от HBS, где описывается опыт внедрения AI в организации: pilot-rich but transformation-poor - много пилотов но мало трансформации. И проблема не в агентах и не в моделях, а (к сожалению) в архитектуре/структуре организаций. Какие основные проблемы: - Нету понятного пути от пилота с масштабному внедрению. Один банк внедрил 250 приложений на базе ИИ, но никакого результата на уровне всего бизнеса это не привело. - Хрупкие/устаревшие процессы. Накладываем AI на старые процесс и ничего не происходит. Нужно редизайнить весь процесс чтобы был результат. - (Мое любимое) Экспертиза организации живет в головах у специалистов а не в документах. Более того - специалисты часто бояться делиться этой экспертизой, чтобы не лишиться работы. - Human-in-the-loop становится проблемой, когда агентов сотки. - Зоопарк из enterprise-система с которыми нужно работать агентом сильно затрудняет внедрение. Итого - чтобы все получилось нужно менять структуру организации, оцифровывать экспертизу, воспринимать агентов как сотрудников (онбоардить их, ставить KPI и т.д.) —- Мы сейчас работаем над ИИ-трансформацией маркетингового агентства в том числе использую принципы, описанные в данной статье. Если у вас есть подобная задачи - пишите мне.

Индивидуальный ИИ это не корпоративный ИИ В эту пятницу на бизнес-завтраке обсудим, как нам построить новый завод Когда я/вы начинаем пользоваться ЧатГПТ или Клодом - мы типа становимся продуктивнее. Но компания от этого не становятся продуктивнее или лучше. Проблема в том, что индивидуальный ИИ (который у нас есть сейчас) и корпоративный ИИ (который мы еще придумываем) — это разные вещи. Какие ключевые отличия? — Координация Компания из 100 человек с ChatGPT — это сто агентов, которые двигаются в разные стороны. Корпоративный ИИ нужен чтобы они двигались в одну. — Сигнал или шум С ИИ мы можем создавать кучу контента (шума). Корпоративный ИИ должен находить в этих горах то единственное, что важно. — Объективность ЧатГПТ/Клод скажет тебе что ты абсолютно прав даже когда ты не прав. Корпоративный ИИ должен уметь говорить нет. — Специализация. Корпоративный ИИ будет специализирован под конкретную задачу, а не делать все подряд как текущие модели. — Выручка а не экономия времени Большинство ИИ-продуктов продают экономию времени. Корпоративный ИИ должен генерировать доход. — Автономность Самый ценный ИИ — тот, который находит риск до того, о чем вообще никто не подумал. Аналогия из статьи: - в 1890-х заводы поставили электромоторы вместо паровых. - 30 лет был почти нулевой прирост производительности. - Только в 1920-х, когда полностью перестроили сам завод под электричество, пошёл результат. Мы сейчас в 1900 году. Электричество есть а завод старый.

Это я был на закрытой встреча в AIRI - институте искусственного интеллекта. Слушал как правильно делать агентов. Сейчас я уже дома

Бизнес-завтрак №3 20 марта, 10:10 Собираемся там же: Рихтер, Пятницкая 42. Собираемся так же: небольшой круг, живое общение, разговоры по делу. Формат тот же: без презентаций, разговор о том, что происходит в бизнесе. Что работает, что нет, где помогает ИИ, а где пока только мешает. На прошлой встрече обсудили: - как ИИ помогает с рутиной в коммуникациях - архивы корп документов лежат мертвым грузом и что с этим делать - риски чат-ботов без гардрейлов - зачем бизнесу хранилище знаний по каждому проекту и где там ИИ Если хотите присоединиться — пишите в личку @edcode9 (фотки с прошлого БЗ)

Если вы хотели упороться по вайбкодингу сегодня - то это можно сделать бесплатно на lovable Еще дают $100 in free Claude API credits from Anthropic (нужно зайти в Lovable чтобы получить) Всех девочек, девушек и женщин поздравляю с праздником! Все все лучшие 🌷🌷🌷

Код за токены (деньги) - 10 месяцев спустя 🎥 Мы тут были заняты другими делами и было не до подкаста. Но столько всего происходит вокруг что обязательно надо было это обсудить. Ну мы и обсудили. ЮТУБ - РУТУБ - ВК-ВИДЕО В этом выпуске - Вадим Митякин: методолог, консультант, автор книг и концепций. Что мы обсудили: 1. Как искуственный интеллект меняет нашу жизнь и наш бизнес. 2. Что делать и что не делать агентствам прямо сейчас. Куда бежать, чем заниматься. 3. Станет ли код бесплатным. 4. Надо ли строить второй EPAM и если не это, то что надо делать. 5. Что же это за треугольник на обложке его книги)) Много по делу, немного не по делу - в общем, как всегда. Книга «Метод параноика» – https://mityakin.com

Как заменить поддержку и продажи в интернет-магазинах? Посмотрел прошлые наборы в Y Combinator и нашел этих ребят. Nara продает AI-агента для интернет-магазинов. Агент работает как сотрудник чата: отвечает клиентам, помогает выбрать товар, отслеживает заказы, делает возвраты и доводит человека до покупки. Все это он делает круглые сутки) При этом агент работает сразу во всех каналах: на сайте, в мессенджере, по email и т.п. Почему это важно? По их оценке, бизнес теряет 20%+ продаж просто из-за медленных ответов. Получается что клиент пишет, ждёт и уходит к конкуренту не дождавшись ответа. ИИ решает эту проблему. Вместо человека, появляется агент, который работает постоянно. Стартап утверждает что до 70% типовых запросов в поддержку закрывается AI. Кроме этого агент работает как: — продавец и лид-квалификатор — ассистент по сервису Но форкус все равно на customer support. AI-саппорт кажется что один из самых понятных и быстрых сценариев внедрения ИИ в бизнес. Поставил виджет на сайт и сразу видно эффект. --- Как это решение может выглядеть с наших реалиях? AI-продавец живет в Telegram/Max, подключён к Bitrix24 и 1С. Клиент пишет в чат магазина -- есть куртка размера L? - AI смотрит остатки, отвечает, предлагает альтернативы, может даже подобрать похожий товар Если клиент спрашивает про статус заказ: - AI вытягивает данные из CRM, показывает статус доставки, номер отправления, прогноз срока доставки Если клиент сомневается: - AI может задать уточняющие вопросы и довести диалог до покупки Если запрос сложный (например конфликт или возврат), AI не заменяет человека, а передаёт диалог оператору с уже собранным контекстом.

С первым днем весны 💐🦾