И_И_ by paperplanes
رفتن به کانال در Telegram
Этот канал — про управление в логике «и_и_». Про то, как сильная управленческая система впускает в себя ИИ и за счёт этого становится сильнее. Для связи @ilia_balahnin
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
1 524
مشترکین
اطلاعاتی وجود ندارد24 ساعت
-17 روز
+130 روز
در حال بارگیری داده...
کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسب‌ها
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+6
در 0 کانال‌ها
سپتامبر '26
+40
در 1 کانال‌ها
Get PRO
اوت '26
+27
در 1 کانال‌ها
Get PRO
ژوئیه '26
+104
در 1 کانال‌ها
Get PRO
ژوئن '26
+405
در 1 کانال‌ها
Get PRO
مه '26
+1 049
در 2 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 09 اکتبر | 0 | |||
| 08 اکتبر | 0 | |||
| 07 اکتبر | +1 | |||
| 06 اکتبر | 0 | |||
| 05 اکتبر | 0 | |||
| 04 اکتبر | +1 | |||
| 03 اکتبر | +2 | |||
| 02 اکتبر | +1 | |||
| 01 اکتبر | +1 |
پست‌های کانال
Repost from N/a
На одном языке с ИИ: как передать направление компании
Руководитель оценивает решения с учётом стратегии: какие клиенты приоритетны, какую маржинальность нужно сохранить, куда направить ресурсы. Для ИИ этот контекст не очевиден. На запрос «увеличить продажи» он может предложить скидки, противоречащие цели роста маржинальности.
Чтобы система учитывала логику бизнеса, цели нужно связать с показателями, проектами и правилами выбора.
Машиночитаемость — это способность организации представить собственную работу как согласованную систему целей, объектов, связей, правил, полномочий и обратной связи.
В нашем руководстве мы выделяем семь уровней машиночитаемости.
1. Неявное знание. Информация существует в разговорах, привычках и головах отдельных сотрудников.
2. Зафиксированная информация. Появляются документы, записи встреч, презентации, регламенты, базы и отчёты.
3. Структурированное знание. Объекты получают единые названия, атрибуты и места хранения.
4. Связанная система. Информация становится контекстом: цели связаны с метриками и процессами.
5. Исполнимые правила. Часть знаний представлена в форме, пригодной для применения системой.
6. Обнаружение отклонений. Система сравнивает фактическое состояние с заданной логикой.
7. Управляемое обучение. Система обнаруживает отклонения, регистрирует инциденты, ищет причины, предлагает изменения, передаёт их ответственному человеку, обновляет правила после утверждения и проверяет результат.
Так система получает не только инструкции, но и основания для их применения.
10–11 октября на интенсиве «И — И» разберём, как превратить процессы компании в машиночитаемыми: опишем цели, свяжем их с данными и зададим правилами для ИИ.
Программа и регистрация: https://week-end.school/intensive-ai-promo
| 2 |  Почему умирают пилоты ИИ
При расчёте эффекта от ИИ легко принять время выполнения задачи за полную стоимость работы сотрудника. Подготовку отчёта видно и можно измерить. Проверку исходных предположений, разбор исключений и выбор способа решения обычно отдельно не учитывают.
Поэтому успешный тест на стандартных задачах создаёт завышенные ожидания от замены человека. Когда появляются спорные случаи, эксперт снова включается в работу: проверяет основания, запрашивает недостающие данные, исправляет выводы. Компания продолжает оплачивать его время вместе с расходами на ИИ.
Чтобы определить границы автоматизации, используем Киневин. Модель помогает различать ситуации по тому, как в них устанавливаются причинно-следственные связи.
Если связь однозначна и правило проверено, операцию можно автоматизировать. Если для установления причины требуется экспертиза, ИИ готовит анализ, а специалист проверяет выводы. Если результат зависит от взаимодействия множества факторов и заранее неизвестен-проводим эксперименты и наблюдаем за последствиями.
Одна должность может включать все три типа работы. Поэтому самостоятельность агента определяют для конкретных операций, учитывая доступные данные, цену ошибки и возможность отменить действие.
После этого можно считать экономику: какая работа действительно исчезнет, какая останется у специалиста и кто будет отвечать за результат.
10–11 октября на онлайн-интенсиве «И — И» разберём модель Киневин, определим работу и ответственность между человеком и ИИ.
Программа и регистрация: https://week-end.school/intensive-ai-promo | 216 |
| 3 |  ИИ в реальной жизни
В одном из проектов отделу продаж нужно было определить наиболее перспективные из 1028 торговых точек.
Ручной анализ требовал собрать информацию о каждой точке, оценить её по восьми факторам и расставить приоритеты. Поэтому продавцы сокращали эту работу и опирались на личный опыт.
Мы формализовали восемь факторов и передали ИИ первичный анализ. Система собрала и обогатила данные, оценила 1028 точек и выделила объекты для первоочередной проработки.
Отдел продаж получил приоритетную карту территории. Полевую проверку, стратегию входа и переговоры оставили людям.
Сила решения — в точной постановке задачи. Компании был нужен не абстрактный «ИИ для продаж», а единая модель приоритизации. ИИ взял на себя масштаб анализа, человек — решение и действие.
10–11 октября на онлайн-интенсиве «И — И» разберём, как выбрать функцию, подготовить данные и встроить ИИ в процесс компании.
Регистрация: https://week-end.school/intensive-ai-promo | 30 |
| 4 |  ИИ быстрее бизнеса?
ИИ готовит документы, собирает отчёты и находит отклонения быстрее сотрудника. Кажется, с ним должна ускорится вся компания.
Но часто все иначе: ИИ сделал работу, а бизнес ещё не готов что-то делать.
Менеджер быстрее готовит КП, а руководитель всё еще сверяет условия. Аналитик быстрее собирает данные, но решение принимают на совещании. Система разбирает сотни звонков, но ОС остаётся ручной.
Чем больше задач забирает ИИ, тем заметнее ограничения процесса. И это не только вопрос скорости. Можно быстрее выпускать предложения и быстрее ошибаться, находить проблемы и не успевать реагировать, анализировать больше данных - и принимать решения с прежней скоростью.
Компания ускоряется, когда вместе с операцией меняются правила согласования и принятие решений.
10–11 октября на интенсиве «И — И» участники отмоделируют изменение всех процессов компании, чтобы компания не тормозила решения, предлагаемые ИИ и быстрее замыкала цикл PDCA
Принять участие:
https://week-end.school/intensive-ai-promo | 270 |
| 5 |  ИИ не заменит методологию
Когда компания просит «внедрить ИИ», она часто просит не технологию. Она просит методологию, только не знает об этом.
Проблема обычно не в том, что сотрудники не умеют формулировать запросы. Проблема в другом: компания не договорилась, какие задачи решает, по каким правилам работает и какой результат считает хорошим.
ИИ способен ускорить операцию. Но он не выбирает за бизнес правильную операцию. Он может за секунды собрать письмо, анализ или презентацию — и так же быстро масштабировать неверный процесс.
Поэтому порядок должен быть обратным: сначала описать работу, определить роли и критерий результата. Затем искать, где ИИ сократит время, снимет рутину или повысит качество.
ИИ — не методология. Это усилитель. И он одинаково хорошо усиливает и систему, и хаос.
10–11 октября на интенсиве по ИИ выберем процесс вашей компании, соберём прототип и подготовим план 30-дневного пилота. Приходите с задачей: week-end.school/intensive-ai | 2 075 |
| 6 |  Готовим уже четвёртый поток интенсива «И — И» и собрали материалы первых трёх в вайтпепер «Компания, способная работать с искусственным интеллектом».
За это время мы прошли путь от организации знаний и первых задач для ИИ до того, как выстроить работу с ним в компании — с понятными правилами, ответственными, проверкой результатов и разбором ошибок.
Внутри — 40 страниц о том, как выбрать первую задачу, подготовить знания компании, распределить работу между человеком и ИИ и оценить экономический эффект. Есть план первых 90 дней внедрения.
Если были на интенсиве — сможете собрать пройденное в общую картину. Если ещё не были — познакомиться с нашим подходом и понять, с чего начать в своей компании.
Забирайте вайтпепер в нашем Telegram-боте: https://t.me/paperplanesinfo_bot?start=mat102 | 588 |
| 7 |  ИИ нельзя просто «подключить к продуктовой разработке»
Главная ошибка внедрения ИИ в НИОКР — обсуждать функции целиком.
"Пусть ИИ анализирует рынок, пишет бизнес-требования, оценивает проекты, управляет продуктовым портфелем".
Звучит логично, но внутри спрятано несколько разных операций.
Например, «анализировать рынок» может означать:
— собрать тысячу клиентских сигналов;
— найти повторяющиеся темы;
— понять, что за отзывами проглядывается новый сценарий использования;
— решить, стоит ли ради NPD менять дорожную карту;
— остановить другой проект и передать освободившуюся команду сюда.
Это не одна задача.
Первая почти полностью машинная. Вторая хорошо усиливается машиной. Третья требует продуктового суждения.
Четвёртая - выбора.
Пятая - оунера.
Поэтому нормальная диагностика применения ИИ начинается не со списка use cases. Она начинается с разложения продуктовой разработки на операции и проверки каждой из них по трём осям.
1. Какое знание нужно?
Явное знание находится в документах, реестрах, требованиях, протоколах и данных. Его можно искать, сопоставлять и проверять. Здесь ИИ особенно полезен.
Неявное знание находится в голове и практике эксперта. Инженер иногда не может сразу объяснить, почему решение кажется ему ненадёжным, но замечает проблему раньше расчёта. ИИ может помочь восстановить логику, однако не может автоматически присвоить себе накопленный judgement.
Есть и знание, сцепленное с конкретной средой. Оно живёт не просто в человеке, а в связке человека, команды, оборудования, поставщика и истории прошлых решений.`
2. ЦКП операции
Сигнал.
Например, за последние три месяца выросло количество обращений по определённому классу устройств. Это хорошая работа для машины: собирать, кластеризовать, находить аномалии, отслеживать ускорение.
Решение.
Является ли рост обращений дефектом, ошибкой интегратора, следствием нового сценария использования или признаком будущего рынка? Здесь уже требуется сопоставить разные объяснения и понять контекст. ИИ может подготовить варианты, но не должен незаметно превращать наиболее статистически вероятный вариант в истину.
Решение с экономическими последствиями.
Запускаем ли продукт? Останавливаем ли проект? Перебрасываем ли разработчиков? Принимаем ли риск несовместимости? Такое решение создаёт последствия для денег, сроков, людей и клиентов.
3. Логика принятия решений, эвристика
ИИ силён там, где нужно обнаружить повторяемую связь.
Это индуктивная работа. Поиск паттернов, аналогов, отклонений, повторяющихся причин и типовых рисков.
Но продуктовая разработка регулярно требует другого вопроса: а что, если эти два явления, которые раньше никто не связывал, на самом деле являются частями одной возможности?
Это абдуктивный ход — создание нового правдоподобного объяснения при недостатке данных.
ИИ способен предложить десятки таких объяснений. Но гладкость формулировки ничего не говорит об их истинности. Выбрать гипотезу, проверить её и поставить на неё ресурсы всё ещё должен человек, понимающий рынок, технологию и цену ошибки - HITL!
Что это означает для внедрения ИИ, расскажу завтра, а нашем курсе по ИИ разбираем эти нюансы в приложении к Вашей компании! Записывайтесь :) | 547 |
| 8 |  15–16 августа прошел третий интенсив «Искусственный интеллект в бизнесе».
Между потоками ИИ и наша практика успели измениться настолько, что программу третьего интенсива мы пересобрали примерно на 60%.
Впервые в нее вошла модель Cynefin: участники учились определять тип управленческой проблемы до того, как подключать ИИ. Карта задач для ИИ выросла с восьми до девяти — отдельный блок посвятили экспертным продажам. А Harness, с которым начали работать во втором потоке, превратился в целостный контур управления: девять областей компании × четыре горизонта планирования, связанные с целями, задачами, данными и правилами проверки.
Записи уже доступны участникам и тем, кто купил доступ ко всем интенсивам на год. После каждого нового потока эта коллекция пополняется записями и материалами.
Сейчас в коллекции уже 30 видео, пять модулей, 26 материалов и рабочих наборов, а также папка CORD.
До 31 августа в Академии Ильи Балахнина проходит неделя скидок. В рамках нее запись интенсива можно приобрести по специальной цене, а ее стоимость затем зачесть как скидку на участие в следующем интенсиве: https://events.скрытые-чемпионы.рф/records/ai-v-biznese-zapisi
И это только одно из предложений недели скидок. Сейчас по специальным ценам также доступны годовой доступ ко всем курсам Академии, отдельные программы, другие записи и комплекты: https://academy-paperplanes.ru/saleweek2026 | 1 990 |
| 9 |  На Mooove появился эксперт Михаил Медведев.
Михаил — бизнес-тренер по практическому применению искусственного интеллекта. Он 25 лет работает в ИТ и 15 лет — в управлении. Автор тренинга «Нейросети: навыки в работе, бизнесе и жизни», который прошли более 800 участников. Преподаёт курс по ИИ студентам магистратуры ВШЭ на кафедре психоанализа.
Он предлагает начинать внедрение ИИ с конкретной бизнес-задачи. Сначала команда определяет процесс, данные, ожидаемый результат и границы контроля человека. Затем выбирает инструменты.
Начните с видео «Как внедрять ИИ в компанию без дорогих ошибок: Human in the Loop, процессы и Codex». После него переходите к пяти картам сценариев применения ИИ.
В картах вы найдёте 112 сценариев для 16 направлений бизнеса. Они показывают, какую работу можно передать ИИ, какой инструмент использовать, насколько сложно его внедрить и где потребуется контроль человека.
Открыть страницу Михаила Медведева:
https://mooove.ru/authors/mikhail-medvedev
Подписывайтесь на Telegram-канал «НавыкИИ нового времени|Novifex».
На годовую подписку до 24 августа действует скидка 40% по промокоду MEDVEDEV40: 6000 рублей за год, примерно 500 рублей в месяц. Если вы уже платите помесячно, можно перейти на годовую оплату и получить сверху 4 бонусных месяца.
Подписывайтесь на Telegram-канал Mooove. Будем регулярно рассказывать об обновлениях сервиса. | 601 |
| 10 |  +5Уже через два дня, 15–16 августа, пройдёт третий поток интенсива «И — И».
А вот с какими задачами участники приходили на первые два потока.
— Для производителя оборудования собрали на модельных данных прототип панели для управления 30+ проектами. Затем определили, какие данные нужны по десяти реальным проектам.
— Консультанты университетов проверили архитектуру базы знаний на одном отчёте с пятью приложениями и одном клиентском запросе.
— Команда образовательной платформы определила данные и гипотезы для анализа связи между прохождением 50 программ и повторными покупками 50 тысяч человек.
Отзывы участников https://events.скрытые-чемпионы.рф/records/ai-v-biznese-zapisi#reviews
На третий поток тоже можно прийти со своей задачей. Заранее подготовьте описание и материалы: записи встреч, отчёты, таблицы или примеры результатов.
На интенсиве определим границы задачи и следующий проверяемый шаг. Результатом может стать схема процесса, перечень данных, инструкция для ИИ-агента, архитектура скиллов и агентов, прототип или план пилота.
Очно в Москве или онлайн:
https://events.скрытые-чемпионы.рф/programs/ai-v-biznese
Познакомиться с форматом можно бесплатно: на семь дней откроем одно видео прошлого интенсива и материалы к нему.
https://events.скрытые-чемпионы.рф/ai-v-biznese-zapisi-demo | 2 835 |
| 11 |  Уже в эти выходные, 15–16 августа, эту архитектуру будем собирать на практике — на реальных задачах участников третьего потока интенсива «И — И».
Разберём типы скаффолдинга, попробуем способы экстернализации экспертных знаний и поделимся прикладными артефактами для постановки задач, проверки результатов и обновления правил. Свой запрос и материалы можно прислать заранее, чтобы на занятиях собрать первую проверяемую версию решения и план пилота.
Очно в Москве или онлайн:
https://events.скрытые-чемпионы.рф/programs/ai-v-biznese | 636 |
| 12 |  У искусственного интеллекта должен быть скелет
Главная ошибка в разговоре об ИИ — считать, что чем меньше у машины ограничений, тем она умнее.
На практике свобода без конструкции делает модель не автономной, а произвольной. Сегодня она выбрала один метод, завтра другой, послезавтра уверенно произвела красивую галлюцинацию. Поэтому серьёзный искусственный интеллект начинается не с промпта, а со скаффолдинга — системы опор, ограничений и проверок, внутри которой машина может действовать самостоятельно.
Если перевести идею скаффолдинга на нормальный инженерный язык, у ИИ появляется несколько вполне физических конструкций.
Экзоскелет
Внешний контур безопасности: какие данные разрешено использовать, какие действия нельзя совершать, что можно показать клиенту, а что должно быть остановлено. Модель может быть сколь угодно изобретательной — но за пределы контейнера не выходит.
Внутренний скелет
Системный промпт, корпоративная онтология и реестр утверждённых навыков. Машина не каждый раз заново решает, как Paper Planes исследует рынок, проверяет гипотезу или собирает слайд. Она выбирает из методов, которые уже описаны, протестированы и имеют границы применимости.
Рельсы
Это наш План действий машины, бизнес-процессы. Задача раскладывается на последовательность операций: сначала источники, затем фактура, гипотезы, проверка и только потом вывод. Пока предыдущий участок не прошёл проверку, к следующему машина не переходит. Рельсы нужны там, где форма качественного результата известна заранее.
Опалубка
У нас эту роль выполняет прототип. Прежде чем собирать красивую презентацию, ИИ обязан показать текстовую конструкцию: источники, тезисы, основания, пробелы и action titles. Человек утверждает содержание — и лишь затем машина производит форму. Автоматизировать слабую мысль вслепую запрещено.
Направляющие растяжки
Они не диктуют единственный маршрут, но удерживают общее направление: «приоритет экономической целесообразности», «не выдавай гипотезу за факт», «показывай область применимости метода». Такие опоры оставляют машине пространство для поиска, поэтому требуют более сильного оператора.
Временная учебная конструкция
Примеры, разметка эксперта, few-shot и реверсивный self-scaffolding. Мы наблюдаем, как сильный консультант принимает решение, извлекаем его критерии, превращаем их в правила, референсы и контрастные случаи. Постепенно временная конструкция становится воспроизводимым навыком — сначала машины, а затем и младших консультантов.
Арматура, остающаяся внутри
Мониторы, тесты, check gates, журналы и evidence trail не демонтируются после запуска. Они продолжают проверять качество, происхождение фактов и деградацию результата. Машина может меняться, но компания сохраняет возможность понять, что именно сломалось.
Поэтому наш вопрос звучит не так: «Как дать ИИ максимальную свободу?»
Он звучит иначе: какую часть работы нужно посадить на рельсы, где оставить пространство для суждения, какие опоры со временем убрать, а какие навсегда оставить внутри конструкции?
Хороший ИИ — не машина без ограничений. Это машина, получившая ровно такую архитектуру ограничений, внутри которой она способна быть полезной, быстрой и самостоятельной.
А чтобы построить такую машину, приходите к нам 15-16 августа на занятия по ИИ или приобретайте записи прошлых уИИк-эндов (контент всегда новый)! | 488 |
| 13 |  Если вы уже пользуетесь ChatGPT, но пока не понимаете, как перейти от отдельных запросов к постоянной работе с ИИ, начните с нового видео в Mooove.
Это вводный разбор для тех, кто знакомится с ИИ-инструментами и хочет понять их устройство. Михаил Медведев, бизнес-тренер по работе с ИИ-системами, последовательно объясняет базовые возможности ChatGPT и Codex.
Вы узнаете, зачем нужны память, персональные инструкции и проекты, как использовать записи встреч и документы, чем Codex отличается от обычного чата и как он работает с файлами на компьютере. Михаил также знакомит с AGENTS.md, папками Inbox/Outbox, навыками, режимом Plan и разрешениями.
Отдельное внимание Михаил уделяет безопасной работе: советует начинать с небольшой задачи, проверять ответы, оставлять важные решения человеку и учитывать требования к корпоративным и персональным данным.
Видео поможет составить общую карту инструментов и понять, какие материалы понадобятся для первого проекта.
Для самостоятельной практики мы добавили:
• транскрибацию и глоссарий;
• стартовую папку CORD;
• инструкцию «Как запустить CORD-проект с нуля»;
• чек-лист «Как сделать процесс машиночитаемым».
Смотрите видео в Mooove и осваивайте базовые приёмы работы с ИИ
https://mooove.ru/content/kak-vnedryat-ii-v-kompaniyu-bez-dorogikh-oshibok-human-in-the-loop-protsessy-i-codex
На годовую подписку до 10 августа действует скидка 40% по промокоду AISTART40: 6000 рублей за год, примерно 500 рублей в месяц. Если вы уже платите помесячно, можно перейти на годовую оплату и получить сверху 4 бонусных месяца.
Подписывайтесь на Telegram-канал Mooove. Будем регулярно рассказывать об обновлениях сервиса. | 579 |
| 14 |  Сегодня — последний день летней распродажи в нашей Академии.
До конца дня действуют максимальные скидки. Выберите отдельную программу по продажам, маркетингу или управлению процессами либо доступ ко всем курсам Академии.
Особенно рекомендую запись интенсива «И — И: Искусственный интеллект в бизнесе». На интенсиве мы оцениваем зрелость бизнес-процессов и решаем, где ИИ ускорит работу, повысит качество или снизит стоимость, а где автоматизация только ухудшит результат.
Все варианты — по ссылке:
https://academy-paperplanes.ru/summersale2026 | 647 |
| 15 |  ЕСЛИ ИИ ДЕЛАЕТ СИНЬОРА В РАЗЫ БЫСТРЕЕ — ЗАЧЕМ НУЖЕН ДЖУНИОР?
Неудобный вопрос для консалтинга.
Раньше начинающий консультант учился профессии, выполняя большую часть подготовительной работы: собирал данные, разбирал источники, формулировал первые гипотезы, строил таблицы, готовил черновики слайдов.
Старший консультант проверял результат, возвращал работу с комментариями — и постепенно передавал младшему собственный способ мышления.
Теперь значительную часть этой работы можно отдать ИИ.
Для сильного консультанта это почти безусловное усиление. Он умеет поставить задачу, дать модели контекст, проверить логику, заметить выдуманный факт и отличить убедительно звучащий ответ от полезного.
Для junior ситуация сложнее.
ИИ позволяет быстро получить результат, похожий на работу опытного специалиста. Но между запросом и результатом исчезают десятки маленьких интеллектуальных действий:
— почему мы начали именно с этой гипотезы;
— какие данные сочли ненадёжными;
— почему отвергли первый вариант;
— где увидели противоречие;
— как связали наблюдение с решением клиента.
Можно научиться производить правильные с виду документы — и не научиться думать.
Поэтому главный риск ИИ для консалтинга — не только сокращение части задач. Это исчезновение среды, в которой выращивались новые специалисты.
Значит, должна измениться и модель обучения.
Недостаточно дать junior доступ к нейросети и набор хороших промптов. Нужно сделать видимой стратегию мышления, которую ИИ обычно прячет за готовым ответом:
— сначала сформулировать собственную гипотезу, потом обращаться к модели;
— уметь объяснить, почему ответ ИИ принят или отвергнут;
— защищать не только финальный слайд, но и путь к нему;
— разбирать ошибки рассуждения, а не только оформления;
— видеть, как senior ставит задачу, проверяет результат и принимает решение.
ИИ не отменяет начинающих консультантов. Но он отменяет старый способ их выращивать.
И теперь вопрос не в том, разрешать ли junior пользоваться ИИ.
Вопрос в другом: как сделать так, чтобы вместе со скоростью росло мышление, а не только качество первой версии?
В следующих постах покажем, как мы разбираем работу с ИИ внутри Paper Planes — на конкретных задачах и артефактах.
А пока интересно: что важнее проверять у начинающего консультанта — качество результата или способность восстановить логику, по которой он был получен? | 740 |
| 16 |  Открываем доступ к записям и материалам первых двух потоков интенсива «И — И: искусственный интеллект в бизнесе», собранным в одну программу.
От первого потока ко второму наш подход заметно изменился. Мы переработали то, что успели проверить на внутренних задачах и клиентских проектах, и добавили новые лекции, разборы и рабочие материалы. В итоге получился не архив видео, а цельная программа.
В ней 18 видео — 11 лекций и 7 разборов — собраны в пять модулей. К видео прилагаются 26 материалов: шаблоны, инструкции, примеры, готовые проекты и стартовая папка CORD.
Программу можно пройти в своем темпе от начала до конца или сразу открыть модуль под текущую задачу: безопасно начать работу с ИИ, выбрать процесс и первый проект, организовать знания и задачи компании, разобраться в экономике применения ИИ или увидеть, как CORD и PDCA работают на задачах участников.
До 27 июля включительно весь комплект стоит 20 000 рублей вместо 30 000.
Если после записей вы решите прийти на следующий поток очно, всю сумму зачтем как скидку на участие. Так что выбирать между записями и очным интенсивом не нужно, можно начать сейчас, а затем продолжить с нами вживую ;)
Посмотреть программу и купить доступ:
https://events.скрытые-чемпионы.рф/records/ai-v-biznese-zapisi | 2 224 |
| 17 |  +2Микросервисная архитектура VS монолит
Многие годы существовала парадигма: нужно собрать одну большую систему, которая будет закрывать все задачи сотрудников. Это мог быть корпоративный портал, цифровое рабочее место, ERP, CRM или внутренняя платформа. Пандемия эту логику сильно ускорила: казалось, что если собрать всё в одном окне, сотрудник наконец перестанет бегать между системами, чатами и файлами.
Сейчас у этой логики есть слабое место. Большая система требует заранее описать работу, которая на практике постоянно меняется. Вайб-кодинг, low-code, API и агенты резко сократили временной разрыв от замысла топ-команды до первой рабочей версии. Поэтому нормальная архитектура всё чаще собирается из маленьких сервисов под конкретное действие: проверить заявку, собрать рыночный контекст, визуализировать или сохранить данные, провести сотрудника по шагам в контретной ранее ручной операции и так далее.
Старые платформы в этой логике никуда не исчезают. 1С, CRM, корпоративные хранилища, базы знаний становятся хабами данных и правил. Поверх них появляются профессиональные приложения под конкретные задачи.
Собрали наши примеры на экранах коллег - хранилище проектных HTML-ек, визуализатор огромного набора презентаций, база знаний, внутренний HR-портал, убирающий необходимость заходить в HH, личные кабинеты для клиентов и куча других сервисов.
Но такую микросервисную архитектуру потянут не все. Информации стало слишком много почти у всех. Стоящие сервисы соберут те, у кого информации ещё больше, и кто умеет превращать её в рабочий инструмент.
Поэтому и в работе с ИИ критичнее становится навык системного мышления. На следующем потоке курса по просьбам слушателей мы дадим больше материала именно по этой теме: как правильно смотреть на процесс, разбивать его на операции, находить входы и выходы, понимать роль данных и собирать ИИ-решения, которые реально встраиваются в работу.
Присоединяйтесь:)
https://events.скрытые-чемпионы.рф/programs/ai-v-biznese | 687 |
| 18 |  Обновили подборку «Искусственный интеллект в бизнесе».
https://mooove.ru/collections/iskusstvennyy-intellekt-v-biznese
Добавили два новых видео из второго потока интенсива «И — И: искусственный интеллект в бизнесе», который проходил 4-5 июля в рамках бизнес-школы «Скрытые Чемпионы»
Первое видео — про Human in the Loop: зачем человеку оставаться в контуре работы с ИИ, проверять не только финальный ответ, но и ход рассуждения, ошибки и правила.
Второе — про бизнес-процессы перед ИИзацией: как разложить компанию на процессы, оценить их зрелость и выбрать, что действительно стоит менять.
К видео приложили рабочие материалы, чтобы сразу применить подходы в своей компании: описать и оценить процессы, выбрать кандидатов на ИИзацию и настроить контроль работы ИИ. В комплекте — транскрибации, карта APQC, шкала зрелости процессов, кейс процессной аналитики, производственный JIT-кейс и готовые скиллы для AI-агентов.
На годовую подписку до 12 июля действует скидка 40% по промокоду ROUTES40: 6000 рублей за год, примерно 500 рублей в месяц. Если вы уже платите помесячно, можно перейти на годовую оплату и получить сверху 4 бонусных месяца.
Подписывайтесь на Telegram-канал Mooove. Будем регулярно рассказывать об обновлениях сервиса. | 755 |
| 19 |  پیام ویدیو | 2 207 |
| 20 | Второй день интенсива по ИИ!
В онлайне и офлайне разбираем зрелость бизнес-процессов для внедрения ИИ и кейсы участников. | 786 |
