Одна ошибка — и ты ошибся. Провалы во внедрении ESM — ITSM-систем
Источник изображения: кадр из х/ф «Механик. Воскрешение», 2016 г., реж. Деннис Ганзель
Источник изображения: кадр из х/ф «Механик. Воскрешение», 2016 г., реж. Деннис Ганзель
Обязательная маркировка моторных масел и автомобильных жидкостей стала не просто новым этапом регулирования рынка, но и драйвером автоматизации для всего автомобильного сектора. Без DataMatrix-кода перемещение и реализация товаров этой категории становятся невозможными: код нужен производителям, импортёрам, дистрибьюторам, рознице и автобизнесу — для каждого экземпляра продукции и для каждого этапа оборота. Зачем нужна маркировка и почему […]
Я внедрял всё это, и мы договорились, что можно использовать статистику по обезличенным логам. Это прямые подсчёты транзакций. Не прогнозы аналитиков, не презентации вендоров — а конкретные реальные логи. Компания решила возглавить безобразие и дать всем сотрудникам внятный сервис, попробовать все модели рынка и вообще посмотреть, что это даст на практике в приросте производительности и […]
Привет, Хабр! Меня зовут Игорь Акимов, CEO Abasis.AI. Мы в последний год смотрим, как российский и не только бизнес пытается оседлать хайп-трейн с надписью «Искусственный Интеллект» И знаете, что? Чаще всего это выглядит как карго-культ. Все бегают, кричат «Надо срочно всем использовать AI! Сейчас все будут работать в 2 раза быстрее!», покупают лицензии ChatGPT и […]
Привет, Хабр! Это заключительная статья из цикла о трансформации инженерной службы — из хаотичной и недостаточно обученной команды в структурированный профессиональный департамент с автоматизированными процессами. В первой статье я рассказывал, как вообще навести порядок в хаосе: оценить зрелость команды, создать процессы с нуля и превратить группу разрозненных инженеров в команды, которые реально работают вместе. Вторая
Короткий гуглинг по теме показывает, что все рекомендации по внедрению ИИ в бизнесе сводятся к общим фразам. «Выделите одно приоритетное направление», «найдите рутинные операции», «проанализируйте доступные данные». Спасибо, кэп. А делать-то что?
Машинное зрение работает, и работает хорошо. За год количество проектов выросло с 5 до 36. Мы привлекли много подрядчиков и знатно пробежались по граблям. А теперь я хочу рассказать про эти самые грабли.
Всем привет! Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение. У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей. Сегодняшний перевод статьи от Andreessen Horowitz в которой […]