Новое исследование, проведённое среди работников, использующих ИИ, показало, что технология повышает их производительность, экономя каждому примерно 11 часов в неделю. Но в то же время людям в среднем приходится тратить более шести часов на «наблюдение за ботом», проверяя результаты работы ИИ, исправляя ошибки и повторно запуская запрос.
Эта статья не про известную вам прокрастинацию. Она про то, что одним словом «прокрастинация» мы зовём две совершенно разные вещи — и не умеем обращаться ни с одной из них.
Давайте на примерах разберем, кто есть кто.
Пример первый. Вы три недели не открываете письмо из налоговой. Каждый день про него помните, каждый день раздражаетесь, каждый день обещаете себе открыть завтра.
Я разрабатываю ИИ-планировщик, которому можно писать обычным языком: «перенеси встречу с Сергеем», «каждую первую субботу проверяй остатки корма» или «нет, не событие, а дело». Код в основном создаётся агентом, а мои усилия уходят на описание предметной области, пользовательских сценариев и проверок.
Это не туториал по созданию готового SaaS и не подробный разбор агентской разработки. Статья — промежуточный отчёт о проекте: какую предметную модель я выбрал, как проверяю ответы моделей, почему разделил LLM и детерминированные операции и с какими проблемами столкнулся после первого деплоя.
Я уже не помню, в какой момент экспериментирования с ИИ у меня щёлкнуло, и я решил, что теперь-то уж точно пора делать все свои задвинутые в «когда-нибудь» проекты.
До этого у меня был опыт использования агентской разработки для создания специализированного ЯП, но это был узконаправленный исследовательский интерес. Ну и на работе, будучи тимлидом, активно использую труд агента в SDLC. При этом опыта создавать с нуля приложение, проектировать UX/UI/CUI, чат-бота, безопасность, расписывать пользовательские сценарии и реализовывать различные схемы работы с моделью, у меня ещё не было.
Взлет и падение фонда Long-Term Capital Management (LTCM) имеет все признаки великой истории. Блестящие умы, включая двух лауреатов Нобелевской премии, создали впечатляющий хедж-фонд c торговыми системами, основанными на безотказных математических моделях. Ослепительный успех, почти перевернувший с ног на голову традиционные представления о финансах, риске, доходности. Захватывающий и трагический финал – катастрофа, которая поставила под угрозу не только крупнейшие банки, но и стабильность мировой финансовой системы. И во всем этом Россия сыграла не самую последнюю роль…
В связи с ростом сфер применения ИИ (как на базе LLM, так и прочих), возникают вопросы о юридических последствиях. Например, кому принадлежат авторские права на изображение вороны, которое ИИ написал по запросу «нарисуй ворону». Или, кто несёт ответственность за аварию на производстве, когда технолог последовал рекомендации ИИ.
И вот, у меня, как у человека давно и внимательно читающего разные новости, возник вопрос в связи с недавней новостью про введение экспортных ограничений на продвинутые модели ИИ.
Самая частая ошибка сильного IT-руководителя — думать, что хороший опыт сам по себе делает его подходящим для любой CIO-роли. На практике это почти никогда не работает.
Можно иметь большой стаж, управлять людьми, вести крупные проекты, пережить несколько трансформаций и всё равно не попадать в нужный профиль. Не потому, что вы слабый, а потому что рынок ищет не «в общем сильного человека», а конкретный тип CIO под конкретную среду.
Меня зовут Денис, я бизнес-аналитик. Статья про то, как я построил себе рабочий инструмент — Custom Tool — который живёт прямо в браузере, ничего не требует устанавливать и помогает не забыть ни одного важного вопроса при разборе задачи.
Ссылка на инструмент: denissadykov.github.io/ba-cheatsheet/custom
Всё открыто, бесплатно, без регистрации.
Когда берёшь задачу в работу, первый час — самый важный. Нужно понять: что это вообще такое, кто владелец, есть ли риски, что будет критерием готовности, где хвосты.
