AI на практике для менеджера | Встреча в Projects Jobs

• Ведущий представляет формат эфира и участников: Стас и Артём будут отвечать на вопросы, Даня — технический специалист.  

• Артём: элит-проджект-менеджер в компании Твин, руководит командами дата-сайн, бэк-офиса и рекламного кабинета.  

• Стас: продакт-менеджер в Microsoft, лидер команды, отвечает за направление DVS, тренер школы «Стартаплан».  

• Стас: использует ИИ для образовательных целей и ускорения разработки.  

• Артём: внедряет ИИ для повышения эффективности разработки в Яндексе.  

• Даня: занимается аутсорсом IT-разработок, делится опытом работы с дата-сайнсом.  

• Ведущий подчёркивает, что спикеры не являются экспертами в области RL, LLM или мультимодальных агентов, но делятся своим опытом использования новых технологий.  

• Вопрос о безопасности использования публичных сервисов и сравнении с Microsoft Copilot.  

• Обсуждение доступности новых версий моделей в Copilot и их сравнения с другими сервисами.  

• Стас объясняет, что новые версии моделей появляются в Copilot с небольшим опозданием.  

• Упоминается возможность развёртывания моделей в частном облаке и использования ключей для подключения.  

• Обсуждение форков Copilot, таких как Continuum, и возможности работы с локальными моделями.  

• Подчёркивается, что возможности ограничены вычислительными мощностями пользователя.  

• Развёртывание моделей требует усилий и не происходит по нажатию одной кнопки.  

• Манус работает локально, но имеет ограничения на Windows.  

• ЛМ Студия позволяет запускать модели, но даже с 4 миллиардами параметров результаты могут быть ограничены.  

• Локальные модели дают неплохие ответы на простые вопросы, но имеют ограничения по объёму данных.  

• При работе с PDF-файлами модели берут только три случайных сэмпла, что не отражает полное содержание документа.  

• ЛМ может служить независимым советником для менеджеров, помогая осмысливать контекст и моделировать ситуации.  

• Пример использования: подготовка к встрече с топ-менеджментом через моделирование различных сценариев.  

• Локальные модели непрактичны для большинства менеджеров из-за ограничений ресурсов.  

• Для промышленного масштаба лучше использовать облачные серверы и команду DevOps.  

• Публичное облако позволяет анализировать рабочие вопросы без раскрытия корпоративных секретов.  

• Пример: использование Cloud для анализа рабочих вопросов в Microsoft.  

• ЛМ помогает анализировать результаты труда и оценивать риски.  

• Важно задавать контекст для получения качественных результатов.  

• Голосовой режим упрощает взаимодействие с моделями.  

• Пример анализа тикетов: ЛМ выделяет топ-10 причин жалоб, помогая быстро выявить проблемы.  

• Быстрое выявление проблем позволяет эффективно челленджить команду.  

• Использование внутреннего инструмента для анализа данных.  

• Основные популярные модели ИИ: Llama, OpenAI, Anthropic, Gemini, GPT.  

• Российские модели: ГикаЧат, Яндекс.  

• Большинство инструментов являются оберками над этими моделями.  

• Важно научиться задавать вопросы в формате промтов.  

• Для построения диаграмм Ганта требуется большой контекст данных о проекте.  

• Производные инструменты часто используют системные промты.  

• ГикаЧат от Сбера доступен в России и имеет хорошие характеристики.  

• Если ИИ не приносит пользы, возможно, вы недостаточно предоставили контекст или используете его неправильно.  

• Использовать модели с широким контекстом, например, Gemini 2.5.  

• Предпочитать модели, которые могут объяснять свои решения.  

• Автоматизировать простые задачи с помощью сервисов, таких как Ney или Make.  

• Когнитивные способности агентов стремительно растут.  

• В ближайшие годы ожидается переход к новым типам операционных систем и интерфейсов, основанных на мультимодальных агентах.  

• Текущие модели имеют контекстное окно от 100 тысяч токенов, что достаточно для анализа больших объёмов данных.  

• Выбор модели зависит от личных предпочтений пользователя.  

• Анализ размеченных данных может быть сложным процессом.  

• Запросы пользователей и ответы помогают лучше понять проблемы.  

• ИИ может объяснить графики и провести анализ, что экономит время и ресурсы.  

• Агенты могут выполнять рутинные задачи и улучшать процессы.  

• Важно выбирать агентов, которые действительно полезны и эффективны в реальных сценариях.  

• Подписка Office 365 позволяет записывать встречи, делать транскрипцию и анализировать их.  

• Функция «Копал» помогает быстро найти информацию по обсуждаемым вопросам.  

• Возможность перематывать видео и находить упоминания о себе.  

• Разбивка видео на чаптеры для удобства просмотра.  

• Экономия времени на просмотре ненужных встреч.  

• Анализ переписки и встреч для получения нужной информации.  

• Пример использования сервиса «Пак Форстер» для анализа бюджетов.  

• Сложности сбора данных без облачных сервисов.  

• Различия между записанными и незаписанными встречами.  

• Сервис, который транскрибирует встречи в реальном времени.  

• Добавление информации в конфликты и политику.  

• Использование Graph и Data Doc для анализа метрик и логов.  

• Получение полезных инсайдов, которые сложно заметить вручную.