Дмитрий Черноус из MTS AI. Тренды в LLM и AI, работа руководителем группы пресейла и консалтинга

• Автор рассказывает о своем опыте в искусственном интеллекте, начиная с 2010-х годов.  

• Упоминает разочарование в технологиях и их применении.  

• Приводит примеры неудачных проектов и разочарований.  

• Ярослав Шмулев, сооснователь компании R77AI, представляет гостя Дмитрия Черноуса.  

• Дмитрий работает в компании МТС AI, занимающейся разработкой технологий в области искусственного интеллекта.  

• Дмитрий рассказывает о проектах, которые компания реализует как внутри МТС, так и на внешнем рынке.  

• Дмитрий обсуждает, что аудитория канала заинтересована в понимании эффекта от ИИ.  

• Упоминает, что многие уже поняли ограничения технологий и их применение.  

• Приводит примеры больших языковых моделей и их демократизацию.  

• Дмитрий отмечает, что скептицизм к ИИ постепенно снижается.  

• Приводит примеры, как компании, ранее скептически настроенные, теперь активно внедряют технологии.  

• Упоминает, что новые технологии создают новые волны интереса.  

• Дмитрий делится своим опытом работы с технологиями, такими как Comprena.  

• Описывает, как Comprena помогла ему понять, как работают мозги.  

• Упоминает, что разочарование началось с осознания необходимости добавления правил к моделям.  

• Дмитрий рассказывает о своем первом большом проекте и необходимости доказывать его эффективность.  

• Приводит пример с анализом предложения "за песчаной косой, лопоухий косой, пал под острой косой, косой бабы с косой".  

• Обсуждает, как модели могут ошибаться и как это можно исправить.  

• Дмитрий делится своими мыслями о работе в ИИ, сочетая воодушевление заказчиков и скептицизм в отношении возможностей технологий.  

• Упоминает, что на первой встрече показывает, как все может быть круто, а на второй объясняет, почему 80% запросов не стоит выполнять.  

• Обсуждение различных подходов к построению экспертизы.  

• Важность квалификации заказчика и его потребностей.  

• Роль аккаунт-менеджера в оценке бизнеса заказчика.  

• Важность понимания бюджета и мотивации заказчика.  

• Роль аккаунт-менеджера в глубоком понимании бизнеса заказчика.  

• Необходимость квалификации заказчика для успешной сделки.  

• Бизнес-девелопмент как ключевой элемент в работе с заказчиком.  

• Понимание бюджетов и циклов бюджетирования.  

• Важность глубокого понимания бизнеса заказчика для успешной сделки.  

• Консалтинг и подбор технических решений для заказчика.  

• Важность квалификации бизнеса заказчика для реализации его потребностей.  

• Роль руководителя группы присейла и консалтинга.  

• Гибрид бизнес-знаний и технических решений.  

• Личный опыт и образование в области IT и бизнеса.  

• Интерес к общению и фантазированию в бизнесе.  

• Будущее уже наступило, но неравномерно распределено.  

• Важность языковых моделей и их влияние на бизнес.  

• Психологические барьеры и необходимость осознания изменений.  

• Роль аккаунт-менеджера в реализации проектов.  

• Участие в проектах на всех этапах, включая завершение.  

• Важность системного подхода и понимания контекста проектов.  

• Кипяи на внешнюю выручку и получение денег с проектов.  

• Роль технического аккаунт-менеджера и его ответственность за реализацию решений.  

• Участие в проектах и влияние на их успешность.  

• Неудачные проекты могут ударить по финансовой выгоде и репутации.  

• Пример: проект по сортировке алмазов занял на два с половиной года больше, чем планировалось.  

• Все негативные последствия влияют на всех участников.  

• В крупной корпорации, как МТС, важно собирать сигналы и опыт.  

• Успех компании зависит от ключевых ролей, таких как техническая архитектура.  

• Важно уметь превращать бизнес-требования в осязаемые решения.  

• Успех зависит от всех, но ответственность за технологические решения высока.  

• Роль в компании позволяет открывать новые возможности для заказчиков.  

• Важно создавать условия, чтобы заказчики самостоятельно принимали решения.  

• Идеальный кандидат должен обладать широкой насмотренностью и интересом к технологиям.  

• Важно быть в курсе технологических изменений и уметь фильтровать информационный шум.  

• Современные специалисты должны быть готовы к изменениям и уметь адаптироваться.  

• В современном информационном шуме важно обладать суперспособностями для обработки информации.  

• Найти человека, который может работать в бизнесе и технологиях, сложно.  

• Опыт и насмотренность помогают справляться с различными задачами и кейсами.  

• Важно иметь свои собственные карточки, но можно использовать и чужие.  

• Насмотренность помогает разбираться в различных кейсах и продуктах.  

• Экстенсивное развитие полезно, даже если не являешься глубоким специалистом.  

• Менеджеры часто сталкиваются с кризисом идентичности.  

• Важно понимать свои сильные стороны и софт скиллс.  

• Признание можно получить через хорошую работу, а не через глубокие знания.  

• В IT можно работать без глубокого технического бэкграунда.  

• Важно желание и креативность.  

• Пример проекта "нейро медсестра" показывает, как можно использовать технологии для улучшения работы.  

• В медицинской организации нужно нормализовать данные, вводимые врачами.  

• Использование LLM для нормализации данных и сравнения с референсными значениями.  

• Возможность поиска данных в медкарте и других системах для ускорения лечения.  

• Вторые пилоты объединяют технологии искусственного интеллекта.  

• Вдохновение можно черпать из научно-фантастического кино и книг.  

• Важно иметь прикладную задачу, чтобы использовать новые технологии.  

• Демократизация доступа к передовым технологиям.  

• Важно найти прикладную задачу, чтобы использовать новые инструменты.  

• Вторые пилоты могут вызвать отклик у людей, если они находят в них реальную потребность.  

• Чат-боты могут быть полезны для нормализации и номенклатуры данных.  

• Они могут выполнять функции, которые ранее требовали человеческого вмешательства.  

• Чат-боты могут упростить взаимодействие с ассистентами и другими технологиями.  

• Чат-боты должны быть универсальными и поддерживать различные каналы взаимодействия.  

• Они должны знать контекст пользователя, включая его расписание и конфликты.  

• Контекст включает в себя множество технологических сервисов и данных.  

• Люди сталкиваются с трудностями в организации данных из разных источников.  

• Использование файлообменников и мессенджеров усложняет поиск нужной информации.  

• Это приводит к усталости от принятия решений и необходимости дисциплины.  

• Нормализация данных помогает упорядочить информацию из разных источников.  

• Персональные ассистенты могут выполнять эту задачу, фильтруя и организуя данные.  

• Это позволяет пользователю сосредоточиться на выполнении задач, а не на организации информации.  

• Искусственный интеллект может нормализовать данные и предоставлять нужную информацию в нужный момент.  

• Это упрощает взаимодействие с информацией и уменьшает необходимость в напоминаниях.  

• Идеальная система должна быть структурирована так, чтобы не прерывать пользователя.  

• Наличие полного контекста о пользователе может привести к персонализированным атакам и предложениям.  

• Это вызывает этические вопросы и философские размышления о контроле над личной информацией.  

• Несмотря на это, цифровые технологии могут значительно улучшить жизнь и работу пользователей.  

• Компания МТС имеет собственное решение для синтеза и распознавания речи.  

• Решение включает антиспуфинг, позволяющий определить, является ли голос записанным или синтезированным.  

• Это полностью проприетарная разработка компании.  

• Решение позволяет быстро определить, идет ли речь от синтезатора.  

• Компания позиционирует себя как вендор, продавая продукты, а не модели.  

• Поддержка и обновление ПО передаются на сторону, что выгодно для заказчиков.  

• Конкуренция в области голосовых технологий усиливается.  

• Важно учитывать не только функциональные требования, но и нефункциональные.  

• В будущем ожидаются легкие и доступные модели, которые можно будет развертывать быстро.  

• Вижен Лапс, входящий в группу компаний МТС, является мощным решением для распознавания изображений.  

• Компания также разрабатывает решения для речевой аналитики, такие как Ворд Пульс.  

• Ворд Пульс включает распознавание речи и другие функции, необходимые для колл-центров.  

• Обсуждается разница между проектным и продуктовым внедрением.  

• Продуктовое внедрение требует стандартизации бизнес-процессов.  

• Пример SAP показывает, что внедрение требует значительных изменений в бизнес-процессах.  

• SAP требует кастомизации и адаптации не только продукта, но и бизнес-процессов.  

• Внедрение SAP требует значительных усилий и ресурсов.  

• Продуктовая продажа не может быть простой и требует адаптации под конкретные нужды заказчика.  

• Заказчик оплатил облако и лицензию на технологию.  

• Проект был реализован без проектного офиса и пилота.  

• Заказчик сам выбрал технологию и не нуждался в обвязке.  

• Заказчик выбрал технологию, несмотря на наличие облака.  

• Предпочтение было отдано модели правит клауд.  

• Заказчик не хотел использовать открытые API и выбрал вендора для поддержки.  

• Заказчик сам управляет облаком, но поддержка остается за вендором.  

• Возникают нюансы, требующие обсуждения с заказчиком.  

• Даже при продаже готовой системы, требуется поддержка и развитие.  

• Инхаус решения могут быть сложными и дорогими в поддержке.  

• Вендоры предлагают готовые процессы и поддержку.  

• Инхаус решения становятся сильнее с демократизацией технологий.  

• Бенчмарки не решают все проблемы, важно учитывать конкретные задачи.  

• Модель может не подходить для всех задач, даже если она крутая.  

• Важно адаптировать продукт под конкретные бизнес-задачи.  

• Продукты и кастомизация всегда идут рука об руку.  

• Продукт решает конкретную задачу, а кастомизация дополняет его.  

• Кастомизация необходима для интеграции с бизнес-процессами и данными.  

• Выделяют три группы продуктов: LLM-модели, герметичные решения и LMS-платформы.  

• LMS-платформы позволяют комбинировать модели и кейсы.  

• Важно иметь как герметичные решения, так и платформы для их интеграции.  

• Долгое время предлагали связку аудиограмма с лэмкой для транскрипции совещаний.  

• Создали решение "Макс" с партнерской компанией, которое можно подключить к любой конференции.  

• В личном кабинете можно видеть все записанные конференции с транскрипцией и выводами.  

• Решение покрывает 99% кейсов, оставляя место для кастомизации.  

• Планируется активное продвижение решения, включая его интеграцию в МТС Линк.  

• Решение доступно для всех, включая предприятия и частные лица.  

• Анализ совещаний и поиск брага важны для всех типов клиентов.  

• Решение считается продуктовым кейсом, который можно измерить метриками.  

• Некоторые запросы, такие как система определения овуляции свиноматки, не могут быть реализованы как продукты.  

• Бизнес-модель основана на уникальных консультантах, которые решают нестандартные задачи.  

• Масштабирование зависит от уникальных консультантов, которые могут решать сложные задачи.  

• Важно сохранять и развивать таких консультантов для успешного масштабирования.  

• Рассматриваются возможности для повышения масштабируемости бизнеса.  

• Важно минимизировать затраты и максимизировать ценность для заказчика.  

• Переиспользование опыта и создание платформ для оптимизации затрат.  

• Сервисный бизнес должен создавать продукты для устойчивого роста.  

• Интеграторы, имеющие свои продукты, успешны на рынке.  

• Заказчики предпочитают готовые продукты, чтобы избежать высоких рисков и бюджетов.  

• Обсуждение реальных кейсов внедрения ИИ в бизнес.  

• Пример успешного проекта: продажа продукта в облаке без задействования проектного офиса.  

• Пример проекта: анализ опросов общественного мнения с использованием классификаторов.  

• Демонстрация высокого качества классификации с помощью модели.  

• Разработка классификатора на основе модели для улучшения качества классификации.  

• Обнаружение ошибок в данных и улучшение классификатора.  

• Использование RPA для анализа текстовой информации.  

• Формирование описания вакансии с помощью языковой модели.  

• Публикация вакансий, сбор откликов и резюме, сопоставление данных.  

• Определение комфортных и некомфортных условий в банковских гарантиях.  

• Использование модели для извлечения и сравнения данных.  

• Важность задачи по определению комфортных условий в банковских гарантиях.  

• Благодарность гостю и слушателям.  

• Приглашение подписаться на канал и участвовать в обсуждении кейсов.  

• Призыв к подписке на канал для получения помощи в интеграции ИИ в бизнес.