Новые способы навести порядок в работе с AI через CORD и PDCA

Так, ну что, коллеги, всё. Я думаю, что мы можем начинать. Я думаю, что мы можем начинать. Значит, а, всем ещё раз здравствуйте. Добро пожаловать на наше мероприятие. А вы, я уже вижу, что вы начали представляться. Поставьте, пожалуйста, Токио ещё с нами. Ничего себе. Нови сад. Это Сербия, да, если мне не изменяет память. Круто. А, соответственно, вот у нас сегодня такой Интернационал. У нас вот в клубе есть люди из Чили внезапно, да? Сегодня вот у нас Сервия и Токио. Это замечательно. В Батуми. Ух ты. Ну всё, слушайте, география растёт. Это очень здорово.

Значит, то, что мы делаем, будем, надеяться, как-то способствовать объединению э территорий и государств. К этому и стремимся. Соответственно, коллеги, поставьте, пожалуйста, плюсики те из вас, кто Один плюсик, кто бывал Перм сантехника. Я догадываюсь, какой это. Евгений, здравствуйте, Евгений. Значит, поставьте, пожалуйста, коллеги, плюсик, кто бывал на наших прошлых вебинарах, посвящённых теме Ии. И поставьте, пожалуйста, два плюсика. Те, кто были на нашем прошлом курсе по Ии, который 2 дня шёл большой и полноценный. Иван Б, Казахстан, Петропавловск. Привет, Иван. Я тоже знаю, что это за Иван. Так, ага, есть такие люди. Вот Алексей был прямо на курсе. Класс. Владимир был прямо на курсе. Класс. Отлично. Супер.

Значит, вы пока плюсики расставляете. Я тогда давайте чуть-чуть для тех, кто с нами впервые. Вообще у нас сегодня порядка 230 регистраций и 150 из них - это новые участники процесса, которые не были с нами ни на вебинаре, ни на курсе. Аа я на всякий случай подскажу, да, и вообще поясню, что у нас тут происходит, да. То есть с одной стороны, с одной стороны, да, у нас здесь происходит, э, занятие нашей школы или нашей учебной программы, да, которую мы, соответственно, называем скрытые чемпионы, да, скрытые чемпионы - это наша программа образовательная, да, или наша бизнес-школа, если угодно, да, где мы, соответственно, учим учим мы на больших программах. Есть отдельная программа для крупного бизнеса, есть отдельная программа для малого бизнеса, есть наши малые программы, да, это чаще всего двух или трёхдневные интенсивы, да, вот, ээ, соответственно, и это один из таких интенсивов. Ну вот, плюс сейчас скоро уже совсем стартует ещё несколько, да, собственно, интенсив по стратегии промышленного предприятия, интенсив по ценообразованию, да, и, соответственно, интенсив по построению отдела маркетинга. Аа, но сегодня мы с вами про Иии, да, перед каждым стартом курса, а ближайший старт курса у нас будет 4того5 июля, да, вот, да, соотственно, перед каждым стартом курса мы проводим серию таких вот подготовительных вебинаров, да, чтобы можно было с одной стороны, что для себя нового понять и узнать, а мы стараемся делиться здесь, как всегда, по традиции, только тем, что применяем сами. С другой стороны, мы, соответственно, стараемся здесь рассказать, а что будет на курсе происходить, да, для того, чтобы можно было к этому каким-то образом отнестись, да, понять, подходит или не подходит это вам. Вот. Ну и, может быть, к нам, собственно, на курс присоединиться, да?

А-а, давайте, наверное, я сначала некоторую водную, да, для тех, кто не бывал ни на курсе, ни на коротких программах, а вот с каких позиций, да, наверное, не секрет, если вы там более-менее следили за моими высказываниями, в том числе публичными, да, не секрет, что в течение достаточно долгого времени, по сути, весь двадцать пятый, даже начала двадцать шестого года, мы в Paperples искусственного интеллекта по большому счёту избегали, ну, кроме как для каких-то очень простых рутинных задач, да, потому что наша Наша позиция, она, в общем, в том, что пока мы не нащупали какую-то вот лучшую рыночную практику, как бы не можем мы взять грех на душу и нашим клиентам чего-то рекомендовать, да, что типа как-то работает, да, поэтому мы стали где-то, наверное, с февраля этого года м довольно существенно и много работать над развитием, собственно, подходов к применению искусственного интеллекта, да, и исходя из этого выработали какую-то модель, на которую опираемся, да, при этом мы перед собой изначально поставили цель в рамках наших именнообразовательных программа. Всё-таки основная наша деятельность - это консультантская деятельность, да? Но в рамках образовательных программ мы перед собой поставили цель сделать программы такими, чтобы они были реиграбельными, репросматриваемыми, да, не секрет, что искусственный интеллект развивается очень быстро, да, соответственно, технологии, модели, подходы эволюционируют очень быстро, да, поэтому, кстати, и тех, кто был у нас, в том числе на курсе в прошлые разы, мы с удовольствием приглашаем снова на уже вторую нашу встречу. Она будет довольно радикально отличаться от первой, да? Я думаю, что это будет понятно даже и сегодняшней встрече, потому что в прошлый раз мы два вебинара и примерно 8 часов от курса рассказывали только вот про эту модельку, да, соответственно, а сегодня я буквально за полтора часа по этой модельке пройдусь, да, соответственно, там, может быть, где-то без углублений, но тем не менее, да, и скорее будем уже мы немножко про другое говорить.

А давайте, соответственно, наверное, да, поговорим о самой модели, которую мы предлагаем использовать. Это такая вот двойная петля, в центре которой лежит идея, собственно, do, да, то есть искусственный интеллект нужен нам, чтобы делать, да? Чтобы делать, нам нужно как бы разделить процессы думания и процессы делания. А что такое неразделённый процесс думания и процесс делания? Ну вот когда, например, мои молодые коллеги начинают делать какой-то проект, например, и пытаются задействовать искусственный интеллект, они в него всвывают какие-нибудь данные и говорят, там посчитай, предположи, расскажи, да? Вот это вот попытка возложить процесс думай на машину целиком. Это довольно сомнительная затея. Вот машина, несомненно, даже, наверное, способна где-то подумать. Где-то даже бывает, она способна, ну, как-то относительно оригинально подумать, да, и, может быть, дать вам какую-то пищу для мозга. Но в то же самое время машина, конечно, совершенно точно не эксперт, да. На наших прошлых двух вебинарах и на нашем прошлом большом курсе огромное внимание мы уделили парадигме, да, которая называется Hitle, да, или Human in the loop, да, то есть человек внутри петли, да, и я старался, собственно, об этом говорить, что мы, например, стражайшим образом придерживаемся и требуем этого от своих сотрудников и требуем, соответственно, этого от клиентов, у кого мы и прикладно внедряем, да, мы требуем соблюдения парадигмы human in the loop, да, то есть человек не может взаимодействовать с машиной просто как глупый, слепой эксплуатант. Да, его задача состоит не в том, чтобы понапихать в машину всякого и пытаться посмотреть, какие машина выдаст варианты фэнтези, да, соответственно его задача- направлять диалог с искусственным интеллектом, называется, вносить туда поправки и так далее, а машину использовать для ускорения процесса, хотя и не только для ускорения.

А в ходе нашего с вами как бы прошлого раунда встреч мы вместе с коллегами участниками выработали восемь, наверное, ключевых областей, в которых, как нам сейчас представляется, машина способна хорошо работать и давать хорошие результаты, да. Соответственно, давайте попробуем об этих восьми основных задачах применения искусственного интеллекта сейчас с вами порассуждать. Соответственно, задача первая, да, то есть зачем нужен искусственный интеллект посерьёзке, а, да, то есть не для там фабрик контента, не просто как игрушка, не просто как какой-то тупорогий ускоритель, да, вот по-серьёзки, да, если мы решаем прикладные бизнесзадачи, зачем он нужен? Ну, в нашей картине мира есть восемь классов задач, зачем искусственный интеллект может быть реалистически применён, да? Соответственно, задача первая - это формализация, да? Что такое в данном случае формализация? Есть какие-то разрозненные классы данных, есть, э-э, какой-то сложно-составный процесс, да, есть ээ допустим, не знаю, данные платежей, есть данные пользователей, есть данные по сотрудникам, есть данные по процессам и операциям. Все они находятся в каком-нибудь малоудобном состоянии, да? Соответственно, искусственный интеллект, если мы хорошо себе представляем [откашливается] итог, если мы хорошо себе представляем результат того, что нам нужно, да, машина способна очень хорошо собрать эти данные в какой-то единый массив, пригодный для обработки, для интерпретации, для принятия решений, да? Соответственно, машина способна нам обеспечить какой-тог этих данных. Машина нам способна обеспечить какую-то их синхронизацию. Машина способна дать нам, извиняюсь за тавтологию, машиночитаемость. Да, машиночитаемость - это термин, который мы с вами специально ввели в рамках нашего прошлого цикла встреч. Да, для тех, кого не было, поясню. Машиночитаемостью мы называем такое свойство организации, процесса, сотрудника, класса данных, при котором машина способна его корректно воспринять. Надо есть. Очевидно, что если вы просто будете в машину какую-то ерунду вгружать, ну или там вольный поток сознания, машина при каких-то обстоятельствах, возможно, даже распутается, но скорее всего нагаллюцинирует, да? Если вы, как вот этот Human in the loop, постоянно сидите внутри конкретного чата, в котором машина чего-то делает, вы даже можете этот факт отловить, каким-то образом, поправить и скорректировать, да. Но если мы предполагаем, что вы занимаетесь, ну, какими-то более-менее уже рутинизированными для машины процессами, да, машина должна по расписанию что-то делать, да, там собирать отчёты, машина должна там, я не знаю, выдавать гипотезы роста, да. Ну вот, например, севис ME, на котором у нас сейчас с вами идёт вебинар. Это как раз сервис, по поводу которого у меня машина раз в день проходит, даже два раза в день получается, сейчас проходит по статистике, да, и строит какие-то гипотезы роста, да. Вот для того, чтобы эти гипотезы роста строить, машина должна мне провести первичную формализацию и превратить всю статистику и аналитику, которая есть на сайте. Где-то она там собирается в условной Яндекс-метрике, где-то она собирается там, не знаю, в маркетинговой аналитике, где-то она собирается, например, на уровне аналитики платёжных сервисов, платёжных шлюзов. Вот она должна всёвсёвсёвсёвсё это собрать, должна понять интерфейс, в котором всё это существует следственно, и превратить это в машиночитаемый объект, который она способна на постоянной основе сканировать, да? Потому что, если она его не воспринимает как машино читаемый объект, то есть не имеет какого-то цифрового двойника объекта, то, к сожалению, она будет выдавать нам полную ерунду, да, ничего полезного мы из этого, очевидно, с вами не породим, да. Это вот, соответственно, первая возможная задача машины. Я, кстати, буду периодически подглядывать к вам в чат. Привет солнечного Ташкента. Привет. Да, Андрей понял ваш комментарий. Смотрите. Да, спасибо за него. Андрей в чате вот хороший вопрос задаёт. А-а, смотрите, э-э, принимается действительно, мы после первого курса, в прошлый раз получили комментарии, что бывает не хватает, ну, вот как сказать, может не азбуки, ну, такого учебника русского языка там для девятого, десятого, одиннадцатого классов, да, с какими-то ключевыми правилами, да. Поэтому в рамках вот нашей программы четвёртого-пятого числа мы, соответственно, планируем об этом поговорить. Ну и сегодня немножечко тоже по этому поводу, конечно, поговорим, да. Вот. Но опять же, видите, в силу, конечно, цйтнота вот таких коротких мероприятий. Мы здесь предпочитаем, э, двигаться по таким как бы скорее сущностным вещам, чтобы показать границы применения, сформировать правильную парадигму и так далее. Даша, ты можешь, пожалуйста, найти мой телефон?

А, соответственно, дальше пошли, коллеги. Вторая возможная идея. И второй возможный эффект, спасибо большое. Второй возможный эффект - это как раз ускорение, да? Значит, здесь давайте тоже, наверное, попробуем каким-то образом к этому вопросу зайти. Значит, как вульгарно понимается ускорение, да? Значит, мне некогда думать, я засуну машину, машина быстрее подумает за меня, я приму результаты её ответов как какие-то сравнительно подходящие, уж совсем отвратительные галлюцинации вычищу и дальше поскочу. Да. Но я бы сказал, что, конечно, для того, чтобы проводить правильное, нормальное, качественное ускорение работы, нужно соблюдать два условия. В стратегическом смысле слова нам необходимо, мм, каждый раз, когда машина поначалу ошибается, а каждый раз, когда мы начинаем с машиной проходить новый класс задач, она, скорее всего, будет ошибаться, каждый вид ошибки отлавливать и каждый вид ошибки буквально на ручках корректировать. Да, нам в конечном счёте необходимо научить машину и нашим когнитивным стратегиям, и нашим прикладным стратегиям для того, чтобы она на основании правил, на основании скилов, которые мы создаём под себя, на основании агентов, научалась рассуждать, как мы. Да, с другой стороны, тоже всё-таки я предполагаю, что основная задача ускорения в этом смысле у машины - это, а, помочь думать и быстрее делать, но не быстрее думать, да? То есть по сути своей, как бы, когда мы, мм, не имея никакого представления о предмете, просим машину с нами повзаимодействовать. Единственное, наверное, единственный сценарий, в котором машина может с нами повзаимодействовать, пока мы беспредметный участник - это наше обучение, да? Можно взять какой-нибудь ноутбук LM, допустим, да, загрузить в него какие-то методические материалы по вопросу и попробовать какую-то тему поизучать. Причём, в общем, достаточно неплохом, достаточно приемлемом уровне глубины. Вот мне не так давно пришлось, например, погрузиться более детально в то, какой в мире бывает инжениринг, да? Вот я как бы, естественно, что такое инженеринг понимаю. У нас очень часто приходят запросы в формате мы тут торгуем условно какими-то устройствами, оборудованием, но хотим ещё заниматься инженерингом, да, и понятно примерно, что такое инжеринг. А тут перед вами стал реально вопрос: "А какой бывает инженеринг?" Инжиниринг он же весь разный, да? И вот я как бы понагружал кучу-кучу исследований, загнал всё это дело в ноутбук LM, да, соответственно, ноутбук LM мне это как-то там, значит, под разными углами прокрутил. Я с ним полчаса в диалоге посостоял. Вот. И, соответственно, мы с ним пришли к модели, да, э, шести видов инжениринга. Ну класс, сказал я, да, вот шесть видов инженеринга классная модель, она мне нравится. Но как она появилась? Она появилась, потому что я постоянно задал вопросы. Я спорил с машиной. Я говорю: "Ты вот этот фактор не учитываешь?" Кажется, ты вот этот фактор не учитываешь. Покажи, как ты рассуждал здесь. Мне непонятно, в чём точная дистинкция. Тогда вот так, тогда вот так. И вот как бы через серии упражнений мы, соответственно, с машиной дошли до выделения шести видов инжениринга, которые меня методически устроили. Являлось это ускорением? Да, конечно, я бы перебирал и перелистывал груды данных достаточно долго. Но могу ли я доверить в машине в этой связи формулирования модели? Да, разумеется, нет.

Да, соответственно, третья возможная задача. Ну, тут нумерация немножко другая, неважно. Третья возможная задача - это выравнивание. Что такое выравнивание? Ну или можно ещё сказать динамическое прогнозирование или интегрированное планирование. Ну вот в ходе нашей этой программы, которая была в прошлый раз, мы много сталкивались у посетителей, у студентов программы с вопросами в формате: "У меня есть сбыт, у меня есть производство, у меня есть закупки, у меня есть цена образования, допустим, и я не могу их сбалансировать между собой. Да, передо мной стоёт задача достичь каким-то образом хорошего качества выравнивания между различными бизнес-функциями, да, и вот даже тут стрелочку Наталья мне любезно подбросила. Вот, допустим, для косметического производства мы вот, коллега, которая была, и я, собственно, вместе с ней, да, собирали модель э Наташай, я не понимаю, я могу на неё нажать, её открыть что-то я тут как будто модель, она как-то приложена, только скриншотом. >> Не можешь сейчас, секунду. >> Угу. А можешь, пожалуйста, её прямо что файликом развернуть как-то, чтобы мы коллегам показали? Вот, соответственно, мы собрали с коллегой модель. Вот. А если у тебя, Наташа, есть прямо артефакт модели, можно его сюда, да? И после этого как бы собрали для коллеги прямо пак, да, по сути это большой промт, прямо здоровенный, да, который как бы как пакет, как совокупность скилов коллега забрала с собой, условно говоря, и в свою организацию принесла, да? И его основная задача теперь, а, на регулярной основе мониторить определённые данные по определённым показателям, да, и исходя из этого показывать, как лучше прогнозировать. Но что для этого потребовалось? Могли ли мы просто на машину возложить эту ответственность? Да, конечно, нет. Да, мы могли, как эксперты, в данном случае, я с коллегой непосредственно в ходе программы работал, разобраться, какие данные у неё внутри компании есть. Мы могли разобраться, как эти данные должны быть правильно высчитаны, да? Дальше, когда мы эту модель с коллегой написали, утвердили, обсудили с разных сторон, посмотрели лучшие практики, в том числе с помощью поиска и добавили, да, и исходя из этого, соответственно, у нас появилась какая-то модель. эту модель на сухих данных, так dry, так называемый, обкатали и только после этого как бы собрали из этого полноценный артефакт, который можно забрать. Так это что у нас, Наташ, такой? Сейчас видим пока про >> Так вот как раз оно же детализация. >> Не, оно же детализация, просто видишь оно А всё, я понял. Просто ты в каком-то таком масштабе положила. Мне просто очень неудобно, к сожалению, вот с того ноутбука, на котором я. >> Ах, сорри, >> масштабы, да, если можешь, ты сразу приводи к масштабу демонстрационному. Вот. То есть, смотрите, коллеги, да, мы сразу собрали как бы с коллегой посмотрели, предположили, построили дерево гипотез. Мы делали это без и, да, соответственно, переложили это, собственно, в необходимые поля. здесь нам же и, конечно же, помог, да, соответственно, все эти поля собрали, по сути, техническое задание, установили характер математических зависимости между разными классами и бизнес-процессами, да, подстегнули сюда, соответственно, ключевые внешние сигналы спроса, да, после этого попросили модель нам собрать какие-то сравнительно валидные данные, да, сделали слепой прогноз, провели, сделали этот слепой прогноз, сопоставили с реальностью. И просто как мы убедились, как люди убедились внутри петли, что это работает, да, соответственно, коллега, вот с этим вот в конце второго дня в прошлый раз у нас вышло, да, вообще задача нашей вот этой большой программы, она как раз в этом, да, чтобы вы вышли, соответственно, с этой программы с каким-то конкретным бизнес-процессом, который у вас раньше работал недостаточно качественно, да, а теперь, соответственно, может работать лучше, да, вот примерно так, да, то есть по сути своей одна из возможных целей нашей работы с искусственным интеллектом Это обеспечение вот таких вот задач на выравнивание. Это не всегда продажа с производством, да, это могут быть любые разные как бы две функции, но так или иначе с этим искусственный интеллект справляется хорошо. Это нужно уметь собирать. Второй микрофон лучше выключить. Второго микрофона здесь и нет, честно говоря. А почему, интересно, дублируется звук? Сейчас, коллеги, нормально слышно? Давайте проверим. Ага. Да, супер. Так, вот Андрей. Андрей, у вас цвет поменялся. Супер. Так, смотрите, Андрей, вот вы учите на курсе это собирать? >> [вздыхает] >> Хороший вопрос, Андрей. Вы знаете, мы тут сами как бы пока находимся во внутреннем поиске, потому что то, о чём я говорю, это на самом деле скорее история про системное мышление, да? То есть что позволяет мне собрать это без искусственного интеллекта? Системное мышление. Что позволяет мне сделать искусственный интеллект? Ускорить это системное мышление с точки зрения получения артефакта и повысить точность. То есть я могу чаще больше системно мыслить, да? Вот как бы в чём суть. Учим ли мы на курсе по искусственному интеллекту системного мышления? Вы знаете, честно говоря, нет. Хотя нас давно просят о курсе по системному мышлению. Сейчас мы, может, доберёмся на фоне вот этой всей истории, да? То есть пока что пока что мы для себя ценность курса по искусственному интеллекту видим примерно вот в чём, да? Показать, как это применяется, научить это под себя настраивать и внедрять, да, соответственно, показать, где это лучше применять, где нет, да. Ну, конечно, системного мышления вот так вот прямо взять и научить через курс именно по искусственному интеллекту, наверное, э- затруднино. Ну вот я не знаю, как бы вы назвали эту компетенцию, Андрей, вы сформулируйте, а я пока дальше пойду, потом вернусь к вашим комментариям, разберёмся.

Значит, четвёртая задача, которую искусственный интеллект хорошо позволяет нам решать - это столкновение экспертизы компании с рыночными сведениями. Ну вот есть у нас клиент, который занимается пищевой ингредиенточкой. Я очень люблю этот кейс рассказывать, потому что там мы очень существенно с коллегами продвигаемся. У них внутри компании есть такие существенные технологические энтузиасты, которые плотно включены в процесс, да, и как мы, соответственно, действуем или что мы делаем, да, у компании появляется некая гипотеза. Эта гипотеза основана на экспертизе внутренних сотрудников, которые, например, считают, что некоторое количество пищевых ингредиентов заслуживают какого-то внимания, да? Соответственно, очевидно, чтобы оценить, заслуживает ли какой-то ингредиент внимания, ну, можем с вами шире, да, эту историю расставить. Вот заслуживает ли какой-то объект в продуктовой фабрике, новый продукт, технология, решение, услуга, сервис? Заслуживают они внимания, выделения ресурсов, бюджетов и так далее, да? И вот если а внутри компании рождается некая гипотеза, у этой гипотезы есть определённые правила проверки, да? Мы обычно говорим о том, что этих правил проверки, их ключевых три. Да, любая продуктовая гипотеза, она должна быть в обязательном порядке проверена с точки зрения финансовой целесообразности. То есть есть ли там деньги операционной целесообразности, да, это можем ли мы такое производить и конкурентной целесообразности, да, если мы это выведем на рынок, мы конкурентов сможем отбадать или не сможем отбодать. Операционные данные, да, и их оценка могут, собственно, осуществляться экспертно, могут осуществляться с помощью искусственного интеллекта через формализацию и выравнивание. Часть конкурентного анализа проще проводить кабинетно, а некоторые вещи типа тайного покупателя мы с помощью искусственного интеллекта и не проведём. Всё равно потребуется соучастник процесс, да. Но когда мы говорим с вами про оценку рынка, когда мы говорим с вами про оценку востребованности, когда мы говорим с вами про тенденции, мы, несомненно должны предполагать, что если мы соберём достаточно гибкую модель, опять же, как эксперт, соберём достаточно гибкую модель рыночной оценки, попроверим её слепым тестом на данных искусственного интеллекта, убедимся, что модель обладает высокой предсказательной силой и После этого как бы всунем её в наш процесс. Это позволит нам ускорить процедуру оценки. И вот вам реальный кейс, да? У компании клиента раньше прохождение вот этого вот предварительной экономической оценки занимало где-то в районе 3-че недель, а поиск технологий вообще был привязан, по сути, к посещению выставок. То есть для того, чтобы обнаружить новую потенциальную технологию или ингредиентчику, коллегам приходилось по выставкам ездить, и они оказывались от выставок довольно серьёзно зависимы. Сейчас раз в 10 дней мы способны мониторить слабые рыночные сигналы и получать сведения о том, что на рынке образовались диспропорции дефицита профицита на уровне спроса предложения. И с другой стороны, мы способны в среднем за 4-5 дней готовить экономическое обоснование с точки зрения рыночных объёмов и смотреть, это вообще нужно или не нужно. Тем самым самая верхняя часть воронки, она с одной стороны, скажете вы, и, кстати, справедливо скажете, наименее критичная, но она и самая долгая, да, а в вопросах запуска новых продуктов, вопросы скорости вывода на рынок, они, в общем, как вы догадываетесь, тоже очень важные. Так вот, вот эта верхняя часть воронки у нас по сути ускорилась, ну, так без малого, ну, можно сказать, что, наверное, типа раз в вос в девя, да? Это существенное подспорие. Это позволяет нам быстрее запускать какое-то количество мелких ставок, быстрее их проверять, дешевле ошибаться, если мы ошиблись, быстрее масштабировать то, что нам, соответственно, понравилось, да, и пытаться это как бы запускать на прод, что называется.

Так вот, Андрей. Угу. Вижу, Олег. Так, как писать промт, как писать скил, как делать оркестрацию, как делать многоуровневый промт, как построить базу данных. Да, смотрите, Андрей, значит, отвечаю тогда на ваш вопрос. Как писать промт этому вопросу? Мы даже можем научить. Другое дело, что ценность именно промнжиниринга в текущих реалиях, она сильно упала. Как писать скилл, как делать оркестрацию, да, мы этому учим. Как сделать многоуровневый промпт? Э, ну или если уж более точно, агент скорее, который задействует или крон, который задействует массу скилов. Да, этому мы учим. Как построить базу данных, на которую система отсылается. А давайте так, если будет такой запрос, мы можем этому научить. Э Наталья сегодня, кстати, даже покажет, например, некоторые технические решения. Вот. Потому что в прошлый раз мы в большей степени акцентировались на обсидиане, да, но вот как бы сами для себя в процессе просмотра, скажем так, обсидиана пришли к выводу, что далеко не для всех целей обсидиан или его аналоги достаточные. Вот. И, э, об этом, соответственно, Наталья поговорит. Как мониторим слабый рыночный сигнал. Денис, давайте тут мы это приветствую заодно. А можем отдельно потом с тобой созвониться, я расскажу. Просто не тема сегодняшней встречи. О ней я могу 2 часа говорить там. Большой такой большая моделька. У не 16 этапов, но это надо, конечно, прямо показывать на руках. Ну вот, ну либо на курсе приходи. У тебя как участников прошлого набора, если что, существенно лучшие условия. Ну так тоже можем созвониться. Значит, учиться с правильного ведения то, как правильно интегрировать их хорошо. Но интегрировать её другое. Да, соглашусь. Соглашусь. Соглашусь. А хорошо, да. Поэтому, значит, вот ответил, надеюсь, Андрей, на ваш вопрос. То есть пром там учиться сейчас скорее не нужно. скилам оркестрации, многоуровневым агентом и кроном учим, как построить базу данных, ну или, точнее знаний, да, соответственно, можем научить. Вот тут я бы даже так сказал, если предположить,

Например, что у кого-то, кто придёт к нам на курс с центральным вопросом или центральной проблемой, будет построение именно базы знаний общих организационных или корпоративного рага. Мы это можем в отдельную группу выделить, да, и там просто прямо отдельно с вопросами графических визуализаций, использования графов для управления знаниями, структурой базы знаний и так далее. Я как бы отдельно об этом побеседую.

Значит, а дальше пошли. А следующая важная функция, да, соответственно, на которую можно в этой связи у нас посмотреть, да, и в которой нам, соответственно, помогают наши эти замечательные машины - это контроль качества. Да, вот вчера выходил пост, в общем-то, достаточно справедливый о том, что без преувеличения QA, да, quality assurance, это, наверное, сейчас предмет самого большого интереса со стороны тех, кто задействован в интеллектуальной работе с искусством интеллектом, да, потому что м процессы проверок достаточно сложны.

Когда сотрудник вам приносит что-нибудь в формате яздель альф, да, вы, соответственно, под сечас даже не можете понять, он вам что принёс, да? То есть это как бы штука лишённая для вас смысла, потому что без презентации, скажем так, из рук первоисточника это просто какая-то белибердистичка, да? Кто с таким сталкивался, ставьте плюсики. А я сейчас пока, извините, зарядку себе включу. Да, это какая-то бебердистика. Вы начинаете человека потрошить в формате. Это что вообще такое? А он ещё и объяснить не может, потому что за него искусственный интеллект половину сделал, и человек как бы когтивную стратегию искусственного интеллекта тоже воспроизвести не могёт, да. Это как бы, конечно, всегда огромная проблема.

Соответственно, спасибо большое. А сейчас заодно посмотрим, у кого были такие плюсики. А только у Андрея. Нифига себе. будет запись. Ага. Значит, и в этой связи контроль качества становится очень дорогостоящим процессом. Я об этом на позапрошлом вебинаре рассказывал, да, что все думали, что теперь контроль качества будет как бы встроен в процесс, да, вот Вильм Эдвардс Деминг там же говорил: "Встраивайте качество в процесс", да? И все как бы предполагали, что сейчас мы встроим за счёт агентов и скилов качества в процесса, станет легче. Нифига не так, да? В любом случае защититься от аэ неправильной интерпретации мы априори не можем. Нам нужно как-то проверять, что случилось, да? И поэтому огромную роль приобретают QAагенты, да?

Ну вот у меня, например, есть QA агент, написанный мною. Почему кажется, что значит написанный? Да. Вот тоже Андрей спрашивает: "А учите писать?" лучше писать, но самое главное там не просто писать, а переписывать. То есть я стараюсь там хотя бы раз в недельку его переписывать, да? Я через него прогоняю все презентации, да, и он уже зная как бы, что я в презентациях люблю, а что не люблю, да, что для меня приемлемо, а что неприемлемо, что как бы логично, а что нелогично, что в презентациях обычных клиентам понятно, а что не понятно, да, выдаёт какие-то суждения по улучшению. Это действительно ускоряет процесс сборки. То есть раньше человек сделал призу, я там до неё добрался через час, потому что занят на созвоне, отсмотрел, и там половина правок довольно рутинная. Разумеется, QA агент не даст глубокие смысловые правки. Их я всё равно оставляю себе, но что я делаю? Я раза четыре успеваю за час как бы вернуть от моего QA агента комментарии по наиболее вопиющим и вульгарным правкам. И поэтому до меня продукт обычно доезжает уже в том состоянии, в котором к нему, ну, как-то можно отнестись, да, как-то можно отнестись. Это уже как бы, соответственно, существенное подспорье.

Повторю опять же мою в этом смысле идею, одну из ключевых. А задача и и чуть ли не ключевая, на мой взгляд, метрика и, на которую мы должны с вами опираться, да, это снижение когнитивной нагрузки на высококвалифицированный персонал. Кстати, буквально сегодня в одном из Telegram-каналов, я вам сейчас даже найду в каком, я увидел очень показательную в этой связи новость. Очень показательную в этой связи новость. Во, на висеру, может быть, кто-то видел. Если не видели, зайдите от вчера 21:48 30% работодателей по всему миру не стали нанимать нанимающих специалистов и выпускников магистратуры в этом году. Для исследования просили 620 рекрутеров. Самый большой процент отказов джунам в сфере технологий. Да, я говорил об этом тоже в прошлый раз, да, мы предполагали, а мы предполагали, что джуны, вооружённые искусственным интеллектом, будут совершать меньше ошибок. Фигушки, да? Джуны, вооружённые искусственным интеллектом, совершают больше ошибок. Меды, вооружённые искусственным интеллектом, примерно в 10-12 раз продуктивнее, чем джуны. Отсюда как бы вульгарный вывод, но тем не менее джуны не нужны. Да.

Или что более, на самом деле, правильно и менее вульгарно, джуны нужны как потенциальные меды. Поэтому нашей единственной задачей становится нанимать не джунов. Пользы никакой от человека первых там двух лет работы больше не существует. Это бессмысленный груз, который слоняется по офису и отнимает ваше время и силы. Они нужны вам только в том случае, если они, а, доживут года до третьего, четвёртого гарантированно. Б хотят с эволюционировать в медов, а потом в синьоров. в готовы на это дело впахивать, да, соответственно, жре или что там, д -э, соответственно, у них хорошо всё с трудовой этикой, да, но в общем и целом мы вынуждены теперь с младшими сотрудниками взаимодействовать буквально как с венчурной инвестицией. Мы вынуждены делать ставки на младших сотрудников, предполагая, что мы как можно быстрее, как можно дешевле ошибёмся, выгоним 99% нанятых, оставим одного самого лучшего, из которого появится один мид, и будем до бесконечности повторять этот венчурный процесс. Да, это парадокс до некой степени, до некой степени парадокс, но тем не менее, что делать, да? Вот как бы имеем, что имеем, да, имеем, что имеем. Нам приходится с этим каким-то образом жить. А это существенный подрыв экономики большого количества отраслей, которые привыкли как бы по-другому работать, да, но действительно мы вынуждены на это идти, потому что, ну, как бы искусственный интеллект реалии, да, в этой связи рынок джунов кончился, да?

То есть вот когда сейчас ко мне приходит на собеседне какой-нибудь чувак и вместо того, чтобы согласиться на любые условия, начинает носом боротить в формате хочу не хочу. Ну я ему, конечно, стараюсь, если он какой-то нормальный парень, там объяснить, что, чувак, ты как будто немножко не понял, во что мы влетели жизнерадостно, да? Это только начало полёта. Вот. А-а, но в общем, да, и это, конечно, конец конец узкоспециальных экспертов в необогащённых сверхсложной экспертизой областях, да? То есть понятно, что физики ядерщики на себе как бы не испытают этого, да, но условно говоря там те же самые консультанты, IT-специалисты, белые воротнички, да, на себе это существенно испытывают, да, то есть если они не согласны развиваться как управленцы, по сути своей они фактически работодателю, по большому счёту не нужны. По большому счёту не нужны, да. Это существенные изменения бизнес-процесса, с которым мы должны жить.

Шестая задача- знания, да? То есть и задейственность в HR процессе, да? Вот мы обсуждали базу знаний, как personalement, да, так называемый PKM, да, но есть же ещё отдельно corporate Knowledge Management, CKM, да, и действительно мы с одной стороны можем существенно продвигаться вопроса корпоративной базы знаний. Наташа Такаева, как один из лидеров нашей чарпрактики, сегодня покажет, как мы зашли на этот вопрос, например, для самих себя. А, но с другой стороны, очевидно, что в процессе обучения, адаптации, обмена знаниями, изъятия, кстати, знаний, да, в процессе найма, хотя это в меньшей, наверное, степени валидно, хотя стартапы, как мы видим в области автоматизации найма, пладятся грибы после дождя, но тут у меня как бы пока сильно большие сомнения в этом вопросе есть. Так, зря бы так, Андрей. Ну ладно. Так вот, соответственно, и функции чара, да, в этой связи как бы вот в первую очередь, почемуто все пытаются найм заместить, но я в это, повторюсь, не очень верю. А вот обучение, адаптация, передача знаний, а это то, во что я как бы очень сильно верю. И действительно, очень сильно ускорился процесс разработки курсов, процесс разработки различных интерактивных обучающих материалов сильно ускорился. Ускорился процесс изменения бизнес-процесса, процесс регистрации инцидентов в процессе. Если человек придумывает какую-то новую идею или технологию, она становится доступна всей организации буквально мгновенно. Раньше была это огромная проблема. У нас, по крайней мере, я думаю, у вас тоже. У кого было, ставьте плюсики. Человек что-нибуд там у себя там на компьютере нафигачил, какую-нибудь гениальную идею, да, чтобы о ней узнать, нужно потом как бы семь кругов ада пройти, да, соответственно, мм, как бы что-то нужно сделать с тем, чтобы эти знания из него добыть. Надо ещё узнать, что это сделал, добыть из него эти знания, проинтерпретировать, понять, сделать их общедоступными, проследить, чтобы люди начали их использовать, да? Сейчас по сути свои вот этот обмен знаниями мы можем сделать, ну, практически мгновенным. Вот это, соответственно, оченьоченьочень э показательная, да, скажем так, история.

Седьмой класс процессов - это клиентский сервис. Тут не буду долго распинаться. Действительно, при условии хорошей, правильной обученности, хорошей, правильной модели, э, можно внести существенную лепту в клиентский сервис. Приведу просто два кейса, в которых мне самому довелось поучаствовать и провнедрять. А клиент звонит нам в клиентский сервис, хочет сделать заказ, у нас out of 100. Раньше оператор клиентского сервиса либо говорил: "Извините, такого нет". Либо, к меру, если он такой очень проактивный, начинал пытаться искать какие-то аналоги, говорит: "Может вам не это? Может, вам это? Да, сейчас система в потоковом формате регистрирует факты аутов стока и сразу подсказывает оператору позиции, которые максимально близки по эксплуатационным характеристикам. Это сложные продукты, построенные на взаимодействии компонентов химических, да? И оператор, по сути, говорит: "Смотрите, есть вот это, оно лучше в этом и хуже в этом. Есть вот это, оно лучше в этом, хуже в этом". И автоматически в один клик, по сути, клиенту улетает а реестр потенциальных замен, да? клиент подтверждает, возвращает назад, заказ формируется, насколько это возможно, и полетел. Да, это очень полезно. Работа с дебиторкой очень полезным образом может быть с автоматизирована. Тоже кучу времени нам способно сэкономить.

Ну и восьмой класс процесса - это смысловая работа, контент, аналитика его эффективности, создание текстов, да, соответственно, а это не всякие контент-заводы, это не всякие вот эти весёлые мультики, где вишня рожает от банана или там, э, женщина зайка бьёт мужчину зайку подушкой, потому что он храпит, да, это, ну, как бы такие более-менее серьёзные контентные единицы. несомненно, на мой, по крайней мере, взгляд, а эта область остаётся пока что самой сложной для эксплуатации. Вот Наталья и другие мои коллеги, кто у нас в том числе пытаются делать контент таким образом, страдают от меня очень сильно. Я крайне придерчив к контенту, да, иногда им удаётся меня протащить что-нибуд, что меня всё равно не устраивает, да, но при всём при том, но при всём при том, конечно, скорость возрастает. Поиск новых интересных идей, нестандартных пересечений, неожиданных каких-то вот смыслов между разными кусками контента, он существенно возрастает. Но качество контента, конечно, по-прежнему оставляет желать лучшего. Да, я думаю, что все вы, мм, неоднократно сталкивались с контентом, у которого уши просто торчат, да, и как бы люди не пытались мм этот контент выдать за человечий, как бы они его не дизировали, всё равно что-то, да, я думаю, вы себя на этом ловили неоднократно, всё равно что-то вам режет глаз, да? Я вот тут отдельно перед собой поставил такую, знаете, амбициозную цель. Я думаю, как легче всего сделать нормальный контент. А, Андрей, про дебиторку. Давайте так тоже можем либо отдельно с вами повстречаться, просто уж больно у специальная штука. Вот. А либо на курс приходите, можете прямо заявить, что вы хотели бы автоматизировать работу с дебиторкой, и мы вместе с вами за 2 дня соберём просто автоматизационное решение.

Значит, так вот, давайте поставьте плюсики, пожалуйста, те, кто научился отличать и слоб от живого контента. Вот. Э-э, да, раньше же, раньше же как бы предполагалось, что длинные тире нас выдают, да, но сейчас мы видим, что дело не в длинных тире, а что-то другое произошло, да, и ээ когда м два предложения. Ну, хорошо. Ну, смотрите, а давайте так. У нас же есть контакты всех, кто дебитор, так или иначе, да? У нас есть понимание их роли в коммерческой системе, да? У нас есть, а-а, э, 3 дня о ценности этого клиента. Если клиент ценный, его как бы можно ему простить дебиторку. Если клиент не ценный, любая дебиторка - это чудовищные потери с точки зрения э [вздыхает] денег, да? То есть клиент и так как бы много нам не приносит, так он ещё и фактически как бы неявные скидки получает за счёт того, что у нас меньше свободного денежного потока. Да. Мы в систему, с одной стороны приконнектчиваем его коммерческую ценность, с другой стороны оценку его потенциала, с третьей стороны, факт наличия дебиторки, с четвёртой стороны, соответственно, его контактные данные и какие-то исходящие каналы коммуникации. Мы говорим сейчас с вами о реалиях не России, это другая страна, поэтому там зап используется нами, да, и по сути как бы в системе написано модель, которая сама разбирается, кого шпарить по дебиторке, соответственно, и постоянно, постоянно, постоянно сидеть на клиенте, пока не получена оплата, да? Ну и банки, естественно, подключен, да? Значит, кого шпарить, да? Кого, соответственно, не шпарить, да? Ну вот Андрей всё правильно, в общем, пишет.

Я тут сдался какой целью? Я взял графиifай, да, как раз-таки с точки зрения графов зависимости. Я думаю, какой самый простой способ заставить эту собаку писать как-то максимально похоже на меня. Я думаю, так думаю, надо переписать с ним мою книгу, да? Поэтому я им в него всунул книгу. Я говорю: "Перепиши". Он переписал в слопе. И мы с ним пошли глава за головой, соответственно, эту книгу м переделывать. И каждое, по сути как бы правило крепить, да, с точки зрения именно речевых оборотов, да. Вот мы с ним насчитали 170 на текущий момент, ну, почти 170 мы с ним насчитали речевых оборотов, которые я идентифицирую как слоб, да, некоторые из них очень причудливые, да, и, наверное, даже человек, который там мало читает, да, художественных текстов, он, может, даже сказал бы: "И так сойдёт", да? Но я, как человек крайне придирчивый, я его замучил, да. Я его вот научил 170 видам ерунды, да, которые, соответственно, там можно вытаскивать. Ну вот я, кстати, вытащил две статистически самые частые. Вы наверняка их тоже постоянно видите. Это одна из них, скорее просто так люди не говорят живые то, что мы с ним назвали риторический барабан, да? Это когда вот там не уже, а ещё. Не уже, а ещё. Вот. А, Евгений, скоро я её выкину вам. У меня была написана книга про продуктовую фабрику. Вот. И мы её с искусственным интеллектом переписали и потом переписали назад. Вот, чтобы он научился писать чем языком. Вот там всё равно как бы остаются некоторые моменты, но уже просто, честно говоря, сил у меня пока нет. У меня в командировочный период. Ну вот, но стало существенно лучше. Вот. Ну вот риторический барабан. Не уже, а ещё характер беседы приобретает совсем другой тон. Ну короче, вот эта вся хрень, да, которую живые люди не используют. Вот. И второе, очень частое, вот мы это с ним назвали ложная субъективизация, когда вот он как это по-английски написал и на русский перевёл, типа встреча ведёт к тому и так далее, да? То есть ложная атрибуция причинности тому, что не является как бы субъектом деятельности, а того, что является предметом деятельности. Вот это он тоже любит. И по-английски это даже было бы корректно, если бы мы на английском текст писали, да, но русские люди так с чиностью не говорят, да. Ну, вернёмся, к барашкам. Вот вот эти вот все штуки, да, они как бы порождают класс артефактов.

Ну вот здесь можно посмотреть. Мы просто специально взяли, что мы с ребятами в прошлый раз на прошлом курсе собирали, да, там с одним участником процесса мы собирали м оценку регионов, да, по сути это презентация по оценке выхода в приоритетные регионы. У коллеги стаяла задача разобраться, в какие регионы выходить с его продуктом, в какие не выходить, да? И мы, соответственно, в течение там некоторого времени строили модель, которая бы описывала, какой регион приоритетен, какой регион не приоритетен. Дальше, соответственно, эту модель перегнали в наши предположения относительно того, что мы можем этим регионам предложить. Дальше, исходя из этого, там как бы собрали. Но опять же, у нас там было мало времени, мы там не стремились к красивому дизайну, да, поэтому мы просто как бы собрали некий смысловой костяк, да, вот собрали вот мы э историю, некую модель про синхронизацию закупок и э продаж производства, да, собрали. Очень интересный, кстати, был процесс у ребят, а процесс самосовершенствования контента, который B2B лзы делают по итогам посещения выставок и мероприятий. тоже такая достаточно интересная штука. А вот это вообще мой просто фаворит. А-а, значит, у коллег на фермерском хозяйстве Молокозавод проблемы с расчётом полной себестоимости, да, и мы с коллегами собрали по сути своей модель, которая управляет расчётом полной себестоимости. То есть она учитывает все факторы, которые могут в зависимости от тех или иных соображений повлиять на полную себестоимость, да, и научились, соответственно, вот из этого сделали машинку, которая позволяет попартийно в случае с молоком, кто с молоком, например, связан или с другими отраслями, где важно штрихкодирование и попартийное, например, там политирование и сквозное прослеживание Трак and Raceй, да, те понимают, в чём здесь смысл, наверное, там алкоголь, может быть, кто-то и с этого рынка, кто-то там с фармы, да, вот мы как бы отдельно научились вот с этой вот штукой работать, да, для того, чтобы правильным образом а выстраивать логику расчёта себестоимости, да. Ну вот плюс-минус здесь такая получается история.

Значит, аа что тут такое? Наташа приложила одна >> ниже тоже картинка. Это диора. >> А это диордиор будет рассказывать, >> да? Эту часть диюр расскажет. >> Суперски. Вот, соответственно, значит, давайте вот сюда к этой модельке вернёмся, да? А в основе модельки, да, в конечном счёте, да, вот для того, чтобы эти восемь классов задач решать, повторюсь, это не означает, что другие классы задач нельзя решать, да, просто, на мой взгляд, эти восемь решаются лучше всего. И, по крайней мере, у меня по этим восьми классам процессов есть как бы хорошо сбалансированная уже там достаточно устойчивая практика, да, и их там можно как бы дальше тюнить, совершенствовать, модернизировать, да, но вот по этим восьми классам задач я уже, по крайней мере, там какой-то опыт прикладной вместе с моими коллегами получил у клиентов внедрил на реальных данных проверил, работоспособность подтвердил. Да, сейчас там грядёт у меня девятый процесс, но там мне ещё нужна неделька другая на совершенстве модели. Пока она меня не удовлетворяет, но, вероятнее всего, скоро можно будет говорить, в частности, о том, что можно будет лучше приоритизировать классы клиентов, которым стоит и не стоит, например, ходить на сделки, да? Вот, вот я пока так скажу, да, с точки зрения того, что Георгий обычно идиотр как лидера практики B2B продаж у нас рассказывают, они как бы и так показывают некоторые подходы к решению этой задачи, но вот как бы мы там сейчас перед собой поставили цель существенно повысить качество прогнозирования клиентского потенциала и вероятности сделки. И вроде как двигаемся в этом направлении. Сейчас мы имеем точность там 77-78% прогноза, хотим довести хотя бы до 85. Надеюсь, что в следующие разы уже сможем и об этом поговорить, да.

Но вернёмся к модели, да, как я и сказал, как бы модель представляет две петли. Петля первая - это продумай, да? Она состоит, кроме do из трёх ключевых больших элементов. Это колект, то есть собирай высококачественные данные. желательно делай это автоматически, да, собственно, мы будем с вами говорить на курсе о том, откуда брать высококачественные данные, как отличить высококачественные данные от низкокачественных, как, собственно, добиться, извиняюсь, как добиться их высокой засинхронизированности с нашими системами знаний, как добиться интеграции новых поступающих данных с существующими данными, да, как ничего не пропустить, да, потому что одно дело машинка в себя всасывает какие-то классные данные, да, с другой стороны эти данные могут пройти совершенно мимо вас, и вы удивитесь, а машина уже их использует, как будто бы это некое общее место. Да, можеть >> вот второе - это органайз, да? То есть нужно данные, которые у нас появились в распоряжении, правильным образом разложить, распределить. Нужно добиться того, чтобы этот органайз произошёл. Нужно правильно структурировать логики папок, а файлов, а мест хранения, объяснить по каким правилам к чему обращаться. Желательно разложить файлы по горизонтам планирования. Да, мы будем с вами разбираться тем, что такое слои жака. А как разложить файлы по слоям Жака? Как сделать так, чтобы файлы сами себя проверяли на предмет соответствия стратегиям более высокого или тактикам более низкого уровня и так далее, да, и обеспечить постоянный ревью, то есть постоянный пересмотр и улучшение, да. Вот у меня, например, есть больше двадцати еженедельных, а, и под час ежедневных проходчиков, да, кронов, так называемых, которые я стараюсь раз в неделю улучшать. Есть у меня агенты, и я их должен улучшать. Есть у меня скилы, и я их должен улучшать. Да, и на основании того, как я с ними взаимодействую, мне нужно выстроить систему этого ревью. На прошлом курсе мы с вами про ревью говорили совсем мало, да, но с тех пор мы существенно продвинулись в логике оценки этого ревью. Вот поэтому если кто присоединится из тех, кто уже был, вы для себя много нового именно в честь ревью узнаете. Хотя и коллекты-то много нового у нас появилось. Органайз сейчас Наташа покажет. А ты, Наташа, кстати, готова, если что, уже >> буквально 2 минуты и готова. >> Суперически. А мне как раз нужно 3 минуты здесь.

Значит, и повторюсь, в основе вот этой петли думай всё равно должен располагаться человек. Человек должен выбирать, какие данные ценны, а какие нет. Человек должен принимать решение, как мы их организуем, как мы их не организуем. Человек должен принимать решение, на основании каких сигналов мы подвергаем данное ревью, а на основании каких сигналов мы не подвергаем данное ревью. Да, это, повторюсь, очень важно понимать. Вторая петля в нашем процессе, да, это петля делай, да? И, собственно, в этой петле делай у нас задействован классический цикл деминга шукарта, да? То есть цикл пятидесяте, да? Мы должны, Андрей, ну приходите, приходите, я попробую вас научить. Соответственно, а-а мы начинаем с планирования. И обратите внимание, я уже об этом говорил. М да, даже не я об этом говорил. Стивен Кове, прости, господи, вот кого мы вспомнили. Стивен Кове об этом говорил. Начинайте, представляя конечный результат. Да, нет ничего более бестолково, чем классы операций, которые мы совершаем с искусственным интеллектом, не имея никакого представления о том, что мы хотим получить на конце. Да, я обычно визуализирую эту историю довольно просто, да, вот мы есть с вами в некой там точке А. И для того, чтобы искусственный интеллект работал так, как нам надо, должно быть соблюдено два условия. Мы должны знать, как выглядит точка Б. Вот очень многие совершают эту проблему, да, они действуют как гномы в Саус Парке, да, там носки, магия, прибыль, да, также они впихнули всё, что есть в точку А и повалили к точке Б. Да, в случае с искусственным интеллектом это плохо работает. Вы можете не знать деталей точки Б, но представлять себе концептуально модельно. Вы обязаны, да? Соответственно, путь от точки А к точке Б при этом совершенно точно, ну, потому что если бы он был линейный и однозначный, мы бы говорили с вами о том, что лучшее, что для вас может сделать искусственный интеллект - это только вас успорить, да? Но мы предполагаем, что раз искусственный интеллект помогает нам, в том числе в мыслительном процессе, то, видимо, где-то вот здесь располагается нечто, да, которое мы называем, возможно, вы слышали этот термин, жоп, да, зона жоп. Извините, у меня тут устройство немножко неконвенциональное сегодня. Я пока ещ не очень хорошо освоился. Значит, зона жоп, да, это жизненный опыт, приобретаемый в процессе. на искусственный интеллект позволяет нам преодолеть зону жоп как бы с минимальными потерями с точки зрения данных, да, если мы плюс-минус, зная точку А и зная точку Б, способны, ну, как-то плюс-минус сориентироваться, как, видимо, проходил бы процесс, если бы мы это делали сами, неважно, час или 10 лет, да, то каждый раз, когда система нас пытается сбить с понтолыку, да, ерунды нам какой-то нагаллюцинировать, мы способны это отловить и скорректировать, да, поэтому нам необходимо начинать работу с системой именно на этапе ду делай с точного представления конечного результата. Возможно ли оно без того, чтобы мы проводили вот этот вот думай, неважно, с машиной или самостоятельно. Конечно, нет. Да, если у нас нету насмотренности и экспертности, никакого плана не получится. рассмотренности и экспертности нас надо держать от и

как можно дальше, ну, по крайней мере, с точки зрения работы, да? Можно там для персональной психотерапии его использовать, да? Но для того, чтобы быть хорошими пользователями, и у нас, понятное дело, должна быть бытийность и насмотренность.

Пн потом делаем, смотрим, как машина делает. Здесь, наверное, одна из важнейших историй. Я из своих молодых ребят учу, как обычно человек делает: всунул в машину какую-то задачу, дождался, когда она сделала, даже пускай план хорошо описан. И читаем, что она предложила. Это некорректный подход, да?

Машина, как правило, всё-таки в процессе своего обдумывания вам генерирует свои мысли промежуточные. Она показывает вам свои когнитивные операции. Их важно вместе с машиной, по крайней мере, в первое время прочитывать, останавливать её, да, добавлять, дополнять. Говорит: "Вот здесь не туда пошёл, здесь неправильно рассуждаешь. Здесь такой логической связки на самом деле не существует". Да, для того, чтобы и машина лучше научилась всё-таки понимать, про что вы. Ну и вы, соответственно, учились понимать, как рассуждает машина и какие логики чаще всего она э- какие ошибки в логике она допускает.

То есть, иначе говоря, можно сказать, что вот чек, то есть процесс мониторинга, он здесь не столько следует заду на уровне проверки итоговых результатов, сколько, конечно, ну, как на самом деле и предписывает нам классика проектного или процесс управления, человек ещё является промежуточным контролем, да? Чем чаще мы способны обеспечить промежуточный контроль за исполнением стороны машины, тем лучше оказывается результат, да.

Ну и после того, как получен какой-то результат, мы должны провести, так сказать, ээ вот здесь ещё в конце чека то, что называется сейчас модным термином. Я его уже сегодня несколько раз упоминал: драй, да? То есть если мы построили модель, её бы надо как-то прогнать на э сухих данных. Чаще всего мы здесь рекомендуем использовать слепые тесты.

Что такое слепой тест? Ну, например, мм, мы пытаемся спрогнозировать, какие клиенты, вероятнее всего, купят, а вероятнее всего, не купят продукт у некой компании X. Мы вертим и крутим под разными углами модель. Мы собираем ту, которая кажется нам более-менее валидной. И что мы дальше делаем? Мы вгружаем данные о клиентах, например, за двадцать пятый год и просим модель предположить, кто бы из них купил, а кто не купил, естественно, не сообщая, кто купил, а кто не купил. А потом сопоставляем реальные факты. У нас за двадцать пятый год есть уже с вами постхок данные, а значит, мы можем сопоставить предположение модели с реальностью, да?

Мы смотрим, как модель отработала, да, и исходя из этого ищем ошибки и противоречия. Если мы видим, что, например, модель в конкретном регионе ошиблась, мы начинаем ковыряться в том, что в этом регионе не так. Значит, модель, в общем-то, точна, но для нюансов не точна. Если модель на конкретном классе клиентов ошиблась, то там может быть что угодно: ошибка в модели данных, любые вещи, да, их ковыряем. Ну и, соответственно, вносим правки, правки в модель, правки в способы расчёта. И за счёт этого достигаем постоянного совершенства нашего станка, ну или нашего виртуального сотрудника.

Обратите внимание, это, наверное, чуть ли не главная мысль, которую я бы хотел оттранслировать, коллеги. А модель, чем хороша, например, для вас с точки зрения мм применения? Она по сути своей очень хороший сотрудник, да? И модель, как лакмусовая бумажка, подсвечивает вашу способность быть хорошим руководителем. Хороший руководитель, который применяет к модели всё то, что применял бы к сотруднику: брифует, проверяет ознакомленность, а следит промежуточно, устраивает ревью, постоянно даёт обратную связь и так далее, довольно быстро получил бы очень хорошего сотрудника, да? Со с моделью этот процесс ускоряется сущностно, да, но любой, кто плохо умел управлять людьми, плохо справляется с моделями. Любой, кто хорошо умел управлять людьми, в общем-то, хорошо начинает справляться с моделями. Ну, если мы говорим про бизнес-задачи, потому что это не касается там как бы развлекательного контента или всякого там и слопа, да, вот нет, нас волнует.

Мм, значит, я сейчас передам слово ещё моим коллегам, они тоже вам много чего интересного хотят порассказывать, но про что обязательно хочу вам сказать. Так, видимо, вот оно, да? Значит, так, как я уже сказал, у нас 4-5 июля пройдёт большая история "Искусственный интеллект в бизнесе". Да, для всех, кто сегодня участвует, у нас, соответственно, спецофер 25%. Участвовать можно физически у нас в офисе, участвовать можно в онлайне, да, там, в общем и целом, как показала практика, и то, и то равно хорошо работает. Для тех, кто уже были у нас в прошлый раз, да, на первом наборе, но хотят попасть на второй, для вас скидка 75%. Вам просто нужно мне отписать либо Диме отписать, да, и мы вам, соответственно, с этим вопросом поможем, да?

Соответственно, второе, да, вот у нас есть в целом наша бизнес-школа, да, в ней есть много разных программ. Вот если вы хотите в них поучаствовать и в оффлайне, и в онлайне, присоединяйтесь. Вот сейчас идёт программа, например, по с продажам спин, да? Значит, в конце июля она стартует в очередной раз. В середине июля курс по ценообразованию, в сентябре старт двух больших программ и двух малых программ. Вот. Ну и это ещё не всё, да, ещё там сейчас готовятся отдельные программы, посвящённые конкретным директорским профессиям. Вот. Ну и был у нас один такой, пока, правда, всего один, но запрос. Мы не могли его не удовлетворить. Если вдруг у вас команда достаточно большая и вы любите учиться, да, соответственно, мы с 1 июля анонсируем ещё одну возможность. Это годовой доступ вообще ко всем нашим образовательным программам на всю команду. Да, это и большие программы для руководителей, и малые программы для всех желающих, и онлайн-курсы для функциональных руководителей, и встреч клуба, и отдельно дискуссии, и даже целых две встречи со мной, и даже одна сессия со мной. Да, это вот всё там нагружено в рамках одного большого пакета. Стоит он ровно 1 млн руб., длится он ровно год. Сотрудников вы можете подключать и отключать. Вот у вас ещё будут доступны разные корпоративные сервисы. По моему опыту это целесообразно, если у вас более-менее там команда человек от двадцати, вот. Ну, соответственно, вот будем рады, просто не придётся каждый раз прибегать к нам на всё-всё-всё, что вообще в этой жизни есть.

Ну вот. И, да, наверное, последнее, о чём я именно хочу пока вас монологически сказать. У нас бизнес-клуб, да, соответственно, этот бизнес-клуб сейчас он как бы рестартует, да, то есть он некоторое время находился скорее в процессе взаимодействия с текущими резидентами. Вот. Но вот сейчас он рестартует, вот, и к нему можно тоже присоединиться, вот повстречаться, соответственно, с нашим коллегой Михаилом. Он расскажет, что там в этом клубе будет происходить. Для тех, кто вот этой штукой воспользуется, да, для них чле, да, вообще для любыми нашими образовательными программами. Членство в клубе на период членства, оно, соответственно, включено в эти пакеты.

А сейчас давайте мы посмотрим на некоторые прикладные вещи, да. Значит, вот я вас сегодня познакомил как бы с концептуальной моделькой. А надо ещё на прикладные вещи посмотреть. Вот, кстати, здесь остались эти мои тоже каракули с прошлых встреч. Значит, я сейчас передам слово Наташе Такаевой. Наташа в нашей компании, помимо того, что она один из младших партнёров и руководителей практики, связанные с управлением персоналом, у нас ещё Наташа внутри отвечает за проекты, связанные с управлением знаниями и обучением. Вот. И, как я уже сказал, если в прошлые наши встречи мы исходили из того, что обсидиан по большому счёту, как источник знаний достаточен, то сейчас мы предполагаем, что, конечно, обсидиан уже совсем недостаточен, и в полной мере решить задачи, например, обучения сотрудников, как, впрочем, и задачи управления знаниями, там, поиска новых инсайтов, обсидиан в подлинном смысле слова не может, да, вот Наталья с вами поделится своим опытом в этой части. Вот. А потом, соответственно, ещё наш коллега Диор поделится своим опытом, и, в частности, опытом внедрения развития корпоративного РАГ, а с другой стороны обзором тех технологических подходов, которые он у своих клиентов внедряет. Я даже устанавливаю демонстрацию, тебе её передаю. Сейчас, одну секунду, я у себя звук выключу.

>> Да, ты уже выключил. Так, а поделюсь экраном. Действительно, как Илья рассказала, я буду рассказывать о том, как мы внутри себя а занялись чуть детальнее вопросом органайза. [откашливается] И как раз вот как бы наш путь, как мы пришли к тому, что нам обсидиана немножко не хватает. Вот а данную схему, а которую мы и рассказывали, и в принципе как бы сами у себя применяли, когда у нас есть на нижнем слое кодекс, с которым мы работаем, это наша рабочая среда. А, и второй слой в виде ддрайва, как в принципе хранилище всей информации, вот как бы я тут параллельно буду показывать. Для нас это выглядит вот таким вот образом, что есть какой-нибудь проект и внутри него есть набор файлов. Причём не все из них человекочитаемые, половина из них являются машиночитаемыми файлами. Тут много эмдишек, много лежит как бы дополнительных файликов, которые, ну, как бы в таком виде особо не почитаешь. Но это важный слой как раз для того, чтобы мм знания не оставались только у того человека, кто с, собственно, с каким-то, не знаю, областью, проектом, а, какой-нибудь там идеей работает. Попозже чуть-чуть расскажу, в чём здесь суть. И вот раньше для нас визуализации был только обсидиан. С чем мы столкнулись? Мы столкнулись с тем, что, хотя, мм, получается так, что для человека персонально это довольно удобно. Ну, то есть он может, конечно же, визуализировать и посмотреть на а собственную а базу знаний, как у него всё организовано, какие у него эти связи и так далее. Но если а всё-таки как бы большинство людей, а работают коллективно группами, и когда мы работаем коллективно и группами, хочешь не хочешь возникает ситуация, что там я, допустим, работаю над какой-то задачкой, ну и параллельно над задачкой может работать Илья. И вот это вот знание Ильи, как он работает над этой задачкой, оно моим обсидианом не покрывается. Поэтому а мы как раз вот как бы задались вопросом: "А что другое мы можем придумать?" И сейчас расскажу и покажу, собственно, какую схему здесь пересобрали. М. Ага. А как раз вот на вопрос Андрея частично отвечу. Когда а у нас кто угодно работает в кодексе, мы, собственно, на всех участников процесса, а я буду в первую очередь говорить о сотрудниках, которые работают проектно, ну, на самом деле, к сотрудникам, которые работают там в маркетинге, продажах. А это тоже относится у них, как а-а место, куда данные складируются, является действительно GDrive. GDrive, где они все лежат, эти файлы, они в том числе и видны на компьютере. Сейчас я покажу вам в каком виде. Вот, допустим, а я вижу, что эти все файлы, они как раз хранятся не у меня на компьютере, а в а облаке в Gдрайве. Но я могу здесь выбирать. То есть у меня как бы система настроена так, что если это корпоративное и проектное, то оно уходит в GDrive, но часть информации, где-то как раз касающиеся контента, где-то касающееся каких-то моих там личных вопросов, оно сюда не уходит. Но всё проектное, вплоть до, а, файликов, создаваемых в процессе, они все действительно уходят туда. Мм, здесь важно было ещё какой момент учесть. Действительно, все файлики туда загружаются, но а над проектом одновременно работает Илья, я и Джун первого дня. Логично, что наши файлы и в принципе наша как бы а наши артефакты, они очень сильно разнятся по качеству, по полноте, да вообще по как бы доверительной силе. Поэтому мы отдельно включили и разметку, что есть грубо говоря, и файлы Ильи, как главный вообще источник правды. Если что-то сделал Илья и какой-то файл не бьётся с тем, что сказала Илья, ну как бы это всё, значит, наш файл невалиден. Но и дальше та же самая иерархия тоже работает. То есть дальше, условно файлы там мои или коллег партнёров, они тоже более валидные, а файлы младших сотрудников, они скорее как бы используются как дополнение и присылаются как бы на сверху в формате вот такой вот ещё есть артефакт, что думаешь, он вообще как бы верен, неверен. А, и это как бы первый важный шаг, чтобы не вы один или одна работали с тем или иным там проектом задачи или ещё чем-то, то имеет смысл создать вот такое как бы общегрупповое хранилище. Настраивается за 3 секундочки. Тем более, что вы даже свой же кодекс, а, об этом можете попросить. То есть сказать ему, типа, смотри, друг, нам нужно переехать, нам нужно переехать в а GDrive для того, чтобы файлики в формате там MD, HTML и так далее складывались туда. И, собственно, это тогда произойдёт как бы за довольно небольшое количество времени. А если сделать это каким-то корпоративным общим хранилищем, то есть у нас просто есть общие диски, то оно туда уйдёт. А, и это первый как раз важный шаг к, а, вообще подступлению к вопросу построения какой-то корпоративной базы знаний. корпоративной системы или ещё чему-то. И для того, чтобы это не был просто обсидиан, который только у вас локально, мы вот какую штуку себе пересобрали. То есть сначала вот мы прошли этот шаг, что все, кто у нас работают, они вот как бы через вот эти первые два шага проходят, а вот третий шаг чуть-чуть изменился. Сейчас, кроме того, что всё хранится у коллег как бы в этом Gдрайве, потом есть как бы база, которая выпущена в веб, там под паролем, под логином, под всем на свете, но по [смех] факту агрегирует меня, Илью, Сергея, Георгия, всех остальных наших старших, младших и так далее сотрудников в том, что они создают. А сервер называется Кварц. Наверняка там кто-то более-менее там про него видел, слышал. Аа, но вот мы как бы решили его себе взять как такая, мм, уже внешняя база знаний. И для того, чтобы к этому прийти, вот как бы нас не упрекнёшь в стабильности систем. То есть мы пробуем новую систему, ну, как бы постоянно. Там вчера были в Наушене, сегодня, не знаю, пользуемся Юджайлом, позавчера были в каком-нибудь Симле или ещё что-нибудь. Вот такая история, она позволяет вне зависимости от той там системы или оболочки, куда мы решили переехать, а она агрегирует всё это. И вот так, ну, тут база знаний, читайте об агентстве, команда, бла-бла-бла. А здесь точно так же, как и в обсидии непривычном нам, есть, ой, красиво, есть такая же история для нас. По факту вот как бы собралось уже из меня, Ильви и так далее, собралось несколько таких больших смысловых ээ островков. А, например, вот какой-нибудь тут явно большой. Это смысловой островок, который касается как раз реестров скилов и промтов. Или же такой же смысловой островок, который будет касаться Сейчас что-нибудь другое с вами выберем. Из-за того, что, сори, я вывожу в Zoom. Он чуть-чуть может чуть-чуть дольше думать. Давайте вот в маленький пойдём. Сейчас он от нас скачет. Это шаблоны. Вот как бы такие смысловые островки собрались. И теперь как бы а эта система агрегирует всё-всё-всё. В чём здесь как бы тоже есть преимущество. Мы пока тут сами из этого ещё дорабатываем систему, но также а эта система может быть а ресурсом, в который выпущены и все наши скилы. То есть, а с чем мы вообще работаем? И вот так вот у нас как бы есть таблицы, кото ну и таблицы, и набор ссылок, которые сводят скилы Ильи, меня и опять же всех всесвех-всех. Потому что там Илья скажет: "А где же вы и как же вы используете там мой depresearch skки?" А как бы мы не сном не духом про depresearch skill. Вот. Вот здесь вот как бы у нас такая большая огромная библиотека. А это не является при этом как бы первоисточника. Вот в чём это плюс вообще этой истории, что то, что я здесь демонстрирую, не является а самими данными, это является копией данных. Поэтому никакой, как бы, сотрудник, когда он заберёт что-нибудь отсюда, цикл Карпатий, а не сможет ээ изменить ничего в скиле Ильи. Я бы не хотел, чтобы мы там залезли в его скилл и что-нибудь там навратили. Поэтому здесь у нас как раз возникает возможность забрать, а, но при этом не менять. И ещё одно тоже неочевидный плюс такой системы оказался в том, что а хоть мы и раньше могли, а мы тогда этого делали, обращаться к, допустим, диску Ильи, то есть у меня вот здесь вот среди доступных мне дисков есть, а это файлики, извините, сейчас, сейчас, сейчас, сейчас, сейчас, сейчас вот сюда пойдём. А нет, доступных мне всё-таки просто мне нужно. Во. А среди доступных мне дисков есть диск. И раньше я своему, ну, раньше Клоду Спекодексу говорила, типа, друг, пойдём на диск Ильи искать нечто по проекту X. Но проблема была в чём? Вот эта система, которая на диске, она же не имеет тех пере тех линков, которые существуют у меня в системе. Из-за этого и объём затрачиваемых токенов и вообще как бы а скорость работы она сильно замедлялась, потому что он начинал ходить буквально по всему этому вольту и находить что-то условно напоминающее, а, целевой для нас там проект или задачку. А теперь дополнительный неочевидный плюсик от такой системы как бы заключается в том, что уже есть эти гиперлинки, и мы уже можем как бы по по той цепочке связи, которая либо была у меня, либо была ещё у кого-то из коллег, быстрее это найти. Вот вот такая вот а вот такую вот штуку тут собрали. Ну и плюс, что тоже классно, а это то, что там и сотрудники, и все остальные люди могут всегда как бы сюда и прийти. Ну и просто так почитать. То есть это как бы всё-таки не папка на диске. Там нужно быть очень как-то заинтригованным, чтобы начать читать MD файл а внутри Gдрайва. А здесь мы просто можем как бы человека отправить почитать что-то более человекопригодное к чтению. Вот вот такую вот здесь историю све. Я сейчас посмотрю. А посмотрю, посмотрю. Сервис называется Кварц. гляну, что, возможно, я по комментариям пропустила, да? А не можно не пользоваться корпоративным самим сервисом. То есть у каждого, в принципе, может быть свой аккаунт или парочка человек может там сидеть на каком-нибудь одном аккаунте, а вот как бы всё, что создаётся, складировать в такой хаб. Это факт. Sinнолоджи. Вот, к сожалению, может тут мне Илья или Маленько Лики подскажут. Не знаю, капсервис, но >> уже проверяю. >> Всё супер, отлично. А тынь-тынь-тын тынь-тынь-тынь. И вот планируем задач, не? Ну, как бы, да, это оно. И в чём тоже как бы плюс, что я и пополняю эту базу знаний не ручками, я пополняю его из моего чата с ним же. То есть вот он вот, собственно, вот такая вот open source история, которую можно как угодно пополнять и наполнять. Ну и плюс дополнение, ну это уже мы как бы развлекались поверх, а ребята могут здесь мне в базе знаний отметить типа там непонятно отметить здесь, что неясно, что ты вообще такое, Наташа, говоришь. Вот. А, и мне это упадёт сюда в мой типа трекер по нашей базе знаний, что-то можно обновлять или ещё что-то делать. Вот. Вот такие вот вещи, собственно, мы сделали с органайзом. Теперь, возвращаясь на как бы это в нашу текущую реальность, а у нас, естественно, как бы орды, информации очень много. Ну, то есть это как бы буквально там, а, гигабайты, если не терабайты, знаний с 2016 года. М. И поэтому самый первый шажочек, который логично пройти - это вот сюда прийти, то есть прийти к вот этому единому хабу а файлов в любом, на самом деле, виде постепенно начинать их выпушивать, а системе как раз помогать создавать эти связи, объяснять, какие взаимосвязи есть и так далее. Поэтому вот первый шаг, к которому я бы пришла, если бы мставалась задачка вот такую такую или скожую систему или свою систему соорганизовать, это начать с хаба, куда будет сколодироваться эта история. Вот такие дела. Это, наверное, то, что хотела сейчас рассказать. А, Дир, перехватишь, порассказываешь тоже, >> да? Спасибо, Наташ. Теперь Диор. Давай тебе слово. Вот, соответственно, расскажет о том, как он управляет системой с точки зрения логики добавления новых функций фич. Ну и какие, собственно, функции фич сейчас больше всего привлекают наше внимание с этих позиций. Прошу.

>> Да, спасибо, коллеги. Всех приветствуют. Так, я сейчас выведу экран. Угу. Супер. А, да, как Наталья уже проговорила, э, большинство, так скажем, процессов, которые есть у нас, э, там, в работе с AI, они завязаны на циклы. Вот. И я то, что буду сейчас рассказывать, я буду рассказывать, исходя из позиции, что уже существует какое-то, а, ну, корпоративное хранилище, как вот сейчас Наталья проговорила, даже его, наверное, смогу сейчас вот показать. Допустим, вот моё хранилище выглядит так, оно интегрировано в корпоративное хранилище. Вот есть как бы классические папки и структура, э, которая как бы завязана через там MD файлики. создаётся вот тот самый там обсидиан, грубо говоря, который показывает всю такую, скажем, вот базу знаний всего и вся по проектам и так далее. Вот есть такая у меня структура. И первый вопрос, которым я, наверное, да, то есть с точки зрения постоянного совершенствования в циклах, это то, что как бы наверняка вы тоже с этим сталкиваетесь, видите много в интернете и на разных источниках классных сервисов и инструментов, которые можно было как-то применить в вашем бизнесе. Да. Вот и в связи с этим пришёл к идее того, чтобы сформировать вот такой вот кандан инструментов. Я его так вот визуализировал специально для нашей встречи. На самом деле у нас хранится как раз в моей системе хранилища. Вот изтологию. Мм, идея состоит в чём? В том, что по большому счёту а существует как бы с точки зрения процесса вот моего хранилища определённые этапы, через которые я провожу каждый инструмент. Да, >> сделай, пожалуйста, покрупней. Коллегам не видно в чате пишет. А сейчас видно. Ну, вроде. Угу. >> Не, вот, вот было до этого лучше. Вот давай прямо покрупней. >> Ага, супер. Вот буду крупнее, да? Смотри, >> вот типа такого, например. Да. Ага. >> Ага. Супер. Вот есть вот канбан таких вот инструментов. И мне необходимо как бы с точки зрения применимости в моего вол, то есть моего хранилища, понимать, как бы какой инструмент я могу внедрить в свою систему, какой не могу внедрять в систему. И я как бы собрал вот такой вот э конбан из этапов, где отдаю в кодекс определённые ссылки. Причём он парсит у меня эти ссылки ещё там из Telegram, из разных источников. Это вот то, что обсуждалось там и Илья проговорил с точки зрения функции колек. Вот парсится там ссылки, и я сам могу просто вгрузить кодекс, и он начинает расставлять эту, ну, как бы ссылку, изучать и вставлять её в канбан. Ну, как вы видите, я вот в этом канбане, это HTML, HTML файлик, могу прописывать там, добавлять ссылку сюда и вставлять какой-то какой инструмент. И раз в день кодекс проходится по всем этим канбану и забирает как бы отсюда ссылку и начинает её разворачивать внутри а моей системы. Здесь самое главное, что опять же наличие вашего внутреннего хранилища, где обязательно существует, а, по сути информация о том, какие задачи вам, ну, нужно решать с точки зрения вашего бизнеса, да? То есть задачи, которые необходимо решать. И вот тут вступает дело тот самый, а, ну, как бы, скажем, действие, которое, э, вот в своей там, скажем, э, в своём письме сказал Карпати, да, Андрей Карпати про вот эту идеют, да, то есть то, что ходить по всему волту, то есть ходить по всему хранилищу, находить какие-то э излишние взаимосвязи, незамкнутые циклы и их исправлять, да, вот этот скилл, он у нас тоже есть внутри нашего волта, он запускается и как раз просматривает, а конкретно какой-то инструмент, насколько он может быть, а полезен с точки зрения моей системы и задач, которые мне необходимо решать. Ну, например, вот здесь мимо код, да, там, а, семи дропнул достаточно уже относительно там давно, э, свой, получается, ну, аналог кодекса, можно сказать, да. Вот я его тестировал, смотрел, как бы сам кодекс смотрел, грубо говоря, что он может решать. Ну там пришли к выводу к тому, что мимокод может локально решать какие-то простые задачи. Вот и часть задач кодекс ему проделедировал. Ну вот у меня вот на компьютере так-то сейчас работает. Аналогично, видите, тут есть а множество систем. Вот граф, да, то же самое уже находится на стадии implementation. Он здесь тоже вот в моём волте, как вы видите, вот графify out, да? То есть он как бы прошит внутрь как бы всей системы. Вот. А с точки зрения прикладных задач, как бы, которые мы решаем на стороне, допустим, клиентов, вот бизнес-процессов, есть, например, Data Lens, Commercial

Dashboards. Вот. А по большому счёту, мы уже, то есть, упаковали определённый скилл, который умеет подключаться Dataalнс и автоматически через кодекс строить дашборды, зная определённые, э, ну, определённую информацию о как бы о структуре базы базы данных, которая есть. Вот.

И по большому счёту, он находится на этапе у меня квалификации, поскольку я тестирую ещё, а на нескольких как бы проектах этот скилл, но вот он отрабатывает достаточно хорошо, выводит уже по нашей структуре дашборды. А как вы видите, тут есть там Google Apps UGLE, да? Вот, собственно, Наталья говорила, что мы туда переезжаем и нужно как бы апи настраивать, смотреть на насколько она отрабатывает и аналогично.

Вот, собственно, идея опять же стоит в цикле определённом, да, что когда я, допустим, работаю над даталенсом и работаю над тем, чтобы там строить какой-то дашборд, а мой вол, то есть мой строитель, знает, что я работаю над этим инструментом. И как бы после отработки, э, работы с получается даталенсом обратным образом как бы отправляет вот эту вот структуру канбана. Ну, то есть там есть информация, да, насколько хорошо или плохо там отрабатывает, э, ну, этот скилл или вот этот инструмент. Вот. И зависимости от этого там принимает решение. Ну, я принимаю скорее решение, он мне даёт некий алерт, я принимаю решение о том, на какую стадию, собственно, этот инструмент перенести. Вот.

Э, в целом эта штука у меня работает сейчас, по крайней мере, раз в день, да? То есть обновляется, собственно, этот канбаунд вот через кронту. А с точки зрения ещё каких-то прикладных задач, м то, что интересное мы делаем, допустим, на наших проектах, это разного рода, э автоматизации систематизации процессов в части, опять же, э, получается, одну секундочку. Вот, э, части автоматизации, систематизации HR процессов. Вот процесс найма. У нас тут сейчас формируется пак, так скажем, системы найма, как вот Или я проговорил, да, которую можно там развернуть на базе какого-нибудь Битрикса и построить к нему простой дашбордик. Вот достаточно такой несложный посетельный процесс, да, если у вас там не огромное количество источников, да, там существует какой-нибудь просто headhunterтер.

А, и ещё из интересного - это, а, процесс работы, поиска и привлечения, так скажем, новых клиентов, то есть заходов новых клиентов. То, что мы назовём себя там на своих курсах в интернете ABM. Вот акау маркетинг. Крати напомню, да, то есть из чего состоит и расскажу как бы аналогии, как мы это вот создаём, как он потом выглядит, да? То есть процессма - это вот тактика фокуса на привлечения целевых заказчиков. Когда мы сначала отбираем компании, происходит отбор компаний, с которыми мы хотели бы поработать, да, посотрудничать, хотели бы зайти в них и предложить на услуги, продукцию и так далее. Дальше мы занимаемся накордением. поиском контактов. Вот после этого, когда нашли какой-то контакт, занимаемся разработкой стратегии захода. Ну и потом в циклах касаний, так скажем, да, к этим целевым там ЛПРам и так далее занимаемся тем, чтобы в первую очередь познакомиться с этим ЛПРМ, зайти в них и потом совершить как бы первую сделку. Ну, если вкратце процессом.

Вот так вот, чтобы такой процесс развернуть на стороне, получается, наших там заказчиков, да, или у себя, э, у нас есть вот следующий процесс, да, то есть, во-первых, первым шагом, то, что мы условно делаем и то, о чём я тоже часто говорю - это формирование, по большому счёту, бизнес-контекста. Вот именно для этого процесса обязательно есть определённый бизнес-контекст, который базируется на четырёх постулатах, да? То есть, если вы начинаете заниматься как раз-таки, а, работой с там систематизацией процессов продаж и маркетинга, да, а есть как бы четыре пункта, которые необходимо адалить ваш вот эту корпоративную систему хранения для того, чтобы потом вот такой такого рода системы строить.

Первое - это, по сути, ваши продукты и услуги, да, то есть информация о вашей ассортиментной матрице, которая есть. А второе - это клиентские сегменты. И желательно как бы э какие-то, ну, понимание их факторов выбора. Можете всехтого спросить, да, там понимание того, как эти клиентские сегменты между собой отличаются и так далее. Это каналы продаж, с которыми вы работаете, и каналы привлечения. И последнее - это территории, да, то есть регионы, по сути, географическая составляющая. Ну и пятый пункт ещё обычно мы добавляем для того, чтобы максимально здесь обогатить наш тренерак - это конкуренты. Вот, э, зачастую бывает в целом достаточно знания в начале вот с точки вашего там бизнес-контекста для вот такого рода процесс. То есть, если вы уже понимаете вот эти вот пять основных моментов, а, которые тут есть, и вшили их внутрь, получается, а, вашего, а, вашай системы хранилища, да, то уже вот этот процесс будет гораздо легче, проще, ну, систематизировать.

Дальше, что происходит дальше? А можно взять там наше обучение, да, можно там по ним сделать транскрибацию, получить её, грубо говоря, да, э, вот по как бы процессу ABM и с помощью этой как бы по сути а трансквибации развернуть а этапы процесса в виде папочек. Сейчас я попробую продемонстрировать. Где-то у меня даже был где-то был в чате. Денис просит показать вот S009, например, в случае с ЮДжайлом или блокер какой-нибудь или закрывашка или ещё что-нибудь. Как работает? >> Как работает ugle? Сейчас я попробую. >> Не, как он работает в [откашливается] связи в связи с тем, что ты тут делаешь? То есть вот машино читаемость Юджайла, ты сможешь показать? Я просто не помню, с твоей машиной управляется южайile у нас как-то или только с моей Наташной? >> А, да. У меня, видишь, там как раз Южал находится на этапе qualification. Вот, э, он как бы умеет просто через апи читать и смотреть, грубо говоря, пока он ещё не как это не овладел всем MCP, которые есть. Вот. Но сейчас попробую показать, что есть. Секунду.

Вот, собственно, сейчас давайте я здесь закончу. Вот, собственно, показываю в Gдрайве то, что есть по вот этому процессу. Собственно, мы взяли бизнес-контекст, да, то есть сформировали вместе с заказчиком, взяли вот этот вот процесс, который с точки зрения наше там обучения, как он строится просто физически, да, то есть методология получается, и положили её вот в систему вот папок, как видите, да, там есть там бизнесконтекст, как вы видите, в первую очередь реестр источников, да, для чего? для того, чтобы где-то отбирать, то есть коллектить а разных заказчиков, инфоповоды по этим заказчикам, там вплоть разных Telegram-каналов с новостями, да, разных там сайтов, э, там типа там контрзакупок, да, там и так далее. Тут много-много есть, как бы это можно хорошо изучить наш как раз курс там по ABму, экспертным продажам и так далее. Вот это, собственно, портреты клиентов, как видите, там скоринг, то есть отбор, получается, вот этих вот компаний, вот сегменты роли, планы аккаунтов, вот и так далее. То есть вот развёрнута как бы здесь а система.

Для чего она нужна? для того, что по большому счёту дальше вот, грубо говоря, когда начинает с этим работать сотрудник, приходит, да, а он уже как бы получает в руки, а кодекс либо там cloudкод, внутри которого есть, он знает бизнес-контекст, знает методологию, процессы, уже знает, какие источники есть, вот, э, ну, то есть куда смотреть и грубо говоря приходит с запросом. Вот, э, мне дали такую-то, допустим, отрасль и такой-то клиентский сегмент, мне нужно её проработать, да? Давай вот в регионе, там, не знаю, на Урале посмотрим вот этот клиентский сегмент и проанализируем по первом стадиим. Всё, даёт такой запрос. И дальше кодекс начинает с ним работать, как бы зная как бы вот этот весь процесс, начинает ему подкидывать как бы следующие шаги. А что он должен сделать, да? То есть какие как бы решения принять. И всё это важно, да, понимать, тоже двигается вот внутри как бы каждого квадратика и между квадратиками корп циклами. Вот это важно, да? То есть потому что э всё равно человек принимает решение да смотрит то, что выдаёт результат, какой а ну собственно конкретная система.

Вот. И такой же логики, да, мы двигаемся по всем остальным процессам, да, с точки зрения там наших, аэ, экспертных продаж, методологии, да, это вот система найма, маркетинга и так далее, да, то есть всё начинается с бизнес-контекста, есть процесс методологии, который мы ставим. Это в вашу систему хранилища раскидывается как бы в систему папок. И дальше, да, следующим этапом является пилотирование, да, по сути, когда мы даём сотруднику, и он начинает как бы копаться с этой системы и, э, собственно, воспроизводить её согласно вот тем правилам, которые заданы в хранилище. Вот. А поэму, наверное, всё то, что я хотел бы проговорить. Так, может быть, дате чат проверим. Какие-то вопросы, то я не вижу его. Ага. Ага. Так, Андрей будет ждать курс отдая. Хорошо, Андрей, >> ждите. А развернуть анализ звонков с учётом шаблонов УКК. Давайте мы >> так. >> Угу. Ну вот, да, Сергей всё правильно пишет по поводу освободят рынок. Станьте отечественным аксесенчер. Ну, в части и может быть мы всё-таки в остальном в части автоматизации. Наша практика автоматизации как раз её возглавляет. Мы там больше занимаемся скорее правильной поддержкой автоматизации, да, это больше IT-консалтинг. Ну, действительно, в какой-то мере близко, как сенчер, но вот в случае с и мы и внедрениями решили позаниматься. Ага. Угу.

Так, наверное, из того, что я бы хотелось толького рассказать, что не рассказывал, это, в принципе, всё мологически. Илья, Наталья, может это хотите добавить ещё? С радостью. Дим, Шипулин, а ты можешь мне вернуть возможность видео показывать, потому что ты мне его отключил. Да, секунду, возвращаю. Так, супер. Непонятно. О, понятно. Так, ну что, коллеги, да? Так, Денис всё так, Денис всё ещё хочет узнать что-нибудь всё-таки про про или что? Или это у меня А это у меня притормаживает чат. Нет, это всё-таки Денис ещё хочет что-то узнать про Юл. Ладно, Денис, давай так. Значит, Диор с тобой сейчас созвонится после созвона покажет, если будет интересно. Ну вот просто, к сожалению, мы так немножко за тайминг выпали.

Значит, коллеги, смотрите, а давайте так. Мы сегодня хотели вам, да, показать, как немножко с эволюционировал для тех, кто был э наше представление о вопросе, для тех, кто не был, поделиться нашим представлением о вопросе, показать некоторые подходы к организации процесса. Надеюсь, получилось. На этой неделе будет ещё один вебинар, он сейчас будет проанонсирован. А на этом вебинаре мы сфокусируемся чисто на автоматизации коммерческой деятельности, то есть как автоматизировать с помощью им маркетинг продажи. А-а вот записывайтесь на него, приходите четвёртого, пятого ждём вас на курсе. Напомню, напомню, все, кто были уже на прошлом наборе, вам 25% от стоимости. Для всех, кто были сегодня, 25% скидки, э, да, от стоимости. Это получается там, грубо говоря, что-то типа 37,5 за персональное участие и 75, если вы хотите прийти большой командой. Да, можно приходить вживую, можно приходить в онлайн. На вебинар другой на этой неделе можно приходить бесплатно. А вот продолжайте следить за нашими сообщениями. Не забывайте подписываться на мой канал и на наш отдельный канал, посвящённый искусственному интеллекту. Сейчас Дима тоже выведет на них ссылочки. А вот и следите за нашими другими образовательными программами в школе. Мы как раз сегоднязавтра сделаем большой анонс школы. Мы её, собственно, с 1 июля запускаем уже как большой полноценный образовательный проект. Вот там будут, как я сказал, программы и для владельцев, и для функциональных директоров, и в записи, и вживую, и по сложным темам, и по простым. Вот, в частности, надеюсь, что в том числе запрос Андрея на комплексное внедрение искусственного интеллекта мы тоже в рамках этой программы сможем там удовлетворить.

Вот. Если у вас, коллеги, вопросов больше нет, вам спасибо огромное за уделённое время. Спасибо, Наташа. Спасибо, Диор за то, что поделились практикой. Коллеги, вам спасибо за внимание и до новых встреч в эфирах. Оставьте в чат какие-нибудь отзывы. Было полезно, было бесполезно. И от этого будем плясать. Всё, всех благодарю. Всем хорошего завершения выходных.