Transcription
Добрый день. Меня зовут Николай Хлебинский. Вы находитесь на канале Экtion Plan. Сегодня обсуждаем искусственный интеллект.
Последние 10 лет я развивал один из самых успешных стартапов российских. Развивал его по всему миру. Привлёк туда больше 25 млн долларов инвестиций. Запустил офисы по всей Европе, Латинской Америки и сделал успешный exit.
А сейчас разрабатываю стартап, который придумал искусственный интеллект. На этом канале есть несколько выпусков, в которых я рассказываю про прогресс, про то, как я создаю бизнес, который придумал искусственный интеллект. И суть этого бизнеса тоже находится в технологиях, связанных с искусственным интеллектом.
Сегодня хотелось бы поговорить о том, что я узнал за 15 лет работы в технологиях, связанных с искусственным интеллектом, потому что многие спрашивают: "А что это вообще такое? А что происходит? Откуда столько шуму? Скоро ли нас всех заменят роботы? Бухгалтеров, юристов, водителей в обязательном порядке. Скоро будут автомобили повсюду кататься. И что вообще нам от этого всего ждать? Что называется искусственный интеллект?" Сейчас расскажу. Разбираемся по порядку.
[музыка]
Никакого искусственного интеллекта не существует, никогда не существовало и, скорее всего, существовать не будет. Сама по себе фраза "Искусственный интеллект" — это маркетинг булшит. Это красивая обёртка, которая маркетологами, продавцами навешивается на всё, что только можно. Наверное, скоро у нас молоко будет на полках стоять с надписью "Здесь тоже искусственный интеллект", поэтому покупайте больше молока именно вот этого.
Что же на самом деле происходит? Первое, что нам надо понять, что мы, как вид, человеки, человечество, склонны очень сильно обесценивать решённые интеллектуальные задачи. Вот вам пример такой задачи. В семьдесят втором году вышла у Atari вот такая вот игра, которая называлась "Понг". Это вот две палочки такие на экране катаются, отбивают квадратик и представляют из себя имитацию тенниса. И там можно было играть с компьютером. И тогда это считалось искусственным интеллектом. Сейчас, конечно же, искусственным интеллектом это не считается. Но на старте, когда никто никогда такого рода задач не решал, построению таких алгоритмов и моделей, ну вот это вот было довольно сложной интеллектуальной задачей, которую сегодня, конечно же, мы полностью обесценили.
Шахматы. Если посмотреть на эту игру пристально, то есть 400 уникальных комбинаций первого только хода в шахматах. А количество уникальных партий, то есть сочетание уникальных ходов, превышает в невообразимое количество раз количество атомов во Вселенной. Не получится построить алгоритм, который вычислит вот как случай в теннисом, в теннисе, что нужно сделать, обсчитать вот такой вот объём информации не выйдет. Поэтому такого рода задача интеллектуальная считалась ну очень важной. Это сегодня у нас есть шахматы в телефоне, которые играют на уровне лучших гроссмейстеров, которые могут нас обучать, показывать нам ошибки в партиях. Ну, кто увлекается, знает. Но в пятьдесят шестом году, в середине прошлого века, была зафиксирована первая победа алгоритма над человеком, естественно, не над профессионалом. Считалось, что гроссмейстера, человека с высоким уровнем очень игры в шахматы, невозможно будет машине обыграть, просто потому что вычислительных мощностей вселенной не хватит на то, чтобы обсчитать все возможные исходы партии, какой ход в каком случае делать идеальный. Тем не менее, в девяносто седьмом году знаменитый матч Каспаров против Deep Blue, машина превзошла человека. И на сегодняшний день компьютеры решили эту задачу. И, в общем-то, мы точно так же её как интеллектуальную обесценили.
Кто не смотрел, э, был замечательный вот такой вот фильм "Игра в имитацию" про Алана Тьюринга. Это знаменитый в компьютерной среде, в инженерной, в айтишной среде учёный, который считается чуть ли не основоположником, э, создателем вот того, что мы в современном виде понимаем под персональным компьютером. Так вот, этот человек разработал то, что называется тест Тьюринга. Это такой критерий интеллектуальности компьютера, который он предложил аж в 1950 году. Суть теста Тьюринга в том, что судья переписывается одновременно с человеком и с машиной. И если он не может определить, кто есть машина, а кто есть человек, то есть судью машина вводит в заблуждение, то считается, что такая машина проходит тест Тьюринга. И до последних лет это был один из таких вот фундаментальных тестов и критериев и интеллектуальных задач, которые машина решить не может. Но теперь у нас есть в кармане ChatGPT, Deepseek, Gemini и другие, то, что называется large language models, то есть большие языковые модели LLM. Сокращённо.
Что это такое? Это не искусственный интеллект, всё ещё это нейросеть. Очень, ну, просто великолепная, прекрасная математическая модель и довольно серьёзный фундаментальный подход новый к тому, как математические модели выстраиваются. Но это всё ещё очень сложная, очень большая математическая модель, задача которой приближать очень сложные зависимости в данных. Простым языком выражаясь, это технологии подгонки под результат, которые принципиально по они эволюционируют, но принципиально по своей природе с пятидесятилетней давности они не изменились. Вот что изменилось, это сильно подешевели вычислительные мощности. Та, ээ, способность на количество, качества и скорость вычислительных операций, которая лежит сегодня у нас в кармане, была недоступна ещё несколько десятков лет назад никому.
А конкретно LLM, то есть большие языковые модели, ээ, это нейросети, которые предсказывают, какое наиболее вероятное следующее слово должно располагаться за словами, которые предшествуют тому, что было выдано вам как результат на основе корпуса текстов, по которому нейросеть обучена. А обучена она по всему, что в интернете нашлось. Это и самые важные книги для человечества, и самые последние заборы, на которых написано: "Здесь был Вася", то есть всякие форумы и обсуждения. Всё это усредняется, и вам выдаётся ответ максимально усреднённо, вот такой вот вероятный. И здесь надо понимать, что многие вот говорят, что ой, оно что-то там говорит неправильно, оно глючит, оно галлюцинирует. Нет, надо отделить правду от решения задачи. Задача LLM, задача нейросети — выдать вам наиболее вероятное следующее слово, исходя из того, что нашлось в интернете и что было использовано для обучения. Очень приветствуются использовать эти инструменты как второе мнение, когда вы решение какое-то приняли и просите его прокомментировать, покритиковать, улучшить, ээ, просто проанализировать и дать по нему ответ, и вы получаете просто какое-то мнение усреднённого со стороны человека, который знает всё, что вообще произошло. Ну, не человека, а такой сущности. Короче, у вас появился ассистент такой, который знает всё.
На текущий момент интеллектуальная задача, которая находится в процессе решения и ещё не решена и не обесценена, называется "последний экзамен человечества". Это 2.500 вопросов. Вопросов очень узких, очень чётких, на которые можно дать однозначный ответ из самых разных областей знаний и науки. Вот пример такого вопроса: "Калибре, относящиеся к отряду Deforms, отличающиеся наличием парной овальной кости, расположены с обеих сторон, кающий хвостовой нерв. Сколько парных сухожилий поддерживает эта кость? Укажите число." То есть надо конкретное число указать. И усреднив какие-то данные, не получится это сделать верно. Вот здесь вот видите на экране сейчас прямо самые свежие данные, какая версия какой нейросети с какой точностью выдаёт. Вот на момент записи этого видео самый крутой результат показал GPT-5 с ээ оценкой в 25% с небольшим точных выданных ответов. И считается, что вот ну большое научное сообщество вот эти вопросы подготовило, суммировало. И считается, что это последний экзамен человечества на текущий момент, когда машина его сдаст, она станет вот совершенной. Повторюсь, что это всё ещё не интеллект.
Более того, появляются исследования, которые показывают, что вот текущий фундаментальный подход, вот эти LLM, там близок технологический предел к их качеству. Вот пример такого графика, такого исследования, в котором видно, что мы подбираемся к тому, что можно получить из вот этого вида технологий. Видимо, нас ждут в будущем какие-то новые. Но наша-то задача жить здесь сейчас и понять, что же нам со всем этим делать, как нам не пропустить эту технологическую волну.
И вот первое, что надо понять, что это именно что технологическая волна. Появились персональные компьютеры, появился широкополосный доступ в интернет, появились смартфоны, появился мобильный высокоскоростной доступ в интернет. Это всё были технологические волны, которые меняли то, как устроена жизнь, то, как устроена работа, то, как устроен бизнес. Кого-то, может быть, они заменяли, но никого, никаких бухгалтеров появление компьютеров не заменяло. Более того, бухгалтеров, скорее всего, больше сильно стало с появлением компьютеров, чем было до этого. Понимаете? Поэтому наша задача — принять, что это новая технологическая волна. Это уже часть жизни. Оно поменяет то, как делается бизнес сегодня. Мы это уже видим и понимаем. И нам надо возглавить эту волну. Нам надо на неё как бы гребень залететь, чтобы нас ей не смыло.
Недавно в MIT вышло исследование, в котором они показали, что, ээ, enterprise, то есть крупный бизнес, проинвестировал уже больше 40 млрд долларов во внедрение вот этих технологий искусственного интеллекта в бизнес. И 95% плюс этих внедрений не дали никакого эффекта на бизнес. Важно это понимать, что сценариев использования есть. Они и на этом канале есть. Вы можете их в предыдущем видео найти, но там видно, что есть кратный рост в бизнесе, но просто так мы не можем сказать: "Вот вам бухгалтера компьютер или вот вам бухгалтера интернет, увеличьте мне прибыль". Оно так не работает. Не получится бросить. Придётся найти сценарий использования, сценарий автоматизации, сценарий применения технологий. Главное — начать это делать быстро.
Наша задача — сделать так, чтобы эта технология новая нас усиливала. На сегодняшний день, ээ, их можно использовать только, что называется, Human in the loop в кавычках. То есть нельзя поручить машине делать что-то самостоятельно. Толку от этого будет очень и очень мало. Можно взять эксперта, который очень в чём-то крут. И вот этого эксперта можно усилить, ну, в 10 раз, грубо говоря, с помощью этих технологий.
Как нам это получить? Чтобы мы себя могли усилить, чтобы мы бизнесы наши могли усилить. Сделайте доступ для ваших сотрудников, ваших бизнесов к этим инструментам, так чтобы им не надо было через VPN, через казахские карты и как-то прочее получать вот эти вот штуки и иметь возможность с ними взаимодействовать. Создайте личную, как минимум, а как максимум и корпоративную программу по наращиванию компетенций в области создания то, что называется системных промптов и инструкций. Но наша задача с вами — учиться писать эти промты. Для этого надо приобретать компетенции вам и вашим сотрудникам, вашим коллегам, вашей команде. Для этого нужна программа. Откуда её взять? Во-первых, напишите в ChatGPT: "Создай мне тридцатидневную программу по изучению промпт-инжиниринга". Мы же видим уже, что на Западе появились компании крупные, которые нанимают людей, которые называются промпт-инженер. Надо уметь писать промты эти. Есть куча бесплатных курсов, только надо протянуть руку от Google, от Microsoft, от Nvidia по промпт-инжинирингу. Они ищутся все очень просто и очень легко. Включите их в свою программу развития личную. Начните тратить на это время. Это, ну, очень-очень важно.
Ну что, друзья, давайте перейдём в ChatGPT. И прямо сейчас вот эту вот историю с наращиванием компетенций и с созданием и агента простейшего мы с вами пройдём. Задам в ChatGPT прямо такой вопрос: "Подготовь для меня индивидуальную программу развития навыков по промпт-инжинирингу, так чтобы за 2 месяца я с относительно небольшим количеством инвестиций временных, ну там по 2-3 часа, может быть, часа в неделю максимум, дошёл до точки, чтобы я стал экспертом в области написания системных промтов и создания и агентов. Это первое. И второе, дай мне на эту тему самые крутые онлайн-курсы, которые только в мире на сегодняшний день существуют." Я пишу промты в основном голосом, потому что так значительно быстрее. Текст расшифровывается очень быстро, мне не надо печатать. Я прямо свой поток создания весь выдаю и сразу же отдаю его в ChatGPT. Точно также можно сделать и с Deepseek, и с Perplexity, и с Gemini, и с другими инструментами.
Ну и вот, в общем-то, ChatGPT прямо сейчас для меня формирует индивидуальную программу развития навыка промпт-инжиниринг. Я включил настройку, которая только что появилась в ChatGPT. Вот здесь вот выдача ему дополнительного времени на размышление над сложными вопросами. Он собрал мне восьминедельную программу индивидуальную. Выглядит интересно, но я вижу, что он такой довольно-таки здесь технический сделал мне. Ээ, какие-то цепляться предлагает ракетки всякие. Поэтому я бы ему сейчас сделал уточнение: "Слушай, я не инженер. Я хочу вот для специалистов, для менеджеров понять, что там на самом деле происходит". Вот. И так далее. Ну и вот лучшие онлайн-курсы, официальные ресурсы. Вот здесь целый список. Всё это можно начать изучать, прямо построить себе вот эту вот всю историю. И он сразу же начал рассказывать, как писать системные промты. Короче, вот так вот ээ задача вот эта вот решается. Мы с вами говорим ему: "Построй для меня вот такую вот историю".
Значит, и давайте мы с вами сделаем простейшего агента. Очень много есть различных сценариев использования этого инструмента. Они будут появляться скоро. И агент — это будет как что-то, что, знаете, вот мобильные приложения, когда появились где-то в восьмом, девятом, десятом году с появлением iPhone, App Store, а потом и Google Play стора и Android, у всех компаний теперь есть свои приложения. У нескольких по несколько приложений есть компании, которые фокусируются на приложениях. Так вот, скоро у всех будут и агенты, а делать их так просто, что их может делать каждый. Поэтому у вас тоже будут и агенты скоро. И не по одному.
Давайте разберёмся, как сделать и агента простейшего. Значит, вот здесь вот в меню в ChatGPT мы заходим в раздел "Обзор" и ээ вот здесь вот в разделе справа вверху "Мои GPT" создать кастомного GPT. И мы здесь попадаем в поле как раз для создания и агента. Значит, что здесь есть? Имя, описание, инструкции, знания. Вот суть агента от просто ChatGPT заключается в том, что у неё, во-первых, есть инструкция, оно же системный промпт, и это вот то, что я вам предлагаю начать изучать, как писать. Во-вторых, есть некоторая база знаний этого агента, которой он руководствуется. Что можно загрузить базу знаний? Например, вы можете загрузить туда ваши корпоративные документы, регламенты, вашу базу данных о товарах. Может быть, у вас какое-то есть очень большое, сложное какое-то устройство, где вот такой вот километр ээ к нему документации, спецификации, инструкции. Можно ему это в базу знаний отдать. Можете отдать туда информацию о себе, ваши тесты психологические, какие-то оцифрованные дневники, ваш блог, ваши личные мысли и так далее. И вот, в общем, давать ему на базе этого знания запросы.
Я сегодня продемонстрирую сценарий использования и агентов, который мне очень нравится, который называется "Персональный совет директоров". Вы можете взять себе любую личность, которая вас вдохновляет, или даже группа людей, например, можете взять себе Аристотеля, Рэя Далио, Джорджа Питерсона, Конфуция, в общем, набор каких-то, какого-то людей, мудрецов или ещё чего-то, и сделать из них виртуального двойника, с которыми общаться, с которым приходить за советом в позиции, как бы поступил тот или иной человек, что он думает конкретно по той или иной задаче. Что я для этого делаю? Я для этого захожу в базу знаний. Вот у меня здесь есть книжки по ТРИЗ. Теория решения изобретательских задач. Это такая область знаний очень интересная, которая предполагает нестандартный подход к решению задач, связанных с развитием изначально инженерной мысли и, ну, всяких технических улучшений, изобретений, но сейчас выходящее в то, что называется бизнес. Что меня очень интересует, является областью моих личных интересов. Значит, я беру эти книги и загружаю эти книги в базу знаний. Теперь, ээ, они будут являться источником для вдохновения, но этого мало. Нам надо написать системный промпт. Системный промпт будет состоять из двух частей. Во-первых, у меня есть вот такой вот системный промпт, который помогает выполнить всесторонний обратный инжиниринг документов, представленных кастомному GPT в базе знаний. Это на две странички текст технический, который я вставляю вот сюда в инструкцию. Этот текст сделает так, что кастомный ChatGPT будет обращаться к базе знаний и будет расследовать, а что же там такое происходит, как ему это делать. Он проанализирует стиль, он проанализирует текст, он проанализирует мысли, технологии, которые в них изложены.
Кстати говоря, системный промпт для анализа текстов любых, для того чтобы у вас ChatGPT превратился в автора этого текста и вёл себя как автор этого текста. То есть можете автора любой книги взять. Я выложу у себя в Telegram-канале, ссылка внизу в описании. Как только это видео наберёт либо 1.000 лайков, либо 1.000 комментариев, что будет быстрее. Поэтому, пожалуйста, напишите любой комментарий, поставьте лайк, если вы не подписаны. Подпишитесь на этом канале. Много интересного про искусственный интеллект. Всё это помогает мне продвигать ролики. И для меня, ну, очень важно, поскольку служит обратной связью, о том, что я что-то полезное на самом деле делаю. Поэтому заранее вам за лайк. Спасибо.
Нам теперь нужно дописать этот системный промп так, чтобы ChatGPT кастомный не только исходил из знаний по этой книге, но ещё и выступал как автор. Поэтому я описываю ему контекст и прошу у ChatGPT системный промпт мне дописать. Вот как это выглядит: "Я создаю кастомного ChatGPT и загрузил ему в базу знаний книги по ТРИЗ "Теория решений изобретательских задач". Я хочу, чтобы ты сформулировал для меня идеальный промпт, который сделал бы кастомный ChatGPT автором этих книг, так чтобы я мог общаться по своим задачам и жизненным, и бизнес-задачам, как будто бы с автором этой методологии, и чтобы мне кастомный ChatGPT давал ответы, рекомендации и советы так, как это сделал бы автор вот тех книг, ээ, которые я загрузил. Вот такую задачу я ему отдаю."
Сейчас этот текст будет расшифрован. Я отдаю промпт и ожидаю получить уже системный промпт, который мы с вами видели чуть раньше в методологии, в программе промпт-инжиниринга, который уже начал мне ChatGPT объяснять, как же мне на самом деле промпты писать. Они вот так вот выглядят: роль, кто ты, голос, стиль, цели ответов, ээ там границы, контекст, проверка качества перед выдачей, проверь и так далее. Это скелет системного промпта. На самом деле вот он по этому шаблону плюс-минус должен сделать. Ну, кстати говоря, давайте его сюда прямо и вставим сейчас. Почему нет? Используй скелет системного промпта. Так, так, так. А, используй, используй. А, сейчас посмотрим, что он выдал. Ну, собственно, вот он и даёт это: "Ты виртуальный представитель школы ТРИЗ. Наследие Альтшуллера. Твоя задача помогать решать изобретательский, бизнес, жизни задачи. Цель работы: источник истины." Ну, в общем, вот он начинает выдавать некоторые детали уже, которые мне здесь помогут. Так, уточнение запроса. ИКР инструменты ТРИЗ. Короче, вот такой вот длинный-длинный системный промпт мне выдали. Ээ, чёткий чек-лист на 1-2 недели. Формат ответа: диагноз противоречия. Да, вот, кстати говоря, инструмент, который называется "противоречие", да? И ИКР — это чуть ли вообще не самое крутое, что можно с точки зрения ТРИЗ заполучать. Вот так. Ну, что-то у нас здесь прямо переупакую. Ээ, ну ладно, короче, ээ, прямо вот так вот и берём. Прямо вот так вот. И берём. Копируем и вставляем вот сюда вот в конец моего промта из из начального, где называ, который заканчивается на "твоя системная инструкция". Вот когда после фразы "твоя системная инструкция" сюда вот это и вписываем. Так, 8.000 символов, да? Не подходит так. Ээ, слишком длинно. Укороти. Ээ, не проходит, не проходит в ограничение.
>> Так, ну вот он выдал короткий ответ. Он мне нравится. Ээ, давайте его скопируем полностью. Я не хочу получать, ээ, никакие вопросы, уточняющие одним блоком. Ну или давайте сделаем, почему нет, предложим всё, что предлагает ChatGPT. И вот после фразы "твоя системная инструкция" вот сюда вот это мы вписываем. Ээ, так. Ну и, собственно, всё на этом. Нажимаем. А имя нужно сделать, да? И и называю его "ТРИЗ — И ТРИЗ поиск в сети". Не хочу ли я, чтобы он делал холст? Генерация изображений, поиск в сети. Да нет, не хочу. Зачем мне поиск в сети, чтобы он делал? Ээ, всё. Теперь ждём, пока вот прокрутится эта штучка. Нажимаем "Создать". Всё готово. Всё появилось. Он появится у вас по умолчанию вот здесь вот слева в кастомных GPT. И как видите, у меня здесь есть уже проект, который называется "ИИ Аристотель", где я проделал всё то же самое. Там результаты очень интересные.
Давайте теперь попробуем что-нибудь у ИИ ТРИЗ спросить. Ээ, например, "Как мне найти крутых гостей для подкаста, ээ, кто умеет интересно рассказывать про ИИ?". Вот такой вот вопрос задам. Кстати говоря, если вы круто понимаете, можете не только рассказать, но и показать что-то на примере, как мы на этих подкастах делаем, тоже напишите в комментарии или напишите мне в Telegram в директ. Моему каналу можно писать в директ в Telegram. Ссылочка будет внизу. Свяжемся с вами, запишемся, сделаем интересный какой-то выпуск.
>> Ну вот что мне говорит ИИ-агент, обученный по ТРИЗ. Вот, ээ, что мой идеальный конечный результат — это прямо такая сущность из ТРИЗ. Гости сами приходят с классными историями, подготовленные и в тайминге. А противоречие, ээ, да, что вот нужен крутой эксперт, но крутые эксперты очень сильно заняты либо очень дорого стоят. Вот. И это вот такое формальное техническое ограничение. В общем, ээ, вот мне здесь выдаётся целый набор рекомендаций, которые используют конкретное решение ТРИЗ. Это прямо формулы, да, посредник, ээ, объединение, дробление, инверсия, динамичность. Вот. В общем, ээ, буду советоваться теперь со своим собственным ИИ-агентом, который очень хорошо понимает в ТРИЗ.
Более того, этих ИИ-агентов через другие инструменты автоматизации, которые у нас есть в другом выпуске на этом канале, можно выводить себе в Telegram, записывать ему голосовые сообщения прямо в Telegram, иметь с ним чат, чтобы он отвечал сразу же и так далее. Ну и, как вы видите, это только какие-то вот базовые такие сценарии, которые лежат на поверхности. Повторюсь, что возможности у этих ИИ-агентов бесконечные, они будут появляться. Те сценарии использования, которые нам сегодня не очевидны, будут нас удивлять вновь и вновь, и я буду стараться как можно быстрее их на этом канале выводить.
И что дальше? Надо добиться того, чтобы у вас, как у эксперта или у ваших сотрудников экспертов, кто находится у вас в подчинении, появились ассистенты и ИИ-ассистенты. Что это такое? Это, ээ, ChatGPT LLM плюс инструкции к ним, которые они исполняют. Например, у вас есть менеджер по персоналу, который обрабатывает большое количество резюме. Вот вы из этого менеджера по персоналу, вы либо ему даёте компетенцию по написанию системных промтов, либо к нему сажаете человека, который умеет писать системные промты. И этот человек вынимает экспертизу и экспертизу превращает в системный промпт. Он говорит: "Ээ, как ты отбираешь резюме?" Ну вот я смотрю там на опыт работы, там на то, что там фотография приличная, на какие-то ещё штуки. Вы пишете инструкцию, системный промпт, которым говорите: "Так, оцени уровень приличия фотографии. От одного до десяти опыт. Есть ли там вот эти вот штуки, которые важны вот этому специалисту, который так анализирует, сканирует резюме?" Первая версия промта создана. Вы начинаете этому ассистенту отдавать резюме и те же самые резюме начинаете отдавать HR-специалисту и смотрите на выходе качество работы. Там, где HR сработал лучше, чем вот эта версия LLM с системным промптом, вы спрашиваете: "А почему ты вот здесь вот так вот сработал? Что не так?" Вам начинают дополнительные характеристики отдавать. Что, ну, если есть вот такое образование, тогда, значит, вот так. А если у человека, вот он в этой компании поработал, которая которая крутая, но он работал там всего лишь 4 месяца, это красный флаг, он там не прижился, что-то не то. Вы эти все промты дорабатываете и вот в много-много итераций доработки вы доводите ээ этого ИИ-ассистента до состояния, когда он может с таким же уровнем качества решать задачи, как и эксперт, и отдаёте этого ассистента этому эксперту, потому что теперь этот эксперт может отдать ему 1.000 резюме в секунду, получить их обработку только лучших, и из них выбрать тех, кто действительно подходит. Можете настроить теперь какую-то интеграцию с каким-нибудь там HeadHunter, который забирает резюме через секунду после того, как оно публикуется, звонит кандидату, который прошёл самый максимальный скоринг, и первым его приглашает на собеседование. То есть качество работы вот этого рекрутёра первой линии очень сильно вырастет. И вот так вот надо поступить с каждым вашим экспертом. Но вот первая точка — это чтобы появился в вашей команде первый человек, у которого есть ИИ-ассистент, который значительно повысил свою продуктивность от этого ИИ-ассистента. Вот это то, куда надо прийти.
Хочется завершить это видео сценой из фильма "Я, робот", снятый по книге Айзека Азимова.
>> Ты всего лишь машина, только имитация жизни. Робот сочинит симфонию. Робот превратит кусок холста в шедевр искусства.
>> А вы, друзья, давайте дружить с роботами. Давайте делать так, чтобы они усиливали нас, чтобы вместе с ними мы могли сделать в 10 раз больше того, той ценности, которую мы сейчас производим. Спасибо вам за просмотр этого видео. Обязательно подпишитесь, нажмите на колокольчик и увидимся с вами в следующем ролике.
[музыка]