Три компромисса, от которых мы отказались: AI в дневниковом исследовании
Дневниковое исследование - один из самых информативных методов в качественном арсенале. Респонденты фиксируют поведение в реальном времени, в естественном контексте, без эффекта интервью. Но у информативности есть цена: метод требует от команды больше ресурсов, чем почти любой другой. Десятки респондентов, у каждого отдельный чат, в который ежедневно приходят текстовые записи, фотографии, голосовые сообщения, видеокружочки. Данных много, и это известно заранее - ещё на этапе проектирования.Поэтому три компромисса закладываются в дизайн исследования задолго до старта поля:
Интеграция SAP с ИИ: пишем умный редактор промптов для инвентаризации на ABAP
Привет, Хабр! Меня зовут Виктория Мохирева, я консультант SAP MM. Сегодня расскажу о том, как мы с командой решили колоссальную задачу инвентаризации — пересортицу товаров — с помощью интеграции SAP с большой языковой моделью (ИИ).
Как я сделал классификатор обращений для телеком-поддержки на своей LLM за $10-месяц
Привет, Хабр! Расскажу как я fine-tuned модель Qwen2.5-0.5B для автоматической классификации обращений в службу поддержки, сквантовал её до 350 MB и задеплоил на дешёвый VPS.TL;DR: Модель классифицирует обращения клиентов по intent, category, urgency, sentiment и автоматически определяет куда маршрутизировать тикет. Работает на CPU, данные не покидают ваш сервер.Демо | API DocsЗачем это нужноВ типичной службе поддержки телеком-оператора:60% времени оператора уходит на понимание "а что вообще хочет клиент"
Как достучаться до клиента в мобильном приложении: вчера и сегодня
Привет, Хабр! В последнее время я вижу много рекомендаций о том, как успешно работать с клиентской базой и развивать клиентский опыт. Кажется, что в этой теме я могу быть полезным. Меня зовут Алексей Ласкин, я руководитель Центра компетенций по монетизации данных в команде РСХБ.Цифра, занимаюсь проектами по монетизации данных в цифровых каналах экосистемы «Я в агро» — Свое фермерство, Свое родное, Свое за городом, Свои финансы, Свой бизнес, Монеты.
Знай своих потребителей в лицо: бизнес-вызовы текущего момента в очень простой двоичной логике (специально для ХАБРа)
ЗРИ В КОРЕНЬ: Стратегия развития Прикладного промышленного мира сегодня – это задача преобразования «меняйся или проиграешь»! В качестве введения
Компилируем Python так, чтобы он работал везде
Это история о том, как написать компилятор Python, генерирующий оптимизированные ядра и при этом позволяющий сохранить простоту кода.Предисловие
Lenovo запустила сервисы GPU Advanced Services, обещающие на треть повысить производительность ИИ-приложений
Lenovo запустила
К2 НейроТех назвал 5 ИИ-трендов в финансах: от автоматизации к экосистемам и антикризисным решениям
Искусственный интеллект трансформирует мировой финансовый сектор, ускоряя процессы, персонализируя услуги и защищая от рисков. По оценкам Juniper Research, в 2024 году глобальные затраты банковской системы на генеративный ИИ составили около $6 млрд. А к 2030 году эта сумма достигнет $85 млрд. Эксперты К2 НейроТех выделили пять ключевых ИИ-технологий, которые станут станут драйверами роста финансовой отрасли в ближайшие годы.1. От автоматизации к автономии: «цифровые сотрудники» выходят на промэксплуатацию
