ИИ-джинн должен сидеть в «лампе» или как мы нормализовали миллионы записей номенклатуры на обычном сервере
Мы нормализуем миллионы строк НСИ с точностью 98% на обычном сервере с 8 ядрами и 16 ГБ RAM. У нас нет Золотой Рыбки, у нас есть джинн, которого мы посадили в лампу. И я хочу рассказать, как у нас это получилось.Привет, Хабр! На связи снова Алексей Арустамов, директор компании‑разработчика low-code платформы продвинутой аналитики.В прошлой статье я порассуждал о том, почему «чистый» ИИ горит в атмосфере реальных бизнес-процессов и как мы переносили издержки с вероятностной модели на детерминированный контур с помощью композитного подхода.
Сопротивление воздуха: почему дешевый ИИ обходится так дорого
Привет, Хабр.Я Алексей Арустамов, директор компании‑разработчика low-code платформы продвинутой аналитики.Когда я смотрю очередной ролик с удачной генерацией ИИ, не могу не заметить, что в кадре нет: ни одного юриста, ни одного бизнес-процесса, ни одного клиента, который уйдет в результате ошибок генерации. Только модель и аплодисменты.

