20 лет боли и прозрений в логистике и автоматизации: от крабов до роботов
Меня зовут Владимир Финк, я генеральный директор INTEKEY
Как я уже год развиваю в сотрудниках производства любопытство
Мы начинали как лаборатория полимеров при советском НИИ, потом, после развала Союза, продолжили исследования в коммерческой лаборатории, а сейчас вдруг стали крупным производством медицинских средств и косметики. Вероятно, вы знаете нас по гелям для глаз, акустическим гелям для УЗИ и, если у вас рожала корова, гелю для родовспоможения. Из него потом мы сделали ещё и смазку для секса человека, но это другое. Так вот, в прошлом году я вложился в обучение людей творческому мышлению. Это решение, которое не может прийти к вам на коротком горизонте, но очень полезно на длинном.
Решаем задачи ML эффективнее: платформа, которая экономит ресурсы, время и нервы
Привет! Я Олег Бугримов, руковожу командой разработки ML-платформы в Авито. В статье расскажу, почему мы решили делать ML-платформу и какие инструменты у нас уже есть. Материал будет полезен ML-инженерам и техлидам, которые хотят сократить время на рутину, обеспечить команду единым набором инструментов, а также повысить качество и скорость разработки ML‑решений.
Почему ваше AI-решение не окупается. Фреймворк OpenAI, который все пропустили
OpenAI опубликовали фреймворк, на который мало кто обратил внимание. Исследование OpenAI (да и не только их) показало: компании внедряют ИИ, но часть из них не получает ожидаемого эффекта. В этом фреймворке на мой взгляд обозначены принципы отделяющие посредственные решения от тех которые делают внедрение AI в бизнес эффективным.https://openai.com/index/evals-drive-next-chapter-of-ai/KPI и OKR остаются бизнес-целями. Evals — метрики, которые показывают, как AI помогает достигать целей. Либо evals становятся частью KPI, либо контролируют качество AI, который двигает показатели вверх.
Evals – гарантия качества и окупаемости ИИ
OpenAI опубликовали фреймворк, на который мало кто обратил внимание. Исследование OpenAI (да и не только их) показало: компании внедряют ИИ, но часть из них не получает ожидаемого эффекта. В этом фреймворке на мой взгляд обозначены принципы отделяющие посредственные решения от тех которые делают внедрение AI в бизнес эффективным.https://openai.com/index/evals-drive-next-chapter-of-ai/KPI и OKR остаются бизнес-целями. Evals — метрики, которые показывают, как AI помогает достигать целей. Либо evals становятся частью KPI, либо контролируют качество AI, который двигает показатели вверх.
Как не превратиться в «AI-first» компанию без реального использования ИИ. Перевод колонки CEO Runway
Помните тот момент, когда впервые услышали, что ваша компания переходит к модели AI-first?
Мы ввели правило «Сначала спроси у нейросети» — и вот что из этого вышло
Мы решили попробовать в Kaiten новый подход: прежде чем идти с вопросом к коллеге, спроси сначала у нейросети. И это сработало хорошо — взаимодействие в команде стало эффективнее, а точечное использование ИИ превратилось в системную практику. Про наш опыт с нейросетями — ниже.Три уровня применения: коротко о том, как мы используем ИИВ наших командах сотрудники используют ИИ на 3 уровнях:Уровень 1 — персональная эффективность. Каждый пробовал инструменты для своих задач: кто-то писал тексты, кто-то искал информацию, кто-то обрабатывал данные. Это работает, но результат остается точечным.
Microsoft и GitHub представили инструмент для устранения уязвимостей с помощью ИИ
Microsoft и GitHub объединили аналитику времени выполнения с рабочими процессами разработки, чтобы использовать ИИ для приоритизации угроз и автоматизации исправлений. Нативная интеграция между Microsoft Defender for Cloud и GitHub Advanced Security позволит решить проблему «многолетней накопившейся задолженности по безопасности в корпоративных кодовых базах».
