Ольга Ведерникова про ИИ

Как мы делаем больше, чем позволяет численность команды Вчера у всех разработчиков был праздник - вышла долгожданная модель Claude Fable. Мы тоже сразу взяли её в работу, получился просто классный день! В такие дни видно, как устроена небольшая ИИ-компания типа нашей: как команда учится, как принимает решения, оценивает и выбирает инструменты и как быстро внедряет новые подходы в свои внутренние процессы. Маленькая компания не наращивает численность под каждый новый проект или направление. Значит, скорость появляется за счёт того, как быстро команда внедряет новые инструменты. Мы берём каждую сильную модель или инструмент сразу в день выхода, тестируем на наших задачах и внедряем в процессы. Так получаем возможности, которые раньше были доступны только крупным интеграторам с большими…

Найти классного юриста – большая удача. А если такой работает в компании, которая часто и регулярно оспаривает в суде отказы – это удача на потоке.   Если говорить о бизнесе, то всегда есть вероятность что такой юрист блестяще выиграет много судов для компании, а потом уволится или пойдет на повышение. Конечно, все хотят не потерять эту удачу и уметь и дальше так же успешно работать.   Или даже разобраться в причинах успешного или неуспешного разрешения споров и автоматизировать подготовку исковых заявлений.   Идея хорошая, но «если бы это было так просто, то армянское радио этим бы не занималось», как говорили в фильме «Самая обаятельная и привлекательная».   Что здесь самое простое? Научить ИИ работать с «Гарант» и «КонсультантПлюс». Так уже работают многие решения – пишешь вопрос или да…

Месяц до истечения срока годности: списать нельзя переместить   В аптеке №54 конкретный препарат продаётся медленно — по одной упаковке в неделю. В аптеке №131 тот же препарат уходит быстрее — по две упаковки в день.   Когда в аптеке №54 лежат 30 упаковок с коротким сроком, а в аптеке №131 этот препарат заканчивается, часть упаковок можно перевезти из первой аптеки во вторую вместо того, чтобы закупать новую партию.   Если этого не сделать, деньги уходят в новую поставку этого препарата, хотя внутри сети уже есть партия, которую нужно использовать в первую очередь. В общем-то, это и есть вся идея кейса. Но чтобы реализовать её на масштабе сети, система должна спрогнозировать спрос, сопоставить много факторов и подготовить документы. Другими словами, решить оптимизационную задачу. Как…

Средняя ставка аренды для 1258 точек продаж ниже рынка. Но 170 адресов нужно перепроверить   В крупных розничных сетях отчёт по арендному портфелю часто выглядит примерно так: сколько помещений, какая средняя ставка, где подходит срок продления договора.   Но если посмотреть в деталях, то где-то рынок уже просел, и текущая ставка стала завышенной. Где-то рядом появились похожие помещения дешевле. Где-то собственник уже выставил арендуемую точку на площадки и ищет нового арендатора. А где-то возникает риск самостроя: если объект могут признать проблемным или снести, сети важно узнать об этом до того, как точку придётся срочно закрывать.   Чем раньше это заметить, тем больше времени у менеджера обсудить условия, подготовить аргументы, проверить риски или найти альтернативу для переезда рядом…

500 тендеров в неделю: зачем ИИ, если за заявку всё равно отвечает сотрудник?   В тендерной работе за заявку отвечает специалист: ему нужно понимать требования, сроки, цену, обеспечение, опыт, гарантии и риски.   Прежде чем изучить закупку даже бегло, её нужно открыть, найти ТЗ и приложения, проверить требования и понять, стоит ли передавать тендер в расчёт или отказаться от участия.   В нашем кейсе восемь человек из тендерного отдела успевали проанализировать около 200 тендеров в неделю, а публиковались на площадках около 500 потенциально интересных тендеров. То есть отдел принимал решения только по той части закупок, которую физически успевал обработать.   Где здесь помогает ИИ?   Конечно, в первую очередь, делает много скучной и монотонной работы: система ищет и собирает новые закупки, …

ИИ ответил по документу. Но документ уже устарел   В сервисных подразделениях ошибка ИИ-ассистента может значить, что бригада инженеров зря съездила на объект, оборудование простояло неисправным лишние сутки, а клиент максимально недоволен.   Отсюда простая идея: собрать все регламенты, нормативную документацию, PDF от производителей, архивы техподдержки и дать сервисному инженеру рабочий чат с ИИ-поиском.   Чтобы инженер на выезде не листал гигабайты документов на планшете, а задавал в чате вопрос и быстро получал точный алгоритм со ссылкой на документ-источник. Такие системы сегодня очень распространены. Какие здесь есть нюансы?   Рассмотрим такой пример: инженер запрашивает порядок действий по конкретному компоненту оборудования. ИИ выдаёт чёткий ответ, прикрепляет ссылку на источник.  …

Время – не деньги Маршрут технического специалиста от восторга перед ИИ до инвесткомитета часто строится на иллюзии: если мы сделали что-то крутое, проект уже оправдан. Представьте юриста, который раньше проверял договор 40 минут, а с ИИ — за 5. Ускорение в 8 раз! Разработчик бежит к финдиректору: «Мы сэкономим 35 минут на договоре, дайте денег!». Но CFO интересует не время, а деньги. Освободившееся время юриста не снижает его зарплату. Более того: теперь к ней добавляются расходы на лицензии, токены и зарплату ИИ-специалиста. В концепции Gartner экономия времени — это «синие» деньги (полезные, но не влияющие на P&L напрямую). Комитет же интересуют только «зелёные» деньги — реальный финансовый эффект. Чтобы превратить «синие» деньги в «зелёные», нужно волевое решение бизнес-заказчика. …

ка работа продолжится: выходят новые версии библиотек и моделей, выявляются уязвимости, меняются требования ИБ. Какие-то компоненты приходится обновлять, какие-то — заменять.   Например, однажды придётся заменить одну бесплатную библиотеку на другую. Стоимость лицензий при этом останется образцово нулевой — с этим всё прекрасно. Но работы по замене займут ненулевое время команды.   При этом системой уже пользуются сотрудники и рассчитывают, что утром она будет работать так же, как работала вчера вечером. Следить за тем, чтобы обновления системы не мешали её работе, тоже предстоит ИТ-команде.   Теперь можно себя поздравить: у компании появился ещё один внутренний ИТ-продукт. Его нужно развивать и поддерживать, документировать и помогать новым командам с ним работать.   Зато теперь одна кома…

Ничего на свете лучше нету, чем ваять агентов без бюджета   «Зачем платить за вашу платформу, если есть бесплатный open source?» — это второй по популярности вопрос от наших потенциальных заказчиков.   Первый такой: «А зачем вообще что-то покупать или заказывать, если у нас в компании есть свой вайбкодер с Claude Code? Он нам всё автоматизирует». Про магию вайбкодинга в корпорации мы написали выше, сегодня об этом не будем.   А про open source короткий ответ такой: да, собрать самим можно почти всё.   Но бесплатные компоненты довольно быстро обрастают зарплатами людей, которые собирают, дорабатывают и поддерживают систему.   Покупка коммерческой платформы может снять часть этой работы и зарплат, а также сильно сократить время до запуска.   На этом короткий ответ заканчивается и начинается …

итик (а бывших не бывает), я вижу в этом исполнение давней своей профессиональной мечты.   То есть с ИИ дорогой и долгий индивидуальный пошив можно превратить в недорогой и быстрый пошив по меркам.   Круто это? Да! Это очень и очень круто. Сокращает это себестоимость? Да, это в десятки раз (!) сокращает себестоимость, я уж молчу про сроки. Конечно, до промышленной системы всё равно ещё далеко, это понятно. Остаётся много работы: реальные данные, интеграции, права доступа, нагрузки, эксплуатация, резервирование, обеспечение непрерывности всё такое прочее. О том, как применяем ИИ на этих этапах, ещё поговорим, там тоже много интересных нюансов. Но теперь хотя бы точно понятно, какую именно систему мы собираемся делать. Что здесь, на мой взгляд, суперважно: чтобы тот, кто работает с ИИ, са…

Если ты не разрабатывал большие проекты по автоматизации, ИИ всегда будет казаться магией и волшебством А вот те из нас, кто разрабатывал корпоративные системы ещё на C++ и ранней Java, до изобретения слова «микросервисы», смотрят на ИИ без мистического трепета.   С ИИ мы можем гораздо быстрее делать ту работу, которую и так хорошо умеем делать.   Чтобы показать, как именно меняется разработка ПО, проще всего вспомнить метафору пошива костюмов, которой в автоматизации пользуются ещё с прошлого века:   1. Готовые коробочные продукты — это «массовый пошив». 2. Заказная разработка с нуля — это «индивидуальный пошив» (bespoke), костюм ручной работы у дорогого портного: идеально, но бесконечно долго и астрономически дорого.   Идеальным решением всегда выглядел третий режим — made-to-measure (п…

ля этого настраиваем интеграции и определяем источники данных. А заодно решаем вопросы доступа.   То есть мы можем купить подписку на условный ChatGPT или что-то менее западное, но модель не знает наших данных. Нужно их как-то собрать и ей передать.   Да, у поставщика могут технически готовы коннекторы и инструменты интеграции. Но решить, к каким системам подключаться, какие данные использовать и на каких условиях, всё равно должна сама компания. В ИТ этот процесс называют ETL (Extract, Transform, Load — извлечение, преобразование, загрузка).  На складе 100 штук: сколько из них можно продать (семантика данных) Дальше – надо разобраться, что именно эти данные означают?    Например, в системе указано, что на складе есть сто единиц товара. Но значит ли это, что мы можем пообещать клиенту с…