📢 Конференция «TED AI» в Сан-Франциско

Целый день TED Talks с пионерами и первопроходцами в ИИ, чтобы исследовать глубокие последствия того, как искусственный интеллект изменит нашу цивилизацию, отрасли, институты, сообщества и культуры 🔥

Объявлен мощный all-star состав:
- ANDREW NG (CEO DeepLearning.AI)
- KEVIN SCOTT (CTO в Microsoft)
- REID HOFFMAN (CEO LinkedIn)
- SHANE LEGG (Google DeepMind, ученый AGI в Google⚡️)
- ILYA SUTSKEVER (co-founder OpenAI)
- STEPHEN WOLFRAM (CEO Wolfram)
- JIM FAN (AI ученый, NVIDIA)

https://www.ai-event.ted.com/

➡️ регистрация
https://www.eventbrite.com/e/ted-ai-tickets-62401835570

Управленцы тоже под вопросом 😈

Читаю статью в которой описано как построить алгоритм принятия управленческих решений на базе ИИ (SPQA модель)

По классике, чтобы принять управленческое решение может потребоваться от 1 мес. до 6 мес. (инициация → круги встреч → круги согласования → правки → утверждение). И этот подход очень искажен субъективными «мнениями» менеджеров, внутренней политикой и т.д.

ИИ может выполнять такую работу за считанные часы: выбираем LLM модель → дообучаем на своих корп. данных (твердые знания) → указываем переменные (наша миссия, цели, антицели, наши проблемы, кто наш клиент, потребности клиентов и т.п.) → модель готова, и она знает нашу компанию лучше, чем совет директоров + весь штат вместе взятые.

Далее мы просто спрашиваем модель интересующие нас вопросы, и получаем ответы, подкрепленные фактами и графиками от Code Interpreter

И теперь главный вопрос:
Сколько времени нужно чтобы создать 1-ю версию этого? А сколько нужно на обновление? — минуты

Что делать по шагам:
1. Собрать базу знаний о своей компании (логи, Wiki, проекты, бюджеты, юнит-экономика, документы, имейлы, данные по сотрудникам) - это STATE
2. Опишите свод целей для ИИ чего мы хотим достичь (это POLICY): миссия, стратегия, цели, кто наш клиент, риски
3. Дообучаем модель с помощью LangChain (в бесплатном курсе можно разобраться всего за 30 часов). Да, у LLM бывают галлюцинации с % точности ответов. Повышается путем бОльшего массива данных для дообучения
4. Строим API мосты для непрерывного дообучения LLM (переписки из Slack, Email'ы, тикеты из саппорта, CRM. Для совсем параноиков есть Rewind — ожерелье, которое записывает речь вокруг → переводит в текст → суммирует с ИИ. Или поставить микрофон для прослушки в офисе)
5. Вводим запросы → получаем ответы
6. Блокируем подозрительную активность

P.S.
Помните о дилемме инноватора?
Тот факт, что это неизбежно, не означает, что вы можете бросить все и развернуться. Вопрос в том, исходя из вашего текущего бизнеса, как вы собираетесь осуществить переход?

Авто отклики на вакансию с ИИ

Не панацея, но буст продуктивности ощутимый с LazyApply . Можно писать сопроводительные письма написанные GPT

Loopcv умеет ещё и парсить email рекрутеров на job сайтах и слать персонализированные письма, отправлять авто-ответы.

Ещё есть сервис GetMeGit, который парсит резюме со всех источников в РУ сегменте интернета → скорит кандидатов по 120 параметрам → ИИ анализируют GitHub → метчит с вакансией → пишет персонализированное письмо приглашение на интервью → автоматически запрашивает рек. письма с ИИ персонализацией. Разработчики утверждают что скорость найма быстрее в 2 раза ⚡️